Chatboti ví víc, než to vypadá

7 minuty čtení

Denně v Čechách mají lidé tisíce konverzací s virtuálními asistenty nebo chatboty. Sjednávají si přes ně schůzky, posílají peníze, objednávají mobilní data nebo si jen zajdou popovídat. A během těchto konverzací často řeknou i něco navíc – na něco si postěžují, něco pochválí, někdy projeví zájem o nový produkt a jindy dramaticky ohlásí svůj odchod ke konkurenci včetně seznamu důvodů, mezi které ostatně často patří i inteligence zmíněného chatbota. To všechno chatbot slyší – pravda, často tomu sice ani za mák nerozumí, ale rozhodně to všechno vždy poctivě někam zapíše a uloží. A s příchodem AI je možné tento poctivě uložený, ale zcela neprozkoumaný oceán zpětné vazby nečekaným způsobem využít.

Slyší to, co nikdo jiný

Mít chatbota nebo virtuálního asistenta přináší – kromě řady problémů a výhod, se kterými jste se už jistě setkali – jednu méně zjevnou výhodu, o které jste nejspíš ještě nepřemýšleli. Chat s virtuálním asistentem poskytuje totiž prostor pro anonymní, neveřejnou a osobní komunikaci mezi firmami a jejich zákazníky. Díky tomu, že lidé vědí, že na druhé straně není člověk, se zdaleka tolik neostýchají říci narovinu to, co si myslí nejenom o chatbotovi samotném, ale i o firmě, která ho provozuje, jejích službách, aplikacích, webových stránkách, jednotlivých produktech i konkurenci, a to vše do obrovské míry detailu. V těchto konverzacích se nachází doslova gigabyty užitečných informací, které se nikde jinde nedají získat.

Conversation Intelligence: úspěšnost témat — _{V konverzačních datech je vidět například to, jaká témata komunikace mezi firmou a zákazníky se shledávají u klientů s úspěchem, a která jsou naopak pro klienty otravná nebo jinak neúspěšná. To, jestli má komunikace opravdu úspěch, nemohou metriky jako je míra proklikovosti (click-through rate) odhalit, ale velké jazykové modely (LLM) úspěšnost sdělení poznají snadno.}

Tyto informace se dají využít nejen jako zpětná vazba, ale i jako indikace klesajícího nebo stoupajícího zájmu o konkrétní produkty, včasné varování před odchodem ke konkurenci nebo potvrzení toho, jestli (ne)funguje současná marketingová kampaň. Tady jsou skutečné příklady z chatbotů, se kterými jsme se setkali v praxi.

Conversation Intelligence: ukázka chatu 1 — _{Pokud se nám v chatbotovi začne hromadit tento typ dotazů, je to jasný signál, že byste měli zpřehlednit aplikaci.}

Conversation Intelligence: ukázka chatu 2 — _{Ne vždy jsou „zlepšení“ v nové verzi mobilní aplikace opravdu změnou k lepšímu. Monitoring konverzací s chatbotem problémy vynese na světlo dříve, než je tam (tentokrát veřejně) vynese klient osobně.}

Conversation Intelligence: ukázka chatu 3 — _{Tento premium klient dopředu ohlásil svůj odchod v reakci na zdražení. Ve velkém lze taková data využít k predikci – nebo prevenci – odchodů ke konkurenci.}

Conversation Intelligence: ukázka chatu 4 — _{Z reakce je jasné, že marketinová kampaň nebyla dobře zacílená. V tomto případě se klient doslova vysmál nabídce automobilů.}

Okamžitá a upřímná zpětná vazba

Představte si, že jste firma, které její klienti říkají, že mají v úmyslu odejít ke konkurenci, dávno předtím, než to doopravdy udělají. Řeknou vám, že vaše právě rozběhnutá kampaň není právě nejpovedenější. Nebo po vaší, tentokrát úspěšné kampani projeví zájem o váš nový produkt, ale řeknou vám, že máte horší cenu než konkrétní konkurent. Upozorní vás včas a neveřejně na vaše technické problémy nebo na to, že na vašem webu se nemohou dopátrat něčeho, co potřebují. Nebo vás naopak pochválí, když zlepšíte nějaký proces, třeba jste začali rychleji vyřizovat reklamace a klienti si toho všimli.

