Mit dem AXA Chatbot und Machine Learning zu mehr Kundenzufriedenheit

AXA strebte danach, die Kundenzufriedenheit durch schnellen und bequemen Support zu erhöhen. Wartezeiten im telefonischen Kundenservice sollten eliminiert werden.

Unser Lösungsansatz

Die Entwicklung eines Chatbots mit dem Microsoft Bot Framework, der rund um die Uhr verfügbar ist und Routine-Anfragen automatisch bearbeitet.

Das Ergebnis

Ein deutlich verbesserter Kundenservice, bei dem Kunden jederzeit schnell Hilfe erhalten, was die Kundenzufriedenheit steigert und gleichzeitig das Servicepersonal entlastet.

Wartezeiten gehören der Vergangenheit an

Für die Kundenzufriedenheit spielt die Reaktionszeit bei der Beantwortung von Fragen eine wichtige Rolle. Mit dem Einsatz eines Chatbots gehört die Wartezeit im telefonischen Kundenservice der Vergangenheit an. Der AXA Chatbot antwortet dem Kunden sofort und kümmert sich um das Anliegen. Zudem wird die Service-Zeit ausgeweitet und den Kundinnen ein 24/7 Support auch an Sonn- und Feiertagen angeboten.

Die Mitarbeiterinnen und Mitarbeiter im Kundenservice werden so bei Routine-Anfragen unterstützt, die problemlos vom Chatbot übernommen werden können. Die Kundin spricht den Chatbot auf der Website per Nachricht an und dieser antwortet wiederum mit einer Nachricht. So müssen sich die Mitarbeitenden nicht mehr um sich wiederholende Fragen kümmern und können sich auf die anspruchsvollen Anfragen konzentrieren. Für die Kund*innen fühlt sich die Unterhaltung wiederum natürlich an, auch wenn klar ist, dass sie mit einem Chatbot kommunizieren.

Implementierung des AXA-Chatbots mit dem Microsoft Bot Framework

Kaum ein Thema im Rahmen des Customer Supports genießt derzeit eine solche Popularität wie Chatbots und KI. Chatbots sind ein Sinnbild für die Kommunikation zwischen einem Menschen und einem Computer.

Die Kerntechnologie des AXA-Chatbots wurde vom Produkt-Team nicht gänzlich neu entwickelt, sondern basiert auf dem Microsoft Bot Framework. Das Framework schuf die Voraussetzung zur schnellen Umsetzung eines Bots für die AXA-Website.

Mit Hilfe des BotFramework-WebChat React-Plugins konnte der Bot auf der AXA-Website eingebunden werden. Eine dazwischen geschaltete Direct-Line ermöglicht der Website den Zugriff auf den Bot. Andere Kanäle, wie z.B. Skype, Teams und weitere chat-basierte Anwendungen, können diesen Zugriff mittels Direct-Line nutzen. Der AXA Chatbot und alle anderen Teile der Lösung laufen aus Sicherheitsgründen in einer selbst gehosteten Umgebung.

Im Rahmen des MyAXA-Projekts haben wir INNOQ bereits als technisch kompetenten Partner kennen- und schätzen gelernt. Dieser Eindruck hat sich bei der Entwicklung des AXA Chatbots nochmals bestätigt. Insbesondere die gute Zusammenarbeit im Projektteam, bestehend aus AXA- und INNOQ-Mitarbeiter*innen, hat zum Projekterfolg beigetragen.
Mario ClassenIT Projektleiter

Der Chatbot als lernender Support-Mitarbeiter

Besonders wichtig bei der Entwicklung des Chatbots war die Logik. Der Bot muss die Anfragen der AXA-Kund*innen verarbeiten und die passenden Antworten liefern. Dabei kann der Chatbot nicht nur auf einfache, sich wiederholende Anfragen antworten, sondern durch die Fortschritte im Machine Learning auch anspruchsvolle Aufgaben übernehmen.

Möchte beispielsweise eine Kundin eine Versichertenkarte nachbestellen, so übernimmt der Chatbot die Erfassung der benötigten Daten und stößt den Prozess der Nachbestellung an. Der Chatbot bietet mittlerweile mehrerer solcher Self-Services.

Über die Anliegen der Endkunden hinaus kann der Chatbot auch intern verwendet werden: Perspektivisch sei es auch möglich, dass Servicemitarbeiter*innen den Chatbot nutzen können, um schneller Fragen zu beantworten. Die Idee: Interessiert sich z.B. ein Kunde dafür, ob ein Medikament von der AXA erstattet wird, mussten die Mitarbeiterinnen bisher über das Altsystem zeitaufwändig nach der Antwort suchen. Indem der Servicemitarbeiter die Frage nun selber dem Chatbot stellt, kann in Echtzeit die Antwort vom Chatbot geliefert werden.

1. Wichtige Informationen in Konversationen erkennen

Die Cognitive Services von Microsoft sind ein Bestandteil von Microsoft Azure und vereinen mehrere KI-Dienste. Der Bot ist durch den Language Understanding Intelligent Service LUIS in der Lage, natürliche Sprache (Natural Language Processing*, NLP) zu verarbeiten. Wichtige Schlüsselwörter aus Konversationen können so gefiltert und die Intention (Intent) und zugehörige Entitäten (Entities) der Nutzenden erkannt werden. Die Entität ist ein Wort oder ein Ausdruck innerhalb der Äußerung und beschreibt eine Information mit Bezug zur Absicht.

Gibt eine Kundin einen Satz oder eine Reihe von Wörtern ein, die Fehler in Grammatik, Rechtschreibung oder Interpunktion aufweisen, kann der Kontext dennoch erschlossen werden. Fehlende Informationen können so im Dialog mit den Kundinnen und Kunden der AXA ermittelt werden.

