Beyond the Bot: wat kun je nog meer doen met klantinteracties?

Als het gaat over innovaties in klantinteracties dan worden al snel chatbots genoemd met die van KLM op Messenger als het schoolvoorbeeld. Het merendeel van de bedrijven doet echter nog weinig of helemaal niets met dialooggestuurde interfaces en de achterliggende technieken voor tekstherkenning en kunstmatige intelligentie. Jammer? Ja, want er is al veel mogelijk. En er valt nog veel meer te halen als je breder denkt dan een chatbot alleen en wanneer je techniek, gebruikersbehoeften en marketing samen laat komen.

Je ziet nu vooral dat het laaghangende fruit wordt geplukt door bedrijven, die de veelvoorkomende dialogen via een vraag- en antwoordservice op de eigen website, app of een messaging platform automatiseren. Dergelijke simpele conversaties zijn vrij goed te scripten en leveren dus snel rendement op. Zodra het ingewikkelder wordt loop je echter tegen beperkingen aan. Er is andere software nodig dan veel standaard botsoftware die nu gebruikt wordt, met geavanceerdere vormen van tekst- en doelherkenning en complexere dialoogstructuren.

Van de bot naar een Cognitive Services Platform

Op dit moment is bij zo’n 85 procent van de doelgerichte chatbotconversaties de uitkomst succesvol, zonder dat er menselijke interventie nodig is. En als het toch misgaat omdat de bot de vragen niet begrijpt, dan kan een medewerker de conversatie overnemen. Daar stoppen de mogelijkheden niet. Koppel je de bot aan systemen met klantdata of andere relevante gegevens (CRM, PIM et cetera) dan wordt de succesratio verhoogd, omdat er simpelweg meer informatie beschikbaar is om een goed antwoord te geven. Zo kan de bot gegevens opzoeken en interpreteren, bijvoorbeeld productinformatie, beschikbaarheid of de status van een bestelling of aanvraag. Ook kunnen services worden aangekoppeld die specifieke intelligente taken uitvoeren, zoals aanbevelingen, voorspellingen, sentimentanalyse of beeldverwerking. Zo wordt een simpele bot een Cognitive Services Platform.

Designing in tech

Met een combinatie van vertrouwde én nieuwe technologieën, mens én machinelogica, data én creativiteit, kunnen nu al talloze innovatieve, betrouwbare en klantgerichte dialoogoplossingen worden gerealiseerd. Dat vergt vooral creativiteit en een multidisciplinair team van specialisten, waarbij zowel vanuit de gebruiker als vanuit de technologie wordt gedacht.

Laten we aan de hand van een voorbeeld eens bekijken wat de ingrediënten en mogelijkheden zijn van een botconversatie met gebruik van data- en cognitive services.

We hanteren een aantal eenvoudige principes:

1.     We zien feitelijk álle klantinteractie als een dialoog. De bot is slechts een middel om deze te voeren.
2.     Klantinteractie dient altijd een doel. Klanten nemen geen contact op voor de gezelligheid. Andersom doen organisaties dat ook niet.
3.     Net als in elke ‘normale’ dialoog is het doel om snel informatie te vergaren (wat wil de klant?) om op basis daarvan antwoorden te kunnen geven.
4.     Antwoorden zitten opgeslagen als data of content in systemen of als kennis in de hoofden van mensen, binnen en buiten de eigen organisatie.
5.     AI kan helpen om data te analyseren en (slimme) antwoorden te formuleren.

Voor de onderstaande voorbeelddialoog beantwoorden we telkens twee vragen:

1.     Wat is de vraag van de klant (het doel) en hoe krijgen we die helder?
2.     Wat is het beste antwoord en waar is dat beschikbaar?

Het voorbeeld:

Je bent toerist in Amsterdam en hebt een hotelkamer nodig. Je start een conversatie met de reisagent (bot). Achtereenvolgens doorloopt de bot een aantal stappen en services.

Waar zitten de kansen en uitdagingen?

