Tönyelvű lead-kvalifikáció MI chatbotban: kérdések, adatvédelem és átadás

Egy többnyelvű MI-chatbot képes felismerni az érdeklődést, vála lani a kérdésekre és előkészíteni a következő értelmes lépést. Azonban a lead-kvalifikáció nem úgy működik, hogy egy német nyomtatványt szavasan fordítanak további 23 nyelvre. A jó kvalifikáció egy egyértelmű beszélgetési logikát ötvöz a helyben érthető kérdésekkel, a takarékos adatgyűjtéssel és a megfelelő csapat számára érthető átadással.

Ez az útmutató bemutatja, hogyan tervezhetnek a weboldal-üzemeltetők egy ilyen folyamatot: Milyen adatokon van valóban szükség? Mikor elegendő egy anonim előszűrés? Hogyan maradjon a hozzájárulás, az adatvédelmi tájékoztatás és a marketing tisztán elkülönítve? És hogyan ellenőrizhető, hogy a logika minden nyelven valóban működik-e?

A többnyelvű lead-kvalifikáció több, mint egy lefordított nyomtatvány

Egy statikus nyomtatvány általában ugyanazokat a mezőket, ugyanabban a sorrendben kérdezi le. Ezzel szemben egy chatbot képes először megérteni az igényt, majd csak azokat a kérdéseket feltenni, amelyek az adott esetre relevánsak. Aki termékkeresenben van, más útvonalray szorul, mint aki ajánlatot, visszahívást vagy műszaki segítséget szeretne.

A többnyelvűség fokozza a minőségi követelményeket. Olyan kifejezéseknek, mint a „tanácsadás”, „ajánlat” vagy „demo”, piaci környezettől függően különböző elvárásai vannak. A telefonszámok, a megszólítások, a dátumformátumok és a preferált kapcsolatcsatornák szintén eltérnek. Ezért minden locale-hez nem csak fordított szövegre, hanem szerkesztőileg ellenőrzött, azonos szakmai jelentéssel rendelkező beszélgetési változatra van szükség.

Az alap egy közös, lokalitástól független logika marad: a kérés felismerése, a megfelelőség ellenőrzése, a kontaktszemély adatai csak szükség esetén kérése, a cél elmagyarázása és anschließend a megfelelő folyamatnak való átadása. A „Tönyegvű KI-chatbotok nemzetközi weboldalakhoz” című cikk beskriveri a mögötte álló szélesebb architektúrát.

A célkép: az érdeklődéstől a megfelelő következő lépésig

A lead-kvalifikációnak nem lehetőleg a legtöbb adatot kell gyűjtenie. Egy döntést kell lehetővé tennie. Egy rövid párbeszéd végén világosan kell lennie, hogy melyik következő lépés értelmes a személy és a vállalat számára. A tipikus eredmények a következők:

• egy közvetlen válasz adatgyűjtés nélkül, ha a tudásbázis teljesமையாக tisztázza a kérést;
• egy szakképzett kapcsoltsági kéresem azokkal a kevés információval, amelyekre a felelős csapat a válaszhoz szüksége van;
• egy élő átadás, ha egy elérhető munkatárs azonnal tud segíteni;
• egy visszahívási vagy időpontkérési igény a további folyamatra vonatkozó egyértelmű elvárással;
• egy biztos elutasítás vagy semleges továbbítás, ha az ajánlat, a régió vagy a illetékesség nem megfelelő.

Ezzel a kvalifikáció egy routing-rendszerré válik, és nem egy adatgyűjtő útvonallá. Ez csökkenti a felesleges kérdéseket, rövidíti a párbeszédet és megakadályozza, hogy a kíváncsi látogatókat túl korán értékesítési leadként kezeljék.

Melyik kérdésekre van valóban szükség?

Kezdje úgy döntéssel, amelyet a párbeszéd után kell meghozni. Csak ebből adódnak a kérdések. Sok weboldalnál három szint elegendő.

1. A kérés és a cél tisztázása

Egy nyitott kezdőkérdés, mint például „Miben segíthettesünk?”, gyakran több kontextust szolgáltat, mint egy hosszú választási katalógus. Ha a válasz unclear marad, a chatbot néhány érthető opciót kínálhat, például terméktanácsadást, ajánlatot, támogatást vagy partnerséget. Az opcióknak minden nyelven ugyanazt a jelentést és ugyanazt a terjedelmet kell hordozniuk.

2. Megfelelőség és illeték ellenőrzése

Ezt kizárólag olyan kritériumok követik, amelyek megváltoztatják a routingot: kívánt szolgáltatás, régió, vállalati méret, projektfázis vagy egy reális időkeret. A költségrádió kérdései csak akkor értelmesek, ha a különböző költségetek valóban különböző ajánlatokhoz vagy csapatokhoz vezetnek. A szabad szöveg beírása ott should maradni lehetséges, ahol a merev kategóriák torzítanák a kérést.

3. Az eredményhez illő kapcsolati út kínálata

A névre, e-mail címre vagy telefonszámra csak akkor lesz szükség, ha a válasznak a folyamatban lévő csevegésen kívül kell történnie. Ne kérjen automatikusan minden adatmezőt. Egy írásos visszajelzésre egy e-mail cím elegendő lehet; egy kifejezetten kért visszahíváshoz szükség van egy telefonszámra és gegeben esetben egy időablakra is.

Ez a sorrend az adatminimalizálás elvének követi: az Európai Bizottság úgy fogalmazza, hogy csak azokat a személyes adatokat szabad feldolgozni, amelyek a meghatározott cél érdekében szükségesek. Ez egy jó termék szabály, függetlenül attól, hogy a jogi vizsgálat után az adott esetben mely jogalapot alkalmazzák.

A nyelv, a címkék és a hibaüzenetek a funkció részei

Egy fordítás csak akkor használható, ha az emberek a várt bevitelt találgatás nélkül megértik. A W3C követeli a beviteli mezőkhöz érthető címkéket vagy utasításokat, és az automatikusan érzékelt hibák esetén a probléma szöveges leírását. Egy chatbot esetében ez azt jelenti: nem csak a kérdéseket, hanem a kötelező mezőkre vonatkozó utasításokat, a példákat, a visszaigazolásokat és a hibaszövegeket is lokalizálni kell.

• Használjon látható, egyértelmű megnevezéseket a puszta helyőrző szövegek helyett.
• Magyarázza el a várt formátumokat, például a telefonszámok vagy a dátumok esetében.
• pontosan megjelölje, melyik bemenet hiányzik vagy érvénytelen, ehelyez a egyszerű „Hiba” kijelző helyett.
• A javítás során tartsa meg a már érvényes válaszokat, hogy senkinek ne kelljen mindent újra beírnia.
• A lap nyelvét és a más nyelvű szövegrészeket helyesen jelölje meg a megfelelő „lang”-attribútumokkal.Ez egyben egy akadálymentesítési kérdés is.A hozzászólás

Barriermentmentes MI-chatbot: WCAG-ellenőrző lista weboldalaknak erre vonatkozó részletesebb ellenőrző listát kínál.

Adatvédelem: a cél, a tájékoztatás és a hozzájárulás különítése

Egy gyakori hiba, hogy a kapcsolatfelvételi kérést, a visszajelzést és a hírlevelet egyetlen hozzájárulásban összevonják. Ez nehezíti a tájékozott döntést. Ehelyett tervezze külön minden célt: a kérelem feldolgozása, a kívánt kapcsolatfelvétel és az opcionális hirdetés különböző folyamatok.

A megfelelő jogi alap a konkrét folyamattól függ, és szakértő által kell ellenőrizni; a hozzájárulás nem automatikusan a megfelelő vagy egyetlen alap minden kapcsolatfelvételi kérelemre. Ha hozzájárulást alkalmaznak, annak az Európai Bizottság és az Európai Adatvédelmi Bizottság útmutatásai szerint önkéntesnek, tájékozottnak, specifikusnak és egyértelműnek kell seinek. Aktív cselekvés szükséges, és a visszavonásnak lehetőnek kellennie.

A cset esetében ez gyakorlatilag azt jelenti:

• A beküldés előtt magyarázza el, hogy ki, milyen célból kezeli az adatokat.
• Linkelje a megfelelő adatvédelmi tájékoztatást a párbeszéd nyelvén.
• Ne használjon előre bejelölt marketing-hozzájárulást.
• A kérelem feldolgozását ne tegye szükségtelen további adatoktól függővé.
• Határozzon meg a célhoz megfelelő tárolási időket és hozzáférési jogokat.

A tervezés szerinti adatvédelem és az adatvédelmi alapbeállítások tehát már a párbeszéd tervezésekor kezdődik, nem csak az adatvédelmi nyilatkozatban. További alapvető információkat talál a bejegyzésbenKI-chatbot és GDPR. Ez az útmutató nem helyettesíti az egyéni jogi tanácsadást.

Egy routing-mátrix megakadályozza a véletlenszerű döntéseket

Mielőtt a párbeszédet felépítjük, érdemes egy kis routing-mátrixot készíteni. Minden sor egy felismerhető igényt, a hozzá szükséges információkat, a célcsapatot és a megengedett következő lépést ír le. Egy lehetséges struktúra így néz ki:

• Általános termékkérdés: közvetlenül hiteles forrásokból megválaszolni; kapcsolattalános adatok nem szükségesek.
• Konkrét vásárlási szándék: szolgáltatás, régió és időkeret tisztázása; ezután kapcsolatfelvételi lehetőség kínálása.
• Meglévő ügyfél problémával: ne értékelje új leadként, hanem irányítsa a támogatási útvonalba.
• Kérdés egy emberhez: elérhetőség ellenőrzése és transzparens átadás élő csetre, e-mailre vagy visszahívásra.
• Nem támogatott kérelem: A hatáskör határait nyíltan megnevezni és csak egy ellenőrzött alternatívát kínálni.

Az átadás útvonala nem végződhet zsákutcában. Ha éppen nincs aki elérhető az élő csevegésben, a személynek egy reális alternatívára van szüksége. Azt, hogy ezt az átadást hogyan lehet megvalósítani, Emberi átadás a MI csevegőbotban.

Egy gyakorlatban alkalmazható párbeszéd hét lépésben

1. Nyelv felismerése vagy választatása: A döntés láthatóvá tétele és a váltás lehetővé tétele.
2. Kérés megértése: Elsőbb válaszolni vagy tisztázni, mielőtt egy űrlap megjelenne.
3. Lead-jelzés megerősítése: Csak valódi cselekvési szándék esetén váltsunk át a kvalifikációra.
4. Útvonalítási kérdések feltevése:Üzenetenként lehetőleg egy érthető kérdés azonosítható céllal.
5. Kapcsolati mód felajánlása:Csak azokat a kapcsolati adatokat kérje be, amelyek a választott következő lépéshez szükségesek.
6. Tájékoztatás és opcionális hozzájárulás megjelenítése:A célokat különre bontva és világos nyelventprészentálja.
7. Összegzés és átadás: A rögzített adatok, az illetékes csapat és a várt következő lépés megerősítése.

Egy ilyen folyamat rövidebb, mint sok nyomtatvány, bár több kontextust nyújt. A döntő az, hogy a chatbot bármikor visszatérhet a normál tanácsadáshoz, és nem tartja a személyt a lead-folyamatban.

Locale-QA: Mit kell minden nyelvterületen ellenőrizni

Az automatikus fordítás alapkeletet nyújthat, de nem helyettesíti a végső ellenőrzést. Tesztelje minden kínált nyelvet ugyanazokkal a szakmai forgatókönyvekkel, valamint további locale-specifikus bevitelekkel.

• A lehetőségek, kritériumok és az eredmény tartalmilag egyeznek?
• A kérdések természetesek, udvariasak és a piacnak megfelelőek?
• A különlegezések, hosszabb szavak és a mobil sorcsöppenések megfelelően működnek?
• A telefonszámok, nevek és dátumformátumok helyesen vannak ellenőrizve?
• Az adatvédelmi link, a célleírás, a visszaigazolások és a hibaüzenetek teljes egészében lefordítva vannak?
• A terméknévék, URL-ek, számok és routing-szabályok változatlanok maradnak?
• A billentyűzetes vezérlés, a fókusz, a képernyőolvasó kimenet és a nyelvjelölés megfelelően működik?

Használjon ehhez egy Golden Setet, amely tipikus, egyértelműtlennel, negatív és határéleten álló lekérdezőkből áll. Kifejezetten az „csak egy kérdésem van”, „meglévő ügyfél”, „nincs érdeklődés” és „munkivevőkkel való beszélgetés” esetek mutatják meg, hogy a rendszer megbízhatóan különíti-e a lead-rögzítést, a supportot és az átadást (handoff).

A megfelelő mutatók a minőséget mérik, nem csak a mennyiséget

A rögzített kontaktek magas száma nem minőségi bizonyíték. Ehelyett figyelje az egész útvonalat: a sinnvoll kezdeményezett kvalifikációk arányát, a kérdésenkéntit szakadási arányt, a vollständig továbbított lekérdezőket, a rossz routingot, az első emberi reakcióig eltelt időt, valamint a későbbi elfogadást az értékesítési vagy support részleg által.

Összehasonlítsa az értékeket locale szerint, de a különbségeket óvatosan értékkelmezze. Egy alacsonyabb konverziós arány egyértelműtlen fordításoknak, nem megfelelő kapcsolatcsatornáknak, technikai hibáknak vagy egyszerűen egy másik látogatóstruktúrának köszönhető lehet. Ezért kombinálja a számokat véletlenszerű beszélgetés-reviewkkal és dokumentált javításokkal.

Megvalósítás a ChatReact segítségével

A ChatReact többnyelvű chatbot-válaszokat kapcsol össze lead-rögzítéssel és emberi átadással (Human Handoff). A stabil alkalmazáshoz a mezőket és a felismerési küsztöket nevertheless a konkrét folyamatához kell igazítania: Mely jelzések jelentenek valódi vásárlási érdeklődést? Mely kérdések változtatják meg a routingot? Mikor jobb a közvetlen válasz, mint egy kapcsolati űrlap?

Kezdjen egyetlen egyértelmű használati esettel és két vagy három routing kérdéssel. Ellenőrizze ezt a folyamatot először az eredeti nyelven, anschließend minden célnyelven, és csak ezután valódi forgalommal. Az áttekintés Hogyan növeli egy MI-chatbot a leadgenerálást a weboldalon segít a teljes weboldalstratégiába való beillesztésben.

Ellenőrzőlista a kezdéshez

• Egy konkrét cél és egy felelős csapat meghatározása útvonalonként.
• Csak döntésre releváns kérdéseket és szükséges adatokat gyűjtsön össze.
• A támogatást, a lead-kezelést és az átadást szakmailag különítsük el egymástól.
• Az adatvédelmi tájékoztatást és az opcionális marketing-hozzájárulást külön alakítsuk.
• Minden címkét, megjegyzést, hibát és visszaigazolást szerkesztőileg ellenőrizzük locale-onként.
• A desktopot, a mobilt, a billentyűzetet és a képernyőolvasót vegyük bele a QA-ba.
• A rossz routingot és a megszakításokat rendszeresen értékeljük, és bővítsük a Golden Setet.

Így nem egy lehetőleg hosszú adatdialógus jön létre, hanem egy rövid, érthető híd a valódi érdeklődés és a megfelelő emberi vagy automatizált válasz között.

Források

• Európai Bizottság: Principles of personal data processing under the GDPR
• Európai Bizottság: Data protection by design and by default
• Európai Bizottság: When is consent valid?
• Európai Adatvédelmi Bizottság: Guidelines 05/2020 on consent
• W3C: Web Content Accessibility Guidelines (WCAG) 2.2
• W3C WAI: Hibakeresés
• W3C Nemzetközisítés: Nyelv deklarálása HTML-ben