Die optimale Konversation zwischen Kunden, Agents und Chatbots

Der Chatbot lernt aus jeder Konversation zwischen Kunde und Agents und beantwortet selbstständig einfachere Anfragen. Ein harmonisches Zusammenspiel zwischen Mensch und Maschine.

Artikel erschienen im Callcenterprofi (Ausgabe 01/2019)

Autoren: Andreas Stuber, Expertflow und Melanie Keller, Bucher + Suter

 
 

Herkömmliche Chatbots vs. Hybrid Chats

Chatbots sind schon heute in der Lage, einfache Unterhaltungen mit Menschen zu führen. Sobald aber die Komplexität steigt, ist die Denkweise und Beurteilungsfähigkeit von menschlichen Agents unverzichtbar. Traditionell wurden Chats bei Unsicherheiten immer von einem Chatbot zu einem Agent weitergeleitet. Der größte Teil der Konversation geschah also zwischen Kunden und Mitarbeitern aus Fleisch und Blut. Bei der Hybrid Chat-Lösung hingegen etabliert sich eine permanente Konferenz zwischen Kunde, Agent und Chatbot. Sobald vom Chatbot eine bereits gelernte Absicht erkannt wurde, ist er in der Lage selbständig zu antworten. Falls ein für den Chatbot unbekanntes Szenario auftritt, wartet er während einer definierten Zeitspanne auf ein Eingreifen des Agents. Erfolgt diese Unterstützung nicht, kommen vordefinierte Fallback-Möglichkeiten zum Zuge, wie beispielsweise ein Rückruf-Angebot, Verweis auf Verfügbarkeit von Agents oder besetzte Öffnungszeiten.

 
 
Hybrid Chat bei Helvetia Screenshot

Ausgezeichnete Hybrid Chat-Lösung

Der Screenshot zeigt das Hybrid Chat-Gadget innerhalb der Cisco Finesse Agent-Oberfläche. Auf der linken Seite sieht der Agent alle Kunden, welche er und der Chatbot gemeinsam bedienen. Ein grün markierter Chat bedeutet, dass der Chatbot sicher ist und innerhalb von fünf Sekunden antwortet. Eine Kennzeichnung in orange weist auf mittelmässige Treffer hin – der Chatbot wartet daher 20 Sekunden bis er seine präferierte Antwort abschickt. Rot heißt, der Chatbot ist unsicher und greift auf ein Fallback-Szenario zurück, sofern er keine Unterstützung durch den Agenten erhält. Das Zählerfeld zeigt die Dauer bis zur automatischen Antwort (Timeout) an. Im Chatfenster kann der Agent eine Vorschau der vom Bot erkannten Absichten des Kunden inklusive Trefferwahrscheinlichkeit einsehen. Darunter befinden sich die vom Chatbot vorgeschlagenen, ausgeschriebenen Antworten. Die Antwort mit der höchsten Trefferwahrscheinlichkeit wird beim Timeout versendet. Ist der Vorschlag nicht zufriedenstellend, lernt der Chatbot, indem der Agent Absichten und Antworten korrigiert und überschreibt.

 
 
Pokal

Cisco & Google Cloud Challenge

Die hier dargestellte Hybrid Chat-Lösung wurde kürzlich mit dem Hauptpreis der weltweiten „Cisco & Google Cloud Challenge“ ausgezeichnet. Der Preis wurde an das innovativste Projekt vergeben, welches die Cisco & Google Cloud-Technologie nutzt, um aus der Integration beider Plattformen den höchsten Mehrwert für Kunden zu generieren.

Praxis-Case Helvetia Versicherungen

Helvetia, ein langjähriger Kunde von Bucher + Suter, hat bereits mehrere Chatbots getestet und bietet beispielsweise seit 2017 die vollständige Abwicklung eines Fahrrad-Diebstahls über Chat an. Die neue Hybrid Chat-Lösung, die gemeinsam mit Expertflow entwickelt wird, bringt folgende Vorteile:

  • Das Zusammenspiel zwischen Kunde, Agents und Chatbots steigert die Kundenzufriedenheit, optimiert die Produktivität der Agents und verfeinert den Umgang mit Chatbots.
  • Der Chatbot lernt stetig durch Konversationen von Mensch zu Mensch.
  • Hybrid Chat ist eine integrierte Contact Center-Lösung, erlaubt Media-Blending und lässt sich an Bot- und CRM-Lösungen von Drittanbietern anbinden.
 
 

Die Mitarbeiter des Helvetia Kundencenters wurden im KI-Projekt bereits in der Planungsphase miteinbezogen.

Florian Nägele, Head Omnichannel & Touchpoint Management, Helvetia Versicherungen

Blick in die nahe Zukunft

Im nächsten Schritt wird das Produkt um eine Spracherkennung für Telefonanrufe erweitert. Das System erkennt in Echtzeit die Absichten des Kunden und zeigt den Contact Center-Agents nützliche und relevante Wissensartikel an. Zur Optimierung des KI-Modells gruppiert ein Clustering-Algorithmus vergleichbare Aussagen für Textnachrichten wie Chat und E-Mail. Ein Supervisor kann Aussagen gleicher Art mit demselben Flag versehen und dem NLU (Natural Language Understanding) als auch dem Konversationsmodell wichtige Trainingsdaten liefern.

 
 

Nicht nur für Großunternehmen!

Bisher waren Sprach- und KI-Implementierungen mit hohen Investitionen für die Softwarebeschaffung und entsprechenden Dienstleistungskosten verbunden. Intelligente Assistenz- und Chatbot-Lösungen hingegen werden mit jeder Konversation besser und umgehen teuer und statisch programmierte Lösungen. Dies wird dazu führen, dass KI-Technologien auch für kleinere Unternehmen erschwinglich werden. Dank der engen Partnerschaft zwischen Expertflow und Bucher + Suter sind integrierte KI-Lösungen sowohl für Grossunternehmen als auch im KMU-Segment realisierbar.