Smart Intent Classification en Entity Recognition

Intent classification is de techniek om te begrijpen wat de gebruiker wil bereiken uit wat hij of zij zegt. Dit kan lastig zijn omdat gebruikers op heel verschillende manieren communiceren en in een zin verschillende zaken kunnen aangeven. Natural Language Processing (AI) tools zoals RASA (open source), API.ai (Google) of LUIS (Microsoft) kunnen worden gebruikt om complexe zinsconstructies te ontleden en te vertalen naar een of meerdere gebruikersdoelen. Ook halen ze feitelijke informatie (entity recognition) uit de zin, zoals bedrijfsnaam, bestemming of schoenmaat. Dit stelt de gebruiker in staat om heel efficiënt informatie door te geven. Iets dat met een standaard webformulier bijvoorbeeld veel meer tijd kost.

Dialogue Management

De meeste chat bot oplossingen werken met gescripte dialogen (‘if-then-else’). Dat is voor complexere dialogen echter niet flexibel en lastig onderhoudbaar. Gelukkig gaat het hard met het ontwikkelen van (deels) Machine Learning gebaseerde oplossingen, waarmee kwaliteit en efficiency bij het ontwikkelen van dialogen verbetert.

Automatische en handmatige training

De ‘reinforcement learning technology’ van bijvoorbeeld RASA zorgt er automatisch voor dat de tekstherkenning verbetert met iedere conversatie. Maar daarnaast is het voor serieuze verbetering van de kwaliteit van conversaties heel belangrijk de bot ook (‘supervised’) door mensen wordt getraind. Hiervoor kunnen opgeslagen conversaties worden gebruikt, die de bot niet goed begreep, waarbij alsnog kan worden geannoteerd wat de gebruiker bedoelde. Zo kan een doel of begrip worden toegevoegd, waarna de bot de volgende keer een beter antwoord kan geven.

(Cognitive) API’s

Informatie die de gebruiker geeft (of die we al hebben) kunnen we gebruiken om externe services aan te spreken, bijvoorbeeld voor spelling (correcte invoer), beeldherkenning (tekst van creditcard halen, foto van gebruiker aan naam koppelen), aanbevelingen (restaurant), raadplegen van beschikbaarheid of uitvoeren van boekingen. Specifieke ‘cognitive’ API’s kunnen bijvoorbeeld worden gebruikt om emotie te herkennen, zodat we de conversatie proactief kunnen doorsturen naar een mens als deze niet lekker loopt.

Seamless multichannel experience

De bot kan een boeking die via de website is gemaakt bevestigen via WhatsApp, waarna de gebruiker via WhatsApp weer eventuele wijzigingen kan doorvoeren. Bij een volgende boeking via WhatsApp kent de bot de gegevens van de gebruiker (bijvoorbeeld door nummerherkenning) en kan zo de dialoog al sterk vereenvoudigen.

Hybride bot/mens solutions

Wanneer de bot niet goed uit de conversatie komt willen we de gebruiker uiteraard niet irriteren. De conversatie kan dan worden doorgezet naar een menselijke service agent. Dit kan proactief (zie cognitive API’s) of wanneer de gebruiker hierom vraagt. De informatie die al beschikbaar is kan (samengevat) worden doorgegeven aan de agent, waardoor de conversatie zo moeiteloos mogelijk kan worden opgepakt.

Data-analyse en proactieve alerts

Conversaties kunnen zowel vanuit de gebruiker als vanuit de bot worden gestart. Vanuit de bot bijvoorbeeld om voor de gebruiker relevante inzichten te geven of aanbiedingen te doen, op basis van data-analyse. 

Content  

Een bot hoeft niet alleen in tekst te communiceren. Verschillende kanalen ondersteunen het gebruik van afbeeldingen, video’s of interactieve functies zoals aanbieden van buttons of acties.

Dus, ‘It’s not just a bot’

Een ‘chatbot’ is een te simpele benaming voor hoe je processen kunt ondersteunen voor (dialooggestuurde) klantinteractie. Waar het om gaat is dat we met behulp van allerhande nu al beschikbare en zeer binnenkort beschikbare ‘slimme’ services kunnen bouwen aan een platform dat leert, communiceert en problemen oplost voor gebruikers. Deze services kunnen in nieuw ontworpen maar ook in al bestaande processen worden gebruikt. De modulaire opzet van moderne platforms met de beschikbare API’s maken dit mogelijk.

Door de kennis van slimme technologie te combineren met kennis van service design krijg je een betere customer experience. Menselijke creativiteit en machine intelligence werken hierbij naadloos samen. Dus: denk in dialogen, betrek designers, techneuten en klanten erbij en magic is ready to happen.