Bí mật giúp startup biến chatbot từ "ngõ cụt kỹ thuật số" thành trợ thủ đắc lực

https://www.techinasia.com/startups-chatbots-digital-dead

#techinasia

Làm thế nào các công ty khởi nghiệp có thể biến chatbot thành nhiều hơn chỉ là ngõ cụt kỹ thuật số

Tầm nhìn về AI cách mạng hóa dịch vụ khách hàng rất hấp dẫn.

Các doanh nghiệp trong nhiều ngành công nghiệp dường như đồng ý. Nhiều doanh nghiệp đang đầu tư hàng tỷ đô la vào chatbot có hỗ trợ AI, với riêng các ngân hàng dự kiến sẽ chi 18,4 tỷ đô la Mỹ vào năm 2028.

Tuy nhiên, hiệu quả của AI trong lĩnh vực này phụ thuộc vào cách nó được tích hợp vào chiến lược trải nghiệm khách hàng toàn diện hơn. Trong nhiều trường hợp, doanh nghiệp chưa hoàn toàn nhận ra tiềm năng của công nghệ.

Để tìm hiểu xem chatbot thiếu sót ở đâu và quan trọng hơn, làm thế nào các công ty có thể sử dụng chúng tốt hơn, chúng tôi đã tiến hành một số nghiên cứu. Dưới đây là những gì chúng tôi phát hiện và ý nghĩa của nó đối với lĩnh vực dịch vụ khách hàng.

Chatbot AI có nghe thấy chúng ta không?

Chúng tôi đã xem xét hiệu suất chatbot trong bảy ngành công nghiệp. Kết quả được tổng hợp để xác định các điểm yếu hệ thống trong trải nghiệm chatbot mong muốn và dự định.

Dựa trên đầu vào từ hơn 200 điểm dữ liệu, các phát hiện đã xác nhận giả thuyết của chúng tôi: Chatbot hoạt động tốt trong các tương tác có cấu trúc nhưng gặp khó khăn với bối cảnh, sắc thái và các truy vấn phức tạp.

Hãy nghĩ đến những lúc bạn nhận được câu trả lời có vẻ được viết sẵn hoặc khi bot hoàn toàn bỏ lỡ điểm chính của bạn.

Phát hiện của chúng tôi cũng được hỗ trợ bởi một cuộc khảo sát gần đây của Gartner, cho thấy chỉ có 14% vấn đề của khách hàng được giải quyết thông qua tự phục vụ. Điều này chỉ nhấn mạnh thực tế rằng nhiều giải pháp dịch vụ khách hàng do AI thúc đẩy vẫn chưa mang lại giá trị thực sự.

Một số đánh giá của chúng tôi dựa trên các câu hỏi sau:

• Câu trả lời của chatbot có giải quyết trực tiếp truy vấn của khách hàng không?
• Chatbot có thể thực hiện nhiệm vụ dự kiến không?
• Vấn đề có được giải quyết hoàn toàn theo sự hài lòng của khách hàng không?

Dựa trên phát hiện của chúng tôi, hiệu quả tổng thể của chatbot đạt 60%, và tỷ lệ giải quyết cao hơn một chút ở mức 67%, vì vậy vẫn còn chỗ để cải thiện.

Đặc biệt, dịch vụ chatbot trong các ứng dụng di động viễn thông có những vấn đề đáng chú ý - hãy nghĩ đến thông báo lỗi làm gián đoạn trải nghiệm người dùng.

Tuy nhiên, chatbot đã có tiến bộ trong việc khởi tạo cuộc trò chuyện và xử lý ngôn ngữ tự nhiên hiệu quả hơn. Trong môi trường có cấu trúc như giáo dục, nơi các tương tác có thể dự đoán được và được xác định rõ ràng, AI hoạt động tốt.

Tuy nhiên, trong các ngành công nghiệp năng động hơn như thương mại điện tử và du lịch, chatbot thường vấp ngã trước những sắc thái ngôn ngữ, bao gồm từ đồng nghĩa, từ viết tắt và các biến thể chính tả. Chúng cũng gặp khó khăn trong việc duy trì bối cảnh trong các cuộc trao đổi dài hơn, buộc khách hàng phải lặp lại.

Cân bằng hiệu quả với trải nghiệm khách hàng

Một điểm chúng tôi học được trong nghiên cứu của mình là các công ty sử dụng AI chủ yếu để tiết kiệm chi phí gặp khó khăn trong việc cung cấp trải nghiệm khách hàng mong muốn.

Tự động hóa thực sự có thể giúp hợp lý hóa hoạt động dịch vụ và giảm thời gian phản hồi, nhưng nếu các tương tác do AI thúc đẩy thiếu cá nhân hóa hoặc linh hoạt, chúng có thể khiến khách hàng cảm thấy thất vọng.

Dưới đây là một số mẹo mà các nhà sáng lập có thể làm theo để cân bằng hiệu quả với trải nghiệm khách hàng một cách hiệu quả:

Xác định mục tiêu ngoài việc tiết kiệm chi phí Xác định những truy vấn nào AI có thể xử lý hiệu quả và những truy vấn nào cần sự can thiệp của con người. Ví dụ, một chatbot có thể cung cấp thời gian giao hàng ước tính cho khách hàng, nhưng các vấn đề như "Tôi nhận được thông báo giao hàng thành công, nhưng gói hàng không có ở đây" có thể được giải quyết tốt hơn bởi một nhân viên trực tiếp.

Cung cấp tùy chọn để bỏ qua lời nhắc được đề xuất (có thể với các câu hỏi khởi đầu) và kết nối người dùng trực tiếp với một nhân viên cũng có thể cải thiện trải nghiệm.

Đánh giá các tùy chọn chatbot khác nhau Tập trung vào những chatbot có khả năng xử lý ngôn ngữ tự nhiên (NLP) mạnh mẽ và tích hợp liền mạch với các hệ thống hiện có. NLP càng mạnh, doanh nghiệp càng có thể đảm bảo rằng AI hiểu ý định của khách hàng chính xác hơn và có thể xử lý nhiều loại truy vấn hơn.

Đào tạo chatbot với cơ sở kiến thức được tuyển chọn kỹ lưỡng, có thể đọc được bởi AI cũng cải thiện thêm độ chính xác.

Sử dụng chatbot AI cảm nhận cảm xúc Những chatbot tiên tiến này phát hiện không chỉ ý định mà còn cả tình cảm và nỗ lực, cung cấp một sự hiểu biết sâu sắc hơn về nhu cầu của khách hàng. Thực hiện đánh giá thường xuyên dữ liệu của bạn để liên tục tinh chỉnh khả năng giải quyết vấn đề của AI, điều này sẽ đảm bảo một sự cá nhân hóa giống con người hơn.

Đầu tư vào những cải tiến này có thể tốn kém trong ngắn hạn, điều này có thể khiến một số công ty khởi nghiệp nản lòng. Tuy nhiên, chúng sẽ mang lại lợi nhuận trong dài hạn nếu các công ty có thể cung cấp trải nghiệm khách hàng khác biệt ở quy mô mà AI cho phép.

Mượt mà như bơ

Ngay cả khi AI có thể xử lý yêu cầu hiệu quả, nếu chatbot khó điều hướng, thiếu hướng dẫn rõ ràng, hoặc không cung cấp cách dễ dàng để tiếp cận nhân viên con người, khách hàng có thể từ bỏ chúng trong thất vọng.

Phát hiện của chúng tôi cho thấy trong khi 87% chatbot dễ tìm và bắt đầu trò chuyện, 73% khách hàng bị bỏ rơi khi chatbot không thể giải quyết vấn đề. Thay vì kết nối khách hàng một cách mượt mà với nhân viên con người, những chatbot này về cơ bản nói rằng, "Xin lỗi, bạn tự lo liệu nhé!"

Ngõ cụt kỹ thuật số này là một dấu hiệu gây bối rối thực sự cho khách hàng và một dấu hiệu rõ ràng rằng thiết kế chatbot cần được cải thiện.

Hơn nữa, một số chatbot có thể không phải lúc nào cũng nhớ các tương tác trước đó của khách hàng, vì vậy người dùng cần lặp lại yêu cầu của họ khi chuyển sang kênh hỗ trợ khác. Những khoảng trống trong tính liên tục này có thể ảnh hưởng đến hiệu quả cảm nhận của AI trong dịch vụ khách hàng.

Một hệ thống AI được tích hợp tốt nên ưu tiên sự dễ sử dụng, khả năng tiếp cận và việc chuyển sang nhân viên con người khi cần thiết một cách liền mạch.

Ví dụ, một công ty tôi từng làm việc có một chatbot sẽ tự động tạo ra bản tóm tắt 100 từ về cuộc trò chuyện của khách hàng trước khi chuyển vụ việc cho một nhân viên.

Điều này cho phép chuyển tiếp mượt mà hơn đồng thời cho phép nhân viên nhanh chóng nắm bắt các chi tiết quan trọng mà không cần sàng lọc qua toàn bộ bản ghi, mặc dù toàn bộ cuộc trò chuyện vẫn có sẵn để tham khảo. Kết quả là, nền tảng đã thấy giảm 30% các truy vấn lặp lại và tăng điểm đánh giá trải nghiệm khách hàng.

Trong khi dịch vụ khách hàng do AI thúc đẩy tiếp tục phát triển, thành công của nó cuối cùng phụ thuộc vào mức độ tích hợp tốt vào các chiến lược trải nghiệm khách hàng rộng lớn hơn. Các công ty cân bằng cẩn thận giữa tự động hóa với chuyên môn của con người, đầu tư vào việc cải thiện hiểu biết bối cảnh của AI, và ưu tiên trải nghiệm khách hàng có nhiều khả năng thấy lợi ích của AI trong việc cung cấp dịch vụ hiệu quả.

Lianne Dehaye là phó chủ tịch tại TDCX AI.


How startups can make chatbots more than a digital dead end
The vision of AI revolutionizing customer service is compelling. Businesses across industries seem to agree. Many of them are investing billions in AI-powered chatbots, with banks alone projected to spend US$18.4 billion by 2028. Still, AI’s effectiveness in the field depends on how it is integrated into a broader customer experience strategy. In many cases, businesses aren’t fully realizing the tech’s potential. To find out just where chatbots fall short and, more importantly, how companies can better use them, we conducted some research. Here’s what we discovered and what it means for the customer service sector. Can AI chatbots hear us? We looked at chatbot performances across seven industries. The results were aggregated to identify systemic breakdowns in the desired and intended chatbot experience. Based on inputs from more than 200 data points, the findings confirmed our hypothesis: Chatbots excel in structured interactions but struggle with context, nuance, and complex queries. Think of times when you’ve received responses that felt scripted or when the bot misses your point entirely. Our findings were also supported by a recent Gartner survey, which found that only 14% of customer issues are resolved through self-service. This simply underscores the reality that many AI-driven customer service solutions are still falling short of delivering real value. Some of our evaluation is based on these questions: * Did the chatbot’s answers directly address the customer’s query? * Was the chatbot able to perform the expected task? * Was the issue fully resolved to the customer’s satisfaction? Based on our findings, the overall effectiveness of chatbots scored 60%, and the resolution rate was slightly higher at 67%, so there’s room for improvement. In particular, chatbot services within telecommunications mobile apps had notable issues – think error messages disrupting the user experience. That said, chatbots have made progress in initiating conversations and processing natural language more effectively. In structured environments such as education, where interactions are predictable and well-defined, AI performs well. However, in more dynamic industries such as ecommerce and travel, chatbots frequently stumble over linguistic nuances, including synonyms, acronyms, and spelling variations. They also struggle to maintain context in longer exchanges, forcing customers to repeat themselves. Balancing efficiency with customer experience One point we learned in our research is that companies that use AI mainly to save costs had trouble providing their desired customer experience. Automation can indeed help streamline service operations and reduce response times, but if AI-driven interactions lack personalization or flexibility, they may lead to customers getting frustrated. Here are some tips that founders can follow to effectively balance efficiency with customer experience: Define objectives beyond cost savings Determine which inquiries AI can handle effectively and which require human intervention. For example, a chatbot can provide estimated delivery times to a customer, but issues like “I received a successful delivery notification, but the package isn’t here” may be better resolved by a live agent. Providing an option to bypass suggested prompts (perhaps with starter questions) and connect users directly with an agent can also improve the experience. Evaluate different chatbot options Focus on those with strong natural language processing (NLP) capabilities and seamless integration with existing systems. The stronger the NLP is, the more businesses can ensure that the AI understands customer intent more accurately and can handle a wider range of inquiries. Training chatbots with a well-curated, AI-readable knowledge base also further improves accuracy. Use emotion-sensing AI chatbots These advanced chatbots detect not just intent but also sentiment and effort, providing a deeper understanding of the customer’s needs. Implement a regular review of your data to continuously refine the AI’s problem-solving capabilities, which will ensure a more human-like personalization. Investing in these improvements may be costly in the short term, which could put some startups off. However, they will provide returns in the long run if companies are able to provide a differentiated customer experience at the scale AI allows. Smooth like butter Even if AI can process requests effectively, if chatbots are difficult to navigate, lack clear guidance, or do not offer an easy way to reach a human agent, customers may abandon them in frustration. Our findings show that while 87% of chatbots are easy to find and start chatting with, 73% of customers are left ditched when the chatbots cannot solve the problem. Instead of smoothly connecting customers to a human agent, these chatbots essentially say, “Sorry, you’re on your own!” This digital dead end is a real head-scratcher for customers and a clear sign that chatbot design needs work. Further, some chatbots may not always recall a customer’s previous interactions, so users need to repeat their request when transitioning to another support channel. These gaps in continuity can impact the perceived effectiveness of AI in customer service. A well-integrated AI system should prioritize ease of use, accessibility, and seamless escalation to human agents when necessary. For example, one company I worked with had a chatbot that would automatically generate a 100-word summary of the customer’s conversation before handing the case off to an agent. This enabled a smoother transition while allowing agents to quickly grasp key details without sifting through an entire transcript, though the full conversation remained available for reference. As a result, the platform saw a 30% decrease in repeat inquiries and a boost in customer experience ratings. While AI-driven customer service continues to evolve, its success ultimately depends on how well it is integrated into broader customer experience strategies. Companies that carefully balance automation with human expertise, invest in improving AI’s contextual understanding, and prioritize customer experience are more likely to see the benefits of AI in delivering efficient and effective service. Lianne Dehaye is vice president at TDCX AI.