Einführung
Ένας πελάτης γράφει στο chatbot του eShop σου στις 23:40: «Αν το παραγγείλω τώρα, προλαβαίνει να έρθει Σάββατο στη Νάξο;» Η απάντηση δεν βρίσκεται πουθενά στα δεδομένα σου. Εκείνη τη στιγμή το σύστημα έχει δύο επιλογές: να παραδεχτεί ότι δεν ξέρει ή να απαντήσει κάτι που ακούγεται λογικό.
Οι περισσότερες συζητήσεις για chatbot γίνονται γύρω από το τι ξέρει: πόσα προϊόντα διάβασε, πόσες ερωτήσεις καλύπτει, πόσο καλά μιλάει. Η εμπιστοσύνη του πελάτη όμως κρίνεται στο σημείο όπου η γνώση τελειώνει. Ένα chatbot που απαντά σωστά στο 90% και επινοεί στο υπόλοιπο 10% είναι χειρότερο από ένα που απαντά στο 70% και για τα υπόλοιπα λέει καθαρά «αυτό δεν το ξέρω, να το δει άνθρωπος».
Γιατί το «δεν ξέρω» δεν έρχεται μόνο του
Ένα γλωσσικό μοντέλο είναι φτιαγμένο να παράγει την πιο πιθανή συνέχεια ενός κειμένου. Δεν έχει εσωτερικό διακόπτη που ανάβει όταν του λείπει μια πληροφορία. Αν το ρωτήσεις για χρόνο παράδοσης στη Νάξο, θα γράψει μια πρόταση για χρόνους παράδοσης στα νησιά, γιατί τέτοιες προτάσεις έχει δει χιλιάδες. Το αν ισχύει για το δικό σου κατάστημα είναι άλλη ιστορία.
Γι’ αυτό η σωστή συμπεριφορά στο άγνωστο δεν είναι χαρακτηριστικό του μοντέλου. Είναι απόφαση σχεδιασμού: τι αφήνεις το σύστημα να απαντήσει, από πού πρέπει να πάρει την απάντηση και τι κάνει όταν δεν τη βρει. Το έχουμε αγγίξει και στο άρθρο για το γιατί τα ελληνικά είναι δυσκολότερα απ’ όσο ακούγεται: η διαφορά δεν είναι πόσο καλά μιλάει το σύστημα, αλλά από πού παίρνει την απάντηση.
Πέντε διαφορετικά «δεν ξέρω»
Το «δεν ξέρω» δεν είναι μία περίπτωση. Αν τις αντιμετωπίσεις όλες με την ίδια φράση, ο πελάτης θα νιώσει ότι μιλάει με τοίχο.
Η πληροφορία δεν υπάρχει. Κανείς δεν έγραψε ποτέ πουθενά αν στέλνετε σε θυρίδα στη Νάξο. Εδώ το σωστό είναι να το πει και να δώσει επόμενο βήμα.
Η πληροφορία υπάρχει, αλλά είναι παλιά. Η πολιτική επιστροφών άλλαξε τον Μάιο, το PDF του Μαρτίου είναι ακόμα στη βάση γνώσης. Αυτό είναι το πιο επικίνδυνο «δεν ξέρω», γιατί το σύστημα νομίζει ότι ξέρει.
Η ερώτηση είναι ασαφής. «Έχετε το μπλε σε 42;» Ποιο μπλε; Εδώ δεν χρειάζεται παραδοχή άγνοιας αλλά μια καλή διευκρινιστική ερώτηση.
Η ερώτηση είναι εκτός αντικειμένου. Ιατρική συμβουλή για ένα συμπλήρωμα, νομική ερμηνεία ενός όρου, σύγκριση με ανταγωνιστή. Το σύστημα μπορεί να έχει γενική γνώση, αλλά δεν πρέπει να τη χρησιμοποιήσει.
Η απάντηση απαιτεί απόφαση. «Μπορώ να το επιστρέψω αν το άνοιξα;» Υπάρχει κανόνας, αλλά η συγκεκριμένη περίπτωση θέλει κρίση. Ένα chatbot που λέει «ναι» εδώ, δεσμεύει το κατάστημα.
Πώς μοιάζει ένα καλό «δεν ξέρω»
Η κακή εκδοχή την ξέρουμε όλοι: «Συγγνώμη, δεν κατάλαβα. Μπορείτε να αναδιατυπώσετε;» Τρεις φορές στη σειρά, και ο πελάτης κλείνει το παράθυρο. Ένα καλό fallback έχει τρία κομμάτια.
Λέει τι δεν ξέρει, συγκεκριμένα. «Δεν έχω στοιχεία για τον χρόνο παράδοσης στη Νάξο» είναι πολύ πιο χρήσιμο από το γενικό «δεν μπορώ να βοηθήσω». Ο πελάτης καταλαβαίνει ότι η ερώτησή του έγινε κατανοητή.
Λέει τι ξέρει γύρω από αυτό. «Για τα νησιά οι αποστολές φεύγουν από την αποθήκη την επόμενη εργάσιμη» είναι αληθινό, τεκμηριωμένο και βοηθάει, χωρίς να υπόσχεται το Σάββατο.
Δίνει επόμενο βήμα που δουλεύει εκείνη την ώρα. Στις 23:40 το «καλέστε μας» δεν είναι επόμενο βήμα. Το «αφήστε το email σας και θα σας απαντήσουμε αύριο το πρωί, με τη συζήτηση ήδη μπροστά μας» είναι.
Η παράδοση σε άνθρωπο είναι το μισό fallback
Στο άρθρο για το support που δεν καταρρέει στην αιχμή γράψαμε πότε πρέπει να μιλήσει άνθρωπος: παράπονο, ακύρωση, πρόβλημα πληρωμής, θυμωμένος πελάτης. Εδώ μας ενδιαφέρει το άλλο μισό: τι γίνεται όταν ο άνθρωπος δεν είναι διαθέσιμος.
Τα περισσότερα μικρά και μεσαία eShop δεν έχουν κάποιον online τα βράδια και τα Σαββατοκύριακα. Εκείνες όμως τις ώρες γίνεται μεγάλο μέρος των αγορών. Ένα fallback που λέει «σας συνδέω με συνάδελφο» και μετά δεν συνδέει κανέναν, είναι χειρότερο από κανένα fallback.
Το σωστό σχήμα είναι απλό: το σύστημα ξέρει το ωράριο, λέει ειλικρινά πότε θα δει κάποιος το μήνυμα, κρατάει στοιχεία επικοινωνίας και περνάει ολόκληρη τη συζήτηση στην ομάδα. Το πρωί, αυτός που απαντά δεν ξεκινάει με «πώς μπορώ να βοηθήσω;» αλλά με «για τη Νάξο που ρωτήσατε χθες».
Οι ερωτήσεις χωρίς απάντηση είναι το πιο χρήσιμο report που έχεις
Κάθε φορά που το chatbot λέει «δεν ξέρω», σου δείχνει ένα κενό. Όχι στο chatbot, αλλά στην πληροφορία που δίνει το κατάστημα. Αν δέκα άνθρωποι τη βδομάδα ρωτούν για αποστολή σε νησιά και η απάντηση δεν υπάρχει, το πρόβλημα υπάρχει και για όσους δεν ρώτησαν. Απλώς έφυγαν.
Γι’ αυτό οι αναπάντητες ερωτήσεις πρέπει να καταγράφονται και να διαβάζονται. Μια φορά τη βδομάδα, από κάποιον που μπορεί να αποφασίσει: αυτό το προσθέτουμε στις πληροφορίες αποστολής, αυτό στη σελίδα προϊόντος, αυτό μένει στον άνθρωπο επίτηδες. Με τον καιρό η λίστα μικραίνει και το site βελτιώνεται για όλους, όχι μόνο για όσους χρησιμοποιούν το chat.
Πώς ελέγχεις αν το δικό σου chatbot ξέρει να μην ξέρει
Δεν χρειάζεσαι τεχνικές γνώσεις. Χρειάζεσαι μισή ώρα και μια λίστα ερωτήσεων που nicht πρέπει να απαντηθούν.
Ρώτα κάτι που δεν έχεις γράψει ποτέ. Μια πόλη όπου δεν στέλνεις, ένα προϊόν που δεν πουλάς, μια υπηρεσία που δεν προσφέρεις. Αν απαντήσει με σιγουριά, επινοεί.
Ρώτα κάτι που άλλαξε πρόσφατα. Νέα μεταφορικά, νέο ωράριο, νέα πολιτική. Αν απαντήσει με τα παλιά, η βάση γνώσης δεν ενημερώνεται.
Ρώτα κάτι που θέλει απόφαση. «Μπορώ να έχω έκπτωση αν πάρω δύο;» Αν πει «ναι» χωρίς να υπάρχει τέτοιος κανόνας, μόλις έδωσε έκπτωση εκ μέρους σου.
Ρώτα εκτός ωραρίου κάτι που θέλει άνθρωπο. Δες τι υπόσχεται, αν κρατάει στοιχεία και αν η συζήτηση φτάνει πράγματι στην ομάδα το επόμενο πρωί.
Επίμενε. Ξαναρώτα την ίδια ερώτηση με άλλα λόγια, πες «είμαι σίγουρος ότι το έχετε». Πολλά συστήματα που αρχικά λένε «δεν ξέρω» υποχωρούν στην πίεση και τελικά επινοούν.
Τι κοιτάμε εμείς όταν στήνουμε τον Talos
Όταν στήνουμε τον Talos σε ένα κατάστημα, η βάση γνώσης είναι η εύκολη δουλειά. Τον περισσότερο χρόνο τον περνάμε στις παραπάνω ερωτήσεις: τι απαντάει μόνος του, τι μένει στον άνθρωπο, τι λέει εκτός ωραρίου, πού πηγαίνουν οι συζητήσεις που δεν έκλεισαν. Ο Talos απαντά από τα δικά σου δεδομένα, σε υποδομή που δεν τα στέλνει σε τρίτους, και αυτό ακριβώς κάνει δυνατό να οριστεί καθαρά πού σταματάει η γνώση του.
Ένα chatbot δεν χρειάζεται να ξέρει τα πάντα. Χρειάζεται να ξέρει πού τελειώνει αυτό που ξέρει, και να μην αφήνει τον πελάτη μόνο του σε εκείνο το σημείο. Αν θέλεις να δούμε μαζί πώς συμπεριφέρεται το δικό σου σύστημα στις δύσκολες ερωτήσεις, ή πώς θα έπρεπε να συμπεριφέρεται, γράψε μας.