Skip to main content

In der digitalen Event-Reihe Shift/CX hat Ben Ellermann, Managing Director von Future of Voice, im Live Stream Talk mit Björn Negelmann von Kongress Media GmbH über gutes Conversational Design im Conversational Commerce und in der Customer Service Automation gesprochen. Welche Charakteristika einen erfolgreich implementierten Chatbot oder Voicebot kennzeichnen, wie die Komplexität von Dialog-Automation-Projekten in der Praxis gehandhabt werden kann und welche Rolle eine Conversational Platform dabei spielt, erklärt Ben im Interview. Als führende Agentur für Conversational AI setzt Future of Voice in Bot-Projekten gemeinsam mit unsere Muttergesellschaft der MUUUH! Group aus Osnabrück auf Kundenzentrierung, um die bestmögliche Customer Experience zu generieren.

Bitte akzeptiere alle Cookies um dieses Video sehen zu können.

Conversational AI: Erfolgreiche Chatbot-Projekte dank Conversational Platform

Das bei Conversational AI die Kundenzentrierung im Sinne einer optimalen Customer Journey im Fokus stehen muss, erkennt nicht jedes Unternehmen. „Im Chatbot-Kosmos werden häufig Single-Point-Use-Cases fokussiert, in denen beispielsweise ein Verkaufs-Bot auf der Website eines Unternehmens die Conversation Rate boosten soll – und das ohne Handovermöglichkeit zu Kundenservice-Agenten“, erklärt Ben.

Um die Customer Experience im Conversational zu optimieren, arbeiten wir bei Future of Voice daher in unseren Chatbot-Projekten mit der Conversational Platform Parloa, die ausgehend von einem initialen Single-Point-Use-Case (z. B. Verkaufsförderung) um weitere Use Cases und Kanäle erweiterbar ist. „Conversational ist wie eine Lego Platte – es ist ein Standard, auf den so ziemlich alles drauf aufgebaut werden kann“, bringt Ben es auf den Punkt. Der kanalagnostische Einsatz der Conversational Platform bei Future of Voice ermöglicht genau das: Durch die Integration verschiedener text- und sprachbasierter Kanäle und die Anbindung unternehmensspezifischer Systeme (z. B. SAP, CRP) können individuelle KI-Sprachmodelle für Kund*innen entwickelt und kanalübergreifend trainiert werden. Die Effizienz wird dadurch im Vergleich zu einem Bot, der nur auf dem Sales- oder Service-Kanal funktioniert, deutlich erhöht. „Groß denken klein anfangen“ ist bei Conversational Design das Motto.

Chatbots: mehr als ein Hype-Phänomen

„Ich glaube wir sind mit Blick auf den Gardner Hype Cycle über den Hype hinweg“, sagt Ben über den aktuellen Stand von Chatbots in der Praxis. Anstelle der anfangs noch etwas kritischen Mentalität im Sinne von „alle reden von Chatbots, wir brauchen das auch“, wird heute der tatsächliche Nutzen von Chat- und Voicebots anhand drei klarer Zielsetzungen abgewogen:

  • Conversational Commerce: Bots helfen Sales Potenziale und Conversation Rate zu optimieren
  • Customer Service Automation: Teil- oder Vollautomatisierung von Service Dialogen spart Ressourcen
  • Customer Experience: Bots erzeugen Loyality und Advocacy unter Kunden

Was kennzeichnet einen guten Chatbot-Dialog?

Die Frage nach einem guten Chatbot-Dialog kann zunächst mit drei übergeordneten Prinzipien beantwortet werden: Er muss intuitiv funktionieren, einen niederschwelligen Zugang für den Nutzer*innen bieten und die Fragen der Nutzer*innen (im besten Falle richtig) beantworten.

