Chatbots: van visie naar optimalisatie

Steeds meer bedrijven werken met chatbots, voice en conversational. Maar hoe bouw je een goede chatbot? Hoe pak je dit aan? Badal Marhé neemt je tijdens deze podcast mee in zijn eigen reis. Hij is jaren geleden begonnen bij het Talentship van Beeckestijn als trainee bij Achmea. Inmiddels is hij conversational specialist bij Interpolis.

Hoe start je met conversational en voice? 

Er lagen al plannen en scripts bij Achmea op het gebied van voice en conversational, maar daar was nog niet veel mee gedaan. Er was al een chatbot met één flow. Die flow ging over spullen die men kon kwijtraken. De chatbot kon dan zeggen of dat wel of niet verzekerd was. Er was een wens om breder te kijken naar het doel van de chatbot en naar wat moet de chatbot in de toekomst allemaal moest kunnen.

Verdiep je in het onderwerp en kijk mee

Er was dus wel een start, maar nog geen visie. Zonder kennis van de technieken heeft hij bedacht wat de inzet van een chatbots kan betekenen. Hij is vervolgens gestart met het uitwerken van een strategie. Er is een speciaal team gevormd, er zijn dialogen ontworpen en ze hebben zich enorm verdiept in het onderwerp. Ze hebben ook gekeken naar andere tech tools en programma’s die zij niet gebruiken, puur om te kijken wat er allemaal mogelijk is. Daarnaast hebben ze veel meegeluisterd met klantgesprekken. Want hoe kan je dialogen gaan schrijven als je niet weet hoe die gesprekken gaan? Eigenlijk heel simpel, maar enorm belangrijk.

Hoe kan je chatdialogen schrijven als je niet weet hoe klantgesprekken gaan?

Er is dus gekeken naar de mogelijke toepassingen van voice en conversational, waarbij de focus werd gelegd op chat. Bedrijven ‘willen iets met chat’ en doen vervolgens maar wat. Terwijl je eigenlijk moet kijken naar het doel van voice en conversational. Wat kan in de klantreis aan waarde toevoegen? Als je dat allemaal duidelijk hebt, kan je pas kijken naar hoe je een chatbot kunt bouwen.

Leer en optimaliseer

Badal had de visie om elke klant een personal assistent te geven. Als het gaat om schade, dan wil je als consument dat jouw personal assistent precies weet wie je bent, hoe je verzekerd bent etc. Hoe pak je dat aan? In de eerste fase is begonnen met een chatbot met de mogelijkheid om te escaleren naar een echte medewerker. Dit wil zeggen dat de klant de mogelijkheid heeft om over te schakelen naar contact met een echte medewerker i.p.v. de chatbot. In de beginfase stond de chatbot alleen binnen kantoortijden aan om zo genoeg controle te hebben.

In de tussentijd hebben ze de flows en dialogen verder geoptimaliseerd. Totdat ze 80% van de intent konden herkennen. De intent is de herkenning van het probleem waar een klant voor komt. Toen dat percentage de 80% had gepasseerd, wisten ze dat ze die onderwerpen ook buiten kantoortijden konden toevertrouwen aan de chatbot. Zo konden ze bepaalde onderwerpen live zetten buiten kantoortijden, maar wel met de mogelijkheid voor ander contact indien nodig. Hierbij kun je denken aan berichten zoals: aan morgen zijn er weer medewerkers, stuur een mail, bel ons terug, enzovoort. Zo kiest de gebruiker welke contactmogelijkheid er gewenst is.

Gebruik de data voor optimalisatie

Interpolis had vanaf het begin controle over elke use case, waardoor ze ruimte hadden om te optimaliseren. Wanneer je gaat starten met conversational, begin je met een dataset die nog niet zo goed is. Als iets een tijdje live staat, krijg je veel data en dit kun je gebruiken om de chatbot te verbeteren. Gebruik en benut dus alle data die je krijgt, om zo jouw chatbot beter te maken.

Unhappy flow

Veel vragen zijn klant specifiek. De chatbot bij Achmea kan klanten herkennen zonder dat ze zijn ingelogd. Dit zorgt voor veel mogelijkheden. Je hoeft niet eerst te vragen wie de klant is en welk product zij hebben. Vaak sturen klanten een korte situatiebeschrijving en stellen daarna hun vraag. Daaruit kan er zoveel informatie worden gefilterd en er kunnen samenvattingen worden gegeven, om te toetsen of de klant goed geholpen wordt. Als de klant aangeeft dat de vraag niet voldoende is beantwoord komen ze in een unhappy flow. In die unhappy flow liggen nog vele groeikansen, dat is een work in progress. Wekelijks doen ze analyses en voeren optimalisaties uit. Per case wordt de herkenning en dus de chatbot steeds beter.

Technieken en tooling

Voor welke technieken zijn er gekozen en waarom? Achmea heeft gekozen voor Microsoft LUIS als hun natural language understanding model. Dit wordt niet heel vaak gebruikt, maar Achmea heeft bewust gekozen hiervoor. Achmea is een verzekeraar, wat ervoor zorgt dat er veel persoonlijke en betrouwbare informatie wordt gedeeld. Ze hebben er daarom voor gekozen om de kennis in huis te houden. Met Microsoft LUIS hebben ze goede afspraken staan, waarbij alle data die Achmea binnenkrijgt, ook echt binnen Achmea blijft. Zo houden ze controle over de data.

Craft database

Ze hebben de logica in een craft database staan. Dat is een speciale database die relaties legt tussen alle waardes die erin staan. Een scripted bot is een procesflow, maar zij hebben een database waarbij alle waardes verbonden zijn. Die database geeft zoveel kracht aan hun model, dat ze eigenlijk alleen herkenning van Microsoft LUIS gebruiken op het moment dat zij dat nodig hebben.

Escalatie naar live medewerker

Als de klant wilt escaleren naar een live medewerker, is het vaak lastig om te zorgen dat je binnen dezelfde interface blijft. Meestal is de live-chat een andere tooling dan de chatbot. Badal geeft aan dat zij voor Genesis hebben gekozen als klantcontactsysteem. Genesis is één van de weinige systemen die de chatbot als een agent ziet en dezelfde tools gebruikt voor de live-chat en chatbot.  Badal raad dit iedereen aan. Zoek niet naar een hybride oplossing, dat is lastig voor zowel het systeem als de medewerker. Kijk naar wat jouw needs zijn, bijvoorbeeld dat je een chatbot hebt die ook kan escaleren en kijk dan ook naar je techstack. Dekt het al je behoeftes? Zo niet, dan ga je op zoek naar een klantcontactsysteem die dat wel kan. Je wilt dat de klant altijd kan escaleren, want de klant moet geholpen worden, maar op het moment dat je de chatbot slimmer maakt, zullen ook de escalaties afnemen.

Het resultaat

Dit alles is een investering geweest, maar heeft het opgeleverd? Badal geeft aan dat ze nu bredere KPI’s kunnen opstellen en meten. Het klantcontact kan naar een hoger niveau worden getild, want de KPI’s kunnen nu ook gericht zijn op de mogelijkheden buiten kantoortijden.

Voice

Dan naar voice. Wat zijn de mogelijke toepassingen van voice voor een verzekeraar? Voice brengt in de basis veel mogelijkheden. Badal en zijn team hebben gekeken naar de mogelijkheden van Google Assistent. Ze zijn tot de conclusie gekomen dat ze op dat moment geen passende toepassing hadden voor de Assistant. Er is ook nog geen behoefte naar. Wel kan het een leuke interactie en extra touchpoint zijn. Op het game en amusement thema hebben ze iets ontwikkelt waarbij klanten op een leuke manier in gesprek komen met het bedrijf.

Controle over je eigen techstack

Hoe hou je controle over je eigen techstack rondom voice en conversational? Als we kijken naar voice en chat zien we dat het model voor het verwerken van natuurlijke taal heel veel gelijkenissen heeft. Als we kijken naar techniek adviseert Badal het volgende: ‘Denk alvast na dat die techniek voor beide zou kunnen werken. Kijk naar welke domeinkennis er in het model zit. Kijk ook voor wat voor soort organisatie je zit. Een verzekeraar moet die kennis in huis houden, dus gaan ze kijken naar een architectuur die daarbij past. Als je dit niet hebt, kijk dan naar wat het beste bij jou past. Kijk ook naar de omvang van je organisatie. Kijk naar de beste match, kijk hoe je het beste met data om kunt gaan en maak daar een keuze in. En vooral: blijven doen.’