Vi har analyserat 4 miljoner chatbotkonversationer. Här är vad vi fick reda på.

Under de senaste åren, chatbots har dramatiskt förändrat hur de fungerar och tillhandahåller service till kunderna. De har gått från grundläggande informationsgränssnitt till komplexa lösningar som kan kommunicera med system från tredje part. 

Dessa förändringar, tillsammans med förbättringar av tekniken, har haft en betydande inverkan på självbetjäningsprestanda. Vad betyder detta för företag som använder en avancerad, kapabel chatbot baserad på konversations AI? 

Vi på Inbenta bestämde oss för att ta en titt på våra kunders sessioner för att upptäcka och analysera självbetjäningstrender. Resultaten var ganska ögonöppnande och hoppas att du har nytta av insikten. 

Transaktionella kontra information chatbots. Vad är skillnaden?

Informationschattbotar är de som kan identifiera en förfrågan och ge ett specifikt standardsvar, oavsett om svaret bara omfattar text, eller även bilder, videor eller länkar till specifika sidor. 

Men även om detta redan tillåter en hög grad av självbetjäning, och löser en stor del av kundtjänstpusslet, passar det fortfarande inte mer komplexa, personliga fallscenarier. 

Vad händer när användare förväntar sig ett svar som bara gäller dem personligen?

Vad händer om de behöver uppnå eller slutföra en specifik åtgärd?

Kontrollera sitt kontosaldo, komma åt deras journaler, uppgradera sin försäkring, boka om ett flyg de har bokat – entransaktionell chatbot kan hantera den här typen av mer komplexa förfrågningar som kräver att din chatbot interagerar med andra system, utan att behöva eskalera konversationen till en agent.

Dessa transaktioner är vanligtvis aktiverade av webhooks och integrationer.

Vi har distribuerat avancerade transaktionsbaserade chatbots ett tag nu i mycket framgångsrika projekt. Vi vet att transaktionsprojekt erbjuder en bredare uppsättning alternativ för kunderna. Men vår fråga var... 

Hur stor påverkan har transaktionella chatbots i självbetjäningspriser?

Vi bestämde oss för att göra en del efterforskningar med våra data för att ta reda på om det påverkade att lägga till transaktionsmöjligheter relevanta nyckeltal i ett chatbotprojekt, och i så fall med hur mycket. 

Det första vi gjorde är att ta ett prov på 4.2 miljoner chatbotkonversationer från olika kunder och klassificera dem beroende på deras karaktär. De föll i någon av dessa kategorier:

• Sessioner från chatbots som utlöser företagstransaktioner
• Sessioner från chatbots som endast tillhandahåller statisk information

Detta skulle hjälpa oss att dra data och slutsatser om transaktionalitet.

När vi väl gjorde det tog vi en titt på olika nyckeltal, både på global nivå och för varje kategori. 

Den totala självbetjäningsgraden översteg 91 %

Det första vi märkte var en otroligt hög självbetjäningsgrad på 91 %, inklusive både transaktionella och icke-transaktionella instanser. 

Siffran skiljer sig inte mycket från våra tidigare tester, som fastställde en typisk självbetjäningsgrad på 90 % för våra chatbots. 

Men det är fortfarande ganska imponerande, tycker du inte? Det betyder att från 4.2 miljoner sessioner hamnade endast 360K i en kontaktåtgärd. Kan du föreställa dig kostnaden som de återstående 3.8 miljoner kundförfrågningarna skulle ha haft för en kundtjänstavdelning?

Icke-transaktionella chatbots hade en lägre svarsfrekvens

Det andra vi märkte var att chatbotar utan transaktionsmöjligheter hade lägre svarsfrekvens. Detta stämmer överens med det faktum att en informationschattbot endast kan täcka ett visst antal supportförfrågningar. 

Så mycket som du fyller din chatbot med relevanta svar på vanliga frågor, om användaren försöker utföra en åtgärd, och chatboten inte kan göra det, kommer resultatet att bli en obesvarad begäran.

När vi analyserade våra prover såg vi en 7-poängs ökning av svarsfrekvensen när du använder transaktionella chatbots kontra statiska, informationschattbotar, vilket faktiskt är ganska enastående.

