Cookies

We gebruiken cookies zodat deze site goed werkt. Ook kunnen we met cookies advertenties tonen op andere websites. Klik op 'Ja' om alle cookies te accepteren. Meer weten of uw instellingen aanpassen? Ga naar privacy en cookies.

Direct naar content

2 jaar chatbot bij Waternet

23 april 2019

Op 24 april 2019 is onze digitale assistent 2 jaar oud! Op zijn eerste dag voerde onze chatbot al 244 gesprekken. Inmiddels voert de bot meer dan 350 gesprekken per dag. Lees een korte terugblik op de eerste 2 levensjaren van onze digitale assistent. Wat zijn de resultaten? En wat hebben we tot nu toe geleerd?

Waarom een chatbot?

Op 24 april 2017 zag de digitale assistent het levenslicht. Het doel: veelgestelde vragen beantwoorden, en klanten helpen om zo snel mogelijk iets te regelen op onze website. Onze klanten zijn via chat sneller geholpen dan via de telefoon of e-mail. Een chatbot kan meerdere klanten tegelijk helpen. De medewerkers van onze klantenservice houden zo meer tijd over voor moeilijke vragen.

Minder telefoontjes betekenen ook lagere kosten voor ons. Zo kunnen we de prijs van drinkwater zo laag mogelijk houden.

Doordat de chat veel vragen kan beantwoorden, houden de medewerkers van de klantenservice meer tijd over voor moeilijke vragen.

Steeds meer onderwerpen

In het begin kon onze chatbot over ongeveer 40 onderwerpen een gesprek voeren. Inmiddels zijn dat er al meer dan 150! Ook hebben we hard gewerkt aan het verbeteren van de vragen en antwoorden. We hebben ze steeds behulpzamer en vriendelijker gemaakt.

Bent u toch niet geholpen met het antwoord van de bot? Of begrijpt de bot uw vraag niet? Dan verbindt de bot u door met een medewerker van onze klantenservice. Zo worden klanten bijna altijd geholpen.

Resultaten

In ongeveer 70% van de gesprekken geeft de chatbot het juiste antwoord. We weten dus dat de chat waarde heeft voor onze klanten. We zien ook een flinke daling in het aantal telefoontjes naar de klantenservice. In ongeveer 10% van de chatgesprekken geeft de chatbot de klant een telefoonnummer. En in iets minder dan 10% van de chats verbindt de bot de klant door met een livechat-medewerker.

Nog wat harde cijfers:

  • 300.000 gesprekken in 2 jaar tijd
  • Meer dan 2.800 gesprekken per week
  • Gemiddeld praat de bot 50 uur per dag met klanten 

Rapportcijfers

Feedback van klanten helpt ons om de chat te verbeteren. Daarom vragen we om een rapportcijfer voor het gesprek. De meest gegeven rapportcijfers zijn 8, 1 en 10. Gemiddeld is dat een 5,9. Dat is nog niet hoog genoeg. Daarom verbeteren we de chatbot elke week.

We vragen alleen om een rapportcijfer als een gesprek netjes afgesloten wordt. Dat is zo als de klant na het antwoord ‘bedankt’ zegt. Voor de meeste gesprekken krijgen we geen rapportcijfer. Dat komt doordat de meeste klanten die meteen geholpen zijn het chatvenster sluiten. Ze geven dan geen rapportcijfer. Daarom kijken we naar een betere manier om te meten hoe goed de chat onze klanten helpt.

Steeds beter

Sommige klanten praten liever met een medewerker dan met een chatbot. Dat begrijpen we heel goed. Daarnaast heeft de chatbot moeite om langere vragen te begrijpen. Soms bestaat een vraag eigenlijk uit meerdere vragen. En soms heeft de chatbot gewoon nog geen antwoord op een vraag die nog niet eerder gesteld is!

Daarom verbeteren we de chat continu. We lezen gesprekken en kijken welke nieuwe vragen er zijn. Of op welke manieren een bekende vraag gesteld kan worden. Vervolgens voeren we verbeteringen door. We zien dat dit werkt: ook op ingewikkelde vragen heeft de chatbot steeds vaker een antwoord klaarstaan.

 

De toekomst

Het lezen van gesprekken en doorvoeren van verbeteringen alleen is niet genoeg. We willen chat op 2 manieren verbeteren:

  • Door persoonlijke informatie op te halen. De chatbot kan nu nog niet ‘praten’ met het systeem waarin uw rekeningen en uw klantgegevens staan. Als dat wel kan, dan kan de chatbot veel meer persoonlijke antwoorden geven. Zoals het bedrag van een openstaande rekening. U kunt dan ook uw wijzingen doorgeven via de chatbot.
  • Met machine learning. Vaak weten we het antwoord wel, maar snappen we de vraag niet. Met machine learning kunnen we erachter komen op welke verschillende manieren een vraag gesteld kan worden. Zo willen we uw vragen beter kunnen begrijpen.
Berrybot Berry, de digitale assistent