Chatbots: van business case tot implementatie en beheer

by Klantcontact

Chatbots: van business case tot implementatie en beheer

by Klantcontact

by Klantcontact

In dit basisartikel lees je alles over chatbots: van definitie tot het belang van een heldere doelstelling en van implementatie tot en met valkuilen en resultaten.

Lees het volledige artikel of spring snel naar het onderwerp van jouw voorkeur via onderstaande links:

Wat is een chatbot?
Waarvoor zet je een chatbot in: welk doel wil je bereiken?
Chatbots zijn goed in één taak. Voor welke taken kies je?
Wat zijn valkuilen bij het inzetten van chatbots?
Hoe ziet een implementatietraject er in grote lijnen uit?
Met welke kosten moet je rekening houden?
Wat is de terugverdientijd?

 

Wat is een chatbot?

Een chatbot is een geautomatiseerde softwaretoepassing die zelfstandig specifieke vragen – meestal via tekstberichten, soms via spraak – kan afhandelen. Een chatbot bestaat uit twee onderdelen: een onderdeel gericht op het herkennen van de vraag, een tweede onderdeel gericht op het uitvoeren van het vraag/antwoordspel gericht op die specifieke vraag of intentie. Vaak wordt de vraag vertaald naar de intentie (het beoogde doel van de klant) of een outcome (de oplossing). Chatbots kunnen verschillende niveaus van intelligentie bevatten. In de kern zijn er twee smaken: scriptgestuurde bots en AI-aangedreven bots (zie verderop). Chatbots bestaan al sinds de jaren zeventig van de vorige eeuw, maar hebben de laatste jaren een flinke ontwikkeling doorgemaakt.

Wat is het verschil tussen FAQ, Q&A, een IVR en een chatbot?

Een Q&A is een vooraf geformuleerde vraag met een bijbehorend antwoord. Vaak staan vraag en antwoord op een webpagina. Bij FAQ’s wordt uitgegaan van ‘vaak’ of ‘meest’ gestelde vragen.

De klant moet hierbij zelf in een lijst het antwoord bij de vraag opzoeken. Soms kan de klant een zoekopdracht geven, zodat op basis van woordherkenning de meest voor de hand liggende vraag/antwoordcombinatie naar voren komt. Hierbij kan een achterliggende database ook gebruikmaken van synoniemen.

De IVR geeft geen antwoorden, maar is een routeringsmechanisme waarbij op basis van trefwoorden (vooraf aangegeven en gekoppeld aan cijfers: kies 1 voor administratieve vragen, of door middel van spraakherkenning) wordt bepaald welke medewerker (of welke competentie) nodig is om de vraag van de klant te beantwoorden.

Twee soorten chatbots

Chatbots zijn ruwweg te verdelen in twee soorten. De meest voorkomende variant is ook de meest basale en komt neer op het automatiseren van een formulier met vragen, waarbij de klant wordt ondersteund bij het invullen van antwoorden. Bij deze toepassing loopt een eenvoudige chatbot een voorgedefinieerd script af met standaardvragen. Dat betekent vaak ook dat uit het antwoord van de klant alleen de gevraagde informatie wordt verwerkt. Er kan intelligent met woordherkenning worden gewerkt (op basis van kansberekening en lerend vermogen), maar er zit meestal geen intelligentie in de respons.

Er wordt in alle gevallen een vaststaand proces in een vaststaande volgorde afgewerkt. Het verschil met een gewoon webformulier is dat de chatbot de vragen een voor een voorlegt en op basis van het antwoord de volgende vraag bepaalt. Je kunt als klant dus niet afwijken van de conversatie.

De kans op frustratie van de zijde van de klant is vrij groot, want de klant verwacht een dialoog te voeren, terwijl het systeem primair een bepaalde manier van handelen afdwingt en niets doet met extra verschafte informatie.

Herkenning op basis van een woord: “bestelling”

Wedervraag met antwoordherkenning is nodig: “wat wilt u weten over uw bestelling?” (garantie, retour, bezorging, fout in levering)

Herkenning op basis van intentie: “ik heb de verkeerde maat ontvangen en wil graag ruilen”.

Meerdere afzonderlijke wedervragen zijn nodig om het probleem te verduidelijken: is er een fout gemaakt bij het klaarmaken van de order of wil de klant ruilen omdat het product niet past?

 

De tweede variant chatbot is intelligent, omdat hij bij het verwerken van input van de klant alle relevante informatie kan verwerken die in dat antwoord aanwezig is en daarbij gebruikmaakt van machine learning. De slimme chatbot wordt getraind met een dataset en wordt beter door met nieuwe data om te gaan. Als een klant bij aanvang al aangeeft “ik heb de verkeerde maat ontvangen en wil graag ruilen, mijn klantnummer is 1234567” hoeft de chatbot bijvoorbeeld geen wedervragen te stellen over de klantgegevens, of over de wens van de klant (ruilen). De intentie van de klant lijkt in dit geval ‘ruilen’, maar het kan ook zijn dat de klant de retourvoorwaarden wil weten.

Kunstmatige intelligentie kan op drie manieren worden ingezet: bij het aanbieden van vragen aan de klant, bij het verwerken van antwoorden van de klant en de combinatie van beiden. In het tweede geval gebruikt de chatbot dus meer informatie dan aanwezig is in de eigen systemen en voegt de bot kennis hierover toe aan de eigen systemen.

Van domme naar slimme(re) chatbots

Doelgerichte chatbots voor het regelen van nauw-afgebakende producten of zaken (denk aan vliegtickets of reserveringen) moeten goed in staat zijn niet-relevante informatie te negeren. Het voordeel is dat zo’n min of meer gesloten systeem precies weet waar het op moet letten.

Het nadeel is dat er geen natuurlijke dialoog wordt opgebouwd, omdat het systeem niet kan omgaan met initiatieven van de klant. Een chatbot die je helpt bij het boeken van een ticket, is wellicht niet in staat om te reageren op een vraag over het boeken van een huurauto of een hotel.

Veel organisaties vinden het daarom een veiliger oplossing om de toepassing van AI te beperken tot het herkennen van de klantvraag. Daarmee kiezen ze voor controle over het antwoord dat de chatbot produceert.

Naarmate een chatbotoplossing meer weet over zaken als eigenschappen, structuren en regels, is hij beter in staat tot het voeren van een normale dialoog. Zo heeft een afspraak eigenschappen zoals dag, datum tijd, duur, locatie en deelnemers. Tijdstippen kunnen bijvoorbeeld herleid worden tot bepaalde structuren: als je vraagt naar een afspraak voor over een week, moet je weten wat de datum van vandaag is.

Waarvoor zet je een chatbot in: welk doel wil je bereiken?

Organisaties die chatbottechnologie willen inzetten, doen er goed aan de ‘why’-vraag goed te beantwoorden. Wat wil je er mee bereiken: een hogere klanttevredenheid, een kostenbesparing, verschuiving in het gebruik van kanalen, of ervaring opbouwen met nieuwe technologie? En wat wil je er niet mee bereiken?

Met een chatbot automatiseer je een aantal taken die anders door medewerkers worden uitgevoerd.

Met een chatbot kan je je klanten ook buiten de openingstijden bedienen, zonder dat er (in eerste instantie) sprake is van een wachttijd. Daarnaast levert een chatbot consistente antwoorden en is er sprake van a-synchrone communicatie – het is niet erg als een van beide gesprekspartners even wacht met het geven van input. Verder kan de klant in hetzelfde kanaal blijven: er hoeft niet gebeld te worden, texting is voldoende. Deze voordelen kunnen bijdragen aan een hogere klanttevredenheid.

Chatbot als vervanging van de IVR

(Chat)bots kunnen ook de vervanging van de IVR zijn. De klassieke IVR – ongeacht de invoermethode: spraakherkenning of cijferkeuze – is gericht op de klant met één specifieke vraag. De klant kan maar één keuze maken. Het maken van een keuze bij een meervoudige vraag wordt lastig. Een bot of conversational IVR kan meerdere intents herkennen en erop acteren, bijvoorbeeld door het bericht direct aan de medewerker met de juiste expertise toe te kennen.

