Bots: test op duurzaamheid
De afgelopen vijf jaar zijn er steeds meer spraaksynthese- en herkenningstechnologieën ontwikkeld
Mogelijkheden van bots op sommige gebiedenecht overschat: het is bijvoorbeeld moeilijk voor een virtuele gesprekspartner om abstracte dialogen te voeren, grappen te maken en empathie te tonen. Maar het gebrek aan ontwikkelde EQ en gevoel voor humor weerhoudt robots er niet van om met succes miljoenen oproepen in callcenters over de hele wereld af te handelen. Volgens Invesp heeft 67% van de consumenten het afgelopen jaar minstens één keer een dialoog met een bot gehad, en in 2020 is het aantal dialogen met bots met 426% toegenomen. Er zijn ook steeds meer succesvolle cases: zo verwerkte de bot van de Amerikaanse spoorwegmaatschappij Amtrak in een jaar tijd 5 miljoen verzoeken aan de ondersteunende dienst en verhoogde de omzet met een derde.
Maar niet alle bedrijven slagen erin hiervan te profiterenrobots. Het probleem is dat bedrijven vaak ‘voor de show’ een virtuele assistent lanceren en deze niet integreren met belangrijke services. Als gevolg hiervan werken bots niet effectief genoeg en hebben managers en marketeers op geen enkele manier interactie met hen bij het uitvoeren van hun taken. De oplossing voor het probleem luidtplatform omnichannel-ecosystemenis een nieuwe trend op het snijvlak van AI-technologieën, management en marketing, die de benadering van zakelijke communicatie verandert.
Ecosysteem-elementen
Als een bedrijf stem- en tekstassistenten op maat ontwikkelt, biedt het dit aanProduct... De klant beslist hoe hij de bot gebruikt en stelt zelf de integratie in. Zo werken Botsify en ManyChat volgens dit model.
Exploitanten van platformecosystemen gedragen zich anders:ze creëren een fundament waarop verschillende instrumenten kunnen worden aangesloten. Een bot zelf is een "tandwiel" van een mechanisme, en een ecosysteem is een kant-en-klaar mechanisme met duizend van dergelijke "tandwielen". Het ecosysteemmodel is wijdverspreid in veel markten, van fintech tot e-commerce, maar het is een recente opkomst in de virtuele klantenservice. Er zijn drie belangrijke kenmerken die het onderscheiden van een op zichzelf staand product.
- Het ecosysteem is stabieler.
Bedrijf met gemiddeld 200 tot 500 medewerkersgebruikt ruim 120 SaaS-oplossingen en het is niet altijd mogelijk om daartussen synergie op te bouwen. Het verbinden van virtuele operators leidt vaak tot nog grotere chaos. Startups bieden vaker geïsoleerde puntoplossingen aan: sommige creëren bijvoorbeeld een op maat gemaakte virtuele operator - ze schrijven scripts en synthetiseren replica's. Anderen bieden alleen botplatforms aan, terwijl andere factureringssystemen ‘aanschroeven’. Het is niet altijd mogelijk om deze tools in een CRM-systeem te integreren en “vrienden te maken” met analysediensten. Hierdoor conflicteren technologieën van verschillende aanbieders met elkaar en werken ze niet effectief genoeg.
Platformaanbieders bieden meestal een combinatie aanturnkey-services: bijvoorbeeld synthese- en herkenningsservice, transcriptie en meldingen, evenals analyses. Meestal geven ze de klant toegang tot een persoonlijk account met verschillende modules - één medewerker kan ze beheren. In onze praktijk waren er gevallen waarin een dergelijke monitoring het mogelijk maakte om 900 mensen tegelijkertijd te coördineren.
Sommige spraakplatforms werken metvan een gesloten model en nemen alleen hun eigen ontwikkelingen in het ecosysteem op, anderen bouwen oplossingen van derden in de infrastructuur - in TWIN combineren we bijvoorbeeld onze eigen TWIN ASR / TTS-technologie met spraakherkenning en synthesesystemen van Yandex en Google. Tegelijkertijd is het onze taak als ecosysteemaanbieder ervoor te zorgen dat alles stabiel en soepel verloopt en dat de diensten niet met elkaar in conflict zijn.
- Ecosystemen zijn gebouwd op omnichannel.Klanten houden niet van onpersoonlijke telefoontjes engeven de voorkeur aan een gepersonaliseerde aanpak, dus een bot die niet is opgenomen in een uniform communicatiesysteem irriteert hen. Zo'n virtuele operator belt altijd op het verkeerde moment, gebruikt een ongepast communicatiekanaal en houdt over het algemeen geen rekening met de wensen van de klant.
Velen houden er in principe niet van om te telefoneren en geven de voorkeur aan messengers: volgens statistieken zou 55% van de consumenten liever gebruik maken van de diensten van een bedrijf als ze er via messenger contact mee kunnen opnemen.
Maar hoe begrijp je wat gebruikers precies leuk vinden?De meest effectieve manier is om conversie te meten en analyses te verzamelen. Om dit te doen, moet u het werk van elke operator monitoren, en dit is een lang en arbeidsintensief proces. Helaas verzamelt in Rusland tot 80% van de bedrijven geen statistieken over elke werknemer en elk communicatiekanaal, dus ze weten niet wat werkt en wat niet. Het meten van helpdeskconversie is erg moeilijk omdat deze niet wordt gemeten aan de hand van verkopen en inkomsten, maar aan de hand van een complexe combinatie van statistieken. En om ze te verzamelen heb je een slim analysesysteem nodig, inclusief BI-tools.
In TWIN verzamelen en houden we rekening met honderden parameters.We bellen bijvoorbeeld een klant en bepalen welk apparaat hij gebruikt. Als het een smartphone is, kunnen we een korte sms sturen met een link naar de website van het bedrijf, en als het een drukknoptelefoon is, sturen we hem de details in een bericht. Als we weten dat een klant Telegram gebruikt, sturen we hem berichten in de messenger en stoppen we doorgaans oproepen, en gebruiken we een sms-bot in plaats van een voice-bot.
Hetzelfde principe moet worden toegepast voor mailingmeldingen. Een klant die een mobiele applicatie gebruikt, ontvangt een pushmelding en voor de rest sturen we een link naar Viber, Telegram of WhatsApp - veel hangt af van welk communicatiekanaal de gebruiker de voorkeur geeft en welke gegevens hij ons heeft verstrekt. Deze aanpak is alleen mogelijk als het bedrijf analytische tools heeft aangesloten en de leverancier van spraaktechnologie er toegang toe heeft. Dit zijn de klassieke principes van omnichannel, maar nu vertrouwen niet alleen echte operators, maar ook virtuele medewerkers erop.
- Fouttolerante architectuur.Het platform-ecosysteem bestaat uittalrijke modules die “onder de motorkap” van de dienst verborgen zitten. Een dergelijke microservicearchitectuur helpt de provider 24 uur per dag diensten te leveren zonder dat dit ten koste gaat van de kwaliteit. Omdat de operator niet één enkele server huurt, maar een heel netwerk van gedistribueerde servers en datacenters gebruikt, is zijn systeem minder kwetsbaar: het kan niet overbelast raken of crashen. Als één module uitvalt, worden de andere geactiveerd. En als de klant extra capaciteit nodig heeft, verbindt de provider hulpservers en datacenters.
Voor technologieën gebaseerd op machinaal leren is dit het gevaleen stevige basis is een must. Stel je voor wat er zou gebeuren als een robotauto plotseling zou stoppen met het herkennen van objecten op de weg omdat ‘de server niet reageert’. In het geval van bots gaat het erom dat de virtuele assistent contact houdt en consequent een dialoog kan voeren met elke gesprekspartner. Om dit te doen, vragen onze bots bij herkenning soms een antwoordoptie van meerdere neurale netwerken tegelijk en selecteren automatisch de meest relevante. Dit heeft ook een positief effect op de fouttolerantie. Het gebruik van back-upsystemen, ook die van derden, is een normale praktijk bij het ontwikkelen van oplossingen op basis van kunstmatige intelligentie.
Hoe helpen platformecosystemen bedrijven?
Platformecosystemen maken het gemakkelijk om mee te communicerenklanten, optimaliseren processen en dragen in het algemeen bij aan marketing "opwarming". Het bedrijf besteedt minder tijd aan ineffectieve telefoontjes en, belangrijker nog, het evalueert snel welke technieken werken en welke niet. Virtuele operators verlagen ook de kosten - volgens onze berekeningen kost een minuut spraakbotoperatie gemiddeld 5-7 roebel, inclusief alle bijkomende kosten. De diensten van de operator kosten 10-15 roebel als u een overeenkomst sluit met een callcenter van een derde partij. Als u uw eigen CC maakt, kost een minuut van het werk van een werknemer 35-45 roebel. Veel bedrijven hebben niet eens het vermoeden hoeveel de diensten van de operator werkelijk kosten: ze delen het salaris van de werknemer meestal door het aantal formeel gewerkte minuten. Maar geen enkele persoon werkt non-stop zonder pauzes en downtime en er wordt simpelweg geen rekening gehouden met veel kosten: bijvoorbeeld het onderhoud van een CC, bonus en sociale uitkeringen.
Hierdoor worden de voordelen van bots mogelijk niet gewaardeerddat is het: als het bedrijf geen analyses doet en belangrijke statistieken niet bijhoudt, zal het spraakecosysteem het niet goed doen. Daarom zijn de belangrijkste klanten van omnichannelplatforms digital-first-bedrijven die de meeste processen hebben gedigitaliseerd. Banken, transport- en vrachtdiensten en online retailers profiteren het meest van spraakdiensten. Tegelijkertijd werkt 58% van de klanten in het B2B-segment. De meesten gebruiken ecosystemen om de communicatie met hen effectiever te maken: met behulp van virtuele operators genereren merken leads, verhogen ze het aantal conversies en verlagen ze de ondersteuningskosten - met gemiddeld 20%.
Wat zit er in de toekomst voor platformecosystemen?
Geleidelijk aan verschijnen er nieuwe manieren op de markttoepassing van spraakdiensten. Sommige mensen gebruiken bijvoorbeeld bots om met nieuwkomers en stagiaires te werken, maar ook om interne communicatie tot stand te brengen. De stemassistent belt medewerkers, stuurt ze uitnodigingen en herinneringen voor vergaderingen - zowel echt als virtueel.
Ecosystemen zullen ook steeds meer verbindenmicroservices - TWIN biedt 12 verschillende add-ons, waaronder een systeem voor het herkennen van emoties en geslacht door middel van spraak. Sommigen experimenteren met leeftijdsdefinities en met biometrische gegevens. Add-ons die de botprestaties verbeteren, worden de nieuwe standaard. Bijvoorbeeld, autoresponderherkenningsservices - met hun hulp, voeren bots deze functie automatisch uit en beëindigen ze de dialoog onmiddellijk.
Een andere uitdaging voor stemontwikkelaars ishet is een continue verbetering in spraakherkenning en synthese. We slagen er bijvoorbeeld in om tot 95% van de gesproken tekst nauwkeurig te bepalen - dit is een standaard in de markt en het is nog steeds moeilijk om deze te overwinnen. Veel bedrijven proberen de lat hoger te leggen, maar aan elk percentage is moeilijk te komen. Algoritmen hebben mensen al ingehaald - nu is het de taak om de menselijke capaciteiten te overstijgen, en dat is niet gemakkelijk.
Zie ook:
Abortus en wetenschap: wat gebeurt er met de kinderen die zullen bevallen
Bekijk de mooiste foto's van Hubble. Wat heeft de telescoop in 30 jaar gezien?
Een kunstmatig object werd gevonden in bodemmonsters van de asteroïde Ryugu. Zoals dit?