Vi har analysert 4 millioner chatbot-samtaler. Her er hva vi fant ut.

I de siste få årene, chatbots har dramatisk endret måten de opererer på og yter service til kundene. De har gått fra grunnleggende informasjonsgrensesnitt til komplekse løsninger som kan kommunisere med tredjepartssystemer. 

Disse endringene, sammen med forbedringer i teknologien, har hatt en betydelig innvirkning på selvbetjeningsytelsen. Hva betyr dette for bedrifter som bruker en avansert, kapabel chatbot basert på samtale AI? 

Vi i Inbenta bestemte oss for å ta en titt på kundenes økter for å oppdage og analysere selvbetjeningstrender. Resultatene var ganske øyeåpnende og håper du finner innsikten nyttig. 

Transaksjonelle vs informasjon chatbots. Hva er forskjellen?

Informasjon chatbots er de som er i stand til å identifisere en forespørsel og gi et spesifikt standardsvar, enten svaret bare involverer tekst, eller også bilder, videoer eller lenker til bestemte sider. 

Men selv om dette allerede åpner for en høy grad av selvbetjening, og løser en stor del av kundeservicepuslespillet, passer den fortsatt ikke til mer komplekse, personlig tilpassede case-scenarier. 

Hva skjer når brukere forventer et svar som bare gjelder dem personlig?

Hva om de trenger å oppnå eller fullføre en bestemt handling?

Sjekke kontosaldoen, få tilgang til medisinske journaler, oppgradere forsikringspolisen, omplanlegge en flyreise de har bestilt – entransaksjonell chatbot kan håndtere denne typen mer komplekse forespørsler som krever at chatboten din samhandler med andre systemer, uten å måtte eskalere samtalen til en agent.

Disse transaksjonene er vanligvis aktivert av nettkroker og integrasjoner.

Vi har distribuert avanserte, transaksjonelle chatbots en stund nå i svært vellykkede prosjekter. Vi vet at transaksjonsprosjekter tilbyr et bredere sett med alternativer til kundene. Men spørsmålet vårt var... 

Hvor stor innvirkning har transaksjonelle chatbots på selvbetjeningspriser?

Vi bestemte oss for å gjøre noen undersøkelser med dataene våre for å finne ut om det påvirket å legge til transaksjonalitet relevante KPIer i et chatbot-prosjekt, og i så fall med hvor mye. 

Det første vi gjorde var å ta en prøve av 4.2 millioner chatbot-samtaler fra forskjellige kunder og klassifisere dem avhengig av deres natur. De falt i én av disse kategoriene:

• Økter fra chatbots som utløser bedriftstransaksjoner
• Økter fra chatbots som kun gir statisk informasjon

Dette vil hjelpe oss med å trekke data og konklusjoner angående transaksjonalitet.

Når vi gjorde det, tok vi en titt på forskjellige KPIer, både på globalt nivå og for hver kategori. 

Den totale selvbetjeningsraten oversteg 91 %

Det første vi la merke til var en utrolig høy selvbetjeningsrate på 91 %, inkludert både transaksjonelle og ikke-transaksjonelle tilfeller. 

Tallet skiller seg ikke mye fra våre tidligere tester, som etablerte en typisk selvbetjeningsrate på 90 % for chatbotene våre. 

Men det er fortsatt ganske imponerende, synes du ikke? Dette betyr at fra 4.2 millioner økter var det bare 360K som havnet i en kontakthandling. Kan du forestille deg kostnadene som de resterende 3.8 millioner kundeforespørslene ville ha hatt for en kundeserviceavdeling?

Ikke-transaksjonelle chatboter hadde en lavere svarfrekvens

Det andre vi la merke til var at chatbots uten transaksjonsmuligheter hadde lavere svarprosent. Dette samsvarer med det faktum at en informasjons-chatbot kun kan dekke et visst antall supportforespørselssaker. 

Så mye som du fyller chatboten din med relevante svar på vanlige spørsmål, hvis brukeren prøver å utføre en handling, og chatboten ikke er i stand til det, vil resultatet være en ubesvart forespørsel.

Når vi analyserte prøvene våre, så vi en 7 poeng økning i svarprosent når du bruker transaksjonelle chatbots kontra statiske, informasjons chatbots, som faktisk er ganske enestående.

Transaksjonelle chatbots har en 28 % høyere selvbetjeningsrate

Det siste vi la merke til var at med transaksjonelle chatbots var det færre forespørsler som endte med kontakthandlinger.

Vi har sett at den totale selvbetjeningsraten til chatboten var 91 %, derfor bare 9 % av de totale øktene (transaksjonelle og ikke-transaksjonelle) nådde støtteteamet.

Vel, hvis vi sammenligner øktene fra transaksjonelle chatbots med sesjonene til informasjon chatbots, kan vi se at de tidligere eskalerte 28 % færre saker å støtte.

Dette beviser transaksjonelle chatbots tilbyr en bedre selvbetjeningsrate og forbedrer den generelle tjenesten. I tillegg kan en slik reduksjon ha stor innvirkning på arbeidsmengden og ytelsen til kundeserviceagenter. 

Hvordan analysere ytelsen til chatbot-forekomsten din?

Kraftige chatbot-datadashboards

Å ha et robust analysepanel for chatboten din er ekstremt viktig for å følge beregninger og KPIer. Hvordan kan du ellers vite om chatboten din fungerer bra eller ikke?

At Inbenta, vi har bygget kraftige dashbord for å hjelpe kundene med å forstå alle KPIene, for eksempel:

• Totalt antall økter
• Selvbetjeningspris
• Ubesvarte spørsmål
• Eskalerte økter
• Andre beregninger

Men hvilken innvirkning har implementering av en transaksjonell chatbot? Med andre ord, hvor mye å legge til transaksjonalitet reduserer driftskostnadene?

ROI på å legge til transaksjonalitet til chatboten din

Som du har sett, vil å legge til transaksjonalitet redusere chatbot-eskaleringer med 28 %. Så hvis vi tar det at du hadde totalt 50,000 10 chatbot-økter (samtaler) i måneden og 5,000 % av dem eskalerte til en støttesak, snakker vi om 28 3,600 støtteforespørsler. Å redusere det med XNUMX % betyr at du vil ha XNUMX støtteforespørsler i stedet.

La oss si at den gjennomsnittlige kostnaden per eskalert sak (telefonsamtale eller direkte assistanse) er 5€. 

Ved å legge til transaksjonalitet til chatboten din vil du spare 7,000 euro i måneden.

På den annen side, hvis du driver en e-handel, eller en hvilken som helst tjeneste du kan betale for online, kan aktivering av transaksjoner også gi ekstra inntekter til virksomheten din. 

La oss si at 5 % av det totale antallet chatbot-økter er relatert til kjøp av et produkt eller en tjeneste. La oss også anslå den gjennomsnittlige ordreverdien til $50 (dette kan variere avhengig av virksomheten din og produktene). 

I så fall vil chatboten håndtere 2,500 salg i måneden på egen hånd – kan du forestille deg en butikkmedarbeider som gjør så mange salg? Det vil bety at salgsassistenten gjør minimum 90 salg om dagen.

Disse 2,500 månedlige salgene vil utgjøre 125,000 XNUMX $ av inntektene per måned. Enestående, ikke sant?

TIPS: Hvis din nåværende selvbetjeningssats er under 80 % til 90 %, det er en god sjanse for at din nåværende chatbot eller innholdet den gir ikke er godt nok. Hvis det ikke er transaksjonsbasert, er det også muligheten for at kundene dine ønsker å løse mer komplekse spørsmål en informasjon chatbot ikke kan takle. 

Gjør chatboten din transaksjonell

Hvis du ser på å legge til transaksjonalitet til chatboten din, trenger du sannsynligvis en løsning som enkelt kan koble til, samt sende og motta data fra andre plattformer. 

Disse kan inkludere CRM-er, ERP-er, HRIS, CMS-er og andre systemer, meldings- eller sosiale plattformer og andre kanaler, stemmeaktiverte eller på annen måte.

Hos Inbenta har vi bygget integrasjoner med kjente plattformer i årevis, og resultatet er Inbentas Apphub. Der kan du søke og finne favorittappene dine, koble din Inbenta Chatbot med dem og få mest mulig ut av selvbetjeningsløsningen din. 

Sjekk ut våre lignende artikler