每個(gè)人開(kāi)始犯的第一個(gè)錯誤是假設客戶(hù)想要什么。更具體地說(shuō)，選擇錯誤的自動(dòng)化案例并解決錯誤的問(wèn)題會(huì )導致項目無(wú)法提供預期的成效。
讓我們來(lái)探討這些項目是如何開(kāi)始。許多聊天機器人的實(shí)現源于內部黑客馬拉松競賽或內部團隊測試技術(shù)解決方案或供應商演示如何解決緊迫的客戶(hù)問(wèn)題。經(jīng)過(guò)多次討論、演示和批準后，開(kāi)始進(jìn)行一些概念驗證或測試。聽(tīng)起來(lái)熟悉嗎？請繼續往下讀，
現在是關(guān)鍵步驟，選擇項目初始的范圍。盡管最初展示的客戶(hù)問(wèn)題需要解決，但聊天機器人需要解決更多的案例以提供實(shí)際價(jià)值。在選擇范圍時(shí)，團隊可以根據最重要的問(wèn)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動(dòng)程序，其他人甚至可以根據所選聊天機器人技術(shù)快速實(shí)現的功能來(lái)選擇。也就是說(shuō)，嘗試解決團隊認為重要的問(wèn)題，而不量化問(wèn)題。這通常會(huì )導致參與率低，對客戶(hù)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(hù)交互數據開(kāi)始，如聊天歷史記錄、錄音轉譯文本、客戶(hù)反饋、網(wǎng)站搜索數據、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(hù)的問(wèn)題，而這些交互數據提供了您想知道的細節。
將這些數據加載到諸如Verint Intent Manager之類(lèi)的分析工具中，該工具使用機器學(xué)習對輸入的自然語(yǔ)言進(jìn)行分析和分類(lèi)，并協(xié)助您發(fā)現和洞察到以下內容：
- 有那些不同的查詢(xún)類(lèi)型？
- 有多少不同類(lèi)別的互動(dòng)？
- 問(wèn)題的覆蓋范圍有多廣？
- 阻礙銷(xiāo)售/創(chuàng )收機會(huì )的查詢(xún)？
- 導致負面情緒的互動(dòng)有哪些？
- 哪些互動(dòng)類(lèi)型客戶(hù)更看重人工輔助？
- 哪些互動(dòng)對時(shí)間很敏感？
- 當前客戶(hù)互動(dòng)渠道模式？
- 當前數字渠道的故障點(diǎn)？
- 哪些來(lái)電是因為數字渠道原因導致的？
- 數字渠道旅程放棄次數和原因？
- 客戶(hù)目標-即當客戶(hù)面臨問(wèn)題時(shí)的最大期望？
- 短程客戶(hù)互動(dòng)-即客服人員僅用兩三句就解決了客戶(hù)問(wèn)題
- 客服人員主導的互動(dòng)過(guò)程，即客服人員發(fā)言多于客戶(hù)
- 互動(dòng)過(guò)程模式-即客戶(hù)在特定流程的某個(gè)步驟中遇到問(wèn)題，那么有更高可能性在流程的下一個(gè)步驟中也遇到問(wèn)題
- 對話(huà)模式-即客戶(hù)接下來(lái)會(huì )做什么/問(wèn)什么？例如：詢(xún)問(wèn)賬單到期日的部分客戶(hù)要求延期付款
以下是個(gè)非常好的成功案例——我們在保險業(yè)的一位企業(yè)客戶(hù)，發(fā)現許多投保人都在為忘記密碼而頭痛。當我們開(kāi)始研究模式和對話(huà)流程時(shí)，我們很快意識到，絕大多數要求重置密碼的客戶(hù)都后續直接更新了他們的保單。因為保單續約是一年才一次，所以這些投保人才很容易忘記密碼。站在投保人客戶(hù)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約是一件很麻煩的事情和糟糕的體驗。因此，這個(gè)保險企業(yè)除了構建重置密碼過(guò)程外，還創(chuàng )建了一個(gè)簡(jiǎn)化的“簡(jiǎn)易保單續約”流程，利用客戶(hù)的基本詳細信息（如姓名和出生日期）快速續約他們的保單。這樣對客戶(hù)來(lái)說(shuō)變得簡(jiǎn)單，并大輻改善了客戶(hù)體驗。實(shí)踐證明這個(gè)簡(jiǎn)易保單續約流程的接受率最后遠高于重置密碼。
- 回到數據分析，這些發(fā)現還應可協(xié)助您更容易理解：
- 您的高價(jià)值場(chǎng)景案例
- 幫助您對場(chǎng)景案例進(jìn)行分類(lèi)-可以快速解決的案例、可以部分自動(dòng)化的案例和需要系統集成的案例等。
- 幫助您識別（并設定優(yōu)先級）哪些額外的網(wǎng)絡(luò )資產(chǎn)和流程需要開(kāi)發(fā)
- 幫助您定義整體的渠道策略以便將更多的客戶(hù)咨詢(xún)引向數字渠道
在定義初始范圍時(shí)，由于時(shí)間和資源有限，與其選擇少數幾個(gè)排名靠前的交互類(lèi)型來(lái)自動(dòng)化，還不如基于場(chǎng)景案例為基礎（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(hù)互動(dòng)、高價(jià)值互動(dòng)和數字渠道不暢的案例。廣度方面，應該了解客戶(hù)的最常見(jiàn)查詢(xún)，即便無(wú)法全程自動(dòng)化也應該為他們提供一定程度的幫助。比如可以考慮前25個(gè)查詢(xún)類(lèi)型，數字渠道不暢的查詢(xún)類(lèi)型，以及所有短客戶(hù)互動(dòng)。
一旦您確定了以上結果，就可以開(kāi)始計算-根據當前互動(dòng)量、假設交互水平和估計偏差來(lái)進(jìn)行量化分析，以驗證擬議范圍是否值得推進(jìn)。如果量化后的投資回報率沒(méi)有增加，則需要重新規劃范圍，看看哪些場(chǎng)景案例可以在不影響項目成本的情況下包括在內。這些數據也應作為持續跟蹤和評估的基線(xiàn)。為了幫助您做到這一點(diǎn)，我們提供了一個(gè)投資回報率計算器供您使用。
Verint將上述過(guò)程稱(chēng)為AI Blueprint™，是一個(gè)專(zhuān)業(yè)服務(wù)。無(wú)論是聊天機器人項目啟動(dòng)，或者是希望改進(jìn)現有的聊天機器人，Verint的AI工具都可以幫助您確定正確的場(chǎng)景用例，并通過(guò)數據導向的方法降低AI投資的風(fēng)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。
