Warum ist KI so wichtig für einen Chatbot?
Die KI verleiht dem Chatbot eine Form von Intelligenz. Denn erst dank KI ist ein Chatbot in der Lage zu komplexe Nachrichten zu verstehen, sie dem richtigen Thema zuzuordnen und somit die korrekte Antwort zu liefern. Zudem lernt ein Chatbot nur selbstständig dazu und entwickelt sich eigenständig weiter, wenn er KI-basiert ist. Dabei gibt es natürlich viele Features und Vorteile, die durch die KI entstehen. Eines dieser Features ist das Dreaming.
Was ist Dreaming?
An Chatbots wird häufig bemängelt, dass diese abseits vom trainierten Wissen nur wenig verstünden und daher nicht in der Lage seien unbekannte Inhalten zu bearbeiten oder gar zu reflektieren. Dies ist anders bei moinAI. Dank des Dreamings ist moinAI dazu in der Lage auch Inhalte bzw. Nutzeranfragen zu verarbeiten, die über das gelernte Wissen hinausgehen. Kurz gesagt: moinAI versucht sich aus allem einen Reim zu machen, auch aus Nutzeranfragen, die der KI noch unbekannt sind. Tauchen also immer wieder Themen und Formulierungen auf, die die künstliche Intelligenz eigentlich noch nicht kennt, kann sie dies reflektieren und clustert die unbekannten Formulierungen zu Themen. Diese Themen werden dem Chatbot-Owner, also dem Unternehmen, das den Chatbot im Einsatz hat, entsprechend vorgeschlagen, sodass der Chatbot mit den neuen Inhalten trainiert wird und fortan auch diese Themen bedienen kann.
Praxisbeispiele
Zugegebenermaßen kann das Dreaming vorerst etwas abstrakt klingen, daher macht es Sinn das Feature anhand zweier Szenarien zu erklären.
- Erweiterung der Themen bei einem Fensterhersteller
Ein Unternehmen, das Fenster herstellt, integriert die KI-Chatbot-Lösung moinAI in die Kundenkommunikation. Der KI-Chatbot wird nun zu diversen Themen trainiert, im Fall des Fensterherstellers sind es beispielsweise: "Angebot erhalten", "Garantie", "Kosten" und "Fenstergrößen". Diese Themen wurden von dem Unternehmen ausgewählt, da dazu besonders häufig Fragen seitens der Kunden und Interessenten aufkommen.
Bei der Auswahl der Chatbot-Themen liegt der Fokus anfangs ausschließlich auf den wichtigsten Themen, sodass der Chatbot vorab nicht mit der Gesamtheit an möglicherweise relevanten Themen trainiert wird. Im Fall des Fensterherstellers wurde z.B. anfangs nicht die Frage nach dem Fenstercode mit einbezogen. Der Chatbot erhält nun aber regelmäßig Nutzeranfragen wie: "Wo ist denn der Fenstercode?", "Wo steht die Fensternummer?", "Brauche die Fenstertyp-Nummer", "Wo finde ich die Modelnummer?" - und hat dazu keine Antwort hinterlegt.
Die KI registriert jedoch, dass sie dieses Thema zwar nicht kennt und nicht beantworten kann, es jedoch für die Nutzer relevant ist. Also clustert sie die besagten Anfragen zu einem Thema und schlägt dieses dem Chatbot-Owner des Fensterherstellers vor. Dadurch erfährt das Unternehmen, dass das Thema "Fenstercode" wichtig für seine Kunden ist. Folglich kann es diese Insights nutzen und die passende Antwort zum Thema Fenstercode in den KI-Chatbot einfügen, sodass dieser von nun an auch zum besagten Thema den Nutzern weiterhelfen kann.
