Över 30% förbättring av chatbot-inneslutningsgraden hos en ledande amerikansk bank
Användning av Virtusas effektiva virtuella agentlösning
Utmaningen
En av världens största globala banker implementerade en konversations-AI-lösning för att förbättra kundtjänsten. För att hjälpa till att automatisera funktioner för konsumentbanker utvecklade de över 200 åtgärder för chatbot-funktionen. När de analyserade lösningen upptäckte de att chatboten hade en samtalsbegränsningsgrad på mindre än 15%. Kunder övergav chatten och slutade till slut att använda LiveChat-portalen.
Lösningen
Effektiv lösning för virtuella agenter
Vi bestämde att konversations-AI inte förstod kundfrågorna tillräckligt bra för att ge rätt lösning genom att bedöma den aktuella chatbot-funktionen. För att lösa problemet gjorde Virtusa följande:
De byggde en NLP-optimeringsram för naturlig språk för att förbättra prestanda
De extraherade och matade chatthistoriken genom Linguistic Analysis-lösningen för att identifiera liknande och olika syften. Som exempelvis: "Varför blev jag debiterad?" kontra "Kommer du att debitera mig?"
De använde data från Linguistic Analysis för träning för att förbättra chatbot NLP-motorn
De fullförde Bot NLP-testning och genomförde kontinuerliga förbättringar under två veckors cykler
Skapade API-kontakter för backend-banksystem för att integrera bankfunktionalitet
Fördelarna
Att lägga till kontext till chatbot-funktionen hjälpte banken att:
Öka chattbottens inneslutningshastigheter med över 30%
Minska samtalsvolymen för liveagenter med 30%
Minska antalet förfrågningar som eskalerats till liveagenter
Minska driftskostnaderna för kundservice
Förbättra kundnöjdheten
Förverkliga ROI genom kundinteraktioner
Förstår din chatbot dina kunder?
Läs mer om Virtusas effektiva virtuella agentslösning