Design Chatbot

6 Tips Chatbot Design Untuk Tingkatkan Sale

Penggunaan chatbot oleh bisnes kecil dan besar meningkat dengan kadar yang luar biasa. Kajian Business insider mendapati lebih daripada 80% perniagaan nak chatbot jadi sebahagian daripada bisnes mereka pada tahun 2020. Baca sini untuk kajian penuh.

Banyak manfaat gunakan chatbot seperti bimbing pelanggan membeli produk, kongsi content, follow up dan boleh juga bantu bisnes meyakinkan pelanggan.

Di Monocal, kami gunakan chatbot untuk yakinkan pelanggan, dan didik pelanggan untuk mudahkan mereka membeli. Sejak menggunakan Chatbot pada Januari 2019, kami berjaya mengekalkan jualan 6 angka dan juga mengurangkan 50% daripada jumlah keseluruhan staf kami (dari 10 hingga 5).

Walaupun ia bukan satu proses mudah, kami nak kongsi 6 tips bagaimana kami capai hasil ini.

1 – Chatbot Design 1: Guna Skrip Jualan Yang Terbukti

Bergantung pada tujuan chatbot, semuanya bermula dengan aliran (poin seterusnya) dan skrip. Chatbot perlukan skrip yang mantap. Tanpa skrip penjualan yang terbukti, chatbot tak dapat buat jualan. Dalam kes kami, skrip penjualan telah dibaiki berulang kali dan sebenarnya dirujuk dari jurujual kami.

Skrip itu sendiri dah hasilkan penjualan 6 angka.

Dalam kes kami, banyak jurujual menggunakan skrip yang menghasilkan jumlah penjualan yang lebih kurang sama. Jadi, hasil jualan boleh kita ramal bila kita guna skrip.

Lepas kami yakin dengan skrip, skrip itu akan digunakan di chatbot kami dan pemantauan intensif akan dilakukan pada fasa awal.

2 – Chatbot Design 2: Aliran Kerja & Tanggungjawab yang Jelas

Kenapa kita perlukan aliran kerja & tanggungjawab yang jelas? Dalam kes kami, kami telah tentukan tugas yang harus dilaksanakan oleh jurujual kami. Setiap prospek yang masuk melalui bot kami akan diberikan kepada jurujual kami secara berurutan dan automatik.

Kiranya beban kerja diedarkan secara adil dan rata dan ini juga meningkatkan tanggungjawab staf.

Salah satu aliran kerja yang kami tentukan adalah bila bot ada masalah untuk faham pertanyaan atau pernyataan, jurujual kami akan ambil alih dan sambung chat dengan prospek.

Dengan aliran kerja ini, ia membantu mengurangkan ‘bounce rate‘ bot.

‘Bounce rate’ bot dalam hal ni adalah istilah untuk mewakili di mana prospek cuba mula semula bot dengan kata “Reset” atau “Restart” atau mula rasa kecewa dengan soalan yang tidak dijawab oleh bot.

Di Chatfuel, kita boleh guna “Live Chat” untuk interaksi dengan operator atau jurujual.

3 – Chatbot Design 3: Integrasi Artificial Intelligence (AI) atau Neurolinguistic Programming (NLP) Engine

Ramai founder bisnes ada alasan tersendiri untuk tidak menggunakan servis chatbot. Jawapan yang paling biasa ialah chatbot tak sesuai untuk bisnes mereka, terlalu sukar, prospek tak suka interaksi dengan chatbot dan banyak lagi.

Walaupun pendapat orang memang lain-lain, tak ada bukti kukuh yang boleh sahkan alasan mereka. Setiap founder bisnes berpendapat yang bisnes mereka unik dan lain dari yang lain.

Tapi, dalam zaman moden di mana lebih ramai orang suka online shopping, dah tiba masanya untuk bereksperimen dengan chatbot.

Dalam hal kami, kami gunakan Dialogflow sebagai mesin NLP kami. Apa itu Dialogflow ?

“Give users new ways to interact with your product by building engaging voice and text-based conversational interfaces, such as voice apps and chatbots, powered by AI. Connect with users on your website, mobile app, the Google Assistant, Amazon Alexa, Facebook Messenger, and other popular platforms and devices.”

DIALOGFLOW

Ada perbezaan ketara antara Chatbot yang guna butang dan Chatbot yang disokong oleh AI. Chatbot dengan butang adalah lebih mudah dan berdasarkan penemuan kami, bisnes yang memberi tumpuan kepada prospek yang puratanya berusia 45 tahun ke atas cenderung untuk abaikan interaksi chatbot yang menggunakan butang.

“Ini robot ke?”

PROSPEK GELISAH

Itulah soalan yang selalu ditanya semasa kami gunakan chatbot butang pada tahap awal perkembangan bot kami.

Tapi, bila kita dah mula gunakan AI, aliran perbualan jadi lebih baik dan interaksi chatbot lebih tinggi dari sebelumnya.

Proses baikpulih dan maintanence AI tak boleh berhenti walaupun kami dah sebarkan chatbot ke halaman LIVE kami.

Ini adalah analitik halaman Dialogflow yang menunjukkan masih ada 25% niat/intent yang tak dapat ditentukan bot itu sendiri pada masa ini. Bot perlukan lebih banyak latihan untuk fahamkan niat/intent dari prospek (sama macam manusia).

chatbot design DialogFlow analytic
Analitik DialogFlow

4 – Chatbot Design 4: Buang Halangan

Halangan bagi chatbot adalah di mana ada pengguna tersekat pada aliran tertentu berulang kali.

Semasa merancang chatbot, banyak langkah pencegahan perlu diambil. Walaupun banyak analitik chatbot di luar sana seperti Botanalytics atau Recast.Ai, mungkin tidak sesuai bagi bisnes kecil atau sederhana.

Pencegahan ini perlu dirancang awal-awal, sebelum kita mula membina blok chatbot.

Tanpa reka bentuk yang betul, sukar untuk buang halangan sebab anda tak dapat tengok dengan sistematik dan jelas di mana bot anda tersekat atau ada masalah.

Semasa membina chatbot berskala kecil yang kurang dari 20-30 blok, mudah untuk tentukan di mana prospek tersekat – anda yang buat chatbot juga mungkin ingat di mana prospek mungkin tersekat.

Walau bagaimanapun, bila pengguna chatbot anda menjadi lebih besar, meluas dan kompleks, halangannya makin bertambah dan sukar dicari.

Dengan kemasukan pengguna yang banyak terlibat dengan chatbot anda setiap hari, anda perlukan cara yang lebih bijak untuk kenalpasti masalah ini.

Macam cari jarum dalam jerami tapi tugas itu perlu dirancang terlebih dahulu. Ini adalah tugas bagi mereka yang buat chatbot tersebut.

Jadi, apa cara menghilangkan halangan? Secara umum, ni adalah tips dari kami:

  • 1 – Ada dokumentasi dan skema bot yang betul
  • 2 – Ada penanda di tempat tertentu
  • 3 – Ada mekanisme pelaporan mengenai penanda

Ini bukan cara hilangkan halangan secara terperinci, tapi inilah idea asasnya.

5 – Chatbot Design 5: Pendekatan Sistematik untuk Pembinaan Bot

Disebabkan chatbot benda pertama prospek jumpa dari bisnes kita, mesti kita nak prospek ada pengalaman yang terbaik, betul?

Kita taknak prospek lari, jadi kita nak chatbot bertindak balas dengan betul. Jadi, pendekatan sistematik untuk pembuatan bot perlu dilaksanakan.

Semuanya bermula dengan soalan yang betul.

Kenapa kita nak bina chatbot asalnya? Apa tujuan chatbot itu? Apa yang sepatutnya dilakukan? Apa peranan chatbot? Apa KPI chatbot yang perlu dicapai? Macam mana nak ukur kejayaan chatbot?

Nampak remeh, tapi ini adalah persoalan yang perlu anda jawab sebelum anda mula buat bot.

Kalau tak jawab macam mana? Kalau anda tiada jawapan untuk semua soalan ni, anda susah nak kenal pasti ruang untuk penambahbaikan, anda tak akan tahu sama ada chatbot itu benar-benar membantu dan meningkatkan metrik atau penjualan anda.

Dan juga tak akan ada rancangan atau tindakan untuk sentiasa baiki chatbot.

Chatbot yang kami bina ada tujuan yang jelas.

Tujuannya adalah untuk bantu prospek dan juga bahagi beban kerja bagi staf.

Yang lain-lain adalah bonus. Kenapa? Kerana ada masa prospek buat keputusan untuk membeli melalui chatbot. Walaupun itu bukan niat utama, itu masih jualan.

Dari sini, kita tentukan apa skop kerja chatbot. Skopnya penting sebab banyak perkara menarik yang dapat chatbot buat; contohnya integrasi dengan Customer Relationship Management (CRM) untuk mengesan prospek dan juga mengesan salinan iklan yang paling menguntungkan.

Skop perlu ditentukan sebab kita nak chatbot buat tugas hakiki terlebih dahulu sebelum mula tambah skop kerja yang lain.

Kemudian baru kita bincangkan KPI chatbot. Sejauh mana kita tahu chatbot yang kita bina benar-benar memenuhi KPI atau melebihi KPI?

Dalam kes kami, kembali ke tujuan utama chatbot kami untuk membantu prospek dan membahagikan beban kerja staf.

Kami kumpul dan bahagi prospek kami kepada 3 kategori – COLD, MEDIUM, dan HOT. Selalunya bila prospek COLD diuruskan sales team, pembelian mungkin ambil masa 10 hari hingga 3 bulan sebelum mereka jadi pelanggan.

Untuk prospek MEDIUM, biasanya antara 3 hari – 10 hari.

Untuk prospek HOT, kurang dari 2 hari.

Sama macam populasi, kita ada lebih dari 56% prospek dalam kategori COLD, kira-kira 33% adalah prospek MEDIUM dan selebihnya adalah HOT.

6 – Chatbot Design 6: Bot Control; Dalaman, Luaran dan Bridge

Kawalan chatbot adalah cara anda bantu prospek untuk buat tugas tertentu dan membawa prospek ke tujuan anda (dalam hal ini, ke suatu blok atau sekumpulan blok).

Antara tugasnya adalah seperti klik butang, jawab pertanyaan atau membuat pembelian melalui chatbot anda.

Kawalan dalaman pula adalah cara anda mengarahkan prospek ke blok lain atau aliran chatbot lain yang tertentu. Di ChatFuel, anda ada fungsi “redirect to blocks” yang boleh anda kendalikan secara terperinci, di mana prospek akan diarahkan ke blok yang spesifik. Anda boleh guna ‘attribute filters’ untuk tentukan fungsi dengan lebih lanjut.

Bot Control

Lepas kawalan dalaman dibuat, kita perlu uji lagi aliran chatbot tersebut untuk pastikan prospek akan ke blok yang kita tentukan. Kami sendiri pernah mengalami beberapa kesukaran disebabkan kecuaian semasa menguji aliran prospek.

Kawalan luaran pula adalah cara anda mengawal siapa yang berinteraksi dengan chatbot anda melalui iklan; sama ada mereka pertama kali berinteraksi atau mereka dah pernah menggunakan chatbot anda dan kembali berinteraksi dengan chatbot.

Sebagai contoh, Sam pernah berinteraksi dengan chatbot anda dan dan perincikan pilihan atau senarai untuk rumah impiannya. Sam memberitahu anda kawasan mana yang dicarinya dan anggaran yang ada dalam fikirannya.

Pada interaksi pertama, Sam tak melengkapkan soal selidik, Tetapi, kemudian, Sam kembali lagi ke chatbot dan chatbot sudah pun tahu mengenai pilihan rumah yang Sam mahukan.

Jadi, pada waktu ini, kita dah pun tahu apa yang Sam cari dan perlukan.

Untuk kawalan luaran, aliran chatbot perlu diteruskan di mana Sam tak perlu ulang perincian berkenaan rumah pilihannya. Kita taknak Sam sebagai prospek rasa masanya terbazir dengan chatbot sebab perlu ulang pilihannya banyak kali.

Kembali ke pendekatan sistematik, di sinilah penting untuk kita buat perincian bagi semua fungsi chatbot dan merancang mekanisme kawalan ini dengan betul.

“Bridging” dalam chatbot pula adalah chatbot yang disambungkan ke aplikasi pihak luar atau aplikasi ketiga melalui API atau mekanisme lain. Contohnya anda nak prospek yang guna chatbot anda disimpan sebagai kenalan di CRM dan anda mahu mula menjejaki apa yang berlaku dengan prospek tersebut. Inilah fungsi ‘bridging’.

Terdapat ratusan CRM di luar sana tetapi secara peribadi kami lebih suka Hubspot. Dua sebabnya; API percuma dan luas yang membolehkan kami melakukan automation kami.


Jadi, nak dapatkan lebih banyak tips menarik dan terperinci seperti ni? Jom join newsletter Monocal.

Leave a comment