.fb-comments,.fb-comments span,.fb-comments span iframe[style]{min-width:100%!important;width:100%!important} 
Asisten virtual atau chatbot yang dihosting di saluran seperti Apple Messages for Small business (AMB), Pesan Perusahaan Google (GBM) dan WhatsApp for Business enterprise (WA) bertemu konsumen dalam aplikasi yang mereka gunakan saat ini. Memasukkan asisten digital di saluran ini memanfaatkan antarmuka yang sudah dikenal konsumen, tetapi itu juga dapat memandu asumsi orang tentang bagaimana chatbots dapat beroperasi di masing-masing saluran ini.
Sebagai contoh, ketika menggunakan salah satu dari saluran ini untuk dialog antarmanusia, jika konsumen mengirimkan lampiran seperti file, tayangan, video, atau rekaman suara, pecinta pesan mereka akan dapat melihat, memutar, atau biasanya membuka lampiran.
Untuk lebih memperumit antisipasi konsumen, Apple Messages for Business enterprise, Pesan Google Enterprise dan chatbot WhatsApp semuanya dapat mengirim foto ke pengguna sebagai komponen gerakan bot.
Dari sudut pandang orang, mudah untuk mengamati tindakan pemikiran: jika asisten digital dapat mengirimkan kesan, saya benar-benar harus siap mengirimkan tayangan kembali.
Karena itu, bergantung pada platform AI percakapan dan kerumitannya, asisten virtual Anda mungkin tidak dapat menyadari lampiran. Ini biasanya terjadi ketika bot masih dalam masa pertumbuhan dan telah membatasi kondisi penggunaan pertama dan set fungsi. Ini hanya dapat menimbulkan kekesalan pengguna, dengan frekuensi ucapan yang tinggi seperti:
Ilustrasi pengenalan lampiran hanya dalam percakapan chatbot
Seringkali, konsumen mencapai bantuan pembeli karena pertemuan yang merugikan, dan perasaan seperti frustrasi atau stres mungkin memengaruhi perilaku konsumen. Ketika pengguna memiliki masalah, mereka mungkin mengantisipasi bahwa memberikan lampiran menggunakan obrolan adalah cara tercepat atau paling cepat untuk berhubungan dengan layanan klien. Pelanggan juga sering mengirimkan lampiran sehingga mereka tidak perlu mengetik pesan secara menyeluruh atau memilih berbagai kemungkinan menu. Berbagi foto/film biasanya jauh lebih cepat daripada mengetik pesan. Selain itu, orang mungkin tidak mengetahui kata-kata yang tepat ketika merujuk pada produk atau barang khusus, dan bergantung pada elemen visual. Orang tersebut mungkin juga mengantisipasi keharusan untuk menunjukkan”bukti”, yang populer dalam kondisi bantuan pembeli pengganti atau pengembalian dana.
Ilustrasi industri permintaan pengenalan lampiran ke chatbot
Industri luas yang ahli dalam perilaku ini berisi layanan ritel dan makanan. Skenario penggunaan lintas pasar lainnya berisi pengiriman lampiran yang terhubung ke penagihan atau produk atau layanan/bantuan teknologi.
Sebagai Percakapan Perusahaan AI, Grasp of Code telah menjalankan analisis pribadi kami. Kami mengamati jumlah pengguna akhir yang berkembang yang mengharapkan chatbot dapat mengurai maksud dari tayangan atau lampiran yang telah mereka kirimkan. Pembeli ini mengandalkan asisten virtual untuk dapat memperoleh gerakan terutama berdasarkan lampiran yang ditawarkan, seperti mendeteksi item yang rusak dan memicu aliran pengembalian dana.
Selain itu, bahkan jika chatbot Anda jelas memperkenalkan dirinya sebagai asisten digital, terkadang konsumen menjadi bingung dan mengira mereka sedang berbicara dengan agen: “Apakah Anda melihat apa yang saya kirim?”
Jika pengguna mengirim lampiran dan mendapatkan penggantian standar informasi, mereka biasanya putus asa dan meninggalkan percakapan. Keberhasilan ini dalam penahanan yang merugikan dan skor studi yang merugikan untuk CSAT dan NPS.
Dengan demikian, fallback normal Anda bukanlah informasi’satu perintah yang cocok dengan semua kasus penggunaan’. Sebagai gantinya, Master of Code merekomendasikan untuk memasukkan dalam penanganan fallback khusus.
Sebagai tahap awal, kami mengusulkan untuk menyelidiki apakah sistem bot Anda memiliki kemampuan untuk mengurai lampiran dan menambahkan ke peta jalan Anda.
Cara Memilih Platform AI Percakapan. Dapatkan daftar periksa
Meskipun demikian, meskipun asisten virtual Anda saat ini tidak dapat mengurai lampiran, itu tidak berarti hampir tidak ada yang dapat Anda lakukan untuk meningkatkan pengetahuan konsumen. Bot dapat terus memahami bahwa pengguna mencoba mengirim lampiran. Dengan menangkap kapan dan di mana pengguna mencoba mengirimkan foto, Anda juga akan siap untuk memastikan peluang kemajuan, yang mencakup membangun atau mengoptimalkan alur layanan mandiri.
Untuk menghilangkan kekecewaan pengguna dan meningkatkan pertemuan orang, asisten Anda harus memiliki respons mundur, sehingga orang tersebut merasa didengarkan. Pelanggan jauh lebih memaafkan jika mereka mempelajari bot tidak dapat memproses lampiran, dan itulah sebabnya mereka melakukan fallback.
Jika chatbot Anda tidak dapat menguraikan lampiran apa pun, fungsikan dengan grup khusus Anda untuk memperbarui bot untuk mendeteksi saat pembeli mengirim lampiran. Bot harus memberikan respons kontekstual tentang apa yang bisa dan tidak bisa dilakukan:
Pengenalan rekaman suara di dalam percakapan chatbot
Ini meyakinkan konsumen bahwa saat mereka dieskalasi, agen akan dapat melihat lampiran.
Lebih jauh lagi gesekan pengguna dengan memberikan kemungkinan. Izinkan pengguna untuk menentukan apakah mereka ingin langsung mengeskalasi, atau kembali ke peredaran dan tetap mengikuti petunjuk: “Apakah Anda ingin mengobrol dengan agen, atau kembali ke tahap sebelumnya?”
Perancang dialog profesional dapat membantu mempersonalisasi pesan fallback ini agar cocok dengan kepribadian dan nada Anda.
Lakukan dengan grup teknis dan operasi yang sama untuk memvalidasi apakah agen dapat memeriksa lampiran dari dasbor agen mereka , dan jika sarananya sama di semua saluran yang menyediakan bot.
Jika agen tidak dapat melihat lampiran, kami menganjurkan untuk mengubah informasi ke: Terima kasih banyak telah mengirimkan gambar atau lampiran, mengatakan bahwa kita tidak dapat melihatnya. Dalam beberapa frasa, bagaimana saya dapat mendukung Anda sekarang? Bot kemudian dapat menilai masukan pengguna ke desain NLU Anda.
Juga jelajahi: Tiga Rahasia Orang Dalam Di Balik Pemecahan Masalah yang Berdampak Alur Dialog Chatbot
Penting juga untuk menilai faktor apa dalam diskusi aliran bahwa konsumen mengirim lampiran. Apakah itu konsep awal mereka? Jika demikian, kami menganjurkan untuk menyajikan fallback yang disesuaikan dan kemudian menyajikan menu utama. Pada saat orang tersebut memahami bahwa mereka harus menggunakan menu, mereka cenderung tidak akan mengulang atau meninggalkan diskusi.
Mendapatkan Diagram Diagram Aliran Percakapan dengan situasi pengembangan dialog untuk chatbot Anda
Jika bot Anda dapat mengurai beberapa bentuk lampiran tetapi tidak banyak yang lain, maka Anda harus membuatnya eksplisit: Terima kasih telah mengirimkan film. Saya tidak dapat melihat film, tetapi saya dapat melihat visual. Jika Anda ingin mengirim ulang sebagai gambar, kami dapat mencobanya sekali lagi. Jika tidak, kita dapat melanjutkan dan saya akan memindahkan klip video bersama ke agen.
Seseorang dari kunci Struktur Percakapan tindakan harus jelas tentang batasan asisten virtual. Sebagai pengganti permintaan maaf dengan perintah gaya umum “Maaf, saya tidak mengerti”, bot melanjutkan untuk mengalihkan percakapan ke depan.
Karena Grasp of Code mulai digunakan dari metode ini untuk tugas-tugas terkait, kami telah menyaksikan peningkatan penting dalam CSAT dan penahanan.
Mengakui bahwa lampiran sedang dikirim dan menghasilkan fallback yang jelas tentang kemampuan asisten virtual Anda adalah kemenangan cepat. Ini adalah sedikit perubahan tetapi memiliki dampak besar pada pengetahuan umum pengguna.
Anda akan berada dalam posisi untuk mengukur kemajuan chatbot melalui:
Skor CSAT/NPS yang lebih tinggi Meningkatkan penahanan Mengurangi pada pembeli yang melakukan fallback biasa Minimalkan dalam pengulangan
Perlu diingat, biasanya sangat penting untuk memberikan resep kepada konsumen, bahkan jika itu menyarankan berbagi batasan teknis dari jawaban percakapan.
Memerlukan bantuan dengan membangun metode AI Percakapan untuk pembeli Anda? Kami dapat mengaktifkannya!
Nilai postingan ini
Berbagi itu peduli!