Chatbots am langen Schwanz fassen
Hatten Sie schon einmal ein Gespräch mit einem Chatbot? War es eine positive Erfahrung? Vielleicht war es das. Aber höchstwahrscheinlich hat es Sie ein wenig frustriert. Chatbots versuchen, Ihre Nachricht zu verstehen und Ihnen mit einer passenden Antwort zu helfen. Meistens sind sie jedoch noch nicht so gut. In gewisser Weise sind Chatbots wie Baseballspieler.
"Baseball ist der einzige Bereich, in dem ein Mann in drei von zehn Fällen erfolgreich sein kann und als guter Spieler gilt." - Ted Williams, Baseball-Hall of Famer
Das Gleiche gilt für Chatbots. Eine Ablenkungsquote von 32% [Nutzer, denen der Bot ohne menschliches Zutun geholfen hat] ist für Google eine Erfolgsgeschichte!
Kundengeschichte auf der Website von Google Dialogflow. Abgerufen am 20. April 2021
Als Data Science Consultant habe ich mit mehreren Unternehmen an Chatbots gearbeitet und ihnen geholfen, besser zu werden. Während dieser Projekte habe ich ein Muster entdeckt, das auch anderen helfen könnte, bessere Chatbots zu entwickeln. In diesem Artikel gebe ich Ihnen drei Tipps, die Ihnen helfen sollten, sich auf das Wesentliche zu konzentrieren.
Das Ziel von Chatbots
Wenn Sie einen Chatbot entwickeln, versuchen Sie wahrscheinlich, die Benutzer davon abzuhalten, mit menschlichen Kundendienstmitarbeitern zu sprechen. Der Bot sollte die Absicht des Benutzers verstehen und eine angemessene Antwort senden. Dies ist aus zwei Gründen wichtig. Zum einen, weil menschliche Mitarbeiter teuer sind. Zum anderen, weil viele Anliegen mit einer einfachen Nachricht oder manchmal auch mit einer programmierten Aktion gelöst werden können.
Nebenbei bemerkt: Es geht nicht nur um Kosteneinsparungen. Manche Benutzeranliegen müssen von einem menschlichen Agenten bearbeitet werden, weil zu viel auf dem Spiel steht und weil die Kunden eine persönliche Note erwarten. Zum Beispiel, wenn sie ein Upgrade auf ein höheres Service-Level wünschen oder eine ernsthafte Beschwerde haben.
Die Herausforderung der Chatbots
Die größte Herausforderung bei Chatbots liegt in ihrem Long Tail. Ihre Kunden haben wahrscheinlich ein paar Anfragen, die sehr häufig vorkommen, aber die große Mehrheit kommt nur in geringer Zahl vor. Daher ist es arbeitsintensiv, neue Absichten zu erkennen, sicherzustellen, dass der Chatbot sie erkennen kann und dass die Antwort/Aktion angemessen ist.
Zur Veranschaulichung betrachten Sie das folgende Diagramm von Eloquent Labs. Die obersten 20% der eindeutigen Nutzerintentionen decken nur 20% aller Konversationen ab, das ist das, was wir den "Kopf" der Verteilung nennen. Um die verbleibenden 80% zu erreichen, müssen Sie sehr weit in den Long Tail vordringen. Um eine Ablenkungsquote von 30% zu erreichen, müssen Sie in der Lage sein, sowohl die Intentionen im Kopf als auch die im Schwanz zufriedenstellend anzusprechen.
Die Absichtserklärung von Eloquent Lab (Quelle: a16z data moats Artikel)
Wie man den Kopf der Verteilung in Angriff nimmt
Wenn Sie den Kopf der Absichtsverteilung anpacken, geht es um Konversationsdesign: Sie helfen dem Benutzer durch eine Reise, auf der er seine Ziele erreicht. Das ist heute mit der meisten Chatbot-Software möglich.
Nehmen wir das Beispiel eines Benutzers, der seine persönlichen Daten ändern möchte. Der Chatbot könnte ihm seine aktuellen persönlichen Daten zeigen, ihn fragen, welche er aktualisieren möchte, und dann die Aktualisierung bestätigen.
Beispielkonversation einer häufigen Absicht, bei der der Bot dem Benutzer hilft, eine Aktion auszuführen
Solche Unterhaltungen können für Ihre Benutzer von großem Wert sein. Sie erfordern jedoch auch viel Arbeit bei der Entwicklung. Es braucht Experten für Benutzererfahrung, um die Bedürfnisse der Benutzer zu verstehen. Datenwissenschaftler, um die Absicht anhand der Äußerungen des Benutzers zu erkennen. Und Entwickler, um die Fähigkeit zu entwickeln, das Problem des Benutzers zu lösen. Deshalb lohnt es sich nur, solche Konversationen für gemeinsame Absichten zu entwickeln.
Die Auswirkungen des Long Tail
Der Long Tail ist wie ein zweischneidiges Schwert. Erstens wird es immer teurer, neue Absichten zu entdecken. Zweitens lohnt es sich immer weniger, eine Konversation mit benutzerdefinierten Aktionen wie oben beschrieben zu gestalten.
Die Falle des langen Schwanzes besteht also darin, dass Sie versuchen, ihn auf die gleiche Weise anzugehen wie den Kopf. Der größte Teil des Wertes, den Sie mit einem Chatbot durch die Verringerung des Aufwands für den Service-Agenten zu erzielen versuchen, wird durch die Entwicklung immer seltenerer Intentionen wieder aufgezehrt. Was sollten wir also stattdessen tun?
