Breaking News

5 ข้อที่ต้องรู้ในการวิเคราะห์ผลลัพธ์การทำงานของ Chatbot

Chatbot กำลังเติบโตสำหรับงานด้านการให้บริการลูกค้ามากแล้วแต่ข้อสำคัญต่อไปหลังการใช้งานคือเราจะรู้ได้อย่างไรว่า Chatbot ที่เราสร้างขึ้นได้ตอบโจทย์ความคาดหวังทางธุรกิจจริงๆ วันนี้เราจึงขอหยิบยกบทความจาก Chatbots Magazine ที่ได้แชร์เกร็ดความรู้มาให้ได้อ่านกัน

Credit: maxuser/ShutterStock

5 ข้อที่ต้องรู้ในการวิเคราะห์ผลลัพธ์การทำงานของ Chatbot มีดังนี้

1.Entry Source

เราจะต้องรู้ให้ได้ว่าต้นทางของข้อมูลมาจากไหน เรามีการใช้โฆษณาเพื่อให้ผู้ใช้งานเข้ามาหรือไม่ มีกี่ทางที่ผู้ใช้งานจะเข้ามาหาตัว Chatbot ของเราได้โดยตรง สิ่งเหล่านี้เราต้องรู้ให้ได้เพื่อจัดอันดับว่าช่องทางไหนคือหลักและรองที่มีประโยชน์กับเราในการดึงลูกค้าเข้ามาได้

2.Conversion

เราต้องรู้ว่าจุดเปลี่ยนในแผนการทำงานของ Chatbot ว่าอยู่ตรงไหนบ้าง กิจกรรมไหนที่ผู้ใช้งานต้องตัดสินใจ คุณอยากให้ผู้ใช้ต้องตัดสินใจเองหรือไม่ เราต้องดู Flow การทำงานของ Chatbot เราว่าสามารถเข้าถึงได้ง่ายจบงานได้ใน 3-5 ขั้นตอนไม่งั้นก็จะเสียลูกค้าไปได้

3.Funnels

ผู้สร้าง Chatbot ไม่ควรคิดแต่การเตรียมจุดเปลี่ยนอย่างเดียวแต่ต้องต้อนลูกค้าหลักด้วยการวางตรรกะให้เข้ามาตามแผนที่เราวางไว้ด้วย

4.Drop off

การวิเคราะห์ข้อมูลหลังการใช้งานมีเกณฑ์การวัดหลักที่เรียกว่า ‘Drop off’ เพราะสิ่งนี้คือตัวชี้วัดว่าทำไมลูกค้าถึงละทิ้งการใช้งาน Bot หรือออกจากตรรกะที่เราวางไว้แล้วไปใช้งานด้วยตัวเอง ข้อมูลดังกล่าวจะช่วยให้เราเข้าใจลูกค้าว่าทำไมถึงไม่ชอบหรือกระบวนการที่เราวางไว้ใช้กับลูกค้าได้จริงแค่ไหน หรือมีขั้นตอนในแผนงานช่วงไหนที่ลูกค้าเข้าถึงได้ง่ายได้ผลจริง ทั้งหมดนี้คือสิ่งที่ผู้ดูแล Chatbot ต้องสรุปออกมาให้ได้

5.Retargeting

การดึงลูกค้าให้กลับมาซื้อใหม่ขึ้นอยู่เป้าหมายที่เรามองไว้ สิ่งที่ต้องทำคือต้องทำให้ลูกค้ารู้สึกว่าตนนั้นสำคัญต่อธุรกิจเรา เช่น มีการเสนอดีลราคาดีให้กับลูกค้าตามความสนใจ หากเราวางแผนกับกลุ่มลูกค้าเฉพาะที่มีการเลือกสินค้าลงตะกร้าแต่ไม่ได้ซื้อเราอาจจะต้องส่งข้อความบางอย่างจูงใจลูกค้าให้กลับเข้า เช่น รายละเอียดของสินค้าหรือแนะนำผู้ช่วยเหลือออนไลน์กรณีที่ ลูกค้าอาจต้องการถามคำถามด้านเทคนิคที่ Chatbot ไม่สามารถจัดการได้

ที่มา : https://chatbotsmagazine.com/5-steps-to-successful-chatbot-performance-analysis-62baef2aeab3


About nattakon

จบการศึกษา ปริญญาตรีและโท สาขาวิศวกรรมคอมพิวเตอร์ KMITL เคยทำงานด้าน Engineer/Presale ดูแลผลิตภัณฑ์ด้าน Network Security และ Public Cloud ในประเทศ ปัจจุบันเป็นนักเขียน Full-time ที่ TechTalkThai

Check Also

Facebook เปิด Open Source ให้กับชุดข้อมูล, งานวิจัย และ Model ของ AI จาก ELF OpenGo

Facebook AI Research (FAIR) ได้ออกมาประกาศเปิด Open Source ให้กับ ELF OpenGo โดยเปิดชุดข้อมูล Data Set, งานวิจัย และองค์ความรู้ต่างๆ ที่ได้จากการพัฒนา ELF OpenGo เพื่อให้ผู้ที่สนใจนำไปศึกษาและต่อยอดงานทางด้าน AI กันได้ฟรีๆ

Debian 9.8 ออกแล้ว เน้นอัปเดตด้าน Security เป็นหลัก

Debian 9.8 ได้ถูกประกาศเปิดตัวเรียบร้อยแล้ว โดยเน้นอัปเดตเพื่อแก้ไขบั๊กและอุดช่องโหว่ด้านความมั่นคงปลอดภัยเป็นหลัก