Bot-Mania: Welcher Bot passt am besten?

Das hat die Service-Center Branche schon immer umgetrieben –  wie kann ich die Kundeninteraktionen verbessern, damit die Kundenzufriedenheit steigt? Wie kann ich die Prozesse so optimieren, dass meine Service-Mitarbeiter so effektiv wie möglich arbeiten und ich Ihnen lästige Arbeiten, wiederkehrende einfache Aufgaben abnehmen kann?

Durch die Verfügbarkeit von hoch performanten Cloud-Services an fast jedem fixen oder mobilen Ort etablieren sich Bots (Roboter) innerhalb der Kundenkommunikation immer mehr, egal ob sie über die Sprache oder über Texte angesprochen werden. Nachdem nun die gesamte Branche über Chat- oder Voice-Bots spricht – wie kann ich erkennen, welcher Bot zu meinem Business am besten passt? Und was muss ich alles beachten, damit der Business Case stimmt und ich mich nicht beim Return on Investment verrechne, weil ich z.B. den internen Aufwand zur Pflege des Bots unterschätzt habe?

Beispiel Voice-Bot

Noch einmal zur Erinnerung: wir sprechen hier im Grunde nicht von neuen Dingen. Das Sprachportal (auch IVR, Intelligent Voice Response) ist uns seit über 20 Jahren bekannt. Hiermit können wir z.B. Kunden auf die richtigen Agenten lenken, Kunden mit dem gewünschten Mitarbeiter verbinden (Automatic Attendant) und einfache starre Dialoge bei Kundenumfragen durchgehen. Die notwendige Umwandlung von Sprache zu Texten / Daten sowie vice versa (Speech to Text und Text to Speech) ist dabei ebenfalls seit langem etabliert.

Was zu einer größeren Verbreitung fehlte, war die Möglichkeit, sprecherunabhängig und aus einem normalen Satz heraus den Sinn der Anfrage (Intent) zu erkennen und die Antwort wieder fließend zurückzugeben. Und genau hier hat sich in den letzten 10 Jahren unglaublich viel getan. Ende 2010 hat Apple mit dem Smartphone Sprachassistenten Siri die Natural Language Processing (NLP) Ära eingeläutet. NLP besteht letztendlich aus der Analyse des Gesprochenen (NLU / NL-Understanding) und, nach Finden der richtigen Antwort, die Synthese derselben (NLG / NL-Generation). Es ist ratsam, eine NLP-Engine mit dem zum Einsatzgebiet passenden fertigen Lexikon einzusetzen, damit vom ersten Tag an vielleicht 30% der Anfragen beantwortet werden können. Um die Erfolgsquote des Bots zu steigern, müssen die unternehmensspezifischen Fälle händisch nachgepflegt, trainiert werden. Dieser Aufwand zur Pflege sowohl bei einfachen, stringenten Bots ohne NLP als auch von KI-basierten Bots wird oft unterschätzt und macht typischerweise einen halben bis einen FTE (Full Time Equivalent) aus.

Business Case & ROI

Ein Chat- / Voice-Bot kann entweder on-premise (inkl. Privat-Cloud) oder in der Public-Cloud betrieben werden. Macht einem der Datenschutz (DSGVO) keinen Strich durch die Rechnung, so überwiegen die Vorteile einer Cloud-Installation: keine Investition für Hardware, immer der aktuelle Software-Release inkl. Neuerungen, Mehrungen / Minderungen monatlich möglich, geringere Aufwände bei Planung und Implementierung.

Diesen harten Kosten sind nun die Kosteneinsparungen und Umsatzsteigerungen entgegenzusetzen. Bei beiden Themenblöcken ist die Ist-Situation zuvor exakt aufzunehmen, die Messgröße (Key Performance Indicator / KPI) zu bestimmen und die geplante Verbesserung zu definieren (z.B. Steigerung des Net Promoter Score (NPS) von 30 auf 40 durch eine erhöhte Kundenzufriedenheit; Steigerung der Leads / Interessenten über den Web-Page Kanal um monatlich 20 Stück).

