Chatbot Analytics

Chatbot Metriken erlauben es, die Leistung eines Chatbots über eine bestimmte Zeit zu überwachen. Damit kann zum Beispiel der Effekt einer Änderung am Chatbot (z.B. eine Einführung einer neuen Absicht) beobachtet werden, oder es kann Hinweise darüber geben, wie der Chatbot optimiert werden soll.

Metriken werden in der Regel über einen bestimmten Zeitraum betrachtet (z.B. die letzten 30 Tage) und einige stehen in Korrelation zu anderen, teils nicht Chatbot-spezifischen Metriken (z.B. "Anzahl Bot Nachrichten" vs "Anzahl Erreichung spezifischer Zielvorhaben"). Bei einem neu erstellten Chatbot schwanken Metriken in der Regel noch stark. Mit der Zeit erhält man allerdings ein immer klareres Bild darüber, wie die Besucher mit dem Chatbot interagieren.

Untenstehende Chatbot Metriken können im Bubble Chat CMS unter "Analytics" gefunden werden:

• Anzahl aktive Benutzer:innen
  Als Benutzer:in zählt, wer dem Chatbot mindestens eine Nachricht sendet und ihn somit aktiv nutzt. Eine Vielzahl aktiver Benutzer:innen hilft, diese besser zu verstehen und das Angebot passender zu gestalten.
• Anzahl neue Benutzer:innen
  Neue Benutzer:innen sind notwendig, um eine aktive Benutzerzahl zu behalten. Attraktive Einstiegspunkte (z.B. auf unterschiedlichen Orten der Website) oder gezielte Marketingaktivitäten haben positiven Einfluss auf diese Metrik.
• Anzahl wiederkehrende Benutzer:innen
  Wiederkehrende Benutzer:innen sind ein Zeichen dafür, dass der Chatbot einen konkreten Nutzen gebracht hat und sie ihn wohl auch weiterempfehlen würden.
• Engagement der Benutzer:innen
  Hier kannst du ablesen, wie viel Prozent aller Benutzer:innen, die den Chatbot angeboten bekommen, ihn auch tatsächlich nutzen.
• Anzahl Chats
  Es ist wichtig, viele Chats und somit eine grosse Datenbasis für verschiedenste Auswertungen zu haben. Die Anzahl Chats kann wichtige Informationen über die Berechnungen der Marktgrösse und möglicherweise die Auswirkungen des Chatbots liefern.
• Anzahl Benutzereingaben
  Führen die Anwender:innen eher lange Konversationen oder kann dein Chatbot direkt helfen?
• Anzahl nicht verstandener Benutzerfragen
  Ein Chatbot wird nie auf jede Frage eine passende Antwort haben. Die nicht verstandenen Benutzerfragen helfen uns, den Chatbot besser zu trainieren; zum Beispiel durch das Hinzufügen einer neuen Absicht oder durch das Optimieren der Trainingssätze einer Absicht. Über die Zeit sollte diese Anzahl also eher runter gehen. Ist dies nicht der Fall, kann dies ein Zeichen dafür sein, dass sich die Chatbot Benutzer:innen für andere Themen interessieren (z.B. infolge einer Marketingaktion).
• Anzahl Übergaben an Live-Agent:innen vom Kundendienst
  Die Anzahl Übergaben an Live-Agent:innen kann verwendet werden, um die First Contact Resolution (FCR) zu ermitteln - ein prozentuales Mass für die Erfolgsquote bei der Beantwortung von Kundenanfragen bei der ersten Kontaktaufnahme über den Chatbot.
• Benutzerzufriedenheit
  Den Grad der Benutzerzufriedenheit kannst du nutzen, um den Chatbot stetig zu verbessern. Indem du deine Kund:innen mit einer einfachen Frage wie z.B. "Wie zufrieden sind Sie mit diesem Chat?" konfrontierst, erhältst du ein ungefiltertes und ehrliches Feedback.
• Top Absichten
  Bei Absichten, die am meisten aufgerufen werden, kann es Sinn machen, die Antworten des Chatbots besonders zu optimieren. Anstatt dass der Chatbot z.B. einen Link zu einem Online-Dienst liefert (und damit einen Absprung des Besuchers in Kauf nimmt), könnte er den Online-Dienst via API integrieren und direkt die passende Antwort liefern.
• Top Absprungabsichten
  Ein Absprung eines Benutzers hat in der Regel zwei mögliche Ursachen: Entweder das Ziel wurde erreicht (positiv, Chatbot konnte helfen) oder nicht (negativ, Chatbot konnte nicht helfen). In beiden Fällen kann Handlungsbedarf bestehen. Im positiven Fall könnte man zusätzliche Leistungen anbieten (Up-selling) und im negativen Fall lohnt es sich, die Konversationen zu analysieren und den Chatbot besser zu trainieren.