Service Chatbot für Steinhart Uhren

Service Chatbot für Steinhart Uhren

MAX unterstützt im Kundenservice

Unter www.steinhartwatches.de vertreibt das Augsburger Unternehmen Steinhart Watches exklusive Uhren für Liebhaber. Darunter sind auch immer wieder limitierte Kollektionen.

Da der Kunde über den Online-Shop zahlreiche Anfragen zu den Produkten erhält, war es sein Wunsch, den Kundenservice mit einem Chatbot zu unterstützen. MAX sollte im Shop jederzeit und an jeder Stelle des Einkaufsprozesses verfügbar sein, die Einkäufer unterstützen und ihre Fragen beantworten.

Für das Projekt erstellte das Team zunächst eine umfangreiche Liste mit häufig gestellten Fragen. Passend dazu wurde ein Kommunikationsdesign ausgearbeitet. Parallel entstand ein Design für den Chatbot, der sich nahtlos in den Shop einfügen sollte. Im Anschluss wurde der Chatbot entwickelt, an relevante Schnittstellen angebunden, trainiert, getestet und in die Seite eingebunden.

Digitaler Assistent für Engel & Völkers

Digitaler Assistent für Engel & Völkers

Max assistiert auf E-Learning Plattform

Auf der E-Learning-Plattform des Immobilien-Unternehmens Engel & Völkers wurde MAX als digitaler Assistent eingesetzt.

Auf einer internen Lernplattform stellt der Kunde seinen Mitarbeitern in ganz Deutschland Lerninhalte rund um das Unternehmen zur Verfügung, bietet Webinare an und ermöglicht die Buchung von Schulungen. Um den Mitarbeitern die Navigation auf der Plattform zu erleichtern, führt der Chatbot die Seitenbesucher zu den gewünschten Inhalten, kann Buchungen abwickeln und den Mitarbeitern Fragen beantworten.

Für den Kunden arbeitete das Team um MAX ein umfassendes Kommunikationsdesign aus, setzte ein individuelles Design für den Chatbot um und sorgte für die Integration in die Engel & Völkers Lernplattform sowie die Anbindung verschiedener Schnittstellen. ​

Auf die Sprache kommt es an!

MAX the Bot | Auf die Sprache kommt es an!

Auf die Sprache kommt es an!

Chatbot-Plattformen gibt es mittlerweile einige auf dem Markt. Viele große Player wie beispielsweise IBM, Google, Microsoft oder Amazon haben heute Chatbot-Systeme im Angebot, die Entwickler über Schnittstellen (API) integrieren und nutzen können, um mithilfe von KI (Künstlicher Intelligenz) aus Sprache oder Text für den Computer verständliche Fragen und Kommandos zu machen.

Ähnliche KI-Algorithmen sind auch in unserem Chatbot MAX integriert. Die Herausforderung ist dabei allerdings schon lange nicht mehr die Technik – sondern vielmehr die Qualität des Umgangs mit der Variantenvielfalt einer Sprache!

In jeder Sprache existieren zahlreiche Möglichkeiten, um ein Kommando auszudrücken, welches das gleiche bedeutet. So versteht jeder Mensch unter „Kann ich bitte die Milch haben“ das gleiche wie unter „reichst Du mir bitte die Milch“. Chatbots werden zwar auch stetig besser darin, solche Kommandos zu erkennen – dennoch ist an dieser Stelle in vielen Fällen noch der Mensch gefragt. Für das Erstellen und Trainieren eines qualitativ hochwertigen Chatbots benötigt es hier Experten, die sehr gut mit Sprache umgehen können.

 

Sprache – die unterschätze Komponente bei der Entwicklung eines Chatbots

Untersucht man die am Markt befindlichen Chatbots, stellt man fest, dass es nur wenige sehr gute und sehr viele sehr schlechte Bots gibt. Das liegt aber nicht an der Technik – denn die leistet in fast allen Fallen das gleiche und der Technologieanbieter spielt nur eine untergeordnete Rolle.

Was dafür aber eine umso wichtigere Rolle spielt, ist der Dienstleister oder die Abteilung, die den Chatbot umsetzt. Ich habe festgestellt, dass Softwareentwickler häufig nicht nur für die technische, sondern auch für die sprachliche Umsetzung von Chatbots zuständig sind. Zweifelsohne sind die Entwickler gut in ihrem Fach – doch wenn es um Sprache geht, haben sie häufig ihre liebe Not (ich nehme mich hier nicht aus). Diese Vorgehensweise resultiert in Bots, die nur eingeschränkte Funktionalität haben und bei den Anwendern sehr schnell durchfallen.

Bei einem guten Chatbot-System können Schnittstellen leicht eingebunden werden und ein gut konzipiertes Backend, über das Kundenwünsche schnell und einfach umgesetzt werden können, nimmt viele Arbeiten ab. Daher nimmt bei einem solchen Chatbot-System die technische Umsetzung vielleicht 10 – 15 % des Projekts ein.

Die restlichen 85 – 90 % des Projekts sind für die Sprache und die Generierung eines großartigen Nutzererlebnisses da – und hierfür benötigt man Experten. Deshalb arbeiten wir bei unseren Kundenprojekten von Beginn an mit einem interdisziplinären Team aus Entwicklern, Textern, Konzeptern und Designern. So sorgen wir dafür, dass unsere Chatbots die Nutzer nicht nur technisch, sondern auch sprachlich überzeugen!

Chatbot Use Cases in der Kundenkommunikation

Chatbots – Use Cases in der Kundenkommunikation!

Chatbot Use Cases in der Kundenkommunikation

Chatbots haben die Kommunikationslandschaft in den letzten Jahren maßgeblich transformiert. Vor allem Unternehmen und ihre Kunden profitieren davon. Viele Unternehmen erkennen zwar das Potenzial von Chatbots, sind sich aber unsicher, wo sie einen Chatbot einsetzen können. Dabei gibt es zahlreiche Use Cases:

Use Cases

1. Kundenservice und Support
Am häufigsten werden Chatbots im Service und Support eingesetzt. Fast jede App und Website hat zum Beispiel FAQs (häufig gestellte Fragen). Leider sind diese oft versteckt und für den Nutzer schwer auffindbar. Ein Chatbot kann hier Abhilfe schaffen und die Nutzererfahrung wesentlich verbessern. Er ist auf jeder Seite an der immer selben Stelle auffindbar (Chatfenster) und fragt den Nutzer proaktiv, wie er ihm helfen kann. So muss der User nicht einmal die Seite verlassen, auf der er sich gerade befindet! Alternativ kann der Chatbot natürlich auch über Messenger kommunizieren.

2. Termine und Reservierungen
Telefonieren ist out: Statt zum Hörer (oder Smartphone) zu greifen, ist es vielen Menschen heute lieber, Termine und Reservierungen online abzuwickeln. Auch hier sind Chatbots ideale Mittel zum Zweck. Restaurants, Arztpraxen oder Friseure können auf ihrer Website, ihren Social-Media-Kanälen oder in Messaging-Apps einen Chatbot einbinden, der den Kunden hilft, Termine oder Reservierungen zu vereinbaren – auch abseits der Öffnungszeiten. Der Chatbot kann dann zum Beispiel auch verfügbare Termine anzeigen oder Buchungen direkt in ein zentrales System speichern.

3. E-Commerce
Flüge buchen, Pizza bestellen, Jeans kaufen: Immer mehr Unternehmen setzen Chatbots im E-Commerce ein. Die Kommunikationsroboter können Einkaufserlebnisse für Kunden wesentlich vereinfachen und verbessern. Sie können sowohl als digitale Assistenten auftreten und Kunden beraten, als auch Websites oder Apps ersetzen und den Kunden ermöglichen, Käufe direkt im Messenger abzuwickeln.

4. Produktivität und Coaching
Selbstoptimierung ist gerade ein riesiges Thema. Fast jeder nutzt Software für To Do-Listen, Aufgaben und Erinnerungen oder hat Apps auf dem Smartphone, um die Finanzen im Blick zu behalten oder mehr Sport zu treiben. Auch hier können Chatbots zum Einsatz kommen. Sie können direkt über Messenger proaktiv mit den Usern kommunizieren und für eine persönlichere und angenehmere Nutzererfahrung sorgen.

5. Informationen und Benachrichtigungen
Benachrichtigungen und aktuelle Informationen zu bestimmten Themen direkt im Messenger: Das ist das Prinzip von Informations- und Benachrichtigungs-Chatbots. Die Tagesschau sendet beispielsweise per Chatbot zweimal täglich einen Überblick über das aktuelle Weltgeschehen. Ebenso gibt es Bots für das Wetter, das Fernsehprogramm, Artikel-Verfügbarkeiten oder Preisalarme.

6. Entertainment
Wer hat Siri nicht schon mal Witze erzählen lassen oder getestet, was Alexa alles kann? Gute Chatbots haben einen extrem hohen Entertainment-Faktor und es macht einfach Spaß, sie auszuprobieren!

7. Marken-Chatbots
Viele Unternehmen entdecken Bots als Marketing-Tools für sich. Hier gibt es viele spannende Use Cases. Maggi hat beispielsweise einen eigenen Chatbot für Rezepte und Fragen rund ums Kochen entwickelt. Der Bot namens „Kim“ schlägt Rezepte vor, kann Fragen zu Zutaten beantworten oder dem Nutzer helfen, diese gleich online einzukaufen. Ein anderes Beispiel: Für das Ravensburger Spiele-Land hat die Firma digital two einen Chatbot entwickelt, der in einer Gewinnspiel-Kampagne zum Einsatz kam. Dabei trat der Chatbot als Käpt’n Blaubär auf und stellte den Nutzern als Quizmaster Fragen zum Ravensburger Spiele-Land.

Grundsätzlich gilt: Unternehmen können Bots überall dort einsetzen, wo Touchpoints mit Kunden bestehen und kommuniziert wird. Große Unternehmen wie Lidl, die Sparkasse oder H&M, aber auch Lieferdienste, kleine Arztpraxen oder Restaurants haben bereits Chatbots im Einsatz. Für fast jedes Unternehmen gibt es den richtigen Use Case und damit eine Möglichkeit, von einem zu Chatbot profitieren.

Natural Language Processing – so können Computer unsere Sprache sprechen

Natural Language Processing – so können Computer unsere Sprache sprechen

Natural Language Processing – so können Computer unsere Sprache sprechen

Ist die Rede von einer Birne, wird uns Menschen aus dem Kontext klar, ob es sich um das Obst oder eine Glühbirne handelt. Doch wie sieht das bei den Maschinen aus?

Damit auch Computer diesen Kontext verstehen, muss die natürliche Sprache maschinell verarbeitet werden. Eine Methode hierfür ist das Natural Language Processing(NLP). Das Ziel dabei ist die direkte Kommunikation von Mensch zu Maschine. Die Schnittstellen hierfür sind beispielsweise Chatbots oder persönliche Assistenten wie Siri oder Alexa.

Wie der Computeralgorithmus aus einzelnen Begriffen den Kontext erkennen und die entscheidenden Informationen herausfiltern kann, wird anhand des CV-Parsings erklärt. CV-Parsing beschreibt das automatische, maschinelle Erfassen der wichtigsten Informationen aus einem Lebenslauf.

Die drei Phasen des Natural Language Processing

Schritt 1:
Gruppierung von Begriffen mit ähnlichem Kontext

Die Ausgangslage besteht meist aus einer großen Menge an Textdokumenten.