Hat man diese drei Blöcke (Lösungskosten, Kosteneinsparungen und Umsatzsteigerungen) definiert, kann innerhalb des Business Case die Amortisation / Return of Investment (ROI) berechnet werden. Je nach Komplexität des Bots können ROI-Werte typischerweise zwischen 6 – 12 Monate, selten bis 18 Monate, erreicht werden.

Exkurs: In 5 Schritten zum Bot Go-Live

Chat- oder Voice-Bots kann man sich an immer mehr Prozessstellen für interne Mitarbeiter oder externe Kunden vorstellen. Doch wie geht man bei einer Bot-Einführung vor?

  1. Das Wichtigste zuerst: wie sieht mein Business Case aus? Was will ich erreichen, welche Key Performance Indicators (KPI) setze ich mir als Ziel und wie kann ich sie vorher / nachher messen?
    Wie hoch werden die Kosten für die Software, Integration, Initialbefüllung und Pflege des Bot sein?
  2. Sind diese Fragen geklärt, definieren wir den zu automatisierenden Teilprozess, legen die Stakeholder sowie Zielgruppen fest. Wer ist der Bot-Master und wen benötigen wir sonst noch im Projektteam?
  3. An welcher Stelle der Multikanal-Kundenkommunikation (Customer Journey) soll der Bot eingebettet sein und welche Informationen / Daten soll er importieren respektive exportieren können? Wenn das prozessuale und technische Setup geklärt ist, können wir mit dem Design des Bots beginnen. Wie wollen wir unseren internen/externen Kunden begegnen, d.h. welche Personalität wollen wir dem Bot geben?
  4. Die einzelnen Dialogphasen werden definiert (Begrüßungs-, Informations-, Verabschiedungs-phase) und es wird festlegt, wie abwechslungsreich (Medieneinbindung) der Bot mit unserem Kunden interagieren soll. Anschießend entwerfen wir die konkreten Dialoge und setzen sie im Bot-Tool um.
  5. Nun beginnen wir mit den ersten internen / Friendly User Tests und fangen an, die fehlgeschlagenen Dialoge zu untersuchen und zu optimieren. Kommt der Nutzer schnell zum Ziel, ist die Führung eindeutig? Was macht Spaß und was nervt im Umgang mit dem Bot?

Sind die Kinderkrankheiten beseitigt, kann der Bot offiziell auf die Zielgruppe losgelassen werden.
Hier muss aber die Ankündigung gut überlegt und der Zweck klar kommuniziert werden, die finale Customer Experience spielt eine große Rolle beim Erfolg (siehe KPI) des Bots.

Summary

Zusammenfassend kann festgehalten werden, dass man sich an das Thema Chat- / Voice-Bot langsam herantasten sollte. Ein Start in einem Bereich, in dem die Zielgruppe, die Anfragen / Antworten (ggf. ohne NLP), die Anzahl der zu automatisierenden Fälle genau bekannt sind, ist von Vorteil. Hier ist dann auch der Aufwand für den Bot-Master, die Pflege / Optimierung der Dialoge überschaubarer. In einem weiteren Stepp können die Kanäle zum Kunden als auch die Anzahl und Intelligenz der Dialoge (NLP / KI) erweitert werden.

Frank Sinde – Damovo

The following two tabs change content below.
Frank Sinde

Frank Sinde

… kann sich noch sehr gut an die ersten „richtigen“ Call Center in Deutschland Anfang der 90er erinnern. Heute, fast 30 Jahre später sind die Ansprüche der Endkunden an einen einfachen, individuellen Service wesentlich granularer und höher geworden. Dies spiegelt sich in den Projektphasen der CC-Kunden wider: welche Lösungen helfen den Mitarbeitern und dem Management, Prozesse effizienter zu gestalten und gleichzeitig den Service zu verbessern? Als Manager Consulting bei Damovo steuert er ein Team mit findigen Köpfen zur Beratung und Umsetzung.
Frank Sinde

Neueste Artikel von Frank Sinde (alle ansehen)

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht.