Chatbottar och Conversational Commerce

Botar har varit i ropet ett tag, och även om buzzen kanske lagt sig lite jämfört med för ett år sedan har de sin självklara plats i många trendrapporter inför 2018. I en färsk studie från eMarketer anger hela 59% av marknadsförare inom e-handel att de avser testa Conversational Commerce innan 2020.

Botar är fortfarande störst på andra plattformar än Facebook Messenger (WeChat i Kina har miljontals, botar är populära i Kik, Slack m fl meddelandetjänster), men den snabba tillväxten på Messenger Platform med 100 000 aktiva botar efter ett knappt år talar sitt tydliga språk.

Gruppchattar
En spännande möjlighet, som redan finns i beta, är att botar dyker upp som tillägg i gruppchattar, där de faciliterar till exempel resebokningar, biobesök, matbeställningar etc. Här ser vi sann nytta eftersom botarna förenklar beslutfattande (omröstnings-tillägget), beställning och betalning (PSD2 är snart här).

Video, rich media och webblänkar i dialogen
Att kunna surfa på en inbäddad sida för att boka tandläkartid eller titta på en produktpresentation i en e-handel utan att lämna Messenger är en förutsättning för att utvidga användningsområdet för botar och få fart på Conversational Commerce. Stödet för realtidsvideo och videogruppchat byggs ut under 2018.

Kundtjänster och myndigheter visar vägen
Enkäter visar att spårning av paket och andra kundtjänstärenden är aktiviteter där botar gör störst nytta i jämförelse med andra kanaler. Myndigheter i USA har börjat använda botar för att effektivisera frågehantering och rutinärenden, som med botar kan anpassas efter medborgarnas mångskiftande behov och kunskapsnivåer. Vi kommer säkert se detta testas även i Europa inom kort. Inom lokaltrafiken finns det redan exempel, som BussiBot i Estland.

Samtalspartners
De flesta chatbotar är designade att hjälpa till med bestämda transaktioner eller att guida rätt bland en stor mängd information. En ny trend är konversationsbotar som inte “gör” något annat än pratar med dig – oftast med syftet att få dig att må bättre. Två exempel är svenska Shim, “en digital kompis” och Replika, som bygger på open-source-SDK:t CakeChat. Replika anpassar sitt tonläge och samtal efter konversationen och lär känna användaren över tid genom deep learning-algoritmen sequence-to-sequence.

Om du vill prova själv, har vår ID Åsa Samuelsson några tips:

  • Kolla att det inte finns återvändsgränder i konversationen
  • Få användaren att känna sig lyssnad på, genom återkoppling
  • Var beredd på att användarna kommer att testa gränserna!
  • Ha ett batteri med olika ”jag förstår inte”-svar till användaren
  • Skyll ALDRIG det som går fel på användaren.
  • Var inte för perfekt/mänsklig – då blir fallet för högt när saker väl går fel. Risk för uncanny valley-effekt.

Happy botting!

/David Aler, digital strateg