시작하기 전
대화 봇 구축을 시작하기 전에 명심해야 할 헬프 센터 콘텐츠 준비 및 답변 계획에 대한 몇 가지 성공 사례가 있습니다.
헬프 센터 콘텐츠 준비하기
주요 고객 문제를 다루고 봇이 문서와 답변을 쉽게 찾을 수 있도록 헬프 센터 콘텐츠를 준비해야 합니다. 다음과 같은 성공 사례를 염두에 두세요.
- 헬프 센터를 채울 일반적인 문제를 찾으세요. 티켓과 기타 리소스를 살펴보면서 티켓, 매크로 및 기타 리소스를 검토하여 헬프 센터 문서를 위한 주제를 찾을 수 있습니다.
- AI를 사용하여 더 쉽게 찾을 수 있도록 콘텐츠를 최적화하세요. 대화 봇은 헬프 센터 콘텐츠에서 정보를 가져오므로 훌륭한 서식을 갖추어 작성된 문서는 봇 성능을 향상시킵니다.
답변 계획하기
대화 봇에 대한 답변 만들기를 시작하기 전에 다음과 같은 계획 성공 사례를 고려하세요.
- 사용자가 자주 묻는 질문을 식별하세요. 주요 티켓 문제를 보고, 일반적인 헬프 센터 검색어를 검토하고, 상담사와 대화하여 봇을 위해 만들려는 답변을 계획하세요.
-
상담사가 조치를 취할 필요가 없고 고객이 스스로 해결할 수 있는 질문에 대한 답변을 먼저 만드세요. 일반적이고 쉽게 답변할 수 있는 질문의 예는 다음을 포함할 수 있습니다.
- 업무 시간
- 비밀번호 재설정
- 매장 위치
- 먼저 가장 일반적인 질문에 대한 답변으로 시작하세요. 약 20개의 가장 일반적인 문제에 대한 답변으로 시작해서 점차적으로 더 많은 문제를 다루어 나가는 것이 좋습니다. 모든 문제를 즉시 해결하려고 하지 마세요.
스탠더드 봇 응답 만들기
스탠더드 봇 응답을 정의할 때 다음 성공 사례를 염두에 두세요.
- 사용자가 짧고 요점만 간단하게 질문을 하도록 권장하세요.
- 사용자가 한 번에 한 가지 질문을 하도록 권장하세요. 예를 들어 "취소하고 싶지만 로그인할 수 없습니다."라고 묻는 대신 두 개의 질문을 별도로 해야 합니다.
- 봇과 대화하고 있다는 사실을 사용자에게 숨기지 마세요. 사용자가 사람과 대화하고 있다고 생각하면 대화식으로 긴 메시지를 쓸 가능성이 더 높습니다. 그러면 봇이 이해하는 데 어려움을 겪고 사용자는 잘못 이해했다고 느낄 수 있습니다.
- 봇이 생성형 답장, 문서 추천 또는 여러 개의 답변으로 구성되어 있으면 사용자에게 상황에 맞는 질문을 자유롭게 하도록 요청하세요. 사용자가 단일 키워드를 사용하는 대신 자유롭게 질문해야 합니다. 예를 들어 “환불”과 같은 한 단어는 "환불 요청"에 관심이 있는지 또는 "환불 정책"에 관심이 있는지 명확하지 않기 때문에 사용자의 의도에 대해 혼란을 초래할 수 있습니다.
- 안내말, 설명 또는 대체 응답에 일반적인 답변을 고정하고 상담사와 대화할 수 있는 옵션이 있는지 명확히 하세요. 고객 불만을 줄이고 대화 루프를 방지하는 데 도움이 될 수 있습니다.
- 상담사와 대화하는 옵션을 제공하세요. 실제 사람과의 대화를 제공할 수 없는 경우에는 사용자에게 미리 알려 불만을 제기하지 않도록 하세요.
다국어 봇 설정하기
상담사가 여러 언어를 사용하는 고객층을 지원하는 경우에는 자동 번역을 사용 설정하여 커뮤니케이션을 원활하게 할 수 있습니다. 자동 번역을 사용할 때 다음과 같이 하세요.
- 단일 언어로 봇을 구축하여 번역 품질을 최적화합니다.
- 사용자 지정 번역을 사용하여 수동으로 선택한 봇 메시지를 번역합니다.
답변 구축하기
대화 봇을 위한 답변을 만들 때 더 나은 봇 성능을 위해 답변을 구성하는 방법에 대한 다음 성공 사례를 고려하세요.
사용자와 소통하기
사용자와 소통하기 위한 답변의 시작에 대해 생각할 때 다음과 같은 성공 사례를 염두에 두세요.
- 사용자에게 문제를 되풀이하면서 각 답변을 시작하세요. 그렇게 하면 봇이 잘못된 답변을 하더라도 혼동할 가능성이 줄어듭니다. 예를 들어 사용자가 "계정 취소"라고 입력하는 경우 봇의 응답은 "계정의 취소를 원하신다니 유감입니다."여야 합니다.
-
최종 사용자가 어떻게 봇을 탐색해야 하는지 이해하도록 도우세요. 봇이 디자인된 방식에 따라 다양한 최종 사용자 상호작용 스타일이 봇 성능에 영향을 미칠 수 있습니다. 사용자가 답변을 찾기 위해 어떻게 봇을 탐색해야 하는지 명확하게 알려주세요.
- 봇이 탐색 경험(하나의 큰 답변 플로우)을 제공하도록 디자인되어 있는 경우에는 답변 전반에서 사용자에게 제공된 옵션 중에서 선택하도록 요청하세요.
- 사용자가 지원팀에 문의할 수 있도록 별도의 상담사 연결 답변을 만드세요. 제시된 옵션이 사용자가 원하는 것이 아닌 경우 대체 옵션으로 기본 탐색 경험 전반에 상담사 연결 답변을 연결하세요.
- 가벼운 대화를 다루는 별도의 답변을 만드세요. 예를 들어 "감사합니다. 안녕히 가세요."와 같은 마무리 응답을 만들 수 있습니다.
솔루션 찾기
사용자를 솔루션으로 안내하기 위해 답변을 구축할 때 다음과 같은 일반 성공 사례를 염두에 두세요.
- 특정 문서에 대해 지나치게 복잡한 플로우를 구축하지 마세요. 대신 생성형 답장을 활용하여 자동으로 답변을 리턴하세요. 팀의 답변 유지 관리를 최소화하는 데 도움이 됩니다.
- 고객 경험을 개인화하세요. 인증을 요구하거나, 조건부 시나리오를 포함하거나, 의도를 사용하여 개인화된 경험을 만드세요.
- 다른 시스템에 API 호출을 하여 사용자를 위한 자동 작업을 만드세요. 그렇게 하면 반품과 같은 대부분의 사용자 요청을 처음부터 끝까지 자동화할 수 있습니다.
- 각 답변이 반드시 문제를 처리하도록 해결책을 제공하세요. 예를 들어 봇 메시지에 질문에 대한 답변을 쓰거나, 도움말 문서에 대한 링크를 제공하거나, API 호출로 작업을 수행하세요.
대화 끝내기
답변의 끝과 끝내는 방법에 대해 생각할 때 다음과 같은 성공 사례를 염두에 두세요.
- 피드백을 요청하여 사용자의 문제가 해결되었는지 확인하세요. 문제가 해결되었는지 물어봐서 사용자의 문제가 해결되었는지 확인할 수 있습니다. 이 피드백을 사용하여 나중에 봇 효율성을 분석할 수도 있습니다.
-
대체 옵션을 제공하여 데드 엔드를 없애세요.
- API 호출이 실패하는 경우 상담사에게 연결하거나 관련 답변에 연결하는 옵션을 제공하세요. 예를 들어 주문 상태 검색에 실패한 경우 사용자가 직접 주문 상태를 확인할 수 있는 방법에 대한 문서의 링크를 제공하세요.
- 피드백을 요청했는데 사용자가 문제가 해결되지 않았다고 하면 대체 옵션을 제공하세요. 상담사에게 연결하는 옵션을 추가하거나 도움이 될 수 있는 관련 답변에 대한 링크를 추가해 보세요.
- 사용자가 업무 시간 외에 연락하는 경우 상담사에게 연결하는 에스컬레이션 옵션을 제공하여 사용자가 티켓을 만들고 상담사가 나중에 응답할 수 있도록 하세요.
질문에 일치하는 답변을 찾는 봇의 성능 개선하기
수동으로 학습 문구를 추가하거나 답변에 의도를 배정하여 봇이 사용자에게 올바른 답변이나 문서를 추천할 가능성을 높일 수 있습니다. 의도를 사용하려면 의도 모델이 배정되어 있어야 합니다.
학습 문구 사용하기
답변에서 학습 문구를 사용하여 봇 일치 성능을 향상시킬 수 있습니다. 의도 모델이 있으면 학습 문구 대신 의도를 사용해야 합니다.
학습 문구를 사용할 때 다음 성공 사례를 염두에 두세요.
- 사용자가 일반적인 질문을 어떻게 표현하는지 기록하여 답변의 학습 문구에 비슷한 단어나 문구를 사용하세요.
- 일반적인 주제를 하나의 답변으로 묶으세요. 예를 들어 해외 배송과 국내 배송을 하나의 답변에 포함하세요.
- 유사하거나 관련된 의미를 가진 문구를 사용하세요. Zendesk AI는 시맨틱 매칭을 사용하는 모델을 활용하는데, 여기서 모델은 질문의 전반적인 의미를 고려합니다. 예를 들어, "태양광 발전"과 "재생 가능"은 의미론적으로 관련이 있으며 모델은 이러한 연관성을 인식할 수 있습니다. 이 모델은 또한 "신용카드" 및 "은행 계좌"와 같은 두 개의 텍스트가 동시에 발생할 가능성이 있는 경우 일치하는 텍스트로 제안할 수 있습니다
- 다양한 구문을 추가하여 일치율을 개선하세요. 하지만 질문 방식에 대한 모든 변형을 추가할 필요는 없습니다. 예를 들어 사용자가 철자를 잘못 입력하거나 약간 다르게 표현해도 일치하는 항목을 찾습니다.
- 각 답변에 최소 3~5개의 학습 문구를 목표로 하세요.
- 단일 단어를 추가하지 마세요. 봇 학습에는 상황에 대한 충분한 세부 정보를 제공하는 여러 단어로 된 짧은 구문이 가장 적합합니다. 예를 들어 “환불” 대신 “주문 환불"을 사용하거나, "갱신" 대신 "멤버십 갱신"을 사용하세요.
- "안녕하세요", “제가 원하는 것은” 또는 "어떻게 하면" 등의 불필요한 단어나 일반적인 구문을 사용하지 마세요. 그럴 경우 질문의 핵심을 흐릴 수 있습니다. 예를 들어 “안녕하세요, 제가 원하는 것은 환불입니다” 대신 “환불받기”를 사용하세요.
- 학습 문구를 여러 언어로 추가하지 마세요. 사용 설정되어 있는 경우 자동으로 학습 문구가 번역됩니다.
사전 학습된 의도 사용하기
의도 모델이 있는 경우에는 수동으로 학습 문구를 추가하는 대신 사전 학습된 의도를 답변에 배정할 수 있습니다. 의도를 사용할 때 다음 성공 사례를 염두에 두세요.
- 사전 학습된 의도를 답변에 배정하여 질문에 맞는 답변을 찾는 성능을 크게 개선하세요.
- 자주 묻는 질문인 의도에 대해 생성형 답장을 사용하세요. 이러한 일반적인 질문은 보통 헬프 센터 문서의 정보를 사용하여 봇을 통해 해결할 수 있습니다.
대화 봇이 시작하고 실행한 후
봇을 시작한 후 48시간이 지나면 활동을 모니터링하고 업데이트하여 성능을 향상할 수 있습니다. 다음과 같은 성공 사례를 염두에 두세요.
- 봇 성능을 모니터링하고 개선하세요. 기본 제공 Explore 리포팅 대시보드를 사용하여 봇으로부터 메시지를 받은 사용자 수, 봇과 활발하게 소통하는 사용자 수, 봇에서 상담사로 연결된 사용자 대화 수를 파악할 수 있습니다.
-
봇 활동을 검토하여 부족한 부분을 채우세요. 인사이트 대시보드를 사용하여 주요 봇 메트릭 특히, “답변할 수 없음” 비율을 파악하세요. 다음 성공 사례를 사용하여 봇 콘텐츠 적용 범위를 개선함으로써 이 비율을 줄이세요.
- 해결되지 않은 봇 대화 내용을 검토하여 봇에서 해결되지 않는 문제를 파악하세요. 그러한 주제를 다루는 헬프 센터 문서를 만들 수 있습니다.
- 의도 모델이 배정되어 있으면 답변에 배정되지 않는 상위 고객 의도를 검토하세요. 그러한 의도를 관련 봇 답변에 배정하여 봇이 “죄송하지만 이해하지 못했습니다”와 같은 대체 응답을 리턴할 가능성을 최소화하세요.