Hvorfor selvbetjeningssupport kun er så god som indhold

På dette tidspunkt er der ingen tvivl om, at investere i en slags selvbetjeningsværktøj har sit positive ROI. 

I de sidste par år har stort set alle virksomheder investeret i chatbots eller virtuelle assistenter, der er stillet til rådighed hjælpecentre og FAQ-sektioner, eller brugt andre former for assisterede værktøjer med det formål at hjælpe kunder med at søge og finde svar på deres anmodninger på egen hånd. 

Målet? Reducerer antallet af interaktioner af lav værdi, som deres supportteam skal håndtere. 

I begyndelsen var nogle tilbageholdende med at hoppe på toget af automatisering og Samtaler AI. Men de har nu set, at det næsten er umuligt at konkurrere og trives på overfyldte markeder uden en konkurrencefordel.

Fremskridtene inden for Conversational AI-teknologier har gjort det muligt at automatisere enorme mængder af supportanmodninger, men nogle mærker kæmper stadig med at finde dens reelle værdi.

Hvorfor kæmper virksomheder med automatisering?

Når de implementerer et selvbetjeningsværktøj, forventer de fleste virksomheder resultater på kort til mellemlang sigt. Når dette simpelthen ikke sker, har de en tendens til at skyde skylden på forskellige årsager den vigtigste er teknologien. 

Det har vi hørt tusindvis af gange chatbots er ikke kloge nok, at de stadig halter bagud og ikke er i stand til at forstå menneskeligt sprog, som et menneske ville.

Men er det virkelig tilfældet? Eller er det, at vi forventer noget mere?

Kun gode AI-løsninger forstår virkelig kundeønsker

Selvfølgelig er virtuelle assistenter i nogle tilfælde meget afhængige af træningsdata. Hvis de ikke har set en specifik anmodning før, er de i nogle tilfælde ikke engang i stand til at identificere hensigten med den anmodning. 

Nogle virksomheder er begyndt at tackle dette problem ved at vælge chatbots, der er afhængige af semantisk logik. Det betyder, at selvom de aldrig har set en anmodning før, så er de er stadig i stand til at identificere ordenes betydning og finde det nærmeste svar. 

AI kan ikke rigtig producere indhold

På dette tidspunkt, selvom en chatbot er i stand til at svare som et menneske, besidder den ikke rigtig menneskelig intelligens. Hvad betyder dette? Det betyder, at chatbots enten svarer med et præ-lavet script eller genererer svar fra scripts, men de kan ikke rigtig producere begrundede svar på egen hånd, medmindre de har information at fodre fra. 

Selvfølgelig kan de matche en anmodning eller en brugerforespørgsel med eksisterende indhold og formulere et svar, men de kan ikke oprette nyt indhold på egen hånd. 

Så hvordan påvirker det egentlig selvbetjeningspriserne? Lad os grave lidt dybere.

Nogle teknologier er for meget afhængige af træningsdata

Mange Conversational AI-platforme derude kæmper for at give reel værdi, medmindre der er dedikerede teams, der træner modellerne med relevante data. 

Dette betyder, at en AI skal se nogle eksempler og lære, hvordan man reagerer, når den støder på dem. Dette gøres vha træning af chatbot.

Til dette formål skal vi udtrække og kuratere data for at kunne føre dem til AI. Derfor kan træning af løsningerne være ekstremt tidskrævende. Men mange af de nuværende Conversational AI-løsninger derude er udelukkende baseret på maskinlæring og kræver derfor disse træninger for at forbedre resultaterne. 

At vælge en teknologi som Neuro-Symbolisk AI der ikke kræver træning, kan gøre livet lettere for projekt- og kundeoplevelsesledere og levere gode resultater med mindre vedligeholdelse, der kræves af dine teams.

Læs også: E-bog – Opbygning af chatbots uden træning med neuro-symbolisk kunstig intelligens

Hvorfor giver mange chatbots og Conversational AI-løsninger ikke svar?

Hvis du bruger en chatbot, der virkelig forstår hensigten, og stadig oplever en lav chatbot-ydeevne med hensyn til svarfrekvenser, er chancerne for, at du mangler værdifuldt indhold, som dine brugere er interesserede i. 

Lad os sige, at en bruger spørger: 'Er din butik på 5th Avenue åben om lørdagen?'. 

En chatbot kan måske formulere et svar på forskellige måder, men den vil aldrig kunne sige ja eller nej, medmindre den information er gemt i et system, den har adgang til. 

Svaret skal gemmes enten i chatbottens egen database, på kundens hjemmeside eller i andre tredjepartssystemer, der er forbundet til chatbotten. Ellers vil der ikke være et tilfredsstillende svar for kunden. 

Kundeservice- og oplevelsesteams skal bruge lidt tid på at analysere indholdshuller, se, hvilke brugerspørgsmål der ikke fik nogen ordentlige svar, og skabe indhold, så chatbotten i det mindste kan besvare de hyppigste. 

Jo mere dit indhold er omfattende og detaljeret, jo mindre er chancerne for, at dine kunder får en akavet 'Undskyld, men jeg kunne ikke finde et svar på dit spørgsmål'.

Prøv vores chatbot og FAQ GRATIS i 14 dage, og se selv, hvordan Inbenta tilbyder den bedste teknologi og platform til at yde selvbetjeningssupport til dine kunder.

Tjek vores lignende artikler