FAQs (frequently asked questions) mit einem regelbasierten Chatbot beantworten?
Success-Stories, wie die von der Aduno-Gruppe, der Sozialversicherung Aargau oder der Fachhochschule Graubünden zeigen, dass auch regelbasierte Chatbots zum Beantworten von häufigen Fragen eingesetzt werden können. Es muss nicht immer ausschliesslich etwas mit KI (Künstlicher Intelligenz) sein.
Was macht der Chatbot der Aduno-Gruppe?
Die Aduno-Gruppe hat für ihren Partner Manor eine eigene Kreditkarte herausgegeben. Es ist vorhersehbar, dass Besitzer dieser “neuen” Kreditkarte Fragen zu den Gebühren, zur Abrechnung usw. haben werden. Der Chatbot, welcher auf der Webseite von Manor.ch zu finden ist, beantwortet seit einigen Monaten die häufigsten Kundenanfrage. Bei dem digitalen Assistenten “Vinnie” handelt es sich um einen “einfachen” regelbasierten Chatbot. Durch geschicktes fragen, findet Vinnie das Bedürfnis des Users sehr schnell raus und kann ihm anschliessend die passende Antwort geben.
Wie entsteht ein regelbasierter FAQ-Chatbot?
Vor einigen Monaten durfte ich das Team der Fachhochschule Graubünden bei der Konzeption und Umsetzung ihres FAQ-Chatbots für den CAS “Digital Communication Excellence” begleiten. So sind wir vorgegangen:
1. Alle Fragen sammeln
Als erstes haben wir eine lange Liste mit allen Fragen rund um den Studiengang “Digital Communication Excellence” erstellt. Hier haben wir vor allem Inputs der Studierenden und der Studienberatung berücksichtigt. Aber natürlich wurden auch Dozenten, das Marketingteam und das Webteam befragt.
2. Fragen strukturieren
Für einen regelbasierten Chatbot brauchen wir eine gute Struktur. Nachdem wir alle Fragen gesammelt hatten, haben wir diese nach Themen geclustert. Folgende Themencluster haben wir gebildet: Allgemeine Fragen, Fragen zu Kursinhalten, Fragen zur Anmeldung, Fragen zur Zielgruppe, Fragen zu Unterrichtsformen. Je nachdem, wie gross die einzelnen Cluster waren, haben wir nochmals Unter-Cluster gebildet.
Zum Teil kann es auch hilfreich sein, dass ein Cluster einfach nur “Kontaktaufnahme” heisst. Das war hier jedoch nicht der Fall.
3. Tonalität festlegen
Bevor wir anfangen konnten, die Fragen und Antworten weiter auszuformulieren, mussten wir die Tonalität für den Chatbot festlegen. Wir haben uns dabei vor allem an der Zielgruppe und an dem Image der Fachhochschule Graubünden orientiert. Ein hilfreiches Template ist dazu die Vorlalge “Let Your Bot Talk. Ihr findet sie hier.
4. Dialoge ausformulieren
Nun waren die Inhalte des Chatbots recht klar und auch die Tonalität war definiert. Jetzt kommt der Teil, in dem die Dialoge – also die Fragen und Antworten – wirklich ausformuliert werden. Wichtig ist hierbei, dass man sich möglichst kurz und knapp hälst und dennoch sympathisch bleibt. Sunita von Wemakeit hat dies im Podcast-Interview sehr gut beschrieben. Die Folge könnt ihr hier hören und lesen.
5. Technologie auswählen
Je nachdem wie ihr arbeitet, kann es auch Sinn machen die Technologie schon etwas früher auszuwählen und die Dialoge dann direkt im Tool zu schreiben. So mache ich es in der Regel. Weiter würde ich für diese Art von Chatbots fast immer das Tool von aiaibot.com empfehlen. Es ist sehr einfach zu bedienen und Dialoge lassen sich sehr gut anpassen. Bei der Fachhochschule Graubünden stand die Technologie schon ziemlich früh fest. Wir haben dann lediglich die Cluster auf Papier gesammelt und die weiteren Dialoge dann direkt im Tool geschrieben.
6. Chatbot Dialoge in den Chatbot bringen
Sofern ihr den vierten Schritt noch auf Papier und digital in Tools, wie collaboard.app oder miro gemacht habt, müsst ihr jetzt die Chatbot Dialoge – also die Fragen und Antworten in das Tool bringen.
7. Testen und Anpassen
Alle Cluster bzw. alle Fragen und Antworten sind nun im Chatbot-Tool integriert und der Chatbot kann getestet werden. Klickt euch mal durch alle Dialoge durch und lasst vor allem auch andere mal chatten. Häufig kommt es hier nochmal zu Anpassungen der Texte. Vielleicht müsst ihr sogar die Untercluster nochmal anpassen. Bei der Fachhochschule Graubünden (FHGR) hatte hier vor allem die Studiengangsleitung noch wertvolle Inputs geben können.
8. Gebt dem Chatbot einen Namen
Es gibt Chatbot-Projekte, da hat der Bot schonen einen Namen, obwohl er noch gar kein Budget hat. Spätestens jetzt solltet ihr dem digitalen Assistenten einen Namen geben. Bei der FHGR kam der Input für den Namen “Cibi” von einer Studentin. Ihr war es besonders wichtig, das Cibi kein eindeutiges Geschlecht und keine fixe Hautfarbe hat.
9. Weiterentwickeln ist ganz wichtig
The “Chatbot” project is not finished with the naming ceremony. Now comes the further development. You will realize that you have forgotten questions and these must then be added. You may also need to add more clusters over time.
What do you think of the new questions? Either your chat dialog has an integrated open question that triggers an email to a human employee. In this case you will receive the missing questions step by step from the users. If this is not the case, you should regularly ask your customer service team what the most frequently asked questions are and add them to the chatbot.
How does it start?
Sometimes a chatbot project needs a little courage or a good and motivated team that sees the opportunities and added value of chatbots and wants to benefit from them.
No matter where you are still unsure – I will be happy to support you. A simple e-mail to sophie@hundertmark.ch or a call to +41 78 900 5346 is all it takes. As always, I look forward to your questions and messages.
Or take a look at my chatbot canvas – maybe that will help you get started?
