Steg för steg guide projekt chatbot
Steg för steg guide projekt chatbot

Steg för steg guide: Projekt Chatbot

Att genomföra ett chatbot-projekt kan vara en lång och komplex resa om man inte vet hur man ska bära sig åt. Det finns många risker förknippade med att automatisera kundkontaken, och i slutändan står organisationens rykte på spel, då chatboten blir välkomstmattan för kunder att skapa sig det där första intrycket som utgör majoriteten av vad de kommer tycka för alltid. Det är också lätt att ett chatbots-projekt drar ut på tiden, och kostar skjortan. 

För att undvika dessa fallgropar kommer här en guide för att skapa de bästa förutsättningarna för ett effektivt och väl genomfört chatbots-projekt: 

Steg 1: Välj en leverantör som jobbar MED er

Det finns olika typer av tjänster för chatbots därute. Vissa leverantörer erbjuder DIY plattformar där man på ett användarvänligt sätt sätter upp sina egna frågor och svar. Utmaningen med detta är att det är svårt att veta exakt hur man ska strukturera upp sina frågeträd och hur man ska navigera kunderna när man inte har någon erfarenhet av automatiserad konversation. Resultatet blir ofta en styltig upplevelse. Ansvaret för att träna boten läggs ofta helt på kunden, vilket i vår erfarenhet ibland leder till att boten blir feltränad. Och detta skapar i sin tur en syltig upplevelse för kunden. Styltig och syltig alltså — inge vidare med andra ord. 

Ebbot and Friends
Se till att leverantören jobbar med er hela vägen.

Det är viktigt att leverantören bidrar med sin expertis från början. Kommer med förslag hur frågor & svar ska struktureras. Hur arbetetet ska se ut före och efter boten isjösätts. Det ska vara möjligt att bolla idéer och bli utmanad. 

I ett nötskal: se inte en chatbotsföretaget som en tjänsteleverantör, se det mer som en partner. 

Steg 2: Börja enkelt och sätt ett tydligt scope

Det är lätt att tänka att ”nu tusan när vi ska ha chatbot ska vi koppla ihop varenda system vi har och vår bot ska vara super-duper-mega-bronto-smart och svara på allting helt automatiserat”. Ja, absolut, men med tiden. Det kan vara kostsamt både i tid och pengar att satsa på coola integrationer som kunderna sedan inte använder. Dessutom kan dessa satsningar, gjorda för tidigt, ta bort fokuset från det som är viktigast att få på plats först: språkförståelsen. 

Netonnet widget
Med NetOnNet nådde vi 60% automatiseringsgrad redan efter 3 månader helt utan integrationer.

Tipset här är därför att sätta ett enkelt, tydligt scope för vad boten ska kunna göra till en början. En chatbot kommer långt utan integrationer. Med fokus på språkförståelse och att på enklare sätt lösa kundernas problem ser vi ofta att våra kunder lyckas automatisera runt 60% av alla inkommande frågor utan integrationer. 

Steg 3: Testa internt

När konturerna på er chatbot börjar bli synliga är det dags att testa den innan ni går live. Här kan hela teamet mata den med frågor, för att se hur den bär sig åt. Det är svårt att förutspå hur boten faktiskt agerar mot personer som inte varit med och byggt boten. Därför blir denna testrunda botens första riktiga erfarenhet med riktiga konversationer. Här kan fel som behöver tweakas lätt upptäckas, och upplevelsen när ni går live blir mycket bättre. Tänk det lite som att renskriva en text innan publicering.

Steg 4: Vid lansering har arbetet bara börjat

Nu börjar det bli spännande! Boten har gått live och interagerar med livs levande, riktiga kunder. Här kommer helt plötsligt livsviktig data in som går att använda för att göra boten bättre med tiden. 

Training center
Efter lansering börjar tränandet av boten.
  1. Allt kunderna skriver använder boten för att bli bättre på språket och förstå kunderna bättre.
  2. Ni kan mäta vilken typ av frågor som kommer in, och därför veta vad som är värt att lägga fokus på framåt, vilka häfta integrationer som är värda att investera i etc. 
  3. Ni kan se hur kundnöjdheten speglar de olika svaren på frågorna, och justera svaren för att förbättra kundernas upplevelse. 

Steg 5: Bygg ut

Nu när er chatbot har en grund i språkförståelsen att stå på, och ni har rätt data för att veta vad som är värt att satsa på, är det dags att bygga vidare. Här kan man gå en massa olika vägar, men de vanligaste brukar vara: 

  • Översätt boten till fler språk och lansera i andra länder. 
  • Bygg på bredden: boten svarar på fler frågor
  • Bygg på djupet: Använd data för att veta vilka frågor som boten svarar på, och förbättra automatiseringsgraden/upplevelsen där genom integrationer. 
  • Bygg vidare inom organisationen. Intern-bot som svarar på medarbetarnas frågor? En bot som samlar in leads? En bot som helpdesk? 

Vid det här laget har ni en hejdundrans chatbot, och har säkert automatiserat en betydande del av repetitiva frågor. Och för att gå vidare är det bara att repetera steg 4 och 5. Vill ni veta mer i detalj om hur våra projekt med kunder har sett ut samt vad resultaten har varit pratar vi gärna med er! 

Sälj-Ebbot-Rosa-bakgrund-chatbot

Lär er mer om hur vi jobbat med våra kunder och hur ett chatbot-projekt ser ut.

Toxic comment detection in Swedish
Uncategorized
Mia

Detecting toxic messages in Swedish language

Recently, one of our clients asked us to teach Ebbot to detect toxic messages in conversations. Thanks to this special request, we got a chance to work on one of the most difficult topics in the Natural Language Processing (NLP) field. And yes, we can not be more excited! 🥳

Läs mer »
AI
Mia

Grouping similar sentences for faster intent training

After successfully extended a powerful Natural Language Processing (NLP) model called ”SentenceTransformers” to Swedish language, we decided to continue with another exciting project aiming to half-automate the intent training process by grouping similar sentences.

Läs mer »
Steg för steg guide projekt chatbot
Chatbot
Oliver Wirström

Steg för steg guide: Projekt Chatbot

Att genomföra ett chatbot-projekt kan vara en lång och komplex resa om man inte vet hur man ska bära sig åt. Det finns många risker förknippade med att automatisera kundkontaken, och i slutändan står organisationens rykte på spel, då chatboten blir välkomstmattan för kunder att skapa sig det där första intrycket som utgör majoriteten av vad de kommer tycka för alltid. Det är också lätt att ett chatbots-projekt drar ut på tiden, och kostar skjortan.

Läs mer »

Share This Post

Dela på facebook
Dela på linkedin
Dela på twitter
Dela på email

Läs fler

Detecting toxic messages in Swedish language

Recently, one of our clients asked us to teach Ebbot to detect toxic messages in conversations. Thanks to this special request, we got a chance to work on one of the most difficult topics in the Natural Language Processing (NLP) field. And yes, we can not be more excited! 🥳

LÄS MER »

Grouping similar sentences for faster intent training

After successfully extended a powerful Natural Language Processing (NLP) model called ”SentenceTransformers” to Swedish language, we decided to continue with another exciting project aiming to half-automate the intent training process by grouping similar sentences.

LÄS MER »