Chatbots für Selbsthilfe und glücklichere Kunden

Wie Chatbots und Konversationsanwendungen mit Deep Learning Kunden helfen, Probleme schneller als je zuvor zu lösen.

Viele Online-Interaktionen werden heute mit Hilfe eines Chatbots abgewickelt. Chatbots und Konversations-Apps bieten Kunden sofortige Hilfe und entlasten Support- und Vertriebsmitarbeiter von sich wiederholenden Aufgaben bei der Beantwortung von Fragen, so dass sie sich auf Einzelfälle konzentrieren können, die ihr Fachwissen erfordern.

Die derzeitigen Chatbot-Interaktionen sind jedoch begrenzt. Sie werden von regelbasierten Workflows gesteuert, bei denen die Ingenieure im Voraus erraten müssen, welche Fragen die Benutzer stellen werden, und auf diese Fragen vorgefertigte Antworten programmieren müssen. Das Benutzererlebnis mit einem Chatbot ist folglich nicht anpassungsfähig und statisch.

Wenn ein Chatbot keine vorprogrammierte Antwort auf die Frage eines Kunden hat, kann es sein, dass eine Reihe von Formularen angezeigt wird, die vom Benutzer ausgefüllt werden müssen und oft in einer „Danke, dass Sie uns kontaktiert haben, wir melden uns bei Ihnen“ Nachricht gipfeln. Dadurch verzögert sich die Gelegenheit des Kunden, seinen Kauf abzuschließen, und er wird wahrscheinlich auf eine andere Website weitergeleitet, die sofort eine Antwort auf seine Frage und ein Produkt zur Lösung seines Problems anbieten kann.

Deep Learning macht Chatbots besser

Das muss nicht so sein. In seinem Vortrag auf der Activate Product Discovery Anfang des Jahres stellte Steven Mierop, Senior Solutions Engineer bei Lucidworks, eine Lösung vor, die einen Chatbot mit Deep Learning-Modellen ausstattet, um Ihren Kunden ein besseres und intelligenteres Erlebnis zu bieten. Sehen Sie sich den ganzen Vortrag hier an:

In dieser Sitzung erklärt Mierop, wie Smart Answers, ein Lucidworks Fusion Add-on, Deep Learning einsetzt, um Beziehungen zwischen Wörtern zu verstehen und kontextbezogene Bedeutung zu extrahieren. So kann Ihr Chatbot relevante, passende Antworten auf Kundenfragen geben. Smart Answers kann in jedes Chatbot-Framework eingebettet werden, das in der Lage ist, ein externes System aufzurufen (einschließlich Google Dialogflow und Rasa und viele andere).

Die Flexibilität von Smart Answers ermöglicht auch die direkte Einbettung in Abfrageantworten und die Anzeige neben Produkten, Bildern oder in der HTML-Datei.

Woher kommen die Antworten?

Smart Answers nimmt Daten aus verschiedenen Quellen auf, darunter FAQ-Dokumente, Benutzerbewertungen, Support-Handbücher, Online-Glossare, Produktdetails, Attributinformationen und mehr. Frage-Antwort-Paare werden erstellt, indem Elemente wie Kopfzeilen-Tags und die darunter liegenden Absätze ausgewertet werden.

Da die Daten aus verschiedenen Quellen stammen, die von verschiedenen Benutzertypen abgeleitet sind, können verschiedene Arten von Fragen beantwortet werden. Nehmen wir einen Kunden, der sich für einen Heimtrainer interessiert, als Beispiel. Wenn er einem Chatbot auf der Website eines Fitnessgerätehändlers eine informative Frage wie „Was ist eine Schwungscheibe?“ stellt, bestimmt Smart Answers, dass die beste Antwort aus den vom Produkthersteller bereitgestellten Informationen stammt, so etwas wie eine FAQ.

Bei einer vergleichenden Frage wie „Ist dieser Heimtrainer wirklich robust?“ oder „Welche Erfahrungen haben Sie mit diesem Fahrrad gemacht?“ bestimmt Smart Answers, dass die Antwort am besten aus den Stimmen anderer Heimtrainer-Kunden stammt, und zwar über Kundenrezensionen. Und obwohl die Quellen der Antworten variieren, können natürlich alle diese Fragen an einem Ort gestellt und beantwortet werden, nämlich im Chatbot des Händlers, was ein einfaches und hervorragendes Kundenerlebnis ermöglicht.

Unterschiedliche Worte, gleiche Bedeutung

Die Verarbeitung natürlicher Sprache (NLP) und die semantischen Suchfunktionen in Smart Answers ermöglichen es Kunden, Fragen auf eine nicht vorgeschriebene Weise zu stellen. Fragen mit unterschiedlichem Wortlaut, aber der gleichen Bedeutung hinter den Wörtern, führen zu der gleichen Antwort des Chatbots, auch wenn die Wörter nicht im Index enthalten sind.