Transaktionella chatbots har en 28% högre självbetjäningsgrad

Det sista vi märkte var att med transaktionella chatbots fanns det färre förfrågningar som slutade med kontaktåtgärder.

Vi har sett att chatbotens totala självbetjäningsgrad var 91 %, därför endast 9 % av de totala sessionerna (transaktionella och icke-transaktionella) nådde supportteamet.

Tja, om vi jämför sessionerna från transaktionella chatbotar med de för informationschatbotar, kan vi se att de f.d. eskalerade 28 % färre ärenden att stödja.

Detta bevisar transaktionella chatbots erbjuder en bättre självbetjäningsgrad och förbättrar den övergripande servicen. Dessutom kan en sådan minskning kraftigt påverka arbetsbelastningen och prestanda för kundtjänstagenter. 

Hur analyserar man prestandan för din chatbot-instans?

Kraftfulla chatbot-datapaneler

Att ha en robust analyspanel för din chatbot är extremt viktigt för att kunna följa mätvärden och KPI:er. Hur kan du annars veta om din chatbot fungerar bra eller inte?

At Inbenta, vi har byggt kraftfulla instrumentpaneler för att hjälpa kunder att förstå alla nyckeltal, till exempel:

• Totalt antal sessioner
• Självbetjäningspris
• Oanvända frågor
• Eskalerade sessioner
• Andra mätvärden

Men vilken effekt har implementeringen av en transaktionschattbot? Med andra ord, hur mycket sänker driftkostnaderna att lägga till transaktioner?

ROI på att lägga till transaktioner till din chatbot

Som du har sett kommer att lägga till transaktionsmöjligheter minska chatboteskaleringarna med 28 %. Så om vi tar det att du hade totalt 50,000 10 chatbotsessioner (konversationer) i månaden och 5,000 % av dem eskalerade till ett supportärende, pratar vi om 28 3,600 supportförfrågningar. Att minska det med XNUMX % innebär att du skulle ha XNUMX XNUMX supportförfrågningar istället.

Låt oss säga att den genomsnittliga kostnaden per eskalerat ärende (telefonsamtal eller liveassistans) är 5 €. 

Genom att lägga till transaktionsmöjligheter till din chatbot skulle du spara 7,000 XNUMX euro i månaden.

Å andra sidan, om du driver en e-handel, eller någon tjänst du kan betala för online, kan möjliggörande av transaktioner också ge ytterligare intäkter till ditt företag. 

Låt oss säga att 5 % av det totala antalet chatbotsessioner är relaterade till köp av en produkt eller tjänst. Låt oss också uppskatta det genomsnittliga ordervärdet till 50 $ (detta kan variera beroende på ditt företag och dina produkter). 

I så fall kommer chatboten att hantera 2,500 90 försäljningar i månaden på egen hand – kan du tänka dig en butiksbiträde som gör så många försäljningar? Det skulle innebära att försäljningsassistenten gör minst XNUMX försäljningar om dagen.

Dessa 2,500 125,000 månatliga försäljningar skulle stå för XNUMX XNUMX $ i intäkter per månad. Enastående, eller hur?

DRICKS: Om din nuvarande självbetjäningsgrad är under 80 % till 90 %, det finns en god chans att din nuvarande chatbot eller innehållet den tillhandahåller inte är tillräckligt bra. Om det inte är transaktionsmässigt finns det också möjligheten att dina kunder vill lösa mer komplexa frågor som en informationschattbot inte kan hantera. 

Gör din chatbot transaktionell

Om du funderar på att lägga till transaktionsmöjligheter till din chatbot behöver du förmodligen en lösning som enkelt kan ansluta, samt skicka och ta emot data från andra plattformar. 

Dessa kan inkludera CRM, ERP, HRIS, CMS och andra system, meddelanden eller sociala plattformar och andra kanaler, röstaktiverade eller på annat sätt.

På Inbenta har vi byggt integrationer med välkända plattformar i flera år, och resultatet är Inbentas Apphub. Där kan du söka och hitta dina favoritappar, koppla ihop din Inbenta Chatbot med dem och få ut det mesta av din självbetjäningslösning. 

Kolla in våra liknande artiklar