每個人開始犯的第一個錯誤是假設客戶想要什么。更具體地說，選擇錯誤的自動化案例并解決錯誤的問題會導致項目無法提供預期的成效。

　　讓我們來探討這些項目是如何開始。許多聊天機器人的實現(xiàn)源于內部黑客馬拉松競賽或內部團隊測試技術解決方案或供應商演示如何解決緊迫的客戶問題。經(jīng)過多次討論、演示和批準后，開始進行一些概念驗證或測試。聽起來熟悉嗎？請繼續(xù)往下讀，

　　現(xiàn)在是關鍵步驟，選擇項目初始的范圍。盡管最初展示的客戶問題需要解決，但聊天機器人需要解決更多的案例以提供實際價值。在選擇范圍時，團隊可以根據(jù)最重要的問題提出一系列用例，或是請求呼叫中心團隊提供最重要的驅動程序，其他人甚至可以根據(jù)所選聊天機器人技術快速實現(xiàn)的功能來選擇。也就是說，嘗試解決團隊認為重要的問題，而不量化問題。這通常會導致參與率低，對客戶體驗產生負面影響，并失去對聊天機器人和品牌的信任。

　　我們建議從分析您當前的客戶交互數(shù)據(jù)開始，如聊天歷史記錄、錄音轉譯文本、客戶反饋、網(wǎng)站搜索數(shù)據(jù)、知識庫使用情況以及網(wǎng)絡分析等。畢竟，您正在嘗試解決客戶的問題，而這些交互數(shù)據(jù)提供了您想知道的細節(jié)。

　　將這些數(shù)據(jù)加載到諸如Verint Intent Manager之類的分析工具中，該工具使用機器學習對輸入的自然語言進行分析和分類，并協(xié)助您發(fā)現(xiàn)和洞察到以下內容：

　　以下是個非常好的成功案例——我們在保險業(yè)的一位企業(yè)客戶，發(fā)現(xiàn)許多投保人都在為忘記密碼而頭痛。當我們開始研究模式和對話流程時，我們很快意識到，絕大多數(shù)要求重置密碼的客戶都后續(xù)直接更新了他們的保單。因為保單續(xù)約是一年才一次，所以這些投保人才很容易忘記密碼。站在投保人客戶的角度，就可以理解忘記密碼、重置密碼，然后重新登錄以完成保單續(xù)約是一件很麻煩的事情和糟糕的體驗。因此，這個保險企業(yè)除了構建重置密碼過程外，還創(chuàng)建了一個簡化的“簡易保單續(xù)約”流程，利用客戶的基本詳細信息（如姓名和出生日期）快速續(xù)約他們的保單。這樣對客戶來說變得簡單，并大輻改善了客戶體驗。實踐證明這個簡易保單續(xù)約流程的接受率最后遠高于重置密碼。

　　在定義初始范圍時，由于時間和資源有限，與其選擇少數(shù)幾個排名靠前的交互類型來自動化，還不如基于場景案例為基礎（深度和廣度的組合）以便更快的看到回報產出。深度方面，可以包括排名前10的客戶互動、高價值互動和數(shù)字渠道不暢的案例。廣度方面，應該了解客戶的最常見查詢，即便無法全程自動化也應該為他們提供一定程度的幫助。比如可以考慮前25個查詢類型，數(shù)字渠道不暢的查詢類型，以及所有短客戶互動。

　　一旦您確定了以上結果，就可以開始計算-根據(jù)當前互動量、假設交互水平和估計偏差來進行量化分析，以驗證擬議范圍是否值得推進。如果量化后的投資回報率沒有增加，則需要重新規(guī)劃范圍，看看哪些場景案例可以在不影響項目成本的情況下包括在內。這些數(shù)據(jù)也應作為持續(xù)跟蹤和評估的基線。為了幫助您做到這一點，我們提供了一個投資回報率計算器供您使用。

　　Verint將上述過程稱為AI Blueprint™，是一個專業(yè)服務。無論是聊天機器人項目啟動，或者是希望改進現(xiàn)有的聊天機器人，Verint的AI工具都可以幫助您確定正確的場景用例，并通過數(shù)據(jù)導向的方法降低AI投資的風險。

　　下一篇文章將討論聊天機器人的大腦—意圖以及意圖創(chuàng)建需要考慮的事項。