Június 8, 2023
Írta: Brett Petersen, az Inbenta globális műveleteinek vezetője
“Könyvt akarok küldeni Franciaországba”
“Franciaországba szeretnék hajót foglalni”
Ugyanazok a szavak, amelyeket más sorrendben használnak, drámai hatással lehetnek egy mondat jelentésére. Az emberi nyelv tele van homonimákkal vagy kettős jelentésű szavakkal. Míg egy átlagember könnyen felismeri a szavak jelentését a kontextus nyomai alapján, ez nem mondható el minden Chatbot technológiáról, amelyet az ügyfelek bevonására terveztek.
Például meg tudja különböztetni a Chatbotot a főnév és az ige között? A valóság az, hogy sok Chatbot nehezen érti meg a kontextust és a jelentést a konfigurációja miatt, vagy esetleg hiányzik a Natural Language Understanding (NLU) képessége. Ez azért fontos, mert a cégek egyre gyakrabban alkalmazzák a Chatbotokat, hogy eltereljék az ügyfelek kérdéseit a költséges call center műveletektől. Ugyanezek a vállalatok a pozitív ügyfélélményt is meg akarják őrizni értelmes ügyfélszolgálati interakciók révén.
A Forrester Consulting szerint a fogyasztók 50%-a nyilatkozott úgy, hogy gyakran frusztráltnak érzi magát a Chatbotokkal való interakciója miatt, és ezen interakciók közel 40%-át negatívként jelölték meg. Még meggyőzőbb, hogy egyetlen negatív Chatbot-élmény is elűzheti az ügyfelek 30%-át.1
A negatív interakciók nagy része a korai generációs chatbotokból ered, amelyekből hiányoztak azok a technológiai áttörések – és ami még fontosabb – a jelentés és a kontextus megértésének képessége, amelyek a mai társalgási AI-eszközökön keresztül elérhetőek. Ezeket a régebbi robotokat arra tervezték, hogy kapcsolatfelvételi adatokat gyűjtsenek, vagy virtuális váróteremként működjenek, függőben tartva az ügyfeleket, amíg egy élő ügynök kapcsolatba nem lép velük. A második generációs chatbotok hozzáadták a Machine Learning (ML) funkciót, hogy előre meghatározott kérdésekkel és válaszokkal, vagy akár iparág-specifikus munkafolyamatokkal programozzák az ügyfelek beszélgetéseit, de ezek a megoldások nem tudtak válaszolni összetett kérdésekre, válaszolni a hosszú farkú lekérdezésekre, vagy bevonni az ügyfeleket egy értelmes módon. Tovább fokozza az ügyfelek frusztrációját, hogy ezek a Chatbotok nem képesek megérteni egy kérdés kontextus szerinti jelentését, és arra kényszerítik az ügyfeleket, hogy élő ügynököt keressenek a tranzakció megkönnyítése vagy a probléma megoldása érdekében.
A jó hír az, hogy a mai Conversational AI-megoldások kiválóak abban, hogy tartalmas beszélgetéseket folytassanak az ügyfelekkel a természetes nyelvi feldolgozás (NLP), a gépi tanulás (ML) és a lexikonok összehangolásával, amelyek minden interakcióval okosabbak lesznek. Az NLP-t használó chatbotok úgy tudják értelmezni az emberi nyelvet, hogy a lekérdezéseket szavakra bontják a szavak tényleges szándékával együtt a mondat kontextusában. Ez a szemantikus NLP-folyamat a természetes nyelv megértése érdekében egyesíti és összekapcsolja a fogalmakat. Az NLP-megoldások abban is párbeszédesek, hogy képesek feldolgozni a válaszokat és a tisztázó kérdéseket tesz fel, ami pozitívabb ügyfélinterakciókat, magasabb ügyfélelégedettséget és gyorsabb megoldások generálását eredményezi.
Manapság a társalgási mesterséges intelligencia eszközöket számos különböző felhasználási esetben sikeresen lehet használni. Például a Chatbotokat széles körben használják ügyfélszolgálatra, mivel ügynökként működhetnek a problémák automatikus megoldásában, megválaszolva a gyakran feltett kérdéseket vagy frissítve a fiókot, 24/7/365. Azok a chatbotok, amelyek még ezeket az egyszerű feladatokat is hatékonyan képesek elvégezni, jelentős megtérülést biztosítanak a befektetésnek. A megfelelő Chatbot a webhelyén is használható, hogy automatizálja a fel- és keresztértékesítési termékeket az ügyfelek beszélgetései vagy keresési kifejezései alapján. Végül a Chatbotokat belsőleg használhatják a HR- és IT-részlegek, hogy segítsenek a képzésben, a fedélzeten és válaszoljanak az alkalmazottak kérdéseire.
