En WhatsApp-chatbot, der håndterer 80 procent af de almindelige henvendelser uden at et menneske er involveret, er kun værdifuld, hvis de 80 procent, den håndterer, er de rigtige henvendelser, og de 20 procent, den ikke kan håndtere, hurtigt når et menneske. Forskellen på en chatbot, der hjælper kunder, og en, der frustrerer dem, er ikke selve automatiseringen. Det er kvaliteten af det samtaledesign, der ligger bag. Brands, der bygger chatbots for at mindske udgifter til personale, ender med chatbots, der skader kunderelationerne. Brands, der bygger chatbots for at gøre bestemte, veldefinerede interaktioner hurtigere og mere tilgængelige, ender med automatisering, der reelt forbedrer oplevelsen.
Hvad WhatsApp-chatbots kan og ikke kan
Hvis du kender grænserne for, hvad en WhatsApp-chatbot håndterer godt, undgår du de to almindeligste designfejl: at bede en chatbot om at gøre mere, end den kan, og at underudnytte den til de opgaver, den håndterer bedre end et menneske.
Hvad chatbots håndterer godt
WhatsApp-chatbots er pålidelige til interaktioner, der er strukturerede, forudsigelige og i stor volumen. Stærke anvendelser er:
- Velkomst og dirigering: at byde nye samtaler velkommen og lede dem til det rette team eller flow ud fra kundens input
- Svar på ofte stillede spørgsmål: at besvare almindelige spørgsmål om produkter, åbningstider, politikker og priser med ensartede, korrekte oplysninger
- Opdateringer om ordrestatus: at slå ordreoplysninger op og levere dem i samtalen uden at en agent er involveret
- Booking og bekræftelse af aftaler: at indsamle detaljer om booking, tjekke tilgængelighed og bekræfte aftaler
- Kvalificering af leads: at samle de oplysninger, et salgsteam har brug for, før et menneske overtager samtalen
- Forløb efter køb: at levere ordrebekræftelser, forsendelsesopdateringer og opfølgende tjek af tilfredshed automatisk
Hvad chatbots håndterer dårligt
Chatbots klarer sig konsekvent dårligere end mennesker i interaktioner, der kræver skøn, empati eller åben problemløsning. Dårlige anvendelser til håndtering med en chatbot er:
- Klager fra oprevne eller bekymrede kunder, der skal føle sig hørt, før de kan acceptere en løsning
- Komplekse eller usædvanlige henvendelser, der falder uden for de scenarier, chatbotten er trænet til
- Forhandlinger, undtagelser eller enhver interaktion, hvor der kræves fleksibilitet i politikker
- Situationer, hvor kundens spørgsmål er tvetydigt, og afklaring kræver rigtig samtale frem og tilbage
- Beslutninger med meget på spil, som store køb, opsigelse af betydelige konti eller følsomme problemer med konti
Overdragelsen til et menneske: den mest afgørende del af ethvert design af en chatbot
Hver WhatsApp-chatbot har brug for en klart defineret og hurtig vej til en menneskelig agent. Kunder, der støder ind i en mur i et flow med en chatbot, hvor botten ikke kan forstå dem, ikke kan hjælpe dem og ikke kan få dem til et menneske, bliver markant mere frustrerede end kunder, der aldrig mødte chatbotten. Udløseren til overdragelse bør være let at nå, enten gennem et nøgleord, kunden kan skrive på ethvert tidspunkt ("agent", "menneske", "hjælp"), gennem et menuvalg, der altid er synligt, eller automatisk, når chatbotten har forsøgt at løse et problem uden held. Det menneske, der overtager, bør få hele samtalehistorikken, så kunden ikke skal gentage sig selv.
Sæt kundernes forventninger rigtigt
Kunder, der ved, at de taler med en chatbot, opfører sig anderledes end kunder, der tror, de taler med et menneske, og så opdager, at det ikke er tilfældet. Åbenhed om chatbottens natur i starten af samtalen forhindrer den skade på tilliden, der kommer af at opdage vildledningen midt i interaktionen. En enkel åbning som "Hej, jeg er [Brands] automatiske assistent. Jeg kan hjælpe med [konkret liste over opgaver]. Skriv AGENT når som helst for at tale med et menneske" sætter korrekte forventninger og giver kunden kontrol fra den første besked.
Forholdet mellem chatbots og WhatsApp Business API
WhatsApp-chatbots kræver adgang til WhatsApp Business API. API'en gør det muligt at sende og modtage automatiske beskeder via kode, og det er det, der gør logik i chatbots mulig. Det betyder, at en chatbot ikke kan køre på standardprogrammet WhatsApp Business. Brands, der bygger en chatbot for første gang, skal sikre, at de har adgang til API'en, før de vælger en platform til chatbot eller begynder at designe samtaleforløb. Opsætningen af API'en indebærer at vælge en godkendt WhatsApp Business-løsningsudbyder, der styrer forbindelsen til API'en og kravene til overholdelse af regler.
Design samtaleforløb, der virker
Kvaliteten af en WhatsApp-chatbot afhænger næsten helt af kvaliteten af dens samtaledesign. Den tekniske implementering er sekundær. Et godt designet flow på en enkel platform slår hver gang et dårligt designet flow på en avanceret.
Kortlæg kunderejsen, før du skriver nogen tekst
Før du skriver en eneste besked til chatbotten, så kortlæg de scenarier, chatbotten skal håndtere, fra kundens synsvinkel. For hvert scenarie skal du besvare tre spørgsmål:
- Hvad vil kunden have, når vedkommende starter interaktionen?
- Hvad er den mindste mængde oplysninger, der skal bruges fra kunden for at levere det?
- Hvad skal der ske, hvis kunden giver et uventet input på et hvilket som helst punkt i flowet?
Hvert punkt i flowet, hvor det tredje spørgsmål ikke har et klart svar, er et sted, hvor kunder kommer til at sidde fast. At designe veje for fejl og reserver med samme omhu som hovedvejen er det, der adskiller en chatbot, der frustrerer, fra en, der håndterer grænsetilfælde med ro.
Skriv tekst til chatbotten, der lyder menneskelig
Beskeder fra chatbotten bør skrives i den samme tone som brandets samtaler med mennesker i support. Korte sætninger. Direkte sprog. Et varmt, men effektivt sprog, der ikke spilder kundens tid. Fejl, du skal undgå:
- At åbne med en lang introduktion, før du spørger kunden, hvad vedkommende har brug for
- At bruge formelt supportsprog, der ikke passer til WhatsApps samtalepræg
- At vise for mange valg i én besked (højst tre valg pr. trin)
- At forklare for meget, hvorfor hvert valg findes, i stedet for blot at give det en klar etiket
- At slutte beskeder med "Er der andet, jeg kan hjælpe med?", når løsningen var ufuldstændig
Brug knapper til hurtige svar eller input med fri tekst
WhatsApp understøtter interaktive beskedformater, herunder knapper til hurtige svar, som lader kunder trykke på et forudindstillet svar i stedet for at skrive. Knapper mindsker gnidning og sikrer, at chatbotten får struktureret input, den pålideligt kan handle på. Fri tekst er nødvendig i scenarier, hvor kunden skal give bestemte oplysninger (et ordrenummer, en dato, en adresse), men indebærer risiko for input, chatbotten ikke kan tolke. Et godt designet flow bruger knapper til navigation og valg og fri tekst kun, når oplysningerne ikke kan struktureres på forhånd. Hvert punkt med input i fri tekst har brug for en klar reserve til uventede svar.
Test flows, før de går live
Før en chatbot går live med rigtige kunder, bør den testes mod alle de scenarier, den er designet til at håndtere, herunder grænsetilfælde og uventede input på hvert trin. Almindelige problemer, der opdages i test, er:
- Veje i flowet, der fører til blindgyder uden udgang
- Beskeder, der er for lange til at læse behageligt på en mobilskærm
- Fejl i logikken, hvor botten leder en kunde ned ad den forkerte vej ud fra vedkommendes input
- Integrationer, der virker i testmiljøer, men fejler med rigtige data
- Veje til eskalering, der er langsommere eller sværere at nå, end de så ud i designet
Test med rigtige teammedlemmer, der ikke har bygget flowet, afslører mere end test af dem, der har. Kendskab til designet gør det svært at finde de huller, en ny bruger falder i.
Lokalisering og håndtering af sprog
Brands, der betjener flersprogede målgrupper, skal tidligt beslutte, hvordan chatbotten håndterer sprog. Mulighederne spænder fra at have separate flows på hvert sprog (mere vedligeholdelse, bedre kundeoplevelse) til ét flow med registrering af sprog, der dirigerer kunder derefter. Som minimum bør chatbotten kunne genkende, når en kunde skriver på et sprog, den ikke kan understøtte, og eskalere til en menneskelig agent, der kan, i stedet for at fortsætte på det forkerte sprog. En chatbot, der ikke kan kommunikere med en del af kundebasen, er for de kunder værre end ikke at have en chatbot.