Was ist NLP?

Die Verarbeitung natürlicher Sprache (NLP) ist ein Teilgebiet der Linguistik, Informatik, Informationstechnik und künstlichen Intelligenz, das sich mit den Wechselwirkungen zwischen Computern und menschlichen (natürlichen) Sprachen befasst, insbesondere mit der Frage, wie man Computer programmiert, um große Mengen an natürlichen Sprachdaten zu verarbeiten und zu analysieren.

Herausforderungen bei der Verarbeitung natürlicher Sprachen sind häufig die Spracherkennung, das Verständnis natürlicher Sprachen und die Generierung natürlicher Sprachen.

2. Antworten liefern auf Basis von Fachmodellen und häufigen Fragen

Auf Basis der gefundenen Entitäten, Intentionen und des eingegebenen Texts wird mit Azure Search in einer Datenbank nach Antworten gesucht. Die LUIS Modelle bzw. die Datenbank werden als Fachmodelle durch Fachspezialisten befüllt. Sie nutzen hierfür eine administrative Weboberfläche, die im Rahmen des Projektes entwickelt wurde. Interessanterweise zeigten Nutzertests, dass viele Nutzende den Bot ähnlich zu einer Google-Suche verwenden und statt ganzer Sätze nur Stichwörter eingeben. Folglich implementierte das Team zusätzlich eine Liste von Schlüsselwörtern, die es erlaubt, direkt Antworten zu häufigen Fragen bereitzustellen. Ist sich der Bot nicht sicher, fragt er selbstständig den Nutzenden, um den Kontext genauer zu ermitteln und dann doch eine Antwort zu liefern. Erst wenn dies scheitert, wird an die Service-Abteilung ausgesteuert.

Generell sind Nachrichten nicht nur auf Texte oder Auswahloptionen beschränkt, sondern können auch Hyperlinks oder Bilder enthalten. So können die Antworten individuell auf die Nutzerinnen abgestimmt werden.

3. Kontinuierliches Lernen und Verbessern

Der Chatbot lernt mit der Zeit und wird mit jeder Anfrage besser. Dies gelingt unter anderem durch Nutzertests und die Analyse der dem Chatbot gestellten Fragen. Liefert der Chatbot keine sinnvolle Antwort auf die ihm gestellte Frage, wird die Ursache gesucht und das Modell dementsprechend angepasst.

4. Für den Fall der Fälle: Notausstieg

Falls der Chatbot an seine Grenzen stößt und der Kundin nicht weiterhelfen kann, gibt es neben dem Verweis auf die telefonische Hotline die Option, sich über einen Button mit einem Servicemitarbeiter der entsprechenden Fachabteilung der AXA mittels Chat verbinden zu lassen.

Kerntechnologien:

Chatbot: auf node.js basierte Server-Anwendung, die in einem Docker Container in der Azure Cloud läuft. Als Frameworks werden das Microsoft Bot Framework und express verwendet.
LUIS: eigene lokale LUIS-Kopie (natural language processing/machine learning), die in einem Docker Container auf der selben Azure Cloud-Instanz läuft. Direct-Line: Bindeglied zwischen der Website und dem Chatbot, ermöglicht auch den Zugriff auf den Chatbot über andere Kanäle.
Data-Proxy: Eine Spring Boot-Anwendung läuft in einem JBoss-Server in der AXA-Infrastruktur und stellt eine “REST”-Schnittstelle als Brücke zu den AXA Back-end Systemen bereit (z.B. Medikamentensuche, Beantragung von Bescheinigungen, Versichertenkarten etc.)

Ein agiles Projektteam, wie es im Buche steht

Um sich dem Projektziel schrittweise zu nähern und die echten Nutzer nicht aus den Augen zu verlieren, bedurfte es eines agilen Arbeitsumfelds. Um überhaupt agil arbeiten zu können und das benötigte Wissen zusammenzutragen, ist es wichtig, dass das Team interdisziplinär aufgestellt ist. Bei der AXA wurde dieses Thema vorbildlich gelöst. Zum Team, bestehend aus AXA- und INNOQ-Mitarbeitenden, gehören Projektleiter und Product Owner, Softwareentwickler*innen und zwei Versicherungskaufmänner mit dem jeweiligen Schwerpunkt Krankenversicherung bzw. KFZ-Versicherung

So profitiert AXA vom Chatbot:

Mit dem auf der Website integrierten Chatbot wird eine direkte Kommunikation zwischen Kundinnen und Unternehmen ermöglicht
Kunden können zu jeder Zeit an jedem Tag im Jahr ohne Wartezeiten mit dem AXA-Chatbot in Kontakt treten und Hilfe bekommen, auch bei Lastspitzen.
Interaktionen wie Auskünfte lassen sich vollautomatisch und fallabschließend bearbeiten, wodurch eine direkte Problemlösung ermöglicht wird.
Self-Services erlauben Kundinnen eine schnelle, unkomplizierte Bedürfnisbefriedigung, ohne dass Nutzer Weblösungen wie MyAXA verwenden müssen, die eine Authentisierung mittels PostIdent voraussetzen.
Möglichkeit der Unterstützung der kompletten Customer Journey im Kundendialog. Dadurch Steigerung der Customer Experience und Kundenzufriedenheit.
Der Chatbot entlastet die Servicemitarbeiter*innen, da er einfache und wiederkehrende Fragen beantwortet.
Auch intern unterstützt der Chatbot, indem er aus großen Datenmengen schnell herausfindet, welche Informationen die Servicemitarbeiter*innen benötigen und ihnen diese schnell zur Verfügung stellt.
Dank der Flexibilität des Frameworks können die Funktionen des Chatbots leicht erweitert werden

Case Study