GenAI 2024: How To Build A Chatbot Your Customers Actually Like

a likable and humanized chatbot
Die Einführung von GPT-basierten Chatbots im Bankensektor verspricht zwar Effizienzsteigerungen, doch Kunden zeigen sich oft unzufrieden. Trotz einiger Verbesserungen bleiben grundlegende Herausforderungen bestehen. Um das Potenzial von GPT-basierten Chatbots auszuschöpfen, ist ein realistisches Erwartungsmanagement und klare Kommunikation über deren Fähigkeiten entscheidend.

Best Practices aus der Human-Computer-Interaction

Stand jetzt sind GPT-basierte Chatbots NICHT die Zukunft von Customer Service. Zumindest nicht aus Sicht von Kunden. Mit ein wenig Arbeit könnte sich das jedoch ändern.

Executive Summary:

Die Einführung von GPT-basierten Chatbots im Bankensektor verspricht zwar Effizienzsteigerungen, doch Kunden zeigen sich oft unzufrieden. Trotz einiger Verbesserungen bleiben grundlegende Herausforderungen bestehen. Um das Potenzial von GPT-basierten Chatbots auszuschöpfen, ist ein realistisches Erwartungsmanagement und klare Kommunikation über deren Fähigkeiten entscheidend. Eine nahtlose Integration von menschlichem Support sowie benutzerfreundlichen Interfaces und Erklärungen während der Interaktion, können die Kundenerfahrung verbessern. Insgesamt sind gezielte Maßnahmen zum Erwartungsmanagement und zur Verbesserung der Benutzererfahrung erforderlich, um den Erfolg von Chatbots im Bankensektor zu gewährleisten. Ein AI-First-Ansatz im Banking ohne periphere Chatbotlösungen könnte eine vielversprechende Alternative sein.

ChatGPT macht Chatbots im Kundenservice wieder Salonfähig

Bei der Verwendung von Chatbots sprechen Unternehmen oft darüber, wie sie auf der Geschäftsebene Kosten einsparen, Effizienzen verbessern und Synergien nutzen können. Der Durchbruch von ChatGPT machte Chatbots nach einigen ruhigen Jahren wieder salonfähig. Das wohl bekannteste Beispiel ist Klarna: In einer Pressemitteilung verkündet Klarna, dass der durch OpenAI unterstützte Chatbot 2/3 aller Kundenanfragen bearbeitet und die Arbeit von 700 Vollzeitkräften ersetzen kann. Dabei soll er genauer arbeiten und Anfragen in 2 statt 11 Minuten bearbeiten. Insgesamt soll der Einsatz des Chatbots Klarna 40 Mio. USD einsparen. Rückblickend scheint die Meldung jedoch eher als PR-Stunt für das bevorstehende IPO zu gelten als vielmehr eine echte Innovation zu sein. Kunden und Medien zeigen sich eher unzufrieden mit der Qualität der Gespräche.

Das Problem mit Chatbots im Customer Service

Das Beispiel Klarna hat gezeigt, dass Chatbots, insbesondere im Bankenkontext, bei Kunden weiterhin eher auf Ablehnung stoßen. Das Hauptproblem besteht darin, dass Chatbots durch ihre „Conversational Interfaces“ menschenähnlich wirken wollen, was Erwartungen weckt, die selbst von GPT-basierten Chatbots nicht erfüllt werden können. Kunden wenden sich meistens in emotionalen Momenten an den Kundenservice und möchten Probleme schnell gelöst haben- lange Gespräche mit einem Chatbot, ohne ans Ziel zu kommen führen zu Frust.

Kundenzufriedenheit durch Menschlichkeit

Im Rahmen der Human-Computer-Interaction wurde schon vor dem Durchbruch von ChatGPT viel an der Menschlichkeit von Chatbots geforscht. Damals bestand der Imperativ darin, Chatbots ausreichend zu anthropomorphisieren, um das „Uncanny Valley“ zu überbrücken und die Nutzerzufriedenheit zu steigern. Menschen sprechen lieber mit Menschen als mit nicht greifbaren Maschinen. Es gibt verschiedene Ansätze, die darauf abzielen, Anhaltspunkte für Menschlichkeit zu geben. Dazu gehören verbale Hinweise wie die Gestaltung des Textes als Small Talk oder Umgangssprache, visuelle Hinweise wie Typing-Indications und Antwortfluss, auditive Hinweise wie Benachrichtigungen aus Messenger-Diensten oder nicht-sichtbare Hinweise wie Reaktionsverzögerungen.

Wie GPT Chatbots verändert hat

Als technologisch schwieriger galt es, längere kohärente Gespräche zu führen, die Konversation in verschiedene Richtungen zu lenken, in verschiedenen Kontexten zu sprechen sowie auf vorherige Inhalte eines Gesprächs zurückzugreifen. Die Lösung dieses Problems kann man in den aktuellen Versionen von GPT-basierten Chatbots beobachten. Jedoch scheint sich das Problem mit der Kundenerwartung an Chatbots auch mit GPT zwar verbessert, aber nicht wesentlich gelöst zu haben.

Fehlendes Puzzlestück: Kundenerwartung

Es sollte klar geworden sein, dass es gar nicht mal ein Mangel des technologischen Fortschrittes ist, den GPT-basierte Chatbots am Durchbruch hindert, sondern eher ein Mangel die richtige Kundenwertung zu setzen. Im Folgenden werden deshalb einige Maßnahmen diskutiert, die die Benutzererfahrung so weit verbessern würden, so dass das volle Potenzial von GPT-basierten Chatbots ausgeschöpft werden kann:

  1. Realistische Erwartungen setzen: Bevor Kunden den Chatbot nutzen, sollte ihnen klar mitgeteilt werden, was der Chatbot kann und wann es besser ist, direkt die FAQs und Dokumentation zu lesen. Dadurch entsteht eine realistische Erwartungshaltung und weniger Frustration beim Kunden. Im besten Fall werden Dokumentation und FAQs in die Knowledgebase des Chatbots integriert, damit dieser direkt im Chat darauf zugreifen kann und die Antwort nicht als Link zu einem Dokument ausgeben muss.
  2. Schnelle Bereitstellung menschlicher Unterstützung: Chatbots wissen oft nicht, wann sie im Gespräch falsch liegen, daher sollten Kunden nicht lange damit belastet werden, den richtigen Prompt zu finden, um eine zufriedenstellende Antwort zu finden. Andernfalls versuchen Kunden den Chatbot so lange zu „Reverse Engineeren“ bis sie zu einem menschlichen Kontakt kommen. Dies zieht die Konversation unnötig in die Länge. Kunden sollten deshalb die Möglichkeit haben, schnell mit menschlichem Support zu interagieren, um eine hohe Churn-Rate zu vermeiden.
  3. Zustand des Chatbots erklären: Die Antworten zu “labeln” oder Wartzeiten visuell darzustellen, hiflt Kunden dabei zu verstehen, was im Hintergrund passiert. Ein kurzer Hinweis darauf, dass beispielsweise Hilfe durch einen Menschen oder die Ausgabe des richtigen Dokumentes nur noch wenige Sekunden entfernt ist, vermeidet Frustration, wenn es mal länger dauert.
  4. Bonustipp Größere Interfaces verwenden: Auch wenn sich die Kommunikation mit Chatbots visuell an der Interaktion mit Menschen in Messenger-Diensten am Handy orientiert, wollen Kunden im Gespräch mit Chatbots hauptsächlich Informationen rezipieren. Heißt, sie müssen längere Informationen lesen oder auch an verschiedene Stellen im Chat springen. In kleinen Chatfenstern ist der „Cognitive Load“ dabei besonders hoch und kann schnell überfordernd wirken. Das Chatfenster sollte also besser einige Pixel größer sein, sonst verlässt der Kunde gefrustet den Chat.

Wann kommt AI-first Banking?

Zusammenfassend lässt sich sagen, dass Chatbots durch GPT zwar einen Fortschritt in ihrer Nutzbarkeit gemacht haben, aber weiterhin hinter den Erwartungen zurückbleiben. Oft wird eine generische Lösung genutzt, ohne sich die nötigen Gedanken an die komplexen Probleme, die im Alltag der Kunden auftreten, zu machen. Dies mag für eine schöne PR-Meldung ausreichen, aber bei den Kunden führt es zu massiver Frustration. Besser wäre es, ausreichend Vorarbeit zu leisten, FAQs und Dokumentation in die Wissensdatenbank zu integrieren, die Verknüpfung zwischen menschlichem und bot-gestützten Support zu verbessern und die Erwartungen bereits im Voraus ehrlich zu managen. Weitergedacht wäre es interessant zu sehen, wie ein natives AI-first Banking ohne periphere Chatbot-Lösung aussehen könnte.

GenAI 2024: How To Build A Chatbot Your Customers Actually Like

Inhaltsverzeichnis

Nichts mehr verpassen
mehr lesen
Fintech vs. Banken
Nach den letzten schwierigen Jahren, scheint 2024 das Jahr zu sein, in dem Fintech wieder zu alter Stärke zurückkehrt. Neobanken...
Banking as a Service (BaaS) und Embedded Finance galten bisher als lukrative Sektoren, insbesondere für kleinere Banken auf der Suche...
KI für Banken
Künstliche Intelligenz (KI) bietet Banken eine einzigartige Chance, ihre Dienstleistungen zu verbessern, Prozesse zu optimieren, ein personalisiertes Kundenerlebnis zu bieten...
Ready for take-off
AI
Banking
Crypto

Wir sind überzeugt: Deutschland ist digital underbanked – und das wollen wir ändern!

Ob AI, Banking oder Crypto, digit.cologne widmet sich der digitalen Transformation von Finanzdienstleistern.

Wir bringen im Schnitt mehr als 15 Jahre Berufserfahrung und Beteiligungen an zahlreichen Digitalisierungsprojekten mit, in den Bereichen Banking, Payment, Crypto und Wealth Management.

Bei digit.cologne kommen wir zusammen, um Finanzdienstleister auf ihrem Weg durch digitale Transformationsprozesse zu begleiten.

Wir freuen uns darauf, mit Ihnen in Kontakt zu treten.

Joshua Olbrich
Consultant
Tobias Ehret
Geschäftsführer
Leonhard Walter
Consultant
alexander stankoswki
Alexander Stankowski
Consultant
Moritz Braun
Consultant
pascal schade
Pascal Schade
Consultant