Conversation Intelligence: srovnání s konkurencí v čase — _{Například tento pohled na konverzace ukazuje, že před Vánoci zákazníci dané firmy častěji srovnávají produkty s konkurenčními. Na grafu je v prosinci patrný nárůst v počtu konverzací, kde lidé zmiňují konkurenci, zatímco v lednu a únoru je patrný pokles. Toho, že váš konkurent zákeřně zlevnil před Vánoci, si ještě možná všimnete sami od sebe, ale měřit, jak na to reagovali vaši zákazníci, můžete jen díky pokročilejší analytice.}

Jinými slovy, představte si, že vám jako firmě klienti dávají okamžitou, upřímnou a neveřejnou zpětnou vazbu, na všechny produkty a služby, procesy a kampaně, a to vše v reálném čase, tisíce reakcí týdně. Zní to jako utopie? Není. To všechno se děje už teď, pokud firma provozuje chatbota. Tak proč toho nikdo nevyužívá? Uhodli jste – je tu přeci jen jeden háček.

Nadlidský úkol

Problémem je, že tato hodnotná zpětná vazba je ztracená v moři všech ostatních konverzací, které virtuální asistent má. Taková cenná informace může být třeba jen v jedné konverzaci ze sta – nebo z tisíce. Pokud provozujete chatbota, tak máte konverzace všechny nepřetříděné na jedné obrovské hromadě a přečíst je všechny prostě nezvládnete, ani kdybyste se na hlavu postavili. Pojďme to zkusit spočítat:

Jeden asistent mívá typicky desítky až stovky tisíc konverzací měsíčně. Člověk jednu takovou konverzaci přečte přibližně za dvě minuty. Takže při objemu 100 000 konverzací měsíčně potřebujete 3 333 hodin, neboli 420 pracovních dní měsíčně, jenom abyste si přečetli všechny anonymizované konverzace jednoho asistenta, což je práce pro dvacetičlenný tým na plný úvazek. A to se bavíme jen o přečtení, analyzovat a třídit poznatky zabere času ještě víc. Zkrátka řečeno – není v lidských silách hledat v té záplavě konverzací střípky informací a skládat z nich užitečný obrázek. Při objemu konverzací, který má i jeden jediný virtuální asistent, je konverzační analýza doslova nadlidský úkol. Není divu, že konverzace nikdo nečte.

Conversation Intelligence: konverzace v čase — _{I jednoduchý automatický ukazatel, jako je monitorování počtu konverzací s asistentem v čase, může napovědět, že je někde problém – tady mezi sedmou a devátou hodinou večer explodoval počet konverzací na dvacetinásobek, protože klienti u asistenta hledali pomoc s technickým výpadkem jedné ze služeb firmy. V takovou hodinu nikdo ručně analyzovat konverzace nebude, automatický model ale může.}

Conversation Intelligence: měření úspěšnosti — _{Pokud má firma pokročilejší analytiku, snadno z konverzací zjistí i to, u jak velké části zákazníků se podařilo daný problém uspokojivě vyřešit a u jaké ne. Tenhle výpadek evidentně měl nízkou úspěšnost řešení – je vidět, že u 1 389 zákazníků problém stále přetrvává a je třeba se mu věnovat. Takové přesné číslo není možné získat náhodným výběrem konverzací – analyzovat by se měly všechny.}

Pomůže Conversation Intelligence?

Nejen zpracování dat, ale také analýza v kontextu a přesné odhalení problémů umožňuje technologie Conversation Intelligence. Díky ní zjistíte, zda problémy uživatelů leží někde v komunikaci nebo je nevyhovující samotný produkt či služba. Více o možnostech využití Conversation Intelligence se můžete dočíst v navazujícím článku na našem blogu: Zlatá zrníčka v moři textu.