Im Dialoggenerator werden durch konditionale Blöcke ausgehend von Informationen in der Konversation Dialogverzweigungen aktiviert. Dieser Beitrag beschreibt einige praktische Möglichkeiten, wie konditionale Blöcke in Konversationsflüssen für AI Agents – Advanced eingesetzt werden können.
Dieser Beitrag enthält die folgenden Abschnitte:
- Verhinderung von Schleifen
- Entitätslisten
- Personalisierung des Kundentyps/-werts
- Personalisierung des Werts von der API-Integration
- Erkennung der bevorzugten Sprache
- Nummernkonventionen
- Markenspezifische Informationen
Verwandte Beiträge:
Verhinderung von Schleifen
Schleifen sind in der Regel nicht hilfreich. Wenn ein Kunde einen Konversationspfad einmal durchlaufen hat, braucht er wahrscheinlich weitere Informationen, um den Rest der Konversation erfolgreich fortsetzen zu können.
Um Endlosschleifen zu vermeiden, kann eine Konversation denselben Block in einem Dialog nur begrenzt oft durchlaufen. Wenn ein AI Agent versucht, eine Antwort zu generieren, und die Konversation dreimal denselben Block durchläuft (was passieren kann, wenn Sie frühere Blöcke verlinken), bricht der AI Agent den Versuch ab.
Sie können auch einen Parameterwert festlegen, der als „Schutzvorrichtung“ in einer Situation dient, die für den Kunden sonst zu einer frustrierenden Schleife führen würde. Betrachten Sie das folgende Beispiel, das einen Dialog für einen Kunden veranschaulicht, der mit einem menschlichen Mitarbeiter sprechen möchte. Wenn der Kunde zum ersten Mal darum bittet, mit einem Mitarbeiter zu sprechen, teilt der AI Agent dem Kunden mit, dass alle Mitarbeiter beschäftigt sind, und schlägt vor, zunächst mit ihm zu arbeiten. Nach dieser ersten Nachricht wird der Dialogparameter auf passed gesetzt – dies ist die „Schutzvorrichtung“. Wenn der Kunde ein zweites Mal darum bittet, mit einem Mitarbeiter zu sprechen, wird geprüft, ob der Dialog auf den Wert passed gesetzt ist, und der Kunde in diesem Fall an einen Mitarbeiter weitergeleitet.
Entitätslisten
Wenn Sie keine Schaltflächen verwenden möchten oder können, eignen sich konditionale Blöcke hervorragend für unterschiedliche Anwendungsfälle, z. B. für Kontaktmethoden, bei denen es unwahrscheinlich ist, dass Sie eine bestimmte Absicht trainieren.
Mithilfe von Listen können Sie Informationen segmentieren und Benutzer dann auf einen spezifischeren, personalisierten Pfad führen.
Das folgende Beispiel basiert auf Kontaktmethoden, Sie könnten jedoch auch ein anderes Beispiel verwenden, das auf Informationen basiert wie dem Ort, an dem sich der Kunde befindet. Durch Laden einer Liste von Browsern und Betriebssystemen können Sie die Kundenunterstützung personalisieren.
Personalisierung des Kundentyps/-werts
Je nach Art des Kunden, der Kontakt aufnimmt, können unterschiedliche Abläufe oder Richtlinien gelten, z. B. für Händler andere als für Premium- oder Neukunden. Wenn Sie diese Informationen abrufen, können Sie daher basierend auf dem Customer Lifetime Value oder der Geschäftsbeziehung ein genaueres und relevanteres Erlebnis bieten. Ein Beispiel hierfür ist das Abrufen der Organisationsinformationen, wenn Sie B2B-, B2C- oder D2C-Anwendungsfälle haben – im folgenden Screenshot mit Zendesk. Diese Informationen können dann mit dem Parameter „orgCustom“ segmentiert werden.
Personalisierung des Werts von der API-Integration
Sie können die Antworten des AI Agent anhand der zurückgegebenen kundenspezifischen Informationen noch weiter personalisieren. Dabei kann es sich je nach Anwendungsfall, API und den verfügbaren Informationen um praktisch alles handeln. Beispiel: Sendungsstatus ist „Versandt“ + Spediteur ist „DHL“ + Versandart ist „Express“
Hier können Sie dem Benutzer genauere Informationen geben. Zur Veranschaulichung hier ein Beispiel zum Thema Expressversand. Wenn Sie für ein Paket mit dem Status „versandt“ eine allgemeine Antwort wie „Bitte rechnen Sie mit einer Lieferzeit von 2–5 Tagen“ geben, könnte dies zu Unzufriedenheit bei Kunden führen, die entweder Premium-Kunden sind und im Rahmen eines Treueprogramms automatisch Expressversand erhalten, oder Kunden, die für Lieferung innerhalb eines Tages bezahlt haben.
Erkennung der bevorzugten Sprache
Wenn jemand in Ihrem Help Center Inhalte in einer bestimmten Sprache aufruft, wäre es ideal, wenn Sie die Sprache beibehalten, in der die Seite angezeigt wird, um ein nahtloses Erlebnis zu bieten.
Ein Beispiel hierfür ist die Verwendung des Tags „get“, je nachdem, in welchem Help Center das Widget geladen wird.
Wir haben eine Aktion für „Chat gestartet“, um Stichwörter abzurufen und dann zum Auslösen der richtigen Sprache zu verwenden. In den folgenden Screenshots wird Zendesk als Beispiel verwendet.
Nummernkonventionen
Es gibt unterschiedliche Beispiele, bei denen Nummern für ein bestimmtes Produkt (markenbasierte Artikelnummern, Zielorte), ein bestimmtes Land (z. B. Postleitzahl oder Telefonnummer) oder eine bestimmte Konvention in Ihrem Unternehmen gelten (regionale oder Premium-Bestellnummern). Hier eignet sich der Operator „beginnt mit“ hervorragend zur Personalisierung der Kommunikation.
Markenspezifische Informationen
Je nach Art des Produkts, nach dem ein Kunde fragt, haben Sie möglicherweise spezielle Merchandising-Vereinbarungen, die dem Benutzer Anspruch auf ein bestimmtes Supportlevel geben. In diesem Fall sollten Sie den Konversationsfluss anhand eines konditionalen Blocks auf Markenebene aufteilen. Je nach Absicht können Sie spezifische Antworten bereitstellen, z. B. Pflegehinweise, Vorgehensweise bei einem beschädigten Produkt oder Vorbestellungen.
