Mijn Frontline
Chatbot
Automatiseer je klantconversaties
Wat is de uitdaging?
Veel conversaties van service, sales of support met klanten herhalen zich vaak en dat is frustrerend voor zowel klanten als medewerkers. Met het inzetten van betere automatisering kunnen veel conversaties bij de start worden afgehandeld, wat tijd bespaart maar ook de klanttevredenheid verhoogt.
De oplossing voor chatbot
Blended AI chatbots automatiseren conversaties in natuurlijke taal, zelfs op verschillende kanalen. De blended chatbots van Genesys zoeken in de informatie en activiteiten van klanten om vragen te beantwoorden. Ze kunnen indien nodig conversaties, inclusief context, overdragen aan een agent.
Verhaal en Business Context
De enorme groei in digitale kanalen heeft geleid tot hogere klantverwachtingen en een drastische stijging in het aantal te verwerken interacties voor bedrijven bij de dienstverlening aan klanten. In combinatie met het toenemend gebruik van AI in business applicaties resulteert dit in organisaties die chatbots implementeren die kunnen communiceren met klanten. Ze automatiseren taken en assisteren bij vragen op kanalen zoals web, mobiel, social, sms en messaging app’s.
Chatbots kunnen de werkdruk verlichten voor contact center medewerkers, de klantervaring verbeteren en de kosten beheersen. Chatbots staan altijd aan, zijn altijd beschikbaar en kunnen op ieder moment overdragen naar een agent.
Hoewel chatbots ook door medewerkers kunnen worden gebruikt en voor het optimaliseren van bedrijfsprocessen spreken we in dit document alleen over omnichannel bots in de context van klantcontact. De belangrijkste voordelen van chatbots zijn een hoger succes van selfservice, het weghouden van interacties uit het contact center en het verbeteren van de customer experience.
Een chatbot in je contact center? 10 redenen
Business Flow
Wanneer een klant contact opneemt via een door Genesys ondersteund digitaal kanaal wordt een chatbot opgestart. De chatbot probeert eerst via context te anticiperen op de reden voor contact en biedt gepersonaliseerde boodschappen of opties als antwoord op de vraag. Is er geen optie voor personalisatie dan stelt de chatbot de klant een open vraag zoals “Hoe kan ik u helpen?”
Zodra de klant reageert probeert de chatbot de vraag te interpreteren en te besluiten wat de volgende stap is. Als bijvoorbeeld de klant antwoordt met “Ik wil mijn saldo weten”, zal de chatbot eerst identificeren en verifiëren voordat het saldo wordt getoond.
Wordt de intentie niet vastgesteld of begrepen dan geeft de chatbot de reactie van de klant door aan het Knowledge Center en zoekt daar naar passende antwoorde. Als het een antwoord vindt geeft het statische informatie terug. Is er geen antwoord dan toont de bot de boodschap dat nog één of meerdere keren geprobeerd kan worden.
Meer hulp nodig?
Als de taak is afgerond vraagt de chatbot of de klant meer hulp nodig heeft. De klant kan antwoorden door nog een vraag te stellen, een chat met een adviseur te vragen of door ‘nee’ te antwoorden. Antwoordt de klant met ‘nee’ dan kan de chatbot een vragenlijst aanbieden op basis van de context.
Wanneer de klant kiest om met een agent te chatten of te spreken en er is een lange wachttijd of het is buiten openingstijden dan kan de chatbot een terugbelverzoek aanbieden of een passende boodschap tonen.
De chatbot gaat op deze manier door met het creëren van een conversationele kringloop en opbouwen van context tussen zichzelf en de klant om de vraag beter te kunnen oplossen.
Business Flow Beschrijving
- Een chat wordt geïnitieerd (reactief of proactief) op een ondersteund kanaal.
- De klant ontvangt een standaard welkomstbericht van de chatbot.
- Informatie en context voor de klant wordt opgehaald uit:
- Klantprofiel informatie in externe contacten
-
- API-interactie met databron van derden
- De klant ontvangt een gepersonaliseerd bericht/keuzemenu of wordt overgedragen aan een agent. Voorbeelden zijn:
-
- Maatwerk bericht of update: “Uw volgende bestelling wordt donderdag voor 12 uur geleverd”.
- Aannemelijkste reden voor contact: “Wilt u meer weten over uw lopende kredietaanvraag?”
- Wordt de klant niet overgedragen aan een agent dan kan de klant de chat beëindigen, de contactreden bevestigen of doorgaan.
- Uitgaand van het feit dat de klant verder gaat na de Personalisatiefase, stelt de chatbot een open vraag als: “Hoe kan ik u helpen?” om de intentie en de reactie van de klant vast te leggen.
- Na voltooiing van een taak wordt de interactie naar een chatbot (bijvoorbeeld Amazon Lex) gestuurd die een vervolgvraag stelt zoals: “Is er nog iets anders waarmee ik je kan helpen?”
– Als de klant “ja” antwoordt, gaan ze terug naar stap 5: “Hoe kan ik u helpen?”
– Als de klant ‘nee’ antwoordt, keert het gesprek terug naar de interactiestroom
– Als de klant reageert met een meer geavanceerd antwoord, bepaal dan de intentie en entiteiten voor verdere verwerking.
- Klantinformatie en/of context wordt opgehaald om te bepalen of een enquête moet worden aangeboden. [BL2]
– Als er een enquête wordt aangeboden, worden de interacties naar een chatbot gestuurd.
– Als er geen enquête wordt aangeboden, toont de interactiestroom een afscheidsbericht en eindigt
- Het onderzoek wordt uitgevoerd. De enquêtevragen kunnen door de klant op een business-as-usual basis in de chatbot worden geconfigureerd en daarom wordt hier geen dialoogstroom gedefinieerd.
- De interactieflow presenteert een afscheidsbericht en beëindigt de chat
Waarom kiezen voor chatbot?
De voordelen op een rijtje
