mediafeed.gertimmer.nl

Mijn betrokkenheid bij diverse chatbot-implementaties maakt één ding heel duidelijk: wie de nieuwe technologie omarmt ‘omdat het kan’, maakt een grote denkfout. Maar wat is dan een betere aanvliegroute? En welke impact op de organisatie is vervolgens te verwachten? Aan de hand van veelgehoorde misvattingen naar een realistischer beeld.

Voor veel bedrijven is de verleiding groot om bij het zien van de technologie achter chatbots direct aan de slag te gaan. De aanname dat een chatbot klantvragen afvangt en vervolgens het aantal FTE’s vermindert, klinkt immers aantrekkelijk.

Wat een uitkomst: direct aan de slag ermee

Daarbij wordt de klantbehoefte echter over het hoofd gezien. Door daar wel naar te kijken hebben we bij aantal corporate organisaties uiteindelijk besloten een chatbot te lanceren, maar bij één opdrachtgever stapten we er juist vanaf.

Zet daarom eerst een stap achteruit en neem de tijd die klantbehoefte in kaart te brengen. Start bij het verzamelen van urgente onderwerpen en vorm daarmee een hypothese. Je ziet intern iets gebeuren, een bepaalde beweging. Een product loopt niet goed of het aantal online views neemt bijvoorbeeld af. De stelling die daaruit voortkomt is te toetsen tijdens een challenge. Door data en inzichten te verzamelen scherp je telkens de ideeën aan. En kom je dus ook stap voor stap dichterbij de daadwerkelijke klantbehoefte.

Ideeën valideren is voldoende

Mijn advies is altijd om letterlijk op bezoek te gaan bij de doelgroep. Dit kunnen bijvoorbeeld interne medewerkers zijn of de eindklanten van het bedrijf. Ga met ze aan tafel, voer het gesprek en leer ze daadwerkelijk kennen. De uitkomsten van de interviews analyseer je en vervolgens herhaal je het proces totdat je bij verschillende klanten dezelfde behoeften tegenkomt. De truc is om de doelgroep niet te voeden met achtergrondinformatie of ze suggestieve vragen te stellen. Door niet de technische opties leidend te laten zijn, maar het gesprek juist te gebruiken om het gedrag in kaart te brengen, beland je in de goede hoek.

Anders dan je weleens hoort, is het niet voldoende om te zoeken naar bevestiging. Veel belangrijker nog is om ervoor open te staan dat een chatbot helemaal niet de juiste oplossing is.

Een organisatie waarvoor ik werkte viel het op hoeveel vragen er telefonisch binnenkwamen over een specifiek onderwerp. In plaats van de op handen zijnde chatbot uit te rollen, zijn we met een team van analisten en specialisten uit het callcenter in de data gedoken. De gesprekken zijn erop nageluisterd en klanten zijn daarna geïnterviewd. Wie zijn die klanten die hierover bellen? En wanneer nemen ze contact op? De conclusie: meer dan de helft van de vragenstellers bleek ouder dan 55 jaar. Zij bleken bepaalde producten en functionaliteiten moeilijk te kunnen vinden. Dat de UX flows niet helder waren bleek een veel groter en goed op te lossen onderliggend probleem. Met een chatbot was deze doelgroep ongetwijfeld niet geholpen.

Veelgestelde vragen in een dialoogboom en klaar

Vervult een chatbot inderdaad een behoefte, dan is het zaak te kiezen uit de twee smaken waarin deze gesprekken verschijnen: een chatbot met een bepaalde mate van intelligentie of juist een bot-variant waarbij de maker zelf een vaste chatflow invoert. Omdat er intelligentie is ingebouwd die door middel van ‘Natural Language Processing’ taal interpreteert, begrijpt en reageert de chatbot op een steeds natuurlijkere manier. Een bot zonder intelligentie is daarentegen gebouwd op basis van vooraf ingestelde regels. Werken met multiplechoice-vragen is voor deze bot meestal een must.

Demonstratievideo’s laten al geregeld ‘zelfdenkende’ chatbots zien, maar feit is dat de technologie hiervoor echt nog in de kinderschoenen staat. Voor veel bedrijven is de vraag dus of die technologie al voldoende ontwikkeld is om in praktijk te nemen. Tot op heden komen we steeds tot de conclusie dat een voorgeprogrammeerd botgesprek in veel gevallen voldoet.

De twee typen bots vergen wel verschillende voorbereiding en brengen elk een ander soort onderhoud met zich mee. Zo is het nodig om de gespreksflow van een bot volledig voor te programmeren zodat de gebruiker door de beschikbare content wordt geleid. Daarnaast moet een bot continu worden geactualiseerd. Daarmee ontwikkel je in feite een enorme dialoog of beslisboom die gebruikers te allen tijde ook een exit moet bieden. Bij de keuze voor een slimmere chatbot is het belangrijk de werking ervan dagelijks te monitoren en optimaliseren. Vrij taalgebruik is bijvoorbeeld altijd op meerdere manieren te interpreteren. Niets is voor gebruikers zo vervelend als een chatgesprek dat telkens weer uitmondt in ‘Ik begrijp niet wat je zegt’.

Een belangrijk aandachtspunt tijdens de bouw (en daarna) is het vinden van de juiste tone of voice. Kies je als bedrijf voor een personage, wordt luchtig taalgebruik gewaardeerd of zitten gebruikers niet te wachten op grappen? Als aanvulling op het onderzoek is het raadzaam gewoon het experiment aan te gaan. Zo hebben veel cases me laten zien dat een sympathiek karakter het gebruik positief beïnvloedt. Met speciaal daarvoor getrainde ‘UX writers’ is vervolgens taalgebruik te vinden dat past bij de organisatie.

Het gevolg: door chatbots neemt het werk af

Alle chatbot-projecten waarbij ik betrokken ben geweest of waarover ik om me heen hoor, hebben één doelstelling: minderen in FTE’s. Want als de veelgestelde vragen al tijdens een chat wordt beantwoord, is er simpelweg minder arbeid nodig. Die verwachting is echter allesbehalve realistisch. Door de inzet van developers, UX’ers, UI’ers en communicatiespecialisten neemt de hoeveelheid werk juist toe. In het begin gaat de meeste tijd en energie zitten in het creëren en onderhouden van de content. Daarna blijft het onderhoud, de analyse en optimalisatie een belangrijke bezigheid.

Voor zowel chatbots als de minder slimme bots is een belangrijke rol weggelegd in het (toekomstige) klantcontact, daarvan ben ik overtuigd. Op de middellange termijn geloof ik dat chatbots en mensen elkaar kunnen versterken. Chatbots zullen (eerstelijns) klantvragen afvangen en er zo voor zorgen dat medewerkers zich met complexere vraagstukken bezighouden. Voor nu is het vooral zaak klein te beginnen. Houd het overzichtelijk en borduur voort op de eerste resultaten. Door te starten vanuit het klantprobleem, de bedrijfsdoelstellingen én een realistische kijk op de technologie, is er een grotere kans van slagen. En verzamel je bovendien nu alvast zeer bruikbare data: die zijn weer nuttig om als volgende stap chatbots zelflerend vermogen bij te brengen.

Lees het volledige bericht op Emerce »