Chatbots für den Kundenservice
Die zehn besten Tools im Vergleich.
Entscheidend ist zunächst, dass die virtuellen Helfer verstehen, was ein Kunde sagt oder schreibt – auch dann, wenn er umgangssprachliche Begriffe verwendet. Zudem müssen sie die dahinterstehende Absicht interpretieren können. Das alles hat in einer sicheren Umgebung zu geschehen, und der Chatbot muss die Konversation von einem bestimmten Punkt an nahtlos an einen menschlichen Agenten übergeben können. Die Analysten von Forrester Research haben sich die zehn wichtigsten Lösungen angesehen und nach folgenden Kriterien bewertet:
Das müssen Chatbot-Tools können
Machine Learning: Wie stark verbessern sich die Produkte im täglichen Einsatz, weil sie selbstlernend sind oder weil sie einfach trainiert werden können?
Reporting und Analytics: Sind Funktionen vorhanden, mit denen der Wissensaufbau und andere Key Performance Indicators (KPIs) überwacht und protokolliert werden können?
Multichannel: Wie gut unterstützt das Produkt Konversationen über verschiedene Touchpoints (Web, native Apps, MessagingApps, interaktive Sprachbeantwortung) hinweg? Lässt es sich einfach in andere Kundenservice-Systeme integrieren? Das können etwa CRM-Lösungen sein oder auch Back-OfficeSysteme, transaktionale Systeme und weitere Kanäle für den Customer-Service.
Intent Engine: Kann der Chatbot die Absichten eines Kunden identifizieren, indem er aggregierte Interaktionen analysiert und personalisierte Daten aus Backend-Systemen zieht?
Security und Authentifizierung: Wie robust sind die Features für Sicherheit, Authentifizierung und Autorisierung (zum Beispiel Zwei-Faktor-Authentifizierung, Unterstützung von Biometrie und sich selbst zerstörende Messages)?
Dialog-Management: Wie läuft der Dialog mit dem Kunden ab? Wird alles, was im Lauf eines Gesprächs besprochen wird, in Entscheidungsprozessen berücksichtigt? Wie gut arbeitet das System mit verschiedenen Sprachen?
Verständnis natürlicher Sprache (Natural Language Understanding = NLU): Kunden