- Erweiterung vom Kundenservice-Case zu einem Marketing- & Sales-Case bei einer Versicherung
Ein zweites Szenario könnte beispielhaft an einer Versicherung aufgezeigt werden. Das Versicherungsunternehmen hat den Chatbot im Kundenservice integriert, umso das Support-Volumen zu senken. Der Chatbot wurde trainiert zu Themen wie „Schaden melden“, „Login-Probleme“, „Namen ändern“, etc. Es sind ausschließlich Sevice-lastige Themen, mit denen Bestandskunden weitergeholfen werden soll.
Nachdem der KI-Chatbot einige Wochen live ist, registriert er, dass gehäuft Fragen von potenziellen Kunden, die Interesse an einer Versicherung haben, gestellt werden. Der Chatbot wird zwar auch von Bestandskunden genutzt, jedoch tauchen wiederholt Anfragen auf, die eher dem Sales & Marketing zugeordnet werden sollten und nicht dem Kundenservice. Beispiele dafür sind Anfragen wie „Ich benötige eine Beratung bezüglich eines Versicherungstarifs“ oder „Warum sollte ich das Premium-Versicherungspaket wählen, oder macht der Basis-Tarif mehr Sinn?“. Zu diesen Fragen hat der Chatbot keine Antworten hinterlegt, die KI registriert jedoch, dass diese Anfragen von Relevanz zu sein scheinen, da sie sonst nicht gestellt würden.
Folglich clustert die KI diese Anfragen zu Themen und schlägt diese dem Versicherungsunternehmen vor. In diesem Fall würde der KI-Chatbot das Unternehmen also darauf hinweisen, dass der Chatbot offensichtlich nicht nur von Bestandskunden genutzt wird, sondern auch potenzielle Kunden eine Produktberatung vom Chatbot erwarten.
Die Versicherung kann den Chatbot nun um das Thema „Produktberatung“ erweitern, umso auch potenzielle Kunden "abzuholen", zu informieren, zu begeistern und letztlich die Conversion-Rate zu erhöhen sowie die Anzahl von Leads zu steigern. Speziell in diesem Fall weist moinAI einen weiteren Vorteil auf: Sogenannte Bot-Formulare können eingesetzt werden, um automatisiert Leads zu generieren. Ist ein Chatbot-Nutzer interessiert an einem Tarif kann der Chatbot seine Kontaktdaten automatisiert erfragen und an das CRM-System der Versicherung weiterleiten, sodass Vertriebsmitarbeiter mit dem generierten Lead weiterarbeiten können.
- Verbessertes Kundenverständnis im Verlagswesen
Neben einem klassischen Vertriebsunternehmen oder einer Versicherung ist die Veranschaulichung der Generierung von Customer Insights auch anhand eines Verlages sehr hilfreich. Schauen wir uns dazu konkret den KI-Chatbot des Verlags Spektrum der Wissenschaft an, der in der Praxis aktiv genutzt wird, um Customer Insights zu generieren und zu verarbeiten.
Der Chatbot von Spektrum wird auf der Landing Page über Abonnements eingesetzt und wurde zunächst auf klassische Fragen, wie z.B. “Was ist im Abo enthalten?” oder “Wann erscheint die nächste Ausgabe?”, trainiert. Einige Zeit nach der Chatbot-Implementierung kamen andere Nutzerfragen, auf die der Chatbot noch nicht trainiert wurde, auf, wie z.B. “Wie viele Seiten hat eine Ausgabe?”. Hintergrund dieser Frage ist, dass die Menschen, die die Produkte des Verlags noch nicht kennen, erfahren möchten, wie viel Inhalt sie für ihr Geld erhalten. Auch wenn der Chatbot zu dem Zeitpunkt noch keine klare Antwort auf die Frage geben konnte, merkte er, dass das Thema für die Nutzer relevant ist, weil es immer wieder in aller Regelmäßigkeit auftrat. Daraufhin schlug die KI dem Chatbot-Owner (in diesem Fall Spektrum) vor, das neue Thema als Frage in den Chatbot aufzunehmen.
Zusätzlich dazu hat Spektrum der Wissenschaft auch auf der Webseite entsprechende Maßnahmen ergriffen: So wurde beispielsweise auf den Inhaltsverzeichnisseiten aller Publikationen eine Infobox untergebracht, die die Rahmendaten der Publikationen thematisieren: Was erwartet die Nutzenden bei der Publikation? Wie viele Seiten umfasst die Publikation? In welcher Frequenz erscheint die Publikation? So sorgt der Chatbot nun dafür, dass die Frage “Wie viele Seiten hat eine Ausgabe?” so gut wie gar nicht mehr bei Nutzern aufkommt, weil die Antwort auf die Frage bereits klar auf der Webseite des Verlags auffindbar ist.
„Wie kann ich mein Abo wechseln?“ (z.B. von einem Print- auf ein Digitalabo) ist ein weiteres Beispiel für eine Frage, die im Anschluss an die Chatbot-Implementierung zusätzlich bei Besucher:innen der Spektrum-Webseite aufkam. Auch in diesem Fall wurde das Thema “Abowechsel” nicht nur im Chatbot mit aufgenommen, sondern auch auf der Webseite in das Kontaktformular für das Support-Team integriert, damit dieses schneller und ggf. mit weniger Rückfragen entsprechende Anfragen beantworten kann.
So sieht das Dreaming im Hub aus
Die von der KI geclusterten Themen werden in Form von Dreaming-Vorschlägen im Hub, also im Backend des Chatbots, gesammelt und aufbereitet. Dort ist für die Chatbot-Owner der Dreaming-Vorschlag einsehbar, angereichert mit typischen Nutzeranfragen, also verschiedene Varianten, mit denen das Thema angefragt wird.
Des weiteren ist erkennbar wie hoch die Relevanz des Themas ist, sprich wie häufig dieses Thema angefragt wird. Da es sich um einen Dreaming-Vorschlag handelt ist das Thema erst live, wenn der Chatbot-Owner dies veranlasst. Ist das Thema noch nicht live, lohnt sich einer Weiterleitung auf ein Thema, das bereits live ist und einer ähnlichen Intention entspricht.
In der folgenden Abbildung ist zu sehen, dass scheinbar Events häufig angefragt werden. Dies wird von der KI registriert und als Dreaming-Vorschlag angelegt. Da das Thema jedoch noch nicht live ist, ist es bis dahin sinnvoll, auf ein ähnliches Thema, Kalender, umzuleiten. Dies könnte vorerst einige Fragen beantworten, bis das Events-Thema online ist.
Mehr Insights und Wissen darüber, was Nutzer und Zielgruppe wirklich bewegt
Das Dreaming von moinAI hat vor allem einen klaren Vorteil: Es verrät dem Unternehmen mehr darüber, was die Nutzer wirklich wollen und erwarten. Indem die KI Themen, die aktuell noch nicht vom Chatbot bearbeitet werden können, nicht nur sammelt, sondern auch intelligent clustert, erfahren Unternehmen spannende Insights über ihre Nutzer.
Die KI des Chatbots ist mittels des "Dreaming" in der Lage dazu durch Analysen und Selbstreflexion zu erkennen, was Nutzer zusätzlich interessiert und um welche Themen der Chatbot erweitert werden sollte, um das Nutzererlebnis noch weiter zu verbessern. Der KI-Chatbot lernt somit die Zielgruppe oder Website-Besucher bestmöglich kennen, erschließt sich Schritt für Schritt immer neue Themenfelder und passt sich parallel den Wünschen und Bedürfnissen von Usern an.
Wie im vorherigen Beispiel zum Fensterhersteller erklärt, nutzt auch die Online Sales Organisation Velux OSO, die vor allem für seine Dachfenster bekannt ist, einen KI-Chatbot im B2C-Online-Verkauf. Auf diesem Wege schafft es OSO, das Live-Chat-Volumen zu senken und mehrere Märkte gleichzeitig zu bedienen. Klicke hier, um mehr über den Use-Case zu erfahren.
