DETECON Consulting

Artikel

KI im Kundenservice: Effizienzsteigerung inklusive

Effizienzsteigerung im Customer Care durch intelligente Chatbots und überwachtes Lernen

In der Interviewreihe „The Future of Customer Service“ sprechen wir mit Vertretern von Lösungsanbietern im Bereich der Kundenbetreuung über innovative Wege um Endkunden möglichst optimal zu bedienen. In diesem ersten Interview sprechen wir mit Xaver Lehmann, Geschäftsführer bei e-bot7. Die Münchner Firma bietet Chatbot-Lösungen für eine effiziente Bearbeitung von Supportanfragen an.

Kannst du uns zum Einstieg erzählen wie ihr eure Kunden im Bereich "Customer Service" unterstützt?

Wir steigern die Effizienz im Kundenservice durch eine hybride Bot-Technologie. Im Speziellen integrieren wir unsere Lösung in bestehende Kundenservice-Systeme bzw. CRM-Systeme. Dort fügen wir unser AI-System ein, das den Mitarbeitern hilft, noch effizienter auf Kundenanfragen zu reagieren. Wenn eine Frage per E-Mail, Social Media oder Live Chat eingeht, wird diese Frage von unserem System analysiert und an den zuständigen Mitarbeiter weitergeleitet. Gleichzeitig erhält der Mitarbeiter wertvolle Meta-Daten der Anfrage (Priorität, Art und Sentiment) und basierend darauf eine AI-Empfehlung zur Beantwortung der Frage. 

Wie kann man sicher sein, dass die vorgeschlagene Empfehlung richtig ist? 

Wir arbeiten mit sogenannten Confidence Levels, die beliebig festgelegt werden können. Nehmen wir an, das eingesetzte Confidence Level beträgt 97 Prozent. Wenn sich das System nun zu über 97 Prozent sicher ist, dann wird die Beantwortung der Frage durch unsere Bot-Technology automatisiert. D.h. der Mitarbeiter müsste nicht mehr eingreifen. Wenn sich unser System hingegen nicht zu 100 Prozent, sondern lediglich zu 85 Prozent sicher ist, so erhält der Mitarbeiter direkt in seinem bestehenden CRM-System einen AI-Vorschlag, wie er darauf antworten könnte. Der Agent muss dann einfach auf einen Absende-Button klicken, wenn er mit dem Antwortvorschlag zufrieden ist. Manuelle Texteingaben oder das umständliche Copy/Paste-Verfahren von Texten aus Datenbasen oder ähnlichem sind damit obsolet. Sollte es nicht die richtige Antwort sein, so kann der Mitarbeiter diese einfach kurz anpassen. Das System lernt dadurch gleichzeitig mit und wird sein Verhalten beim nächsten Mal verändern.

Wie wird die Erfolgsquote der vom System vorgeschlagenen Antworten gemessen? 

Je mehr Agenten unser System benutzen und je mehr Anfragen ein Unternehmen hat, desto schneller und besser wird unser System. Ich kann aus Erfahrung sprechen, da wir dieses System vor zweieinhalb Monaten bei einem der größten TK-Unternehmen weltweit integriert haben. Am Anfang stand die Lernkurve bei 15 Prozent, so dass der Bot von allen eingehenden Anfragen 15 Prozent selbst automatisiert hat, während die restlichen 85 Prozent vom Mitarbeiter bearbeitet wurden. Nach zweieinhalb Monaten verhält es sich nun so, dass der Bot bereits 61 Prozent der Anfragen selbst bearbeitet, während der Mitarbeiter nur noch 39 Prozent übernehmen muss. Daran lässt sich eine relativ steile Lernkurve erkennen, die exponentiell ansteigt. 

Wie vermeidet ihr, dass Müll in das System eingegeben wird, den es ebenfalls lernt und an den Kunden zurückspielt? Stichwort: Böse Chatbots 

Du spielst wahrscheinlich auf den Tay-Bot an, der von Microsoft bei Twitter veröffentlicht wurde. Das System hat die Sprache der User mitaufgenommen und diese dann zurückbeleidigt. Das Problem an selbstlernenden Systemen ist schlichtweg, dass man nicht kontrollieren kann, welche Daten ein- und ausgehen und warum bestimmte Sachen passieren wie sie passieren. Es handelt sich dann um ein sogenanntes „unsupervised learning“. Da wir das Risiko für Unternehmen so gering wie möglich halten wollen, empfinden wir solche Systeme als (noch) nicht geeignet. Wir haben deshalb eine Hybridversion entwickelt. Das heißt, der Bot wird über „supervised learning“, also über menschliches und kontrolliertes Handeln, trainiert, so dass niemals eine falsche Antwort, wie bei Tay, ausgegeben wird. Alles, was der Bot lernt, herausschickt oder vorschlägt, wurde zuvor von einem realen Menschen bestätigt.  

Wie gestaltet sich nach deiner Erfahrung die Akzeptanz der Endkunden von einem Bot bedient zu werden?  

Unseren Umfragen zufolge, die wir gemeinsam mit Partnerunternehmen aufgesetzt hatten, besteht bereits Akzeptanz für Bot Systeme. Natürlich besonders bei den Leuten, deren Fragen beantwortet wurden und bei denen, die keinen weiteren menschlichen Kontakt per E-Mail oder Telefon benötigt haben. Wenig Akzeptanz, so kann man sich vorstellen, besteht bei Fragen die dem 2nd- oder 3rd-Level-Support zuzuordnen sind, da in den Bot Systemen meist noch keine Integrationen vorliegen. Der Bot muss natürlich zunächst lernen bevor große Systeme angeschlossen werden können. 

Wie universal ist eure Lösung bzw. wie schwierig könnte es sein, diese an andere Industrien anzupassen?  

Die künstliche Intelligenz besteht bei uns aus zwei Komponenten. Die Erste spiegelt das generelle Sprachverständnis wider. Diese Komponente ist für jedes Unternehmen gleich und ist unabhängig von Industrien. Dementsprechend wird unser System durch jeden Kunden klüger. Die zweite AI-Komponente befasst sich mit unternehmensspezifischen Daten. Wenn ich von der Telco-Branche zur Bank-Branche, oder auch innerhalb der Telco-Branche ein System auftrainiere, so gestalten sich die Fragen und Antworten natürlich anders. Das Sprachverständnis hingegen bleibt gleich, sodass wir nur die zweite Komponente, in dem Fall das bankenspezifische oder unternehmensspezifische Know-how auftrainieren müssen. Das geht in der Regel jedoch sehr schnell, da die Daten im Kundenservice bereits vorliegen.

Kannst du auf Basis deiner Erfahrungen mit Kunden aus verschiedenen Branchen einen Unterschied feststellen, wie das Thema "Customer Care" angegangen wird? 

Ja, da gibt es in der Tat Unterschiede. Die Telco-Industrie und auch viele weitere sind von enormen Problemen getrieben. Das Kontaktvolumen steigt stetig an, da neue Kontaktkanäle, wie Social Media oder Live Chat, immer stärker benutzt werden. Jedoch fehlen aktuell Technologien, die Anfragen (speziell wiederkehrende Anfragen) skalierbar abfangen können. 

Unterschiede gibt es speziell bezüglich der Art und Komplexität der Anfragen. Bei der Banken-Industrie sind Fragen eher kundenspezifisch und beziehen sich auf private Account-Daten beispielsweise. Dort verhält es sich folglich etwas komplexer und zeitintensiver, da man mit Systemintegration arbeiten muss. Hinsichtlich der externen Kommunikation ist die Telco-Industrie einfacher, da sich die Fragen oft auf „oberflächliche“ Anfragen wie Roaming oder neue iPhones beziehen. 

Aber auch im Banking-Bereich kann unsere Technologie schnell und einfach eingesetzt werden, ohne dass dabei große Systemintegrationen nötig wären. So können interne Mitarbeiter Fragen zu HR, Organisation oder etwaigen Fachabteilungen an den Bot stellen, anstatt an den Chef oder die interne Service Line. 

Wie schätzt ihr die Entwicklung von Digitalen Assistenten ein? Denkt ihr, dass wir uns in Zukunft mehr auf Voice-basierte Digital Assistants konzentrieren oder doch eher bei den Textnachrichten bleiben?

Aktuell ist es so, dass immer noch die traditionellen Kanäle wie E-Mail oder Telefon gefragt sind. In einigen Unternehmen werden sogar noch Briefe oder Faxe geschickt. Das ist selbstverständlich branchenabhängig, jedoch stellen solche traditionellen Kanäle bis dato noch das größte Volumen dar. Wenn man sich jedoch die Trends ansieht, so wird Live Chat und Social Media die traditionellen Kanäle bald ablösen. Das liegt nicht nur an der heutigen Gesellschaft, die viel digitaler unterwegs ist als noch vor 20-30 Jahren, sondern auch an Bequemlichkeit und Schnelligkeit. Kunden wollen einfach nicht mehr tagelang auf eine E-Mail warten, oder Minuten in einer Hotline verbringen und über Computerstimmen falsch verstanden werden.

Voice Assistants sind jedoch etwas Anderes. Sie verbinden die digitale schnelle und bequeme Welt mit einem Touch Tradition, da mit einer menschlichen Stimme kommuniziert wird. Ob man will oder nicht, das wird auf jeden Fall auf uns zukommen. Wir verbinden schon jetzt Voice APIs um auch speech-to-text und text-to-speech zu ermöglichen. D.h. der Kunde muss nicht mehr tippen, sondern spricht seine Anfrage einfach in sein Smartphone und erhält im Gegenzug eine Voice Antwort.

Wie würdest du die Entwicklung des Customer Service in den nächsten fünf Jahren einschätzen?

Eine digitale Multi- bzw. Omnichannel-Strategie wird meiner Meinung nach ein Muss für Unternehmen. Das liegt zum einen daran, dass Kunden heutzutage ihre meiste Zeit auf Social Media-Kanälen (z.B. WhatsApp, Facebook oder Twitter) verbringen und ihre täglichen Kontakte mit Freunden per Text abwickeln und nicht mehr per Anruf. Zum anderen erreicht der Zuwachs an Nachrichten im Support gewaltige Ausmaße und es muss ein skalierbarer Weg gefunden werden, diese Volumina abzufangen. Weiterhin sollte man sich zukünftig mit Voice und digitalen Assistenten beschäftigen. Selbstverständlich sind traditionelle Kanäle noch präsent und erst einmal nicht wegzudenken - in 20 bis 30 Jahren werden sie jedoch einen viel geringeren Stellenwert einnehmen nicht mehr so gegenwärtig sein wie heute. Gerade in unserer Zeit werden Kunden das auch erwarten. Wenn nachts mein Router ausfällt, dann möchte ich am liebsten das Problem schnell selber beheben, anstatt wochenlang auf einen Techniker zu warten. 

Und wie sind eure Pläne als Unternehmen? Was habt ihr in den nächsten Jahren vor?  

Mittelfristig wollen mir mit unserer hybriden Bot Technologie Marktführer in Europa werden. Wir haben uns in der DACH-Region bereits eine gute Marktposition erarbeitet und wollen diese natürlich auf weitere Länder ausbauen. Gerade der Kundenservice ist bei vielen Unternehmen ein großer Kostentreiber, der in der Vergangenheit bezüglich Innovation und Technologie stark vernachlässigt wurde. Wir bei e-bot7 versuchen den Kundenservice wieder auf den Stand der heutigen Technologiemöglichkeiten zu bringen.

AI ist für viele Unternehmen eine Art Blackbox, die nicht nur teuer, sondern auch mit einer Menge Risiko behaftet ist. Dies liegt nicht zuletzt an anderen großen Technologieanbietern, die durch teure Marketing-Kampagnen Versprechungen machen, die sie später nicht einhalten können.

Durch unsere Hybrid Version hingegen, ermöglichen wir es Unternehmen mit wenig Risiko, schnell und mit bestehenden Ressourcen AI operativ anzuwenden, Kundenanfragen skalierbar abzufangen und den gesamten Kundenservice zu entlasten. 

Über E-bot7

E-bot7 bringt praktische Anwendungen des Deep Learnings und AI zum Kundenservice und verhilft Unternehmen zu mehr Effizienz. Das System analysiert eingehende Nachrichten, schickt sie an die richtige Abteilung und stattet Support-Agenten mit genauen Antwortvorschlägen aus. Dadurch sinkt die Bearbeitungszeit um bis zu 80%, repetitive und wiederkehrende Anfragen werden bereits nach Integration automatisiert. Xaver Lehmann ist Geschäftsführer und Mitgründer der Münchner KI Firma e-bot7 und Chatbot Consulting.

Das könnte Sie auch interessieren

Artikel

Im Gespräch mit Anna Rojahn, Gründerin von Fast Forward Imaging

Die Automatisierung der Produktfotografie mit Fast Forward Imaging.

Mehr lesen
Artikel

Zeit zum Handeln: Das SWIFT Customer Security Programme

Mehr lesen
Artikel

Interview mit Gründer Philipp Schwarz

Wearable Life Science revolutioniert die Fitness-Welt

Mehr lesen
Artikel

Im Gespräch mit Dr. Felix Reinshagen, Mitbegründer und CEO bei NavVis.

Indoor-Navigation mit NavVis: Die digitale Revolution von Gebäuden.

Mehr lesen
Artikel

Im Gespräch mit Gleb Tritus, Geschäftsführer Lufthansa Innovation Hub

Innovation Hub der Lufthansa Group

Mehr lesen
Artikel

Interview mit IoT-Experte Claus Eßmann über Voraussetzungen vernetzter Services in einer Stadt.

Smart City: Intelligentes Miteinander ist gefragt

Mehr lesen
zu Publikationen