Byg og udrul en WhatsApp-chatbot
De praktiske beslutninger om valg af platform, integration og rækkefølge for lancering afgør, hvor hurtigt en chatbot når frem til værdi, og hvor meget den koster at vedligeholde.
Vælg en platform til chatbot
Platforme til WhatsApp-chatbots spænder fra flow-bygger uden kode, designet til brands med begrænsede tekniske ressourcer, til fulde frameworks for udviklere til komplekse specialbyggede løsninger. De vigtigste faktorer at vurdere, når du vælger en platform:
- Adgang til WhatsApp Business API: giver platformen adgang til API'en direkte, eller kræver den en separat forbindelse til API'en?
- Grænseflade til at bygge flows: hvor komplekst er det at bygge og opdatere samtaleforløb uden involvering af udviklere?
- Muligheder for integration: kan den forbindes til det CRM, ordrestyringssystem og den indbakke til support, brandet allerede bruger?
- Analyse: hvilken rapportering findes om resultater for flows, frafaldsrater og hyppighed af eskalering?
- Prismodel: er prisen baseret på aktive brugere, sendte beskeder, samtaler eller et fast månedligt gebyr?
Integrér chatbotten med eksisterende systemer
En chatbot, der kun kan levere forskrevne svar, har begrænset nytte. De mest værdifulde WhatsApp-chatbots er forbundet til de systemer, der rummer levende data: ordrestyringssystemet til ordrestatus i realtid, bookingsystemet til tilgængelighed i realtid, produktkataloget til korrekte oplysninger om lager og priser og CRM til kundens historik. Hver integration kræver teknisk arbejde at sætte op og vedligeholde, og hvert integrationspunkt indebærer risiko for, at chatbotten leverer forkerte oplysninger, hvis de forbundne data er forældede, eller integrationen går i stykker. Hvis du bygger og tester integrationer før lanceringen, undgår du det scenarie, der skader brandet, hvor en chatbot selvsikkert giver forkerte oplysninger.
Udrulning i faser: start snævert og udvid
At lancere en chatbot på alle indgående samtaler på én gang er en høj risiko. En metode i faser starter med, at chatbotten håndterer ét bestemt scenarie, henvendelser om ordrestatus, booking af aftaler eller kvalificering af leads, og udvider til flere scenarier, når den første anvendelse virker pålideligt. Hver fase afslører, hvordan rigtige kunder interagerer med flowet, og det er altid anderledes end det, designteamet forventede. Hvis du retter problemer i et snævert område, før du udvider, får du en mere robust chatbot, end hvis du forsøger at løse problemer på tværs af mange scenarier på samme tid.
Processen for godkendelse af WhatsApp-beskedskabeloner
WhatsApp kræver, at beskeder, som virksomheden starter (beskeder sendt til kunder, der ikke har kontaktet brandet inden for de seneste 24 timer), bruger forhåndsgodkendte beskedskabeloner. Skabelonerne gennemgås af WhatsApp, før de kan bruges, og skal overholde WhatsApps politikker for indhold. Godkendelse af skabeloner tager typisk 24 til 48 timer, men kan tage længere tid, hvis der kræves ændringer. Hvis du planlægger tid til godkendelse af skabeloner i tidsplanen for udrulningen, undgår du forsinkelser. Skabeloner, der er alt for meget tilbud, mangler klare muligheder for framelding eller strider mod politikkerne for indhold, bliver afvist, så at gennemgå retningslinjerne, før du udkaster skabeloner, undgår cyklusser med revision.
Overvåg chatbotten efter lanceringen
En chatbot er ikke en udrulning, du kan sætte i gang og glemme. Rigtige samtaler afslører huller i designet af flowet, som test ikke fangede, problemer med integrationer, der kun viser sig under rigtige data, og mønstre i kundernes sprog, der afviger fra antagelserne i designet. Hvis du følger de vigtigste målinger i de første to til fire uger efter lanceringen, rate for eskalering, rate for gennemførelse af flows og kundetilfredshed i samtaler, som chatbotten håndterede, finder du de problemer, der hurtigt skal rettes, før de påvirker et stort antal kunder. At planlægge en struktureret gennemgang af chatbottens resultater hver måned bevarer kvaliteten over tid, i takt med at kundernes adfærd og virksomhedens oplysninger ændrer sig.