Ha helyesen használják, a Chatbotok jelentős pozitív hatással lehetnek az ügyfélélményre. A Forrester Consulting szerint a megkérdezett ügyfelek 61%-a nyilatkozott úgy, hogy nagyobb valószínűséggel tér vissza egy márkához, miután pozitív Chatbot-élményt szerzett, és 56%-uk keresné a Chatbotot a jövőben a pozitív tapasztalatok után. 1
Elvihető: azoknak a cégeknek, amelyek sikeresen szeretnének telepíteni egy olyan Chatbotot, amely pozitív hatással van az ügyfélélményre, olyan megoldásra van szükségük, amely képes megérteni az ügyfelek megkereséseinek hátterét és jelentését. A különbség ismerete olyan nagy lehet, mint egy hajó lefoglalása és egy könyv kiszállítása.
Idézetek:
Tekintse meg hasonló cikkeinket
- SEO által támogatott tartalom és PR terjesztés. Erősödjön még ma.
- EVM Finance. Egységes felület a decentralizált pénzügyekhez. Hozzáférés itt.
- Quantum Media Group. IR/PR erősített. Hozzáférés itt.
- PlatoAiStream. Web3 adatintelligencia. Felerősített tudás. Hozzáférés itt.
- Forrás: https://www.inbenta.com/en/blog/does-your-chatbot-know-the-difference-between-a-noun-and-a-verb/
- :is
- 1
- 12
- 2023
- 8
- a
- képesség
- Képes
- Szerint
- Fiók
- törvény
- tényleges
- hozzáadott
- hozzáadásával
- Után
- Ügynök
- AI
- Minden termék
- mentén
- Is
- an
- és a
- válasz
- válaszok
- VANNAK
- AS
- At
- automatizált
- elérhető
- átlagos
- el
- alapján
- BE
- mert
- mögött
- hogy
- között
- könyv
- foglalás
- botok
- márka
- Törés
- áttörések
- de
- by
- hívás
- hívóközpont
- TUD
- nem tud
- képességek
- esetek
- Központ
- chatbot
- chatbots
- kombájnok
- általában
- Companies
- kényszerítő
- teljes
- bonyolult
- fogalmak
- Configuration
- tanácsadó
- Fogyasztók
- kapcsolat
- kontextus
- szövegre vonatkozó
- társalgó
- társalgási AI
- beszélgetések
- drága
- tudott
- Kereszt
- vevő
- Vásárlói élmény
- Vevői elégedettség
- Vevőszolgálat
- Vevőszolgálat
- Ügyfelek
- osztályok
- telepíteni
- telepített
- tervezett
- különbség
- különböző
- nem
- kétszeresére
- drámaian
- hajtás
- meghajtók
- minden
- Korai
- könnyen
- hatékonyan
- munkavállaló
- vegyenek
- Még
- példa
- Excel
- tapasztalat
- megkönnyítése
- gyorsabb
- Február
- érez
- Végül
- megjelölve
- A
- Forbes
- Forrester
- ból ből
- frusztrált
- csalódottság
- jövő
- gyűjt
- generál
- generáció
- kap
- Globális
- jó
- nagy
- Legyen
- tekintettel
- fej
- segít
- <p></p>
- tart
- hr
- HTTPS
- emberi
- Hatás
- fontos
- in
- képtelenség
- Inbenta
- egyre inkább
- ipar
- információ
- Érdeklődés
- A szándék
- kölcsönhatás
- kölcsönhatások
- belsőleg
- bele
- beruházás
- kérdés
- kérdések
- IT
- Ismer
- Ismerve
- hiány
- nyelv
- tanulás
- Örökség
- Valószínű
- linkek
- él
- Hosszú
- gép
- gépi tanulás
- fenntartása
- Gyártás
- sok
- jelenti
- jelentőségteljes
- jelentése
- ML
- több
- Természetes
- Természetes nyelvi feldolgozás
- közel
- Szükség
- negatív
- hír
- NLP
- Főnév
- Most
- of
- gyakran
- on
- Fedélzeti
- ONE
- Művelet
- or
- hangszerelés
- érdekében
- mi
- ki
- person
- Plató
- Platón adatintelligencia
- PlatoData
- pozitív
- esetleg
- elsődleges
- folyamat
- feldolgozás
- Termékek
- Program
- ad
- elhelyezés
- lekérdezések
- kérdés
- Kérdések
- Valóság
- Reagálni
- válaszok
- Eredmények
- visszatérés
- jobb
- Szoba
- Mondott
- azonos
- elégedettség
- Keresés
- Keresnek
- elad
- mondat
- szolgáltatás
- HAJÓ
- Szállítás
- jelentős
- hasonló
- Egyszerű
- intelligensebb
- megoldások
- Megoldások
- különleges
- Származik
- Küzdelem
- lényeges
- sikeresen
- támogatás
- megkérdezett
- feladatok
- technikai
- Technológia
- mondd
- feltételek
- hogy
- A
- A jövő
- azok
- Ezek
- ők
- ezt
- Keresztül
- nak nek
- mai
- szerszámok
- Vonat
- tranzakció
- megért
- megértés
- -ig
- Frissítés
- használ
- használt
- segítségével
- hasznosított
- fajta
- Tényleges
- Várakozás
- akar
- Út..
- weboldal
- voltak
- ami
- míg
- széles körben
- val vel
- belül
- szavak
- lenne
- te
- A te
- zephyrnet