Attraverso l’analisi di tre case study sui chatbot che ho selezionato per voi cercheremo di capire questo mondo dove tecnologia e business si uniscono e come portare avanti un progetto in modo strategico.

Si tratta senza dubbio di una tecnologia con potenzialità immense per il mondo aziendale, ma ad oggi ancora in pochi conoscono e applicano le sue reali potenzialità.

Nel 2011, in una conferenza sulle tecnologie CRM, Gartner ha previsto che l’85% del coinvolgimento dei clienti sarebbe stato messo in campo senza l’intervento umano.

Per questo motivo ho deciso di scrivere questo approfondimento.

Il mio obiettivo è analizzare lo stato di questo settore e capire come possa creare valore per i nostri business migliorando la customer experience, tagliando i costi e rendendo più efficiente l’interazione con i clienti attraverso l’analisi di tre case study sui chatbot.

Tipi di chatbot e applicazioni

Prima di passare ai case study ci tenevo a dare un’introduzione generale a queste appliccazioni per capire la tecnologia e le reali potenzialità lato business.

Negli ultimi anni abbiamo visto l’evolversi di speaker intelligenti come Amazon Alexa o Google Home. Immagino che gran parte di noi siano sorpresi dalla loro capacità di capire, conversare e agire a seconda delle nostre richieste.

Tuttavia, non dobbiamo far l’errore di generalizzare e attribuire a questa tecnologia capacità che non hanno (e forse mai avranno), rischiando così di spendere soldi e tempo in progetti che non genereranno ROI.

Allo stesso modo applicare un chatbot molto sofisticato dove non è richiesto è uno spreco di soldi, tempo e impegno che avremmo potuto risparmiare con una soluzione più semplice.

Per capire le diverse tipologie di chatbot, ci viene incontro la opportunity-classification-matrix

Come si può vedere dall’immagine, ci sono quattro tipi di sofisticazioni per un chatbot:

1. FAQ BOT

Il FAQ Bot è il classico raccoglitore di risposte alle domande più frequenti (Frequently Asked Questions).
Molto semplicemente: si stila una lista di domande, e si scrivono le risposte.

Questo tipo di chatbot viene spesso sottovalutato, ma in gran parte dei casi è l’applicazione che crea maggiore ROI per un’azienda (specie se medio-piccola).

Il motivo è presto detto: i suoi costi sono molto contenuti ed è molto facile da implementare.

Per chi dubitasse della sua efficacia consiglio di guardare al sito di Amazon, una delle aziende più efficienti al mondo in quanto automazione e performance.

Senza contare che questi bot possono essere anche molto più efficaci e ramificati (come nel caso di Amazon)

2. Assistente virtuale (if-else)

Per if-else intendo un concetto molto semplice nella programmazione: se avviene questo, allora fai ciò. Ad esempio: “se l’utente dice questa frase, allora rispondigli in questo modo“.

Da distinguere con sistemi di machine learning e intelligenza artificiale che, invece, non vengono programmati direttamente ma imparano dai dati sui quali vengono addestrati e danno riposte tramite ottimizzazioni statistiche (per approfondire consiglio la lettura: che cos’è un algoritmo).

Un chatbot di questo tipo lo si può integrare in una chat (come WhatsApp o Telegram) e, soprattutto, le sue risposte si ramificano secondo un albero decisionale:

In questo modo non abbiamo più una semplice “domanda e risposta” (come nel caso del FAQ Bot), ma abbiamo una vera e propria conversazione ramificata, che può quindi seguire diversi sviluppi.

La bellezza di queste applicazioni è che è possibile collegare non solo semplici risposte testuali, ma anche azioni concrete (come acquisto di un prodotto, prenotazione, reset della password, aggiornamento di un dato anagrafico ecc. ecc.).

C’è però una piccola ma molto importante considerazione da fare: in questo caso, il bot non è in grado di riconoscere il nostro linguaggio. Questo vuol dire che la conversazione deve seguire una serie di domande e risposte preimpostate.

Quindi: all’utente viene fornita una serie di domande o richieste che può fare al chatbot. Quando ne viene selezionata una, si “avanza” nel relativo ramo dell’albero decisionale, e l’assistente virtuale risponde con la sua frase preimpostata.

Ad esempio, prendete in considerazione l’albero decisionale sopra riportato: alla richiesta “prenota un tavolo” (get a table) il chatbot risponde con la domanda: “per quante persone?”. Successivamente, l’utente risponde a questa domanda e così via, fino alla fine del ramo.

3. Assistente virtuale (if-else + AI)

Si arriva poi a una versione un po’ più avanzata: l’integrazione del machine learning all’albero decisionale che abbiamo visto sopra.

Sfruttando gli algoritmi di NLP (Natural Language Processing: “elaborazione del linguaggio naturale“), il chatbot può analizzare la semantica delle nostre frasi e riconoscere le nostre richieste.

Questo vuol dire che, per interagire con il chatbot, non abbiamo più bisogno di selezionare delle frasi preimpostate, come invece accadeva nell’esempio precedente.

Grazie al machine learning, l’assistente virtuale comprende cosa vuole un utente e lo collega al giusto ramo dell’albero decisionale, senza dover per forza seguire una conversazione sequenziale e preimpostata.

Consideriamo ancora l’albero del precedente esempio.

Se diciamo al nostro chatbot “Vorrei prenotare un tavolo per quattro persone“, l’algoritmo di NLP riconosce la richiesta “get a table” e ha già anche la risposta alla domanda successiva, ovvero “per quante persone?“.

Il chatbot, a questo punto, passa direttamente alla domanda “per quale giorno?“.

Ovviamente, l’esempio vale anche se la richiesta fosse “Vorrei prenotare un tavolo per martedì prossimo”. In questo caso, la domanda del chatbot sarebbe “per quante persone?” e poi “per che ora?“.

Grazie al machine learning la conversazione diventa più “dinamica”, e non deve per forza seguire una determinata sequenza di domande e risposte.

L’utilizzo del machine learning porta anche a un altro grande vantaggio.
Immaginate di voler prenotare un tavolo a un ristorante. In quanti diversi modi si potrebbe formulare questa richiesta?

• ‘Vorrei ordinare un tavolo per quattro persone per favore‘
• ‘Posso prenotare un tavolo?‘
• ‘Ho bisogno di un tavolo per quattro persone‘
• ‘Voglio prenotare per quattro persone‘
• …

La lista potrebbe essere davvero infinita.

Grazie all’NLP, l’assistente è in grado di riconoscere le nostre richieste indipendentemente da come le formuliamo.

4. Intelligenza artificiale

Infine, il grado di sofisticazione più alto in assoluto.

Prima di tutto, ci tengo a precisare che ad oggi non esiste alcun bot in grado di sostituire un addetto al customer care al 100% (neanche lontanamente). Per questo motivo agire con strategia e trovare il giusto rapporto tra non infastidire il cliente e automazione è la regola d’oro per lavorare con i chatbot.

A differenza degli esempi visti prima, i chatbot costruiti con un cuore intelligente sono in grado di personalizzare la propria personalità in base al singolo cliente.

Analizzando i dati di ogni persona si possono riconoscere le sue abitudini, i suoi modi d’essere, le sue richieste e può di conseguenza imparare, nel tempo, come comportarsi.

3 errori comuni quando si integra un chatbot

Come ogni soluzione tech nel mondo business, la parte strategica ha un’importanza fondamentale e gli errori possono costare caro; sia per la scelta di una tecnologia sbagliata che una mancanza di adattamento all’organizzazione aziendale.

Di seguito ho elencato brevemente i problemi più comuni nell’integrare un chatbot nei propri processi aziendali e creare ritorno economico.

Risultati misurabili

Peter Drucker diceva ‘If you can’t measure it, you can’t improve it.” È esattamente il caso dei chatbot.
A breve scriverò un altro approfondimento sul ROI degli assistenti virtuali. Per ora, basta sapere che un chatbot può portare risultati sotto forma di: aumento di produttività, riduzione del personale e aumento della customer satisfaction.

Se quindi non ci poniamo delle metriche misurabili, non vedo come possiamo capire se effettivamente abbiamo dei risultati o meno.

Tech vs Human

Non bisogna esagerare con l’automazione.

L’automazione è bene dove c’è un rapporto riduzione costi e calo della customer experience importante. Sforzarsi di trovare una soluzione tecnologica dove non serve ha solo l’effetto di infastidire i clienti e peggiorare il servizio.

Si parte da un problema di business e poi si cerca la tecnologia, non il contrario.

Iniziare con strategia

Iniziare direttamente con la soluzione più complessa non è affatto una buona idea. Bisogna tenere a mente che l’unico obiettivo della tecnologia è aumentare le performance del business (e non viceversa). Per quale motivo dovrei installare una soluzione intelligente quando un FAQ Bot potrebbe risolvere egregiamente il mio problema?

Infine ho deciso di mostrarti il case study di tre società che hanno capito come implementare con successo un chatbot all’interno del proprio business generando ritorni misurabili:

1. Amazon Connect nel Los Angeles Call Center
2. Kore.ai nell’industria delle telecomunicazioni
3. Ask Julie

Chatbot Case Study 1: Los Angeles Call Center

La contea di Los Angeles possiede oltre 10 milioni di abitanti e 100.000 impiegati. L’assistenza telefonica di questo territorio, ovvero il “LA County Call Center“, riceve in media dalle 600 alle 800 chiamate ogni giorno della settimana, e tra le 300 e 600 nel fine settimana.

Ovviamente, per gestire una tale mole di chiamate, è necessario un gran numero di personale.

In un caso del genere è molto probabile il verificarsi di un bottleneck operativo (collo di bottiglia).

Il tutto risulta in interminabili tempi d’attesa per i clienti, stress del personale (che devono far fronte a decine e decine di chiamate) e una bassa qualità generale del servizio.

La contea di Los Angeles aveva quindi bisogno di una soluzione per rendere più efficiente il loro call center, e hanno valutato varie opzioni.

Per diminuire i tempi d’attesa, l’organizzazione ha individuato la possibilità di automatizzare alcune delle più semplici e frequenti richieste dei clienti (ad esempio, l’assistenza informatica).

Dopo una breve analisi, Amazon Connect è stata scelta come soluzione definitiva.

Quali vantaggi ha portato l’implementazione di questa tecnologia basata sull’intelligenza artificiale? Ne elenchiamo 3:

1. Automazione del reset della password: prima dell’implementazione di Amazon Connect, gli impiegati della Contea di Los Angeles non erano in grado di eseguire semplici azioni informatiche, come il reset della propria password. Per farlo, i dipendenti dovevano contattare l’assistenza e aspettare che un operatore eseguisse l’azione. Con l’arrivo di Amazon Connect, il processo è diventato molto più semplice e diretto, e il reset della password non richiede più l’intervento di un operatore.
2. Automazione dell’instradamento delle chiamate: all’inizio della conversazione, l’utente può specificare per quale dipartimento o servizio ha bisogno di assistenza. In questo modo, la sua chiamata viene direttamente instradata verso il giusto operatore.
3. Automazione dell’assistenza per problemi informatici: prima dell’implementazione di Amazon Connect, i dipendenti della Contea spendevano al telefono tra i 10 e i 15 minuti per richiedere assistenza su problemi informatici, come problemi di connessione. Gran parte di queste telefonate, terminava con la banale soluzione del “resettare il sistema”. Ora, Amazon Connect guida direttamente e automaticamente gli utenti a effettuare questa operazione, diminuendo così in modo drastico il tempo speso in chiamata (un FAQ bot in questo caso è una soluzione più che efficace).

Cosa ne pensa Benny Chanko, il manager dei servizi tecnologici della contea, riguardo all’implementazione di questo chatbot?

Amazon Connect è il centro di contatto del futuro. È una soluzione interamente cloud che ha cambiato radicalmente il nostro modo di vedere il servizio clienti.

Dopo l’implementazione del chatbot, il volume delle chiamate si è ridotto del 20%.

Chatbot Case Study 2: AI nelle telecomunicazioni:

In questo case study, l’azienda di riferimento è una compagnia americana di telecomunicazioni. L’azienda offre dispositivi di rete per grandi compagnie, e i suoi servizi occupano il 98% dell’intero suolo statunitense.

La compagnia era carica di problemi legati alla produttività dei propri impiegati. La ragione era da individuarsi nella complessità del processo aziendale, che causava grandi ritardi e conseguenti spese altrettanto elevante. Ad esempio, i dipendenti dovevano accedere a 5/6 diversi software per eseguire semplici operazioni.

Il bisogno era semplice: semplificare i processi, abbassare i costi e aumentare la velocità d’esecuzione.

È stata proposta una soluzione negli RPA Bots e nei chatbot guidati dall’intelligenza artificiale (un RPA bot è una tecnologia che esegue in modo automatico le attività degli operatori, imitandone i comportamenti). Questi applicativi sarebbero stati impiegati nei seguenti casi d’uso:

• Fornire opzioni di self-service agli impiegati
• Fornire una singola interfaccia per leggere e scrivere le transizioni
• Semplificare i processi di business riducendo il tempo e il numero di personale “umano” necessario per completare un’operazione

L’azienda era entusiasta di questa soluzione, ma aveva due richieste: (1) i costi dovevano essere il più bassi possibile (avevano un limitato budget per lo sviluppo) e (2) l’investimento sui chatbot avrebbe dovuto dimostrare un ROI entro un anno.

La compagnia ha impiegato un numero multiplo di bots per eseguire diverse centinaia di operazioni, sia B2B (Pricing Bot) che B2C (vendite, gestione degli ordini…)

• Il Pricing Bot venne usato per eseguire 20 diversi tipi di operazioni, come la conversione della valuta o l’analisi dei prezzi dei concorrenti. Il bot performava oltre 200 operazioni al mese facendo risparmiare in media 30 minuti per ciascuna di esse.
• I chatbot nella gestione delle vendite performarono oltre 3.100 operazioni facendo risparmiare 12,5 minuti per ciascuna. Alcune delle loro funzioni erano: validazione dell’indirizzo del cliente, ottenere dettagli sull’ordine, controllo della disponibilità del prodotto ecc. ecc.
• I chatbot nella gestione degli ordini salvarono 5 minuti per ciascuna delle 4.000 operazioni eseguite. Le funzioni principali erano: ottenere lo stato dell’ordine, dettagli sulla spedizione, contatti chiave ecc. ecc.

Quali benefici portò tutto questo alla compagnia? Oltre 380.000 dollari e 6.000 ore di lavoro risparmiate.

Questo portò a un enorme aumento della produttività degli impiegati: i chatbot infatti consentirono di far risparmiare loro fino a 30 minuti per ogni operazione più complessa.

Chatbot case Study 3: Ask julie

Amtrak è una compagnia ferroviaria statunitense che vanta oltre 20.000 impiegati e 30 milioni di passeggeri ogni anno. Nel case study di riferimento, il sito web della compagnia (Amtrak.com) registrava circa 375.000 visitatori quotidiani.

L’azienda ha fatto sviluppare da Next IT “Ask Julie“, una piattaforma avanzata di chat AI che avrebbe aiutato i visitatori a trovare ciò di cui avevano bisogno.

Aprendo il sito di Amtrak potete trovare questa chat AI in alto a destra:

Cosa è in grado di fare questo chatbot? Può trovare biglietti ferroviari e fornire una serie di informazioni utili per il viaggio. Può anche aiutare anche nella prenotazione di hotel o nel noleggio di un’automobile.

Il processo funziona in questo modo: Ask Julie pone una serie di domande al cliente, come “ti serve un biglietto di sola andata o andata e ritorno?” oppure “quando vuoi partire?“. In base alle risposte del cliente, il bot riempie il form di ricerca e mostra all’utente i relativi biglietti del treno.

Dopo l’implementazione di Ask Julie, sempre più persone hanno iniziato a utilizzare questa funzione. Next IT riporta una crescita del suo utilizzo del 50% anno dopo anno.

Accedendo al sito di Amtrak potete provare voi stessi le potenzialità di questo servizio. Di seguito riporto un esempio di conversazione:

Julie, oltre a incrementare il numero di prenotazioni totali, ha anche aumentato il valore di queste prenotazioni. In particolare, i biglietti acquistati con il chatbot portavano in media a un 30% di ricavi in più rispetto a quelli acquistati con altri mezzi.

Julie è un chatbot del tipo if-else + AI disegnato per “funzionare come il migliore operatore del servizio clienti“. Usando questo servizio, tuttavia, la percezione è di avere di fronte un efficiente motore di ricerca e non un “robot che tenta di essere un umano”. Questo fatto ne aumenta l’efficienza e l’utilità, perché le sue risposte sono dritte e coincise alla domanda di riferimento.

Quanto è convenuto per Amtrak usare l’intelligenza artificiale? I dati parlano chiaro:

• ROI dell’800%
• Prenotazioni aumentate del 25%
• 1.000.000 di dollari risparmiati nel servizio clienti in un singolo anno
• Oltre 5.000.000 di domande risposte ogni anno
• Le prenotazioni effettuate con il chatbot hanno generato ricavi più alti del 30%.