Waarom roept een chatbotgesprek frustratie op of loopt het zelfs helemaal vast? Hoe kan je een vastgelopen gesprek weer vlottrekken? En welke (schoonheids)foutjes kom je nog meer tegen bij chatbots?

 

Anouck Braggaar (Universiteit Tilburg) en Gabriëlla Martijn (Universiteit Utrecht) gaven tijdens Conversational Conference een bijzonder relevante en praktische presentatie. Baggaar en Martijn doen als PhD onderzoek binnen het ‘smooth operators’-programma, waar ook VU Amsterdam aan deelneemt.

Chatbot breakdown

Martijn gooide het meteen maar in de groep: de chatbot van haar zorgverzekeraar kon niet omgaan met de vraag ‘hoe ziet de premie eruit voor volgend jaar en wat zit er in het basispakket?’.

Het antwoord had als strekking ‘kan je je vraag herhalen’. De onderzoekers noemen dit een conversationele breakdown: de dialoog stokt. Wat zijn oorzaken van breakdowns en wat zijn geschikte reparatie-strategieën? Hiervoor werden 250 gesprekken uitgebreid geanalyseerd.

Uit onderzoek blijkt, aldus beide PhD’s, dat miscommunicatie bijna altijd een negatieve invloed heeft op de emoties van de klant, maar dat de impact afhankelijk is van het type organisatie. De burger, klant van de overheid is meer vergevingsgezind dan de consument wanneer die voor diensten of producten betaalt. Dit benadrukt het belang van een goede herstelstrategie, vooral bij commerciële organisaties.

Wat is de belofte van je chatbot?

Het managen van de klantverwachting is een van de eerste uitdagingen van het conversational team, aldus Martijn. Er zijn bedrijven die een chatbot online zetten en vanuit die uitgangspositie beginnen met trainen op basis van real life klantgesprekken. Dat is niet de meest klantvriendelijke weg, zeker niet als je de klant hier niet over informeert. Het merendeel van de chatbots is rules-based en dat vraagt om intensieve samenwerking tussen klantcontactmedewerkers en chatbots. En tot slot is er een groep klanten die beslist niet (meer) wil interacteren met een chatbot. Wat is het alternatief?

Andere uitdagingen rond de communicatie met de chatbot hebben te maken met de tone of voice en de technische prestaties van een chatbot. Die tone of voice is niet altijd consistent, zoals Martijn liet zien aan de hand van de chatbot van Brussels Airlines, waar U en jij worden afgewisseld in dezelfde dialoog. Bij een rules-based chatbot krijgt de klant vaak keuzeknoppen voorgeschoteld, maar wanneer geen enkele aangeboden optie past bij de intent of vraag van de klant, levert ook dat frustratie op. Uit de analyses blijkt dat klanten een voorkeur hebben voor het scenario waarbij ze zelf een vraag kunnen intikken en waarbij de chatbot met buttons als repliek komt.

Interpretatiefouten en onbegrip

Chatbots maken vaak interpretatiefouten: de vraag van de klant wordt verkeerd begrepen en de chatbot slaat dus de verkeerde weg in. Dat kan te maken hebben met de moeite die een klant heeft met een juiste formulering, maar even goed met de training van de chatbot, die niet uitvoerig genoegd is geweest. Een voorbeeld daarvan is de chatbot van de Bijenkorf (beeld) die te snel een conclusie trekt uit een eerste mededeling van een klant. De vraag is of het chatbotsysteem dit soort breakdowns rapporteert. Een chatbot kan dit soort interpretatiefouten vermijden door controlevragen te stellen, ‘groundings’ in het jargon.

(tekst loopt door onder de afbeelding)

Een andere veelvoorkomende fout is onbegrip, waarbij de chatbot simpelweg de vraag van de klant niet begrijpt en dit aangeeft. Veelvoorkomende oorzaken: de klant geeft te veel context of beperkt zich juist tot een te korte invoer van een of enkele trefwoorden.

Herstelstrategie: hoe repareer je een vastgelopen gesprek?

Een van de uitgangspunten bij de implementatie van chatbots is dat het gesprek gemakkelijk moet kunnen worden doorgegeven aan een menselijke medewerker. Wie een chatbotdialoog escaleert na een breakdown, krijgt te maken met een klant die al verschillende stappen heeft gezet: de website bekeken, de FAQ’s nageplozen, de mijn-omgeving verkend en dan tot slot een vraag gesteld aan de chatbot.

Braggaar en Martijn hebben niet alleen vastgesteld dat de fouten en vastlopers in chatbotdialogen duidelijke oorzaken hebben – zie het voorgaande – maar dat er ook aangewezen ‘reparatiestrategieën’ beschikbaar zijn.

Een van die herstelstrategieën is het inzetten van controlevragen, waarbij de chatbot nagaat of de vraag correct is begrepen. Een andere strategie is om bij een breakdown direct toe te geven dat de chatbot het niet begrijpt en te vragen of de klant de zijn of haar vraag op een andere manier wil stellen.

Maar uit onderzoek van de PhD’s blijkt dat het overdragen van het gesprek naar een menselijke medewerker de meest effectieve herstelstrategie is. Dit heeft de grootste positieve invloed op het vertrouwen en de tevredenheid van klanten. Andere strategieën, zoals het aanbieden van opties of het herhalen van de vraag, zijn minder effectief, hoewel opties als alternatief voor het escaleren ook positief werden beoordeeld.

Escaleren heeft impact op je servicelevel

Het risico van het aanbieden van een snelle en effectieve handover na een breakdown naar een medewerker is dat een klant de volgende direct om een handover vraagt. Dit doorzetten heeft impact op de het contactcenter, vooral tijdens piekmomenten. Te veel doorverbindingen kunnen leiden tot langere wachttijden en overbelasting van medewerkers, wat uiteindelijk de klanttevredenheid kan verminderen.

Ook geven de PhD’s het advies mee om na te denken over duidelijke instructies voor de klant als deze een chatbot gaat gebruiken. Dat kan het beste aan het begin van de dialoog, maar moet niet te dwingend overkomen. Ook het geven van aanwijzingen over hoe je bijvoorbeeld een geboortedatum moet ingeven (zoals duidelijke uitleg over het format “DD-MM-YYY”), kan helpen.

(Ziptone/Erik Bouwer)