So wurden beim CV-Parsing zunächst die Texte von rund 50.000 Lebensläufen extrahiert. Danach wurden die Texte vereinheitlicht und bereinigt – zum Beispiel wurde das Verb „lief“ in das Verb „laufen“ überführt und seltene Wörter in den Texten entfernt. Dadurch wurden unbedeutende Daten entfernt und mehrdeutige Daten vereinheitlicht.

Aus den Texten wurde anschließend mit der sogenannten „Word2Vec-Methode“ ein Modell erzeugt.

Dabei werden Wörter, die in einen ähnlichen Kontext auftauchen, analysiert. Aus z.B. den Sätzen „3 Jahre als Sales Manager“, „5 Jahre als Key Account Manager“ und „1 Jahr als Lagerist“ lassen sich sprachunabhängig folgende Informationen herauslesen:

1) „Sales Manager“, „Key Account Manager“ und „Lagerist“ werden im gleichen Kontext – die Wörter stehen hinter dem Wort „als“ – verwendet und sind damit in einer Kategorie.

2) „Jahr“ und „Jahre“ werden im gleichen Kontext verwendet und sind damit in einer Kategorie.

Diese Kategorien werden nicht direkt gebildet, sondern jedes Wort wird als ein Punkt in einem Koordinatensystem abgebildet (man spricht von einem Vektor im Vektorraum). Die Wort-Punkte werden im Koordinatensystem so positioniert, dass Wörter mit ähnlichem Kontext nahe beieinander liegen. Dadurch entstehen „Wortwolken“ zu verschiedenen Bereichen wie Medizin, Software, Adressdaten usw.

 

Schritt 2:
Kategorisierung der Texte

Um beispielsweise die Branchen zu identifizieren, in denen ein Bewerber laut Lebenslauf tätig war, mussten Branchen-Begriffe gefunden und zu einer Branchenkategorie zugeordnet werden.

Das ist nicht immer einfach, da beispielsweise „Logistische Planung bei Nestlé“ sowohl der Logistik als auch der Lebensmittelindustrie zugeordnet werden kann.

Nach der Kategorisierung der Begriffe können die Bereiche in der „Wortwolke“ durch die Wort-Ähnlichkeit einer Branche zugeordnet werden. In welcher Branche der Bewerber in der Vergangenheit hauptsächlich tätig war, ergibt sich dann aus der Branche, die mit höchster Intensität vorhanden ist.

 

Schritt 3:
Iterative Optimierung

Es ist wichtig, die automatischen Zuordnungen durch die Wort-Ähnlichkeit fortwährend zu analysieren, anzupassen und zu evaluieren, um die Ergebnisse zu optimieren.

Zu den oben genannten Verfahren gibt es natürlich viele Alternativen. Jedoch wird verständlich, wie es möglich ist, dass Computer die menschliche Sprache  in einen abgesteckten Umfang verstehen und analysieren können.

Marketing Chatbot für das Ravensburger Spieleland

Marketing Chatbot für das Ravensburger Spieleland

Max betreut Gewinnspiel-Kampagne

Für das Ravensburger Spieleland wurde MAX in einer Gewinnspiel-Kampagne eingesetzt.

Im Rahmen der Kampagne wurde der Chatbot auf einer Gewinnspiel-Landingpage integriert. Dort stellte der Chatbot den Teilnehmern verschiedene Fragen, die richtig beantwortet werden mussten, um am Gewinnspiel teilzunehmen. Zudem hatten die Teilnehmer über den Chatbot die direkte Möglichkeit, ihre E-Mail-Adresse anzugeben und den Newsletter des Kunden zu abonnieren.

Insgesamt nahmen knapp 3000 Personen am Gewinnspiel teil und interagierten mit dem Chatbot. Dabei verzeichnete das Gewinnspiel extrem geringe Absprungraten (14 %) sowie eine Conversion Rate von 71 %. Zudem gaben 47 % der Teilnehmer ihre E-Mail-Adressen an und abonnierten den Newsletter des Kunden.