08. Februar 2018
Echtzeit-Datenanalyse im Kundendialog: Vom Preprocessing zu Data Providern
Spätestens seit Douglas Adams’ Romanserie „Per Anhalter durch die Galaxis“ kennen wir die Antwort auf die Frage nach „dem Leben, dem Universum und dem ganzen Rest“: Sie lautet 42. Im Service-Center sind die gestellten Aufgaben meist von vergleichsweise praktischer Natur, doch auch hier lohnt sich ein genauer Blick auf die Prozesse, die von einer Frage zur passenden Antwort führen.
Wie "versteht" die KI das Anliegen eines Kunden? Wie generiert sie Antworten? Und welche Vorteile bringt das für die Servicequalität? In unserer zweiteiligen Reihe verfolgen wir den Weg, den eine Anfrage in digicom ai bis zur Antwort durchläuft. So wird deutlich, wie die "Black Box" KI an die vertrauten Abläufe im Kundenservice andockt. Im ersten Teil geht es dabei vor allem um Preprocessing, Data Extractors und Data Provider.
Die Module in der Übersicht
- Preprocessing (Datenvorverarbeitung)
Ansprache oder Signaturen werden aus dem Text entfernt, Umlaute werden umgewandelt (zum Beispiel "ä" in "ae") - Data Extractors (Datenextraktion)
Die für die Anfrage relevanten Daten wie z.B. Name, Kundennummer etc. werden erkannt und in Variablen gespeichert - Data Provider (Bereitstellen von Daten)
Mit den zuvor erkannten Variablen werden Berechnungen und Anfragen gestartet, um Informationen für die Antwort zu generieren
Kein Dialog ist wie der andere
Jedes Gespräch im Kundendialog ist ein Unikat. So folgt zum Beispiel der Aufbau einer E-Mail-Nachricht bestimmten Regeln und Strukturen – von der Anrede über das eigentliche Anliegen des Verfassers bis hin zu Grußformel und Signatur. Dabei ist es nicht ungewöhnlich, dass ein Fragesteller erst über Umwege „zur Sache kommt“, mehrere Fragestellungen miteinander verknüpft oder eine emotionale Ebene wie Lob oder Kritik mit einfließen lässt. Das Wesentliche vom Unwesentlichen zu trennen, ist deshalb die Grundlage für eine zielführende Antwort.
Vom Text zu den Daten
Beim Prepocessing filtert das System zunächst begleitende Formulierungen wie Anrede oder Signatur aus. Anschließend werden die deutschen Umlaute in Umschrift übertragen und alle Wörter in ihre Grundform zurückgeführt. Gerade die deutsche Sprache zeichnet sich bekanntlich durch ihre Komplexität aus und stellt dabei hohe Anforderungen. Auch das verwendete Vokabular kann bei ein und demselben Anliegen stark variieren. Ein Kunde, der beispielsweise nachfragt, wo seine Lieferung bleibt, wird dafür möglicherweise verschiedene Synonyme nutzen – etwa „Lieferung“ oder „Bestellung“ oder auch „Paket“ oder „Päckchen“. Oder er fragt ohne Umweg direkt nach dem von ihm bestellten Artikel, also: „Wo bleibt meine SIM-Karte fürs Handy?“ Die Absicht der Frage – und damit die zu generierende Antwort – ist in allen Fällen gleich.
Informationen aus allen Systemen
Die in der Textanalyse durch sogenannte Data Extractors gewonnenen Daten werden in Variablen gespeichert. An dieser Stelle des Prozesses können nun mit Hilfe von Data Providern auch zusätzliche Daten aus anderen Systemen wie CRM oder ERP zugeführt werden. Durch diesen Schritt lässt sich unsere Beispielfrage nach dem Bestellstatus beantworten – ein einfacher Datenabruf aus dem entsprechenden Versandsystem schafft Klarheit.
Die Leistungsfähigkeit des Gesamtsystems steigt also mit dem Grad der internen Vernetzung. Die dazu erforderliche Schnittstellenarchitektur ist bei digicom ai grundsätzlich so gestaltet, dass keinerlei Änderungen an den führenden Systemen und bestehenden Prozessen erforderlich sind: Die KI kann mit klar definierten Zugriffsrechten auf dynamische Daten aus hauseigenen Systemen zugreifen, um zum Beispiel die komplette Kundenhistorie abzurufen und zu erkennen, welche Produkte der Fragesteller einsetzt und ob er bereits früher Support benötigt hat.
Damit ist digicom ai in der Lage, komplexe Arbeiten zu übernehmen – die KI wird zum zentralen Baustein des Wissensmanagements im Unternehmen. Sie kann Kundenfragen selbstständig beantworten. Sie kann aber auch einfach dazu eingesetzt werden, Informationen zu bestimmten Anfragen zu sammeln und an die Service-Mitarbeiter weiterzuleiten, damit sie alle wichtigen Fakten zur individuellen Beantwortung dieser Fragen „auf dem Schirm haben“.
Intelligente Datenanalyse in Echtzeit
Vertraut man Douglas Adams, benötigte der Großrechner Deep Thought für seine Antwort „42“ eine Rechendauer von stolzen 7,5 Millionen Jahren. Im Service-Center werden für E-Mails typischerweise Reaktionszeiten von wenigen Minuten erwartet. Bei den Voice-Funktionalitäten von digicom ai, die derzeit bereits im Labor entwickelt, getestet und Schritt für Schritt in den Realbetrieb implementiert werden, bewegen wir uns im Bereich von Sekunden.
Allerdings erwarten die meisten Kunden auch keine Antwort auf die universellen Fragen der Menschheit. Bis zu 80 Prozent aller Anfragen im Service-Center sind einfache Standardabläufe wie unsere Beispielfrage nach dem Lieferstatus – entsprechend hoch ist das Potenzial, durch den Einsatz der KI die First-Done-Rate entscheidend zu erhöhen. Das entlastet die Mitarbeiter im Service-Center von zeitaufwändigen Routinearbeiten. Selbstverständlich erkennt die KI auch, wo ihre Grenzen erreicht sind - bei Fragen, deren Beantwortung eine umfassende Einschätzung von Sachverhalten erfordert, gibt sie den Dialog an einen Agenten weiter, der den Kunden mit seiner ganzen Erfahrung berät.
Im zweiten Teil beobachten wir digicom ai beim eigentlichen Machine Learning.
