Mit Cognigy Analytics-Suite zu automatisierten Gesprächen mit Mehrwert

PIA UDG:  Herr Glock, Sie haben kürzlich eine KI-basierte Analytics-Suite vorgestellt, um den Kundenservice datengestützt zu verbessern. Analysen und entsprechende Werkzeuge gibt es, seit es Contact Center gibt. Wird denn noch eine weitere Analytics-Lösung benötigt?

Sebastian Glock (Cognigy): Wir verfolgen einen neuen Ansatz damit, der die heutigen Möglichkeiten ausschöpft. Die bestehenden Analysemethoden zeigen KPIs und aggregierte Daten, aber sie steigen nicht in die Prozessschritte ein und sie ermöglichen auch keine unmittelbaren Verbesserungen. Sie zielen darauf ab, Warteschlangenzeiten der Kunden möglichst gering zu halten, mehrfaches Weiterleiten zu verhindern oder Anrufende direkter zur richtigen Person im Contact Center zu führen. Mit den smarten Bots der neuen Generation transformieren diese Prozesse aber elementar. Den Kunden steht heute zu jeder Zeit ein kompetenter, virtueller Ansprechpartner zur Verfügung. Egal, wie viele Kunden gleichzeitig anrufen oder wann. Mit Bots tendiert die Wartezeit gen Null. Der Bot kann dem Anrufenden im Dialog bei wiederkehrenden Anliegen direkt weiterhelfen, die Person identifizieren und bei Bedarf direkt an den richtigen Agenten weiterleiten. Die Verantwortlichen im Kundenservice müssen sich also nicht mehr so stark auf die die Organisation von stark schwankenden Anruferströmen und die Verkürzung von Wartezeiten fokussieren und diese analysieren. Sie können sich auf die Qualität der Gesprächsführung konzentrieren und hier kann das in unserer KI-Plattform eingebaute Analyse-Tool helfen. Es ermöglicht, den Dialog mit einem Bot und/oder Menschen insgesamt und im Detail transparent und optimierbar zu gestalten. Immerhin erzeugen virtuelle Agenten jeden Tag Millionen Datenpunkte, nur war es bisher kaum möglich, diese in handlungsorientierte Insights umzuwandeln.

PIA UDG: Es geht also darum, die Dialoge von Kunden mit Voice- oder Chatbots zu optimieren. Hier müssen doch wiederum Menschen Hand anlegen und zum Beispiel Antworten schärfen. Wie können ihnen Millionen Datenpunkte dabei helfen?

Sebastian Glock (Cognigy): Das ist genau der springende Punkt, das alte Big Data Paradigma: Wir ertrinken in Daten und dürsten nach Wissen. Riesige Datenmengen bringen nichts, wenn der Kundenservice im Tagesgeschäft daraus keine Erkenntnisse ziehen kann. Unsere Analyse-Suite trackt den Kundenkontakt in etlichen Facetten und leitet Erkenntnisse daraus ab. KI kommt ja bestens mit riesigen Datenmengen klar. Unsere Kunde möchte schließlich eine klare Vorstellung von dem haben, was auf dem Weg zum Ziel passiert. Sie möchten bei jedem Dialogschritt wissen, wie ihre Kunden reagieren und warum.

PIA UDG: Das war mit Conversational AI-Lösungen noch nicht möglich?

Sebastian Glock (Cognigy): Bislang konnten Conversational AI-Anbieter zwar vorne im Dialog eine Absicht erkennen, und dann messen, in wie vielen Fällen diese Absicht erfüllt wurde. Aber wir wollten weitergehen und klären, was im Prozess dazwischen passiert. Das war bisher immer eine Blackbox, denn Analytics war entkoppelt. Wenn Sie eine Lösung für das Bot-Building, also zum Erstellen automatisierter Konversationen nutzen, und ein anderes Toolset, um diese zu analysieren, hat man mit den typischen Silo- und Transfer-Problemen zu kämpfen. Erst wenn Daten in einer Plattform erhoben und ausgewertet werden, können Sie Wissen generieren. Wir können heute quantitative KPIs wie erreichte Ziele, durchschnittliche Unterhaltungsdauer, Bewertungen, Anzahl der Übergaben an Mitarbeiter oder auch verstandene Nachrichten im Dashboard anzeigen. Und tief in die Details reinzoomen.

PIA UDG: Was sind die Vorteile? Und ist dafür nicht spezielles Analytics Know-how gefordert?