Das funktioniert allerdings nur dann, wenn die Bedürfnisse vorab intensiv antizipiert und in ein Dialog-Grundmodell umgesetzt wurden. Nur so kann der Bot verstehen, dass die Frage „Brauche ich heute einen Regenschirm?“ eigentlich den Intent „Wetterprognose abfragen“ beinhaltet. Die Frage nach einem Regenschirm kann also nur dann beantwortet werden, wenn die Komplexität der Conversational AI auf Kundenzentrierung basiert. Versteht der Bot eine Frage in der Praxis dennoch nicht, kann dieser „Aha-Effekt“ aus der Auswertung für das weitere Training genutzt werden. Gerade deshalb ist die Auswertung der digitalen Dialoge ein wichtiger Teil der Conversational-Projekte.

Wie funktioniert ein Voicebot?

Technologisch basiert ein Voicebot auf einem 3-Schicht-Verfahren: Beginnend mit der Spracherkennung in Voice Projekten (bei textbasierten Bots ist dies natürlich nicht relevant), über die Interpretation von Intents und Entity in der Natural Language Understanding Schicht, hin zur Verarbeitung beider und dem Abgleich mit angebundenen Systemen (z. B. SAP). Während die Spracherkennung via Microsofts Voice-to-text funktioniert, sind Stufe 2 und 3 über die verschiedenen Kanäle der Conversational Platform trainierbar. Dadurch, dass der Dialog des Bots an sich auf einem Grundmodell basiert, welches um weitere Kanäle erweiterbar ist, können Dialoge auch sprachlich und kulturell angepasst werden.

Conversational AI in der Praxis: Herausforderungen und Voraussetzungen

Was wir aus der Corona-Pandemie lernen können

Die Covid-19-Pandemie hat der Implementierung von Conversational in der Praxis zwangsweise einen Schub gegeben. Das äußert sich in erhöhten Budgets auf Unternehmensebene und verstärktem Wachstum auf dem Anbietermarkt. Gleichzeitig hat die Krise uns vor Augen geführt, an welchen Ecken und Enden es in Bezug auf Kompetenzen und Know-how im Bereich Conversational AI in Unternehmen hapert.

Die größten Herausforderungen von Conversational AI

Um Chat- und Voicebots als Unternehmen tatsächlich erfolgreich implementieren zu können, bedarf es an aller erste Stelle einen höheren Conversational-Reifegrad. Weitere Hürden stellen technische Paradigmen wie veraltete Systeme und fehlende personelle und finanzielle Ressourcen dar. Neben diesen infrastrukturellen Problemen, stellt auch das Enabling der Organisationsmitglieder inhouse einen zentralen Erfolgsfaktor für den langfristigen Einsatz von Chatbots dar, der oftmals zu wenig Beachtung erfährt.

„Die Arbeit fängt bei jedem Bot-Projekt erst nach dem Go Live an,“ stellt Ben ganz richtig fest. Die reine Installation eines Chat- oder Voice bots über einen Dienstleister reiche demnach nicht aus. Future of Voice setze mit der Low-Code-Oberfläche ihrer Conversational Platform Parloa daher auch auf das Enabling ihrer Kund*innen. Diese könne mit wenigen Skills das Training der Bots eigenständig steuern.

Customer Experience als das A&O

Conversational ermöglicht uns als Instrument somit Kundenzentrierung – setzt diese allerdings auch voraus. Um die Customer Experience im Conversational bestmöglich zu optimieren, bedarf es aus unserer Sicht eine Kombination von Conversational Commerce und Customer Service Automation. Ben: „Denn nur wenn Silos in Unternehmen abgebaut werden und die Potenziale einer wirklich kundenzentrierten Customer Journey bei Chat- und Voicebot-Projekten erkannt werden, kann die Implementierung von Dialog Automation als Conversational AI erfolgreich gelingen.”

Du denkst für dein Unternehmen über einen Chat- oder Voicebot nach? Sprich uns gern an. Wir finden die perfekte Lösung für euch.

Robin Rabe

About Robin Rabe

Robin ist Director of Development bei Future of Voice. Schon früh entdeckte er seine Leidenschaft für Machine Learning und AI. Seine Spezialgebiete sind das Setup komplexer Systeme zur Sprachdialogautomation und Beratung zur Anwendung von Conversational AI.