Prompt-basiert vs. Conversational Pathways: Den richtigen Ansatz wählen

Unternehmen setzen zunehmend auf KI-Telefonagenten, um den Kundenservice zu verbessern und Abläufe zu optimieren. Diese intelligenten Systeme können Reaktionszeiten und Effizienz erheblich verbessern, doch die Effektivität eines KI-Telefonagenten hängt maßgeblich davon ab, wie er mit Kunden interagiert. Bei der Gestaltung dieser Interaktionen haben sich zwei zentrale Ansätze herausgebildet: prompt-basierte Ansätze und Conversational Pathways.

Prompt-basierte Ansätze ermöglichen es Nutzern, spezifische Anfragen zu stellen und die Antworten der KI auf unkomplizierte Weise zu steuern. Im Gegensatz dazu ermöglichen Conversational Pathways einen dynamischeren Dialog hin und her, der eine natürliche menschliche Konversation nachahmt. Die Unterschiede zwischen diesen Methoden zu verstehen, ist entscheidend für Unternehmen, die Kundeninteraktionen und betriebliche Effizienz optimieren möchten.

Die Wahl des richtigen Ansatzes beeinflusst nicht nur, wie effektiv ein KI-Telefonagent Anfragen lösen kann, sondern prägt auch das gesamte Kundenerlebnis. In diesem Artikel untersuchen wir sowohl prompt-basierte Ansätze als auch Conversational Pathways innerhalb einer konversationellen KI-Plattform und helfen Ihnen dabei zu bestimmen, welche Strategie am besten zu Ihren geschäftlichen Anforderungen und Kundenerwartungen passt.

Was ist ein prompt-basierter Ansatz?

Stellen Sie sich die Nutzung eines Verkaufsautomaten vor: Sie drücken eine bestimmte Taste, um den gewünschten Snack zu erhalten. Auf ähnliche Weise stellen Nutzer bei einem prompt-basierten Ansatz spezifische Prompts oder Anfragen bereit, um die Antworten einer KI zu steuern. Diese Prompts dienen als klare Anweisungen und teilen der KI genau mit, welche Art von Information oder Aktion benötigt wird.

Wenn ein Kunde beispielsweise fragt: „Wie hoch ist mein Kontostand?“, fungiert diese unkomplizierte Frage als Prompt, der die KI dazu veranlasst, die gewünschte Information abzurufen und bereitzustellen. Die KI generiert dann eine Antwort auf Basis dieser vordefinierten Eingabe.

Prompts können auf verschiedene Weise strukturiert werden, um die gewünschten Informationen oder Aktionen von der KI zu erhalten. Hier sind einige Beispiele:

Prompt 1:

„Sie sind ein KI-Sprachassistent für ein Telekommunikationsunternehmen. Ihre Aufgabe ist es, Kunden bei Abrechnungsanfragen, technischem Support und Kontoverwaltung zu unterstützen. Behalten Sie einen freundlichen und professionellen Ton bei, bestätigen Sie Details, bevor Sie fortfahren, und leiten Sie bei Bedarf an einen menschlichen Mitarbeiter weiter.“

Beispielgespräch:

Nutzer: „Ich glaube, meine Internetrechnung ist falsch. Können Sie das bitte prüfen?“

Agent: „Das prüfe ich gerne für Sie. Können Sie mir bitte Ihre Kontonummer oder registrierte Telefonnummer nennen?“

Nutzer: „Sie lautet 123-456-7890.“

Agent: „Danke! Ich sehe, dass Ihre letzte Rechnung 75,99 $ betrug. Könnten Sie mir mitteilen, was Ihnen falsch erscheint?“

Prompt 2:

„Sie sind ein KI-Sprachagent für eine medizinische Klinik. Ihr Ziel ist es, Patienten an bevorstehende Termine zu erinnern und ihnen zu ermöglichen, diese zu bestätigen, zu verschieben oder abzusagen. Behalten Sie einen höflichen Ton bei, und wenn der Nutzer nach zwei Versuchen nicht antwortet, bieten Sie an, eine SMS zu senden.“

Beispielgespräch:

Agent: „Hallo [Patientenname], dies ist ein automatisierter Anruf vom Sunrise Medical Center. Sie haben am Freitag um 10:00 Uhr einen Termin bei Dr. Smith. Um zu bestätigen, sagen Sie ‚bestätigen‘. Um zu verschieben, sagen Sie ‚verschieben‘. Um abzusagen, sagen Sie ‚absagen‘.“

(Wenn keine Antwort erfolgt)

Agent: „Das habe ich nicht verstanden. Möchten Sie, dass ich Ihnen eine SMS mit den Termindetails sende?“

Prompt 3:

„Sie sind ein KI-Vertriebsassistent für ein Immobilienbüro. Ihre Aufgabe ist es, Leads zu qualifizieren, indem Sie nach ihren Immobilienpräferenzen, ihrem Budget und ihrem Zeitrahmen fragen. Halten Sie die Antworten natürlich, und wenn der Lead interessiert ist, leiten Sie ihn an einen menschlichen Mitarbeiter weiter.“

Agent: „Hallo, hier ist Alex von Greenfield Realty. Ich sehe, dass Sie am Kauf eines Hauses interessiert sind. Darf ich fragen, welche Art von Immobilie Sie suchen?“

Nutzer: „Ich suche ein Haus mit 3 Schlafzimmern in Miami.“

Agent: „Verstanden! Und wie hoch ist Ihr Budgetrahmen?“

Nutzer: „Etwa 500.000 $.“

Agent: „Großartig! Wir haben einige Angebote, die passen. Möchten Sie jetzt mit einem Makler sprechen?“

Zentrale Merkmale prompt-basierter Ansätze

1. Direkte Eingabe: Nutzer geben explizite Anweisungen oder Fragen ein und wissen genau, was sie möchten.
2. Strukturierte Antworten: Die KI generiert Antworten auf Basis vordefinierter Prompts und liefert unkomplizierte und präzise Informationen.
3. Flexibilität: Diese Systeme können sich je nach Nutzereingabe an verschiedene Kontexte anpassen, wodurch sie unterschiedliche Arten von Anfragen effektiv bearbeiten können.

Vorteile prompt-basierter Ansätze

1. Kontrolle: Nutzer haben mehr Kontrolle über Interaktionen, indem sie ihre Bedürfnisse klar angeben und die KI so anleiten, genau das zu liefern, was sie möchten.
2. Effizienz: Für unkomplizierte Anfragen lassen sich schnelle Antworten generieren, wodurch sich dieser Ansatz ideal für einfache Aufgaben eignet.
3. Einfachheit: Die Implementierung prompt-basierter Systeme ist für spezifische Anwendungsfälle in der Regel einfacher und erfordert im Vergleich zu anderen Methoden weniger komplexe Programmierung.

Beispiele für effektive Prompts

Um zu veranschaulichen, wie effektive Prompts für künstliche Intelligenz Interaktionen verbessern können, betrachten Sie diese Beispiele:

Kundenservice-Anfrage:

• Guter Prompt: „Wie hoch ist mein Kontostand?“
• Schlechter Prompt: „Erzählen Sie mir etwas über mein Konto.“

Bestellstatus-Prüfung:

• Guter Prompt: „Können Sie den Versandstatus für Bestellung Nr. 45678 angeben?“
• Schlechter Prompt: „Was ist mit meiner Bestellung?“

Rückerstattungsanfrage:

• Guter Prompt: „Ich möchte eine Rückerstattung für Bestellung Nr. 12345 wegen eines beschädigten Artikels beantragen.“
• Schlechter Prompt: „Ich will mein Geld zurück.“

Feinabstimmung von KI-Prompts

Die Feinabstimmung von Prompts bedeutet, sie auf Basis von Feedback und Leistungsdaten zu verfeinern, um sicherzustellen, dass sie präzise und relevante Antworten liefern. Hier sind einige Prompt-Strategien für die Feinabstimmung im KI-Prompt-Engineering:

1. Klarheit: Die Retell AI betont die Bedeutung klarer und natürlicher Antworten durch Feinabstimmung mit realen Daten. Auch wenn das Vermeiden von Fachjargon nicht ausdrücklich erwähnt wird, besteht das Ziel darin sicherzustellen, dass Antworten verständlich und relevant sind.
2. Spezifität: Die Retell AI unterstützt Spezifität, indem sie Nutzern ermöglicht, präzise Antworten und Übergänge innerhalb von Gesprächsabläufen zu definieren. Dies deckt sich mit der Idee, präzise anzugeben, was die KI tun soll.
3. Kontextualisierung: Die Conversation-Flow-Funktion der Retell AI ermöglicht strukturierte und kontextbezogene Interaktionen, was die Bereitstellung von Kontext bei Bedarf unterstützt. Nutzer können Transkripte als Kontext bereitstellen, um Agentenantworten und -übergänge fein abzustimmen.

Was sind Conversational Pathways?

Stellen Sie sich ein Gespräch mit einem Freund vor. Es geht nicht nur darum, direkte Fragen zu stellen; es ist ein dynamischer Austausch, bei dem sich beide Parteien anhand der Antworten des anderen anpassen. Das ist das Wesen von Conversational Pathways. Sie umfassen interaktive Dialoge, bei denen die KI in Konversationen hin und her mit Nutzern tritt und ihre Antworten je nach Kontext und Verlauf der Diskussion anpasst.

Wenn ein Kunde beispielsweise beginnt mit: „Ich habe Probleme mit meinem Internet“, kann die KI mit Fragen nachhaken wie: „Was scheint das Problem zu sein?“ oder „Haben Sie versucht, Ihren Router neu zu starten?“ Dieser Ansatz ahmt einen natürlichen Gesprächsfluss nach, wodurch sich Interaktionen ansprechender und persönlicher anfühlen. Die KI liefert nicht nur eine einmalige Antwort; sie lernt kontinuierlich aus dem Gespräch und kann so mit fortschreitