Chat me up!

Sag mir doch, was du willst! Chatbots und KI im Kundenservice

Dr. Jürgen Haas

© Shutterstock / MicroOne

Wer heutzutage durch das Web streift, dem begegnen oft kleine Chatfenster, meist im süd-östlichen Bereich des Browserfensters angesiedelt, in denen sich Mitarbeiter der Unternehmen als Helfer anbieten. Doch dahinter verbergen sich meistens jedoch keine echten Menschen, sondern Chatbots. Dr. Jürgen Haas, Senior Consultant bei IP Dynamics, klärt in diesem Artikel über den Status Quo der KI-Sprachassistenten auf.

SEO-Profis raten Unternehmen, beim Entwerfen der Texte für ihre Webseite ganze Sätze und Fragen in den Überschriften zu verwenden, die potenzielle Kunden sehr wahrscheinlich stellen und in eine Suchmaschine eingeben würden. Das kommt nicht von ungefähr: Die Technologie hinter den großen Suchmaschinen wird immer intelligenter. Google versteht Fragen und ganze Sätze und kann entsprechend sinnvolle und relevante Ergebnisse ausgeben. In der Regel weiß die Suchmaschine bereits beim Tippen des ersten oder zweiten Wortes, was der Nutzer von ihr wissen möchte. Computer können heute so programmiert werden, dass sie menschliche Intentionen, Entscheidungen und die dahinterliegenden Strukturen sozusagen „vorhersehen“ und passgenaue Daten ausgeben können. Und mehr noch: Computer sind in der Lage zu lernen. Sie merken sich vorangegangene Suchabfragen, Entscheidungen und Muster und können zukünftige Ausgaben von Daten verbessern und verfeinern.

Bots, KI und Mensch: Wichtige Puzzleteile im Contact Center

Dieser Trend spiegelt sich in den Chatbots, die aktuell omnipräsent scheinen: Auf Webseiten jeglicher Art begegnen uns kleine Chatfenster, in denen uns Avatare Hilfe anbieten. Hinter diesen Fenstern stehen Computerprogramme, die sogenannten Chatbots. Ein Chatbot ist eine Software, die textbasierte Dialoge mit einem Menschen führen kann. Anhand von Schlüsselwörtern, Wortkombinationen und Synonymen führt sie, entlang einer Baumstruktur, regelbasierte Wenn-Dann-Operationen aus, das heißt sie liefert auf bestimmte Schlüsselwörter oder Wortkombinationen Antworten oder Inhalte, die zuvor in einer Bibliothek hinterlegt wurden.

Ist das Ende des Antwortbaums erreicht, wenn also der Chatbot nicht mehr weiterweiß, reicht die Software den Chat an einen Menschen weiter. Oder aber, es kommt Künstliche Intelligenz ins Spiel. Die Software führt anhand von vorgegebenen Klassifizierungen, mithilfe von Abfragen an den Chatnutzer sowie Schlüsselwörtern und Wortkombinationen Wahrscheinlichkeitsberechnungen durch, um welches Anliegen und die dazugehörige Lösung es sich handeln könnte. Auch die KI bedient sich dabei aus einem zuvor festgelegten Datenpool. Und sie lernt dazu: Denn die Validität der Wahrscheinlichkeitsberechnungen steigt mit der Zahl der Berechnungen.

Chatbot, KI und menschliche Agenten – diese drei Puzzleteile im Kundenservice werden im Servicekanal „Chat“ aus technischer Sicht beliebig kombiniert. Wer schon einmal einen Chatbot genutzt hat, weiß: Chatbots funktionieren erstaunlich gut. Meistens merkt man nicht, ob da nun eine Maschine oder ein Mensch das Anliegen bearbeitet.

Chat im Kundenservice ist längst Mainstream

Der Nutzen des Servicekanals Chat ist unbestritten, sowohl wirtschaftlich quantitativ als auch in puncto Image, also qualitativ. Regelbasiert arbeitende Bots beantworten vor allem häufig wiederkehrende Fragen oder Anliegen, die den Unternehmen gut bekannt sind und die sich gut mit Regeln fassen lassen. Im Einzelhandel sind das Fragen wie „Wo finde ich kurze, blaue Hosen für Männer?“, denn die Kategorien „kurz“, „blau“, „Hose“ und „Mann“ lassen sich mithilfe einer Wenn-Dann-Abfrage einfach aus dem Produktkatalog auslesen. Ein zweites typisches Beispiel aus der Retail-Branche wäre die Frage nach dem Verbleib einer Bestellung. Auch hier lassen sich die notwendigen Kategorien, darunter die Kundennummer, relativ einfach mit einer Abfrage aus dem Warenwirtschaftssystem verknüpfen und das entsprechende Ergebnis liefern. Versicherer wiederum setzen beispielsweise die Schadensmeldung komplett Chatbot-basiert um. Denn sämtliche Eckdaten, darunter die Policen-Nummer, Datum oder die Höhe der Kosten sowie Bilder, lassen sich mithilfe eines geführten, textbasierten Dialogs genauso gut erfassen wie telefonisch.

Für die Unternehmen geht es darum, einfach abbildbare Kundenanfragen von teuren Kommunikationskanälen wie dem Telefon auf einen günstigeren Kanal, eben den Bot, zu verlagern. Wenn man beispielsweise davon ausgeht, dass die Erfassung einer Schadensmeldung per Telefon den Agenten im Schnitt zehn Minuten Arbeitszeit kostet und der Minutenpreis bei einer Anfrage dieser Qualität bei etwa 1,50 Euro liegt, sprechen wir hier von 15 Euro pro Kontakt. Die Opportunitätskosten für die möglicherweise frustrierende Wartezeit für den Kunden in der Warteschleife sind dabei noch nicht eingerechnet. Allein die Kosten für Arbeitszeit, die notwendig ist, um den Schadensfall im System zu erfassen, lassen sich mit Hilfe des Bots um ein Vielfaches senken.

ML Conference 2019

Workshop: Machine Learning 101++ using Python

mit Dr. Pieter Buteneers (Chatlayer.ai)

Honey Bee Conservation using Deep Learning

mit Thiago da Silva Alves, Jean Metz (JArchitects)

ML Summit 2019

Grundlagen von Machine Learning

mit Oliver Zeigermann (embarc)

Lösungsansätze mit KI (ML) finden – better done than perfect!

mit Jan Hedtfeld und Lena Müller-Ontjes (MACH AG)

Klassifikation wird für Anliegen genutzt, deren Richtung nicht genau abgeschätzt werden kann, häufig auch in Bereichen, wo sich das Produktangebot ständig verändert. Die Anliegenerkennung bei Versicherungen ist ein typischer Fall. Der Kunde muss zunächst einer der Unternehmenssparten zugeordnet werden, etwa Leben, Kranken oder KFZ. Ein ähnlicher Anwendungsfall aus dem Handel wäre die Frage eines E-Commerce-Bots nach „Was suchen Sie?“. Hier muss der Kunde zunächst Produktgruppen zugeordnet werden. Wenn er beispielsweise nach einem neuen Staubsauger sucht, kann dieser mit Kabel oder Akku betrieben werden, einen Beutel haben oder nicht, von einem bestimmten Hersteller sein oder aber der Kunde hat konkrete Preisvorstellungen.

In beiden Fällen hangelt sich der Bot mithilfe von Konfidenz-Abfragen zum richtigen Anliegen oder Produkt nach unten. Häufig wird hier mit dem sogenannten Hybriden Modell gearbeitet, also der Kombination aus Bot und Mensch. Wenn die Software das Anliegen nicht zweifelsfrei zuordnen kann, wird der Chat an einen Menschen weitergeleitet. Dieser Agent kann den Chat, je nach Vorgabe, frei weiterführen oder sich aus Leitfäden, etwa vorgefertigten Antworten, die auch noch bearbeitet werden können, bedienen.

Auch beim komplexeren Klassifikationsschema geht es letztendlich darum, Arbeitszeit auf einen günstigeren Kommunikationskanal zu verlagern, aber auch Kundenkommunikation effizienter zu gestalten. Die Software findet mitunter kurze, blaue Hosen für Männer viel schneller als ein menschlicher Agent.

Manchmal ermöglicht der Bot, die Zahl der anlaufenden Geschäftsvorfälle überhaupt erst innerhalb eines bestimmten Zeitraums zu bearbeiten, etwa in Stoßzeiten. Einer unserer Kunden, ein Versicherer, konnte mithilfe eines Chatbots den Anfragen-Peak zur Zeit des Versicherungswechsels innerhalb kurzer Zeit vollständig abarbeiten. Nur mit dem Kanal Telefon wäre das nicht möglich gewesen. Mithilfe des Chatbots hat dieser Kunde allein an den Provisionen einen Umsatz im sechsstelligen Euro-Bereich eingefahren.

Und trotzdem stehen wir erst am Anfang

Diese betriebswirtschaftlichen Beweggründe auf Unternehmensseite spielen den Konsumenten in die Hände – und auf das Image der Unternehmen zurück. Es geht darum, für anspruchsvolle, online-affine und -erfahrene Zielgruppen attraktiv zu bleiben. Kunden suchen nach einem einfachen, vertrauten Kommunikationsweg, auf dem sie schnelle und richtige Antworten bekommen, und das zu der Zeit, wenn sie es möchten. Das zeigt unter anderem der „2018 State of Chatbots Report“, für den mehrere Unternehmen, darunter SurveyMonkey und Salesforce, eine repräsentative Stichprobe der US-Online-Bevölkerung befragt haben. Dieser Studie zufolge stehen die Punkte „Service rund um die Uhr“, „Schnell eine Antwort erhalten“, „Antworten auf einfache Fragen erhalten“ und „eine einfache Kommunikationsmöglichkeit“ ganz oben auf der Liste der genannten Vorteile eines Chatbots aus Nutzersicht.

Customer Care muss aus Unternehmenssicht kostengünstiger und effizienter werden. Kunden wollen einfachere und schnellere Kommunikationskanäle nutzen und gleichzeitig besser bedient werden. Wir stehen am Anfang einer großen Entwicklung, die den Kundenservice und das Contact Center auf lange Sicht umkrempeln wird. Möglicherweise werden Contact Center, die auf menschliche Agenten routen, auf lange Sicht ganz abgelöst. Auch sind in puncto KI und Machine Learning sowie im Hinblick auf die Nutzung der auflaufenden Daten für die Analyse längst nicht alle Möglichkeiten ausgeschöpft.

Geschrieben von
Dr. Jürgen Haas

Dr. Jürgen Haas hat viele Jahre Erfahrung in den Bereichen Spracherkennung und -verstehen, künstliche Intelligenz und Kundenkontaktmanagement. Er berät bei IP Dynamics Versicherungen und Retail-Unternehmen, wie sie Sprach- und Chatbots kombinieren, um dem Kunden ein perfektes Serviceerlebnis zu bieten.

Kommentare

Hinterlasse einen Kommentar

Hinterlasse den ersten Kommentar!

avatar
4000
  Subscribe  
Benachrichtige mich zu: