Flow-beskrivelse
Formål og fordele
Denne arbejdsgang implementerer en sofistikeret chatbot, der er designet til at besvare brugerens spørgsmål ved at udnytte en intern vidensbase. Når den støder på spørgsmål, der er for komplekse eller ligger uden for dens vidensområde, eskalerer den problemfrit forespørgslen til en menneskelig agent via Tawk, hvilket sikrer support af høj kvalitet til enhver tid. Flowet er designet til effektiv skalering og automatisering, hvilket gør det ideelt for virksomheder, der ønsker at optimere deres kundesupportprocesser.
Arbejdsgangs-trin og komponenter
1. Start af chatsession og velkomstbesked
- Trigger: Arbejdsgangen starter, når en bruger åbner en chatsession.
- Handling: Chatbotten sender automatisk en velkomstbesked til brugeren, introducerer sig selv og forklarer sine muligheder, herunder evnen til at besvare spørgsmål og eskalere til et menneske (via Tawk) om nødvendigt.
Trin | Komponent | Formål |
---|
Chat åbnet | ChatOpenedTrigger | Registrerer, når en ny chatsession starter |
Velkomstbesked | MessageWidget | Sender velkomst-/introduktionsbesked til brugeren |
Vis besked | ChatOutput | Viser velkomstbeskeden i chatinterfacet |
- Brugerinput: Brugeren indtaster sit spørgsmål eller besked i chatten.
- Chat-historik: Arbejdsgangen opretholder en realtids-historik over chatudvekslinger, så hele konteksten er tilgængelig for præcise svar og eskalering ved behov.
Trin | Komponent | Formål |
---|
Indfang input | ChatInput | Modtager brugerens besked |
Gem historik | ChatHistory | Holder styr på samtalekontekst |
3. Automatisk svar med integration til vidensbase
- Videnshentning: Når en bruger indsender et spørgsmål, forespørger chatbotten (Tool Calling Agent) en intern Document Retriever for at søge efter relevant information i organisationens vidensbase.
- Svargenerering: AI’en bruger den hentede viden til at udforme et hjælpsomt svar. Hvis konteksten er utilstrækkelig eller spørgsmålet er uklart, beder botten brugeren om flere oplysninger.
Trin | Komponent | Formål |
---|
Hent dokumenter | DocumentRetriever | Søger i intern vidensbase efter relevant indhold |
Generer svar | ToolCallingAgent | Bruger AI til at svare eller beslutte, om eskalering er nødvendig |
4. Intelligent eskalering til menneskelig support (Tawk integration)
- Eskalering-logik:
- Hvis brugerens forespørgsel ikke kan besvares ud fra vidensbasen, og spørgsmålet handler om softwaren, tager chatbotten hensyn til sprog:
- Hvis på engelsk: foreslår at forbinde til en rigtig menneskelig agent.
- Hvis på et andet sprog: spørger om brugeren ønsker at blive forbundet til en engelsktalende supportagent.
- Problemfri overlevering: Chatbotten giver en knap eller prompt (ved hjælp af TawkHumanAssistTool) til brugeren for at forbinde med en menneskelig agent via Tawk, eventuelt inklusiv relevant chat-historik for at hjælpe den menneskelige operatør.
- Visning: Resultatet (AI-svar eller eskaleringsprompt) vises i chatten.
Trin | Komponent | Formål |
---|
Human handoff | TawkHumanAssistTool | Muliggør kontakt til menneskelig agent via Tawk |
Vis svar | ChatOutput | Viser AI- eller eskaleringsbesked til brugeren |
Nøglefunktioner og fordele
- Automatiseret førstelinjesupport: Håndterer størstedelen af rutine- og vidensbaserede forespørgsler automatisk og reducerer arbejdsbyrden for menneskelige agenter.
- Kontekstuel forståelse: Opretholder chat-historik og udnytter intern dokumentation for præcise svar.
- Intelligent eskalering: Sikrer, at brugerne ikke efterlades frustrerede af AI-begrænsninger – komplekse eller uklare problemer viderestilles til mennesker.
- Fler-sproglig håndtering: Chatbotten kan svare på brugerens sprog og håndterer intelligent overlevering for ikke-engelsktalende brugere.
- Forbedret brugeroplevelse: Brugere modtager hurtige, hjælpsomme svar og klar vejledning, hvis eskalering er nødvendig.
Hvorfor denne arbejdsgang er nyttig for skalering og automatisering
- Skalerbarhed: Kan håndtere flere chats samtidig uden øgede personalebehov.
- Konsistens: Giver standardiserede, nøjagtige svar baseret på den nyeste interne viden.
- Effektivitet: Reducerer svartider og sikrer, at menneskelige agenter kun håndterer forespørgsler, der virkelig kræver deres ekspertise.
- Kundetilfredshed: Sikrer, at brugere altid har mulighed for personlig support, hvis det er nødvendigt, og undgår blindgyder.
Denne arbejdsgang er ideel for virksomheder, der ønsker at automatisere frontlinjesupport, maksimere agentproduktivitet og opretholde kundeinteraktioner af høj kvalitet i stor skala.