每个人开始犯的第一个错误是假设客户想要什么。更具体地说，选择错误的自动化案例并解决错误的问题会导致项目无法提供预期的成效。
让我们来探讨这些项目是如何开始。许多聊天机器人的实现源于内部黑客马拉松竞赛或内部团队测试技术解决方案或供应商演示如何解决紧迫的客户问题。经过多次讨论、演示和批准后，开始进行一些概念验证或测试。听起来熟悉吗？请继续往下读，
现在是关键步骤，选择项目初始的范围。尽管最初展示的客户问题需要解决，但聊天机器人需要解决更多的案例以提供实际价值。在选择范围时，团队可以根据最重要的问题提出一系列用例，或是请求呼叫中心团队提供最重要的驱动程序，其他人甚至可以根据所选聊天机器人技术快速实现的功能来选择。也就是说，尝试解决团队认为重要的问题，而不量化问题。这通常会导致参与率低，对客户体验产生负面影响，并失去对聊天机器人和品牌的信任。
我们建议从分析您当前的客户交互数据开始，如聊天历史记录、录音转译文本、客户反馈、网站搜索数据、知识库使用情况以及网络分析等。毕竟，您正在尝试解决客户的问题，而这些交互数据提供了您想知道的细节。
将这些数据加载到诸如Verint Intent Manager之类的分析工具中，该工具使用机器学习对输入的自然语言进行分析和分类，并协助您发现和洞察到以下内容：
- 有那些不同的查询类型？
- 有多少不同类别的互动？
- 问题的覆盖范围有多广？
- 阻碍销售/创收机会的查询？
- 导致负面情绪的互动有哪些？
- 哪些互动类型客户更看重人工辅助？
- 哪些互动对时间很敏感？
- 当前客户互动渠道模式？
- 当前数字渠道的故障点？
- 哪些来电是因为数字渠道原因导致的？
- 数字渠道旅程放弃次数和原因？
- 客户目标-即当客户面临问题时的最大期望？
- 短程客户互动-即客服人员仅用两三句就解决了客户问题
- 客服人员主导的互动过程，即客服人员发言多于客户
- 互动过程模式-即客户在特定流程的某个步骤中遇到问题，那么有更高可能性在流程的下一个步骤中也遇到问题
- 对话模式-即客户接下来会做什么/问什么？例如：询问账单到期日的部分客户要求延期付款
以下是个非常好的成功案例——我们在保险业的一位企业客户，发现许多投保人都在为忘记密码而头痛。当我们开始研究模式和对话流程时，我们很快意识到，绝大多数要求重置密码的客户都后续直接更新了他们的保单。因为保单续约是一年才一次，所以这些投保人才很容易忘记密码。站在投保人客户的角度，就可以理解忘记密码、重置密码，然后重新登录以完成保单续约是一件很麻烦的事情和糟糕的体验。因此，这个保险企业除了构建重置密码过程外，还创建了一个简化的“简易保单续约”流程，利用客户的基本详细信息（如姓名和出生日期）快速续约他们的保单。这样对客户来说变得简单，并大辐改善了客户体验。实践证明这个简易保单续约流程的接受率最后远高于重置密码。
- 回到数据分析，这些发现还应可协助您更容易理解：
- 您的高价值场景案例
- 帮助您对场景案例进行分类-可以快速解决的案例、可以部分自动化的案例和需要系统集成的案例等。
- 帮助您识别（并设定优先级）哪些额外的网络资产和流程需要开发
- 帮助您定义整体的渠道策略以便将更多的客户咨询引向数字渠道
在定义初始范围时，由于时间和资源有限，与其选择少数几个排名靠前的交互类型来自动化，还不如基于场景案例为基础（深度和广度的组合）以便更快的看到回报产出。深度方面，可以包括排名前10的客户互动、高价值互动和数字渠道不畅的案例。广度方面，应该了解客户的最常见查询，即便无法全程自动化也应该为他们提供一定程度的帮助。比如可以考虑前25个查询类型，数字渠道不畅的查询类型，以及所有短客户互动。
一旦您确定了以上结果，就可以开始计算-根据当前互动量、假设交互水平和估计偏差来进行量化分析，以验证拟议范围是否值得推进。如果量化后的投资回报率没有增加，则需要重新规划范围，看看哪些场景案例可以在不影响项目成本的情况下包括在内。这些数据也应作为持续跟踪和评估的基线。为了帮助您做到这一点，我们提供了一个投资回报率计算器供您使用。
Verint将上述过程称为AI Blueprint™，是一个专业服务。无论是聊天机器人项目启动，或者是希望改进现有的聊天机器人，Verint的AI工具都可以帮助您确定正确的场景用例，并通过数据导向的方法降低AI投资的风险。
下一篇文章将讨论聊天机器人的大脑—意图以及意图创建需要考虑的事项。
