Višejezična kvalifikacija leadova s AI chatbotom: pitanja, privatnost i prijenos

Višejezični AI chatbot može prepoznati interes, odgovoriti na pitanja i pripremiti sljedeći smislen korak. No, kvalifikacija leadova ne funkcionira tako što se njemački obrazac riječ po riječ prevodi na još 23 jezika. Dobra kvalifikacija povezuje jasnu logiku razgovora s lokalno razumljivim pitanjima, štedljivim prikupljanjem podataka i razumljivim prijenosom pravom timu.

Ovaj vodič pokazuje kako operateri web stranica planiraju takav proces: Koji su podaci stvarno potrebni? Kada je dovoljna anonimna predkvalifikacija? Kako ostati čisto razdvojen u pogledu pristanka, informacija o zaštiti podataka i marketinga? I kako provjeriti radi li logika zapravo na svakom jeziku?

Višejezična kvalifikacija leadova je više od prevedenog obrasca

Statički obrazac najčešće traži iste podatke u istom redoslijedu. Chatbot s druge strane može prvo razumjeti zahtjev, a zatim postaviti samo ona pitanja koja su relevantna za taj slučaj. Tko ima pitanje o proizvodu, treba put koji je drugačiji od onoga za nekoga tko želi ponudu, povratni poziv ili tehničku pomoć.

Višejezičnost pojačava zahtjeve kvalitete. Pojmovi kao što su „savjetovanje“, „ponuda“ ili „demo“ imaju različita očekivanja ovisno o tržištu. Brojevi telefona, oblici obraćanja, formati datuma i preferirani kanali kontakta također se razlikuju. Zato svaki locale ne treba samo preveden tekst, već urednički provjerenu verziju razgovora s istim stručnim značenjem.

Osnova ostaje zajednička logika neovisna o lokalizaciji: prepoznati zahtjev, provjeriti prikladnost, zatražiti kontaktne podatke samo po potrebi, objasniti svrhu i potom proslijediti na odgovarajući proces. Članak "Višejezični AI chatbotovi za međunarodne web stranice" opisuje širu arhitekturu koja stoji iza toga.

Ciljna slika: od interesa do odgovarajućeg sljedećeg koraka

Kvalifikacija leadova ne bi trebala prikupljati što više podataka. Trebala bi omogućiti donošenje odluke. Na kraju kratkog dijaloga mora biti jasno koji je sljedeći korak smislen za osobu i tvrtku. Tipični rezultati su:

• izravan odgovor bez prikupljanja podataka, ako baza znanja u potpunosti razjašnjava zahtjev;
• kvalificiran zahtjev za kontakt s onim malim količinama informacija koje su nadležnom timu potrebne za odgovor;
• prenos u stvarnom vremenu ako dostupni zaposlenik može odmah pomoći;
• zahtjev za povratni poziv ili termin s jasnim očekivanjem daljeg tijeka;
• sigurno odbijanje ili neutralno prosljeđivanje ako ponuda, regija ili nadležnost ne odgovaraju.

Na taj način kvalifikacija postaje sustav rutiranja, a ne put za prikupljanje podataka. To smanjuje nepotrebna pitanja, skraćuje dijalog i sprječava da se znatiželjni posjetitelji prebrzo tretiraju kao prodajni leadovi.

Koja su pitanja doista nužna?

Počnite s odlukom koja treba biti donesena nakon dijaloga. Tek iz nje proizlaze pitanja. Za mnoge web stranice su dovoljna tri razine.

1. Razjašnjavanje zahtjeva i cilja

Otvoreno početno pitanje poput „Kako Vam možemo pomoći?“ često pruža više konteksta od dugog kataloga s izborima. Ako odgovor ostane nejasan, chatbot može ponuditi nekoliko razumljivih opcija, kao što su savjetovanje o proizvodu, ponuda, podrška ili partnerstvo. Opcije moraju imati isto značenje i opseg u svakom jeziku.

2. Provjera prikladnosti i nadležnosti

Nakon toga slijedu isključivo kriteriji koji mijenjaju rutiranje: željena usluga, regija, veličina tvrtke, faza projekta ili realan vremenski okvir. Pitanja o budžetu imaju smisla samo ako različiti budžeti doista vode do različitih ponuda ili timova. Slobodan tekst treba ostati moguć tamo gdje bi stroge kategorije izobličile zahtjev.

3. Ponuditi put kontakta odgovarajući rezultatu

Ime, e-mail adresa ili broj telefona potrebni su tek ako odgovor treba biti poslan izvan tekućeg chata. Nemojte automatski tražiti sve kontaktne podatke. Za pisani povratni odgovor može biti dovoljna e-mail adresa; za izričito željeni povratni poziv dodatno je potreban broj telefona i, po potrebi, vremenski okvir.

Ovaj redoslijed prati princip minimizacije podataka: Europska komisija to sažima tako da se trebaju obrađivati samo oni osobni podaci koji su nužni za određenu svrhu. To je dobro pravilo proizvoda, bez obzira na to koja se pravna osnova koristi u konkretnom slučaju nakon pravnog ispitivanja.

Jezik, oznake i poruke o pogreškama pripadaju funkciji

Prijevod je spreman za upotrebu tek kada ljudi razumiju očekivani unos bez nagađanja. W3C zahtijeva razumljive oznake ili upute za polja za unos i tekstualni opis problema kod automatski prepoznatih pogrešaka. Za chatbot to znači: ne samo pitanja, već i napomene o obaveznim poljima, primjeri, potvrde i tekstovi o pogreškama moraju biti lokalizirani.

• Koristite vidljive, jednoznaczne oznake umjesto samo teksta u placeholderu.
• Objasnite očekivane formate, na primjer kod brojeva telefona ili datuma.
• Konkretno navedite koji je unos nedostaje ili je nepravalan, umjesto da samo prikažete „Pogreška“.
• Prilikom ispravka zadržite već važeće odgovore kako niko ne bi morao ponovno unositi sve.
• Točno označite jezik stranice i dijelova teksta na drugim jezicima odgovarajućim jezik-atributa.

To je ujedno i pitanje pristupačnosti. DoprinosPristupačan AI chatbot: WCAG kontrolna lista za web stranice nudi detaljniju kontrolnu listu za to.

Zaštita podataka: odvojiti svrhu, informaciju i privolu

Česta je pogreška miješanje zahtjeva za kontakt, povratne informacije i newslettera u jednoj jedinoj privoli. To otežava informiranu odluku. Umjesto toga, planirajte svaku svrhu zasebno: obrada zahtjeva, željeni kontakt i opcionalni marketing su različiti procesi.

Odgovarajuća pravna osnova ovisi o konkretnom procesu i trebala bi biti stručno provjerena; privola nije automatski ispravna ili jedina osnova za svaki zahtjev za kontakt. Ako se koristi privola, ona mora biti dobrovoljna, informirana, specifična i nedvosmislena, sukladno smjernicama Europske komisije i Europskog Europskog odbora za zaštitu podataka. Potrebna je aktivna radnja, a opoziv mora biti moguć.

U praksi to za chat znači:

• Prije slanja objasnite tko podatke obrađuje i u koju svrhu.
• a povežite odgovarajuće informacije o privatnosti na jeziku dijaloga.
• Ne koristite unaprijem označenu privolu za marketing.
• Nemojte uvjetovati obradu zahtjeva nepotrebnim dodatnim podacima.
• Definirajte rokove pohranjivanja i prava pristupa u skladu sa svrhom.

Privatnost po dizajnu i privatnost kao zadana postavka stoga počinju pri planiranju dijaloga, a ne tek u izjavama o privatnosti. Više osnova pronaći ćete u članku AI chatbot i GDPR. Ovaj vodič ne zamjenjuje individualno pravno savjetovanje.

Matrica rutiranja sprječava nasumične odluke

Prije izgradnje dijaloga isplati se napraviti malu matricu rutiranja. Svaki redak opisuje prepoznatljiv zahtjev, potrebne informacije za njega, ciljni tim i dopušteni sljedeći korak. Moguća struktura izgleda ovako:

• Opće pitanje o proizvodu: izravno odgovoriti iz provjerenih izvora; kontakt podaci nisu potrebni.
• Konkretna namjera kupnje: razjasniti uslugu, regiju i vremenski okvir; nakon toga ponuditi mogućnost kontakta.
• Postojeći kupac s problemom: ne vrednovati kao novi lead, već usmjeriti u putanju podrške.
• Želja za komunikacijom s osobom: provjeriti dostupnost i transparentno prenijeti u live-chat, e-mail ili povratni poziv.
• Nepodržani zahtjev: otvoreno navesti granicu nadležnosti i ponuditi samo jednu provjerenu alternativu.

Put stuviljanja ne smije završiti u slijepom ulici. Ako trenutno nitko nije dostupan u live chatu, osoba treba realnu alternativu. Kako se taj prijenos može organizirati, objašnjava Human Handoff u AI chatbotu.

Praktičan dijalog u sedam koraka

1. Prepoznati jezik ili dopustiti odabir: Učiniti odluku vidljivom i omogućiti promjenu.
2. Razumjeti zahtjev: Prvo odgovoriti ili razjasniti prije nego što se pojavi obrazac.
3. Potvrditi signal za lead: Prelaziti na kvalifikaciju samo pri stvarnoj namjeri djelovanja.
4. Postavljati pitanja o rutiranju: Po poruci jedna razumljiva pergunta s prepoznatljivom svrhom.
5. Ponuditi put kontakta: Prikupljati samo one kontakt podatke koji su potrebni za odabrani sljedeći korak.
6. Prikazati informacije i opcionalni pristanak: Svrhe prikazati odvojeno i jasnim jezikom.
7. Sažeti i proslijediti:Potvrditi prikupljene podatke, nadležno tim i očekivani sljedeći korak.

Takav tijek je kraći od mnogih obrazaca, iako pruža više konteksta. Presudno je da chatbot može u svakom trenutku vratiti na normalno savjetovanje i da osobu ne zadržava u procesu generiranja leadova.

Locale-QA: Što se mora provjeriti u svakom jeziku

Automatski prijevod može pružiti prvi nacrt, ali ne zamjenjuje završnu kontrolu. Testirajte svaki ponuđeni jezik s istim strukovnim scenarijima i dodatno s unosima specifičnim za lokalitet.

• Jesu li opcije, kriteriji i rezultat sadržajnim identični?
• Zvuče li pitanja prirodno, ljubazno i prikladno za tržište?
• Rade li specijalni znakovi, duže riječi i pomaci redova na mobilnim uređajima?
• Validiraju li se brojevi telefona, imena i formati datuma ispravno?
• Jesu li poveznica za zaštitu podataka, tekst o svrsi, potvrda i poruke o pogrešci u potpunosti prevedeni?
• Ostaju li nazivi proizvoda, URL-ovi, brojevi i pravila rutiranja nepromijenjeni?
• Rade li upravljanje tipkovnicom, fokus, izlaz čitača zaslona i oznaka jezika?

Za to koristite Golden Set koji sadrži tipične, nejasne, negativne i granične upite. Upravo slučajevi „samo jedno pitanje“, „postojeći kupac“, „nema interesa“ i „razgovor sa zaposlenikom“ pokazuju prepoznaje li sustav pouzdano razliku između prikupljanja leadova, podrške i prijenosa (handoff).

Ispravni ključni pokazatelji mjere kvalitetu, a ne samo količinu

Visok broj prikupljanih kontakata nije dokaz kvalitete. Umjesto toga promatrajte cijeli put: udio smisleno započetih kvalifikacija, prekidi po pitanju, potpuno przekazani upiti, pogrešno usmjeravanje, vrijeme do prve ljudske reakcije i naknadno prihvaćanje od strane prodaje ili podrške.

Usporedite vrijednosti prema lokalizaciji (Locale), ali razlike interpretirajte oprezno. Niža stopa konverzije može biti posljedica nejasnih prijevoda, neprikladnih kanala komunikacije, tehničkih pogrešaka ili jednostavno druge strukture posjetitelja. Zbog toga brojke kombinirajte s nasumičnim pregledima razgovora i dokumentiranim ispravcima.

Implementacija s ChatReactom

ChatReact povezuje višejezične odgovore chatbotova s prikupljanjem leadova i ljudskim prijenosom (Human Handoff). Za robusnu primjenu ipak biste trebali prilagoditi polja i pragove prepoznavanja svom konkretnom procesu: Koji signali znače stvarni kupovni interes? Koja pitanja mijenjaju usmjeravanje? Kada je izravan odgovor bolji od kontakt forme?

Započnite s jednim jasnim slučajem primjene i dva ili tri pitanja za rutiranje. Prvo provjerite ovaj tijek na izvornom jeziku, zatim u svakoj ciljnoj lokaciji i tek nakon toga s stvarnim prometom. Pregled Kako AI chatbot povećava generiranje leadova na web stranici pomaže u uvrštavanju u cjelokupnu strategiju web stranice.

Kontrolna lista za početak

• Definirati konkretan cilj i odgovorni tim za svaki put.
• Prikupljati samo pitanja relevantna za odlučivanje i nužne podatke.
• Funkcionalno odvojiti podršku, lead i handoff.
• Informacije o zaštiti podataka i opcionalnu privolu za marketing oblikovati odvojeno.
• Urednički provjeriti sve oznake, napomene, pogreške i potvrde po lokalizaciji.
• Uključiti desktop, mobilne uređaje, tipkovnicu i čitače zaslona u QA.
• Redovito analizirati pogrešno rutiranje i prekide te proširiti Golden Set.

Tako ne nastaje što duži dijalog o podacima, već kratki, razumljivi most između stvarnog interesa i ispravnog ljudskog ili automatiziranog odgovora.

Izvori

• Europska komisija: Principles of personal data processing under the GDPR
• Europska komisija: Data protection by design and by default
• Europska komisija: When is consent valid?
• Europski odbor za zaštitu podataka: Guidelines 05/2020 on consent
• W3C: Web Content Accessibility Guidelines (WCAG) 2.2
• W3C WAI: Identifikacija pogrešaka
• W3C Internacionalizacija: Deklariranje jezika u HTML-u