Andere doelen: kosten besparen, klanttevredenheid ophogen

Chatbot kunnen bijdragen aan kostenbesparingen, omdat de geautomatiseerd afgehandelde vragen ruimte opleveren voor het door agents afwikkelen van meer complexe vragen. Ook de NPS van het betreffende kanaal kan omhoog, als de chatbot voldoende effectief is in het afwikkelen van de aangewezen vragen. De inzet van een chatbot kan ook leiden tot een hogere medewerkertevredenheid, omdat medewerkers verlost worden van routinematige vragen.

De klanttevredenheid kan je meten door de klant specifiek te vragen op NPS of CES of tevredenheid op het chatbotkanaal – bij voorkeur in combinatie met de afhandeling door een medewerker.

Na de waarom-vraag komt de wat-vraag: bepalen welke use-cases geschikt zijn voor afhandeling door bot en maken van initiële business case. Hierna moet je ook nog bepalen op welke kanalen en/of waar op de website je de bot gaat aanbieden.

Chatbots zijn goed in één taak. Voor welke taken kies je?

Wordt er bijvoorbeeld al tussen klanten en medewerkers gecommuniceerd via live chat (op de website), WhatsApp of Facebook Messenger, dan kan je op die plek een chatbot toepassen. Hierbij kijk je naar de conversaties op het kanaal waar je de chatbot gaat inzetten. De door klanten gestelde vragen worden geclusterd op onderwerp en er wordt door het implementatieteam in kaart gebracht welke vragen zich goed lenen voor afhandeling via een chatbot. Het gaat dan om herkenbaarheid van synoniemen, zodat een chatbot goed trainbaar is, maar ook om duidelijk gestructureerde processen en flows. Denk hierbij aan bijvoorbeeld de vraag over het retourneren van een product, op 100 verschillende manieren gesteld door 100 verschillende klanten. Tweederde van deze vragen wordt gebruikt voor het trainen van de chatbot, een derde wordt gebruikt om de chatbot te testen.

Je kunt meerdere vragen automatiseren in een omgeving.

Hoe maak je aan de gebruiker/klant duidelijk wat je chatbot wel en niet kan?

Als een chatbot een openingsvraag van een klant niet kan verwerken, dan kan je dat gesprek direct (en in feite ongezien) laten doorzetten naar een medewerker. Wanneer je deze functie niet hebt geïmplementeerd, is het raadzaam duidelijk uit te leggen wat de bot kan doen voor een klant, zoals ‘boek een ticket’ of ‘maak een afspraak’. Komt er dan een vraag die de chatbot niet kan afhandelen, laat de chatbot dit dan uitleggen en zorg ervoor dat samen met de conversatie ook de chathistorie zichtbaar is voor de medewerker.

Wat zijn valkuilen bij het inzetten van chatbots?

Volgens Forrester maken merken de verkeerde afwegingen bij het inzetten van chatbots. Ze focussen teveel op het automatiseren van medewerkerstaken en het besparen op kosten. Meestal gaat dat ten koste van de customer experience. Volgens Forrester is het naïef om te denken dat chatbots gaan bijdragen aan een reductie in FTE. De analisten van Forrester redeneren daarbij (op basis van onderzoek) als volgt: het aantal digitale interacties zal toenemen. Eenvoudig en routinematige kwesties kunnen inderdaad worden geautomatiseerd, maar het aantal complexe taken zal ook blijven groeien. Beslissers in contactcenters verwachten de komende jaren dat de personele omvang van hun customerservice-operatie zal blijven toenemen. De inzet van medewerkers blijft de grootste kostenpost, dus is het slimmer om ook te focussen op de inzet van chatbottechnologie om medewerkers te ondersteunen. Chatbots kunnen dus wel de druk op de personeelsbegroting verlichten.

Een chatbot draagt bij aan een goede customer experience – Forrester concludeerde op basis van onderzoek dat 88 procent van de bedrijven die chatbots inzetten een afname in de volumes aan e-mail, telefoontjes en live chats zien. Maar slechts 12 procent rapporteert een verbetering in de Net Promoter Score.

