每個人開始犯的第一個錯誤是假設(shè)客戶想要什么。更具體地說，選擇錯誤的自動化案例并解決錯誤的問題會導(dǎo)致項目無法提供預(yù)期的成效。
讓我們來探討這些項目是如何開始。許多聊天機器人的實現(xiàn)源于內(nèi)部黑客馬拉松競賽或內(nèi)部團隊測試技術(shù)解決方案或供應(yīng)商演示如何解決緊迫的客戶問題。經(jīng)過多次討論、演示和批準后，開始進行一些概念驗證或測試。聽起來熟悉嗎？請繼續(xù)往下讀，
現(xiàn)在是關(guān)鍵步驟，選擇項目初始的范圍。盡管最初展示的客戶問題需要解決，但聊天機器人需要解決更多的案例以提供實際價值。在選擇范圍時，團隊可以根據(jù)最重要的問題提出一系列用例，或是請求呼叫中心團隊提供最重要的驅(qū)動程序，其他人甚至可以根據(jù)所選聊天機器人技術(shù)快速實現(xiàn)的功能來選擇。也就是說，嘗試解決團隊認為重要的問題，而不量化問題。這通常會導(dǎo)致參與率低，對客戶體驗產(chǎn)生負面影響，并失去對聊天機器人和品牌的信任。
我們建議從分析您當前的客戶交互數(shù)據(jù)開始，如聊天歷史記錄、錄音轉(zhuǎn)譯文本、客戶反饋、網(wǎng)站搜索數(shù)據(jù)、知識庫使用情況以及網(wǎng)絡(luò)分析等。畢竟，您正在嘗試解決客戶的問題，而這些交互數(shù)據(jù)提供了您想知道的細節(jié)。
將這些數(shù)據(jù)加載到諸如Verint Intent Manager之類的分析工具中，該工具使用機器學(xué)習(xí)對輸入的自然語言進行分析和分類，并協(xié)助您發(fā)現(xiàn)和洞察到以下內(nèi)容：
- 有那些不同的查詢類型？
- 有多少不同類別的互動？
- 問題的覆蓋范圍有多廣？
- 阻礙銷售/創(chuàng)收機會的查詢？
- 導(dǎo)致負面情緒的互動有哪些？
- 哪些互動類型客戶更看重人工輔助？
- 哪些互動對時間很敏感？
- 當前客戶互動渠道模式？
- 當前數(shù)字渠道的故障點？
- 哪些來電是因為數(shù)字渠道原因?qū)е碌模?/li>
- 數(shù)字渠道旅程放棄次數(shù)和原因？
- 客戶目標-即當客戶面臨問題時的最大期望？
- 短程客戶互動-即客服人員僅用兩三句就解決了客戶問題
- 客服人員主導(dǎo)的互動過程，即客服人員發(fā)言多于客戶
- 互動過程模式-即客戶在特定流程的某個步驟中遇到問題，那么有更高可能性在流程的下一個步驟中也遇到問題
- 對話模式-即客戶接下來會做什么/問什么？例如：詢問賬單到期日的部分客戶要求延期付款
以下是個非常好的成功案例——我們在保險業(yè)的一位企業(yè)客戶，發(fā)現(xiàn)許多投保人都在為忘記密碼而頭痛。當我們開始研究模式和對話流程時，我們很快意識到，絕大多數(shù)要求重置密碼的客戶都后續(xù)直接更新了他們的保單。因為保單續(xù)約是一年才一次，所以這些投保人才很容易忘記密碼。站在投保人客戶的角度，就可以理解忘記密碼、重置密碼，然后重新登錄以完成保單續(xù)約是一件很麻煩的事情和糟糕的體驗。因此，這個保險企業(yè)除了構(gòu)建重置密碼過程外，還創(chuàng)建了一個簡化的“簡易保單續(xù)約”流程，利用客戶的基本詳細信息（如姓名和出生日期）快速續(xù)約他們的保單。這樣對客戶來說變得簡單，并大輻改善了客戶體驗。實踐證明這個簡易保單續(xù)約流程的接受率最后遠高于重置密碼。
- 回到數(shù)據(jù)分析，這些發(fā)現(xiàn)還應(yīng)可協(xié)助您更容易理解：
- 您的高價值場景案例
- 幫助您對場景案例進行分類-可以快速解決的案例、可以部分自動化的案例和需要系統(tǒng)集成的案例等。
- 幫助您識別（并設(shè)定優(yōu)先級）哪些額外的網(wǎng)絡(luò)資產(chǎn)和流程需要開發(fā)
- 幫助您定義整體的渠道策略以便將更多的客戶咨詢引向數(shù)字渠道
在定義初始范圍時，由于時間和資源有限，與其選擇少數(shù)幾個排名靠前的交互類型來自動化，還不如基于場景案例為基礎(chǔ)（深度和廣度的組合）以便更快的看到回報產(chǎn)出。深度方面，可以包括排名前10的客戶互動、高價值互動和數(shù)字渠道不暢的案例。廣度方面，應(yīng)該了解客戶的最常見查詢，即便無法全程自動化也應(yīng)該為他們提供一定程度的幫助。比如可以考慮前25個查詢類型，數(shù)字渠道不暢的查詢類型，以及所有短客戶互動。
一旦您確定了以上結(jié)果，就可以開始計算-根據(jù)當前互動量、假設(shè)交互水平和估計偏差來進行量化分析，以驗證擬議范圍是否值得推進。如果量化后的投資回報率沒有增加，則需要重新規(guī)劃范圍，看看哪些場景案例可以在不影響項目成本的情況下包括在內(nèi)。這些數(shù)據(jù)也應(yīng)作為持續(xù)跟蹤和評估的基線。為了幫助您做到這一點，我們提供了一個投資回報率計算器供您使用。
Verint將上述過程稱為AI Blueprint™，是一個專業(yè)服務(wù)。無論是聊天機器人項目啟動，或者是希望改進現(xiàn)有的聊天機器人，Verint的AI工具都可以幫助您確定正確的場景用例，并通過數(shù)據(jù)導(dǎo)向的方法降低AI投資的風險。
下一篇文章將討論聊天機器人的大腦—意圖以及意圖創(chuàng)建需要考慮的事項。