Sebastian Glock (Cognigy): Die Nutzer erhalten auch ohne Vorkenntnisse und externe Tools Antworten auf qualitative Fragen, wie: Welcher Kanal wird für welches Anliegen am häufigsten genutzt? Welcher Checkout-Prozess funktioniert am besten? Welche Korrelationen, Muster und Abhängigkeiten gibt es? Bei welchen Schritten ist ein Agent Handover erfolgt? Das Wissen dazu ist aufbereitet verfügbar. Die Nutzer können bei Bedarf zudem feingranular in die aufgezeichneten Dialoge gehen und vorwärts sowie rückwärts analysieren, wo es Abbrüche gab.

Man kann so in Echtzeit optimieren oder auch A/B Test in den Schritten einführen. Eine Änderung im Prozess wirkt sich direkt auf die Gesprächsführung aus – und damit auf die Zufriedenheit des Kunden im Dialog. Daten sammeln, Wissen generieren, Optimierung ableiten und Erfolge ablesen werden somit zur transparenten Prozesskette.

PIA UDG: Können Sie das bitte an einem Praxisbeispiel erklären?
Sebastian Glock (Cognigy): Gerne. Nehmen wir den sehr gut automatisier- und analysierbaren Stornierungsprozess bei Reisebuchungen. Stornierungen sind grundsätzlich immer ein größeres Thema in den Contact Centern der gesamten Reisebranche. Jedes Prozent an positiver Veränderung zählt an dieser Stelle, wenn wir alle Dialogschritte untersuchen. Hier mit fiktiven Zahlen erläutert:

• Bei 98 % der Anrufer wurde der Intent (Reise stornieren) vom Voicebot richtig festgestellt. Erkenntnis: Die Spracherkennung funktionierte sehr gut.

• Bei nur 68 % klappte die Authentifizierung. Erkenntnis: Problem! Die Anbindung an das CRM und der Dialog sollten geprüft/optimiert werden.

• 54 % der Kunden waren bereit, die Reise mit dem Bot zu stornieren. Erkenntnis: ein guter Wert .

• Aber bei nur 36 % war das erfolgreich. Erkenntnis: Problem! Die Anbindung an das Buchungssystem und der Dialog sollten geprüft/optimiert werden.

Der Kundendienst kann also so die Erfolgsraten aller Dialogschritte kontinuierlich steigern. Conversational Analytics visualisiert und deckt auf, wo es im Dialog zu Abbrüchen kommt, wo der menschliche Agent gewünscht wird, und woran das liegt. Und die Analyse ist nicht nur auf Voice- und Chatbots beschränkt, sondern unterstützt darüber hinaus auch sämtliche Interaktionen nach einer Übergabe an menschliche Agenten. Es geht ja um die gesamte Customer Experience, und die ist nicht zwischen Bot und Mensch getrennt, sondern wird vom Kunden als eine Einheit wahrgenommen!

Selbst die Weiterverfolgung in Drittsystemen ist möglich. Ein Telko-Kunde von uns hat beispielsweise damals in den Lockdown-Zeiten während der Corona-Pandemie automatisch per Bot Internet-Upgrades verkauft. Hier könnte man den Dialogerfolg im jeweiligen Kanal analysieren und zudem auch schauen, was im gekoppelten Bestellsystem passiert. Gibt es dort beispielsweise unerwartete Abbrüche? Oder kann man sonstige Angebote an das Internet-Upgrade koppeln und wie wirkt sich das aus?

PIA UDG: Sind die Kunden denn schon bereit für eine derart tiefe, datenbasierte Art der Analyse? Viele Unternehmen sind mit ihren Bot-Initiativen ja noch rudimentär unterwegs.

Sebastian Glock (Cognigy): Der Einsatz von Bots ist tatsächlich sehr unterschiedlich. Einige Kunden verbinden bereits Robot Prozess Automation und Conversational AI und können komplette Prozesse wie beispielsweise die Bearbeitung eines KFZ-Unfalls von A bis Z automatisierten: also von der Meldung des Unfalls am Smartphone über die Bestellung eines Abschleppdienstes bis zur Regulierung. Es gibt aber auch viele, die noch mit simplen FAQ Bots arbeiten. Fakt ist: Conversational AI wird zum elementaren Bestandteil im Kundenservice. Und Conversational Analytics wird zur entscheidenden Komponente, um Licht in die Dialog-Blackbox zu bringen, und um Kunden im Team aus Mensch und Bot erfolgreicher zum Ziel zu führen.

Produktvorstellung "Cognigy Insights": Conversational AI Analytics auf Enterprise-Level