Styr chatbotten, når den er live
Det praktiske arbejde med at vedligeholde en WhatsApp-chatbot efter lanceringen er løbende. Brands, der behandler vedligeholdelse af chatbotten som et enkeltstående projekt og ikke et vedvarende ansvar, oplever, at kvaliteten forringes over tid.
Hold indholdet korrekt, når virksomheden ændrer sig
Produktoplysninger, priser, politikker, åbningstider og processer for support ændrer sig. En chatbot, der var korrekt ved lanceringen, bliver ukorrekt, i takt med at virksomheden udvikler sig. En klar proces for at opdatere indholdet i chatbotten, når virksomhedens oplysninger ændres, forhindrer, at chatbotten giver forældede oplysninger. Det betyder, at den person eller det team, der er ansvarligt for chatbotten, skal inddrages i kommunikation om ændringer i virksomheden og ikke bare informeres bagefter, når kunder allerede har fået forkerte svar.
Analysér frafald for at finde flows, der er i stykker
Analyse af frafald, hvor du ser på, hvor i et samtaleforløb kunder forlader chatbotten og enten bliver tavse eller straks beder om et menneske, afslører, hvilke dele af flowet der fejler. Højt frafald på et bestemt trin tyder konsekvent på et problem med beskeden på det trin: den er forvirrende, de valg, den viser, passer ikke til det, kunden har brug for, eller den beder om oplysninger på en måde, der er svær at give. Hvert punkt med højt frafald er en rettelse i designet, der forbedrer gennemførelsesraten og mindsker unødig eskalering.
Brug data om eskalering til at forbedre chatbotten
Hver gang en kunde eskalerer fra chatbotten til en menneskelig agent, er den samtale et signal. Hvis den samme udløser af eskalering dukker op gentagne gange, kunder der spørger om et bestemt scenarie, chatbotten ikke dækker, eller gentagne gange bruger en sætning, chatbotten ikke kan tolke, er det en kandidat til et nyt flow eller en forbedring af et eksisterende. Hvis du gennemgår udskrifter af eskaleringer hver måned og klassificerer årsagerne, får du en prioriteret liste over forbedringer af chatbotten baseret på kundernes faktiske behov og ikke på antagelser om, hvad kunder vil have.
Opdatér flows, efterhånden som nye scenarier opstår
Nye produkter, ændringer i politikker, begivenheder med tilbud og sæsonbestemte scenarier skaber nye samtalescenarier, som den oprindelige chatbot ikke var designet til. Hvis du planlægger tid til at opdatere flows i chatbotten før store begivenheder i virksomheden, en produktlancering, et udsalg, en ændring af politik, forhindrer du, at chatbotten giver forældede oplysninger eller ikke kan håndtere den øgede mængde henvendelser, de begivenheder skaber. Hvis du bygger opdateringer af flows ind i planlægningen af ændringer i virksomheden og ikke behandler dem som reaktive rettelser, forbliver chatbotten nyttig og er ikke konstant bagud.
Balance mellem automatisering og den menneskelige oplevelse
Det langsigtede mål for en WhatsApp-chatbot er ikke maksimal automatisering. Det er den rette automatisering: at håndtere det, en bot kan håndtere effektivt, og bevare menneskelig interaktion til de samtaler, hvor det reelt betyder noget. Hvis du jævnligt gennemgår, om chatbotten håndterer de rette scenarier, og ikke bare om den håndterer dem korrekt, sikrer du, at strategien for automatisering forbliver i tråd med det, kunderne faktisk har brug for fra kanalen. Nogle scenarier, der så ud som gode kandidater til automatisering ved lanceringen, viser sig at være bedre håndteret af mennesker. Nogle scenarier, der blev overladt til mennesker, viser sig at være kandidater til automatisering, når designet af flowet bliver bedre. Balancen er en løbende kalibrering og ikke en enkeltstående beslutning.
Vi byggede en WhatsApp-chatbot, men kunderne beder straks om en menneskelig agent uden overhovedet at engagere sig i den. Hvorfor?
Det betyder som regel, at chatbottens åbningsbesked ikke giver kunderne tillid til, at den faktisk kan hjælpe dem. Hvis den første besked er generisk, de valg, den viser, ikke matcher det, de fleste kunder kommer med, eller det ikke er klart, hvad chatbotten kan, vælger kunder som standard at bede om et menneske frem for at risikere en frustrerende løkke. Skriv åbningsbeskeden om, så den er konkret om, hvad chatbotten håndterer godt, vis to eller tre af de mest almindelige anvendelser som umiddelbare valg, og gør vejen til et menneske synlig, men ikke det første valg. Kunder, der ser en chatbot, der ligner, at den kan hjælpe, er mere villige til at prøve den.
Hvordan beslutter vi, hvilke henvendelser vi skal automatisere, og hvilke vi skal beholde hos menneskelige agenter?
Start med at kategorisere din nuværende mængde af henvendelser til support efter type og hyppighed. De bedste kandidater til automatisering er henvendelser, der har stor volumen, er strukturelt ensartede og ikke kræver skøn at løse: ordrestatus, svar på ofte stillede spørgsmål, booking af aftaler, start på returnering. Hold menneskelige agenter på henvendelser, der er følelsesladede, kræver undtagelser fra politikker, involverer tvetydige situationer eller har meget på spil for kunderelationen. Når du er i tvivl, så hold dig til håndtering af mennesker. En chatbot, der håndterer færre scenarier pålideligt, er mere værd end en, der forsøger mange scenarier dårligt.
Vores chatbot giver af og til forkerte oplysninger, fordi de produktdata, den henter fra, ikke altid er aktuelle. Hvordan retter vi det?
Det er et problem med vedligeholdelse af integrationen og ikke et problem med design af chatbotten. Den datakilde, chatbotten henter fra, har brug for en pålidelig proces til opdatering, så priser, tilgængelighed og produktdetaljer forbliver aktuelle. Fastlæg en klar ejer af hver datakilde, chatbotten bruger, og en fast plan for gennemgang. For oplysninger, der ændres ofte, så overvej, om chatbotten bør henvise kunder til en levende kilde i stedet for at angive oplysningerne direkte i samtalen. En chatbot, der siger "her er siden med de aktuelle priser", er sikrere end en, der angiver en pris, der måske er ændret.
Har vi brug for en udvikler til at bygge en WhatsApp-chatbot, eller kan vi gøre det uden tekniske ressourcer?
Det afhænger af, hvor kompleks den løsning er, du bygger. Platforme til WhatsApp-chatbots uden kode gør det muligt for ikke-tekniske teams at bygge og styre samtaleforløb med visuelle værktøjer. De passer til strukturerede flows med navigation baseret på menuer og enkle svar på ofte stillede spørgsmål. Hvis chatbotten skal hente levende data fra eksterne systemer som en platform til ordrestyring eller en bookingdatabase, kræves der noget teknisk arbejde til integrationen, selv om selve flowet bygges i et værktøj uden kode. Definér anvendelserne og de nødvendige integrationer, før du vurderer platforme, så du vælger en, der matcher det faktiske tekniske krav.
Hvor lang tid tager det at bygge og lancere en WhatsApp-chatbot?
En enkel chatbot, der dækker to eller tre almindelige scenarier uden eksterne integrationer, kan bygges og testes på to til fire uger. En mere kompleks chatbot med flere flows, integration med CRM og forbindelse til ordrestyring tager typisk seks til tolv uger fra design til lancering, afhængigt af teamets erfaring og de platforme, der er involveret. Den mest almindelige forsinkelse er processen for godkendelse af WhatsApp-beskedskabeloner og test af integration med eksterne systemer. Hvis du bygger tid til de trin ind i projektplanen, undgår du, at tidsplanen presses sammen i sidste øjeblik, så testen bliver utilstrækkelig.
Hvordan måler vi, om vores WhatsApp-chatbot faktisk virker godt?
Følg fire målinger konsekvent: rate for gennemførelse af flows (andelen af samtaler, hvor kunden nåede en løsning uden at eskalere), rate for eskalering (hvor mange samtaler der krævede, at et menneske overtog), kundetilfredshed i samtaler, som chatbotten håndterede (via en opfordring til at give en vurdering efter samtalen) og rate for løsning ved første kontakt i flows, som chatbotten startede. Sammenlign dem med de samme målinger for samtaler, som mennesker håndterede, for at forstå, om chatbotten leverer tilsvarende eller bedre resultater i de scenarier, den dækker. Faldende rater for gennemførelse eller stigende rater for eskalering i et bestemt flow er de tidlige advarselstegn på, at et flow har brug for at blive opdateret.