Wie Sie den Long Tail einfangen
Um mit dem Long Tail umzugehen, müssen wir erkennen, dass wir weder in der Lage sein werden, alle Absichten explizit zu modellieren, noch können wir gute Antworten für alle auf dem Laufenden halten. Stattdessen müssen wir andere Tools nutzen, die uns zur Verfügung stehen.
Was ist mit der Suche? Für viele Unternehmen kann dies ihre Wissensdatenbank sein, oder auch ihre gesamte Website. Wir könnten eine Suchmaschine mit Neural Q&A-Funktionen anbieten. Diese können den Teil der Wissensdatenbank abrufen und hervorheben, der die Frage des Benutzers am ehesten beantworten kann.
Beispielkonversation einer seltenen Long-Tail-Absicht, bei der der Bot einen relevanten Teil der Wissensdatenbank findet
Die Suche ist eine großartige Alternative, denn sie erfordert weder die Entdeckung neuer Absichten noch die Aktualisierung neuer Antworten. Wenn Sie tatsächlich neue Absichten in Ihren Chatverläufen entdecken, können Sie zunächst eine Seite auf Ihrer Website einrichten, die das Problem anspricht. Der Chatbot wird die Nutzer dann automatisch auf diese Seite verweisen. Sollte das Volumen für diese Absicht so stark ansteigen, dass es sich lohnt, eine verfeinerte Antwort zu erstellen, können Sie dies jederzeit später tun.
Dieser Ansatz ist besonders wertvoll, wenn Sie in einem Geschäft tätig sind, in dem sich die Art der Fragen der Kunden im Laufe der Zeit ändern kann. Zum Beispiel, wenn Sie eine Lebensmittelkette sind, die viele Werbeaktionen durchführt. Mit einem solchen Ansatz brauchen Sie nur Ihre Website auf dem neuesten Stand zu halten, was sie wahrscheinlich schon ist. Anstatt Konversationen zu entwerfen, die schon in ein paar Wochen nicht mehr relevant sein werden.
Wir sollten keine Wunder erwarten, wenn wir mit dem Long Tail arbeiten. Während wir vielleicht erwarten, dass wir 80 % der 20 % Absichten im Kopf der Verteilung abwehren können, sollten wir nicht überrascht sein, wenn wir nur 20 % der 80 % im Schwanz abwehren können. Aber wissen Sie was? Am Ende können sowohl der Kopf als auch der Schwanz in etwa gleich viel zur Ablenkung beitragen.
(20% * 80%) + (80% * 20%) = 32% deflectionAber was sollen wir mit den restlichen 68% machen?
Wie man elegant scheitert - UX trifft ML
Bei solchen Zahlen ist es nicht verwunderlich, dass die meisten Menschen ihre Chatbot-Erfahrungen negativ bewerten.
Bei vielen Vorhersagen des Bots konnte man davon ausgehen, dass sie nicht dem entsprachen, wonach der Benutzer gesucht hatte. Jede Vorhersage des Bots wird mit einem Vertrauenswert versehen. Wenn der Vertrauenswert niedrig ist, ist es wahrscheinlicher, dass die Antwort nicht den Bedürfnissen des Benutzers entspricht. Was sollten wir nun tun, wenn der Konfidenzwert niedrig ist?
Eine Lösung besteht darin, ehrlich zu sein und dem Benutzer die Möglichkeit zu geben, die Option zu wählen, die dem am nächsten kommt, was er gemeint hat, es noch einmal zu versuchen oder mit einem Agenten verbunden zu werden. Auf diese Weise hat der Benutzer nicht das Gefühl, völlig missverstanden worden zu sein, selbst wenn der Bot sich völlig geirrt hat.
Beispiel für eine Konversation, bei der der Bot verwirrt ist, aber keine schmerzhafte Erfahrung für den Benutzer verursacht
Es gibt noch viele weitere UX-Tricks, mit denen Sie die Benutzererfahrung verbessern können, aber dies ist einer, der sich in der Praxis bewährt hat.
Fazit
Chatbots sind ein faszinierendes Feld. Es gibt eindeutige wirtschaftliche Argumente, die den Wert von Chatbots aufzeigen, aber es ist auch leicht, vom Weg abzukommen und am Ende mehr Geld zu verschwenden, als Sie sparen könnten. Oder schlimmer noch, Sie könnten Kunden aufgrund schlechter Erfahrungen verlieren.
Quellen
Ich stütze meinen Rat in diesem Artikel auf meine Erfahrung als Data Science Consultant. Ich habe mit mehreren Unternehmen zusammengearbeitet, die Chatbots mit verschiedenen Technologien entwickeln. Außerdem habe ich Softwareunternehmen befragt, die im Bereich Chatbots und Such-Chatbots tätig sind. Und schließlich habe ich mich von den hervorragenden Blogbeiträgen von Andreessen Horowitz, einem Risikokapitalfonds, inspirieren lassen, in denen sie über die Auswirkungen des Long Tail für KI-Dienste sprechen. Ich empfehle Ihnen die Lektüre, wenn Sie sich für die Wirtschaft der KI interessieren.
Verfasst von
Rens Dimmendaal
Unsere Ideen
Weitere Blogs
Contact