Dead end bot – een chatbot die niet in staat is te escaleren naar een medewerker. Dit betekent dat een klant bij vragen waar je chatbot niet mee overweg kan, mededelingen krijgt te zien zoals ‘hier ben ik niet voor getraind’, ‘hiermee kan ik je niet helpen’, gevolgd door het advies ‘neem contact op met de klantenservice.’ Een dead end bot levert ondanks een tijdsinvestering van de klant geen oplossing, maar wel extra contact via andere kanalen. Bedrijven die bewust een chatbot creëren die alles moet kunnen zonder menselijke medewerking, maken een strategische denkfout.

Geen warme handover – wanneer een chatbot vastloopt, is het essentieel dat de gespreksgeschiedenis en eventuele context wordt overgedragen aan de medewerker die het contact overneemt. Laat je deze integratie achterwege, dan leidt dit tot een langere gespreksduur en frustratie bij de klant. Buiten openingstijden kan je de chatbot de optie aan de klant laten aanbieden om de conversatie door te geven aan een medewerker die de volgende dag terugbelt of appt.

Geen kennis, tijd of geld voor onderhoud en beheer chatbot – wanneer informatie, producten, prijzen, processen of procedures wijzigen, moeten de ontworpen dialogen aangepast worden. Ook heeft een chatbot aan het begin verschillende optimalisatieslagen nodig.

Impact van chatbot op je customerservice-bezetting onderschatten – wanneer een gesprek moet worden overgenomen door een live medewerker, kan het zijn dat er niet meteen een live medewerker beschikbaar is. Als de wachttijd (al dan niet zichtbaar voor de klant) oploopt, is dit niet bevorderlijk voor de customer experience: het draagt dan bij aan de tweede teleurstelling. Wanneer de klant een live webchat sessie opstart, wordt een responstijd van 30-60 seconden als maximaal beschouwd; de klant zit meestal naar zijn scherm te kijken en te wachten. Bij WhatsApp of Messenger is de consument gewend dat er niet meteen een reactie komt van een live medewerker.

Niet erkennen dat een chatbot begrensd is wanneer de chatbot een vraag correct heeft afgehandeld, kan het zijn dat een klant nog een tweede vraag wil stellen. Afhankelijk van je ontwerp kan een chatbot wel of niet omgaan met een vervolgvraag of een tweede, andersoortige vraag. Een chatbotsessie kan in bepaalde gevallen dus ook bij een succesvolle afhandeling leiden tot een live interactie.

Wanneer je wil dat je chatbot een tweede vraag kan afhandelen, is het zaak om na afhandeling van de eerste vraag de chatbot te laten afsluiten met “Kan ik u nog ergens andere mee helpen?” en dan  opnieuw te beginnen bij intentherkenning.

Met wat voor technologie maak je een chatbot?

Een chatbot moet drie taken kunnen uitvoeren: 1. begrijpen wat de klant bedoelt met zijn of haar bericht (intent herkenning), 2. de dialoog managen en 3. een antwoord kunnen formuleren in natuurlijke taal. Een goed platform bevat naast de chatbottechnologie ook voorzieningen om de chatbot-conversaties te integreren in andere systemen. Denk aan CRM-systemen, modellen voor specifieke talen en specifieke kennis (jargon) en begrippen-apparaten (ontologieën) of voorzieningen zoals locatieherkenning. Voor de meeste transactionele dialogen zal een chatbot klantgegevens moeten kunnen uitwisselen met een CRM-systeem of een ander soort systeem met hierin informatie over de klant en over bijvoorbeeld orderstatus.

Er zijn verschillende ‘low code’ platformen voor het ontwikkelen van chatbots, waarvan Google Dialogue Flow de bekendste is.

Hoe ziet een implementatietraject er in grote lijnen uit?

Naast een heldere doelstelling (die antwoord geeft op de waarom-vraag) en een projectplan heb je voorafgaand aan de implementatie ook nodig:

  • procedures voor omgaan met chatsessies (openen, responstijd, wachttijdmeldingen, openhouden, afsluiten, opslaan, identificatie van de klant, etcetera).
  • indicatie van de kosten en baten
  • voorstellen voor het beheer van de chatbot
  • kennis en expertise rondom data (Json) en (keuze en gebruik van) softwareplatform
  • een beeld van de integraties die nodig zijn met omringende (CRM, ordersysteem) of achterliggende (kennisbanken, databases) systemen
  • een evaluatiemethode inclusief tijdpad en criteria voor succes

Wat heb je nodig aan data?

Om een chatbot te kunnen bouwen heb je conversationele data nodig – letterlijk: uitgeschreven conversaties tussen klanten medewerkers, waarbij die conversaties hebben plaatsgevonden in het kanaal waar je een deel van de medewerkerstaken wilt vervangen door een chatbot.

Gebruik geen telefoongesprekken voor het ontwerp van chatbotdialogen, want door een overmaat aan irrelevante informatie leidt dat tot een lagere graad van herkenning. Wanneer er geen data beschikbaar zijn van chatgesprekken tussen medewerkers en klanten, is het raadzaam eerst met live chat (webchat) te beginnen, teneinde deze data te verzamelen. In de meeste organisaties zal het benodigde volume aan conversationele data binnen enkele weken bijeen zijn verzameld. Deze gesprekken worden geanalyseerd en gerubriceerd, zodat de belangrijkste doelen voor de chatbot (welke intenties van de klant moet de chatbot kunnen afwikkelen) kunnen worden bepaald. Daarna ga je de intenties uitwerken in dialogen. Deze conversationele data dienen als basis. Vervolgens ga je de chatbot testen met tot dan toe ongebruikte dialogen. Daarna test je de chatbot met behulp van medewerkers die vragen gaan stellen. In de laatste fase gaat de chatbot live en volgen extra optimalisatieslagen.

Bot-oplossingen bieden in veel gevallen standaard integratieogelijkheden met kennisbanken, zodat bij niet-transactionele vragen de bot in de kennisbank kan zoeken naar het juiste antwoord. Zo hoef je je content maar op één plaats te beheren en kun je je chatbot behalve voor transactionele vragen, ook goed inzetten voor informatievragen.

Hoe stel je een implementatieteam samen?

Het team dat de chatbotimplementatie gaat verzorgen, bestaat bij voorkeur uit de volgende rollen of competenties:

  • een architect of IT-manager die kan helpen bij de integratie
  • twee tot drie ervaren customer service medewerkers, die thuis zijn in dialogen met de klant
  • privacy- of security officer voor de compliance
  • marketing of customer service voor de tone of voice van de chatbot. Je zult bijvoorbeeld moeten bepalen hoe formeel de chatbot communiceert en in welke mate je humor inbouwt. Chatbots worden vaak getest op grappig bedoelde vragen.

Hoeveel tijd moet je uittrekken voor de implementatie?

Wanneer data beschikbaar zijn, duurt het traject van de analyse tot aan de bouw van een eenvoudige chatbot met één intentie (taak) meestal een aantal maanden, inclusief integratie en compliance checks. In sommige gevallen kost de bouw van een bot aanzienlijk minder tijd dan het evaluatie- en leerproces dat daarna komt.

Wie doet het beheer?

Houd het beheer van een bestaande chatbot – dat kost ongeveer een paar uur per week – in eigen hand en zorg dat je twee medewerkers hebt getraind. Zo kan je snel schakelen bij calamiteiten of het doorvoeren van aanpassingen. De aangewezen personen hiervoor zijn experts of teamleiders binnen customer service. Hiermee blijf je ook de kennisdrager van de inhoud en de tone of voice van de chatbot.

Met welke kosten moet je rekening houden?

  • implementatiekosten
  • beheerkosten (FTE)
  • kosten voor het projectteam dat de chatbot periodiek uitbreidt met nieuwe intenties
  • kosten voor het chatbotplatform zoals, OBI4wan, Dialogflow, Inbenta,
  • kosten voor integratie met oplossingen als Topdesk, Zendesk, Freshdesk, Genesys, Avaya, Steam, et cetera.

Hoe regel je de escalatie naar een live agent?

De chatbot kan je beschouwen als een ‘digitale medewerker’. Wanneer de conversatie moeten worden doorgezet naar een live medewerker, wordt er doorverbonden naar een queue waarin live medewerkers werkzaam zijn. In principe stuur je de dialoog die heeft plaatsgevonden mee. Afhankelijk van de instellingen kan je zo’n doorverbonden gesprek prioriteit geven en toekennen aan specifieke medewerkers. Voor de klant verandert er niets; aan de andere kant van het chatbotvenster wordt het gesprek voortgezet door een medewerker. Vaak wordt daar wel duidelijk melding van gemaakt, met of zonder aangepaste avatar en naam.

Hoe regel je de opslag van conversaties?

Chatsessies in het open gedeelte van de website bevatten meestal geen identificatiegegevens van de klant. De conversatie blijft dan anoniem totdat klantgegevens worden opgevraagd.

Chatsessies in een besloten mijn-omgeving zijn gekoppeld aan de identiteit van de klant en kunnen op deze manier toegevoegd worden aan een CRM-record. Chatsessies via WhatsApp bevatten in ieder geval het mobiele nummer; dat kan gebruikt worden voor identificatie.

Onderdeel van de implementatie is procedures beschrijven over de opslag en bewaartermijn van chatsessies en de duur waarmee een chatsessie open blijft staan (actief of inactief) of wordt afgesloten. Ook is het mogelijk om aan het eind van de chatsessie een weergave van het volledige gesprek te e-mailen naar een adres dat wordt opgegeven door de klant.

Wat is de terugverdientijd?

De terugverdientijd wordt bepaald door het aantal vragen dat geautomatiseerd wordt via de chatbot. Door het volume van deze vragen en hun gemiddelde gespreksduur en eventuele nawerktijd (ook in de backoffice) te combineren krijg je een globale indicatie van het aantal FTE aan customer service medewerkers dat je per jaar kunt besparen. Dit zal je moeten corrigeren met het aantal escalaties en het aantal vervolgvragen.

Soms is het mogelijk een bot in te zetten als werkvoorbereider van een live gesprek tussen klant en medewerker. Zo’n bot kan dan bijvoorbeeld op basis van intentieherkenning of verificatieslagen al vast informatie bij elkaar zoeken en aan de medewerker presenteren. Hiermee kan bijvoorbeeld de gemiddelde gespreksduur worden verkort.

Wat is de toekomst van chatbots?

Wat komt er na de huidige generatie chatbots? De technologie ontwikkelt zich snel. Bestaande chatbots beschikken over veel data, maar ook de chatbottechnologie zelf wordt rijker. Voicebot-oplossingen zoals die van Alexa, Google of Siri kunnen bijvoorbeeld de intonatie en emotie analyseren. Daarnaast zullen de voicebots van de virtuele assisten van Apple, Google en Amazon geleidelijk geintegreerd worden in customer service omgevingen. Hiermee kunnen klanten hun vragen aan de voice-assistant vragen in plaats van dat ze contact moeten zoeken met een contactcenter of naar een website moeten gaan voor een webchat sessie: “Hé Siri, vraag eens aan bol.com waar mijn pakketje blijft?”

Chatbots zullen tot een bepaald niveau altijd een maatwerkoplossing blijven en dus getraind moeten worden in het domein van de organisatie, net zoals dat voor echte medewerkers geldt. Wel zullen naar verwachting de komende tijd pre-trained chatbots op de markt komen die vooraf uitgerust zijn met basiskennis over een bepaald proces, een bepaalde markt of sector.

Meer weten over praktijkvoorbeelden, cases en het laatste nieuws over chatbots? Bekijk het Dossier Chatbots

Dit artikel is tot stand gekomen met medewerking van OBI4wan, Pegamento en Effecta

Dossier, Featured, Technologie

Geef een reactie

Het e-mailadres wordt niet gepubliceerd. Vereiste velden zijn gemarkeerd met *

Top