Mierop nutzte die Daten des Outdoor-Händlers und Lucidworks-Kunden KÜHL, um eine der Anwendungen von Smart Answers zu veranschaulichen. Von einer Produktseite auf der KÜHL-Website aus klickt er auf einen Chatbot und fragt: „Wie kann ich eine Bestellung stornieren?“. Der KÜHL-Chatbot antwortet mit seinen Stornierungsbedingungen. „Das war eine großartige Antwort, sie war genau“, sagt Mierop, „aber sie war nicht allzu beeindruckend, denn jede Suchmaschine, die etwas taugt und eine gute Relevanzabstimmung hat, würde wahrscheinlich diese Antwort zurückgeben.“

Der größte Vorteil von Smart Answers liegt laut Mierop in der Fähigkeit, auf eine Frage, die nicht standardmäßig formuliert ist, angemessen zu antworten, da keines der Schlüsselwörter einer Anfrage auf Synonyme abgebildet werden muss, um eine sinnvolle Antwort zu liefern. „Wie kann ich eine Bestellung rückgängig machen?“ fragt Mierop den Chatbot. Obwohl der Begriff „rückgängig machen“ nirgendwo in der Antwort vorkommt, versteht Smart Answers, dass die zweite Frage die gleiche Absicht hat wie die erste und liefert daher die Stornierungsbedingungen von KÜHL. Auch die Frage „Ich muss meine Bestellung abbrechen“ liefert die gleiche Chatbot-Antwort.

Mit Deep Learning in der Hosentasche braucht Smart Answers keine Liste mit Umschreibungen und Synonymen zu führen, was zeitraubende Routinearbeit und verpasste Verkaufs- und Supportchancen erleichtert.

Jenseits des Einzelhandels

Smart Answers ist nicht nur auf den normalen Einzelhandel anwendbar. Mierop demonstriert diesen Punkt anhand des fiktiven Finanzdienstleisters Midwest Mutual, der Auto- und Lebensversicherungen verkauft. „Was ist ein Trust?“ fragt Mierop seinen Chatbot. Hinter den Kulissen erkennt Smart Answers anhand der verschiedenen Datenquellen, dass diese Frage am besten mit einer Glossardefinition beantwortet werden kann. Die NLP-Funktionen von Fusion liefern die Antwort in leicht verdaulicher Konversationssprache.

Die Frage „Warum sollte ich einen Trust einsetzen?“ liefert eine Antwort aus einer FAQ, aber die Antwort könnte auch in einem Blog-Beitrag gefunden und extrahiert werden. Wenn Sie fragen „Wie ändere ich einen Begünstigten“ oder „Wie ändere ich einen Erben“, erkennt Smart Answers die gleiche Absicht hinter den beiden Fragen und antwortet mit der gleichen Antwort, unabhängig davon, ob die Suchbegriffe in der Antwort vorkommen oder nicht.

Wie Sie intelligente Antworten implementieren

Um Smart Answers zum Laufen zu bringen, müssen die identifizierten Datenquellen miteinander verbunden und dann in einen Suchindex aufgenommen werden. Die Datenanreicherung über eine Regelmaschine ermöglicht es einem Ingenieur, „Wenn x und y, dann z“ zu programmieren, NLP zu betreiben und das Feedback der Kunden einzubeziehen. Wenn ein Kunde z.B. den Daumen nach oben streckt, weil eine Antwort für seine Frage relevant war, kann dies als Signal erfasst und verwendet werden, um die passenden Antworten für zukünftige Kunden zu verbessern.

Mit dieser Infrastruktur ist es nicht nur möglich, intelligente Antworten zu geben, sondern auch zusätzliche Lösungen für die Produkterkundung und den Kundenservice einzubinden.

Das ultimative Ziel ist natürlich, das Einkaufs- und Support-Erlebnis für Ihre Kunden zu verbessern. Kunden, die ihre Fragen sofort beantwortet bekommen, sind zufriedener und selbständiger, so dass sie den Verkaufstrichter durchlaufen können, ohne auf Hindernisse zu stoßen. „Und“, so Mierop, „das Beste daran ist, dass Sie kein wildes Geflecht aus bedingter Logik pflegen müssen, um die Fragen und Antworten zu erstellen.

Erfahren Sie in diesem Blog mehr über die Auswirkungen, die Conversational Applications mit Deep Learning für Ihr Unternehmen haben können: „Messen Sie den ROI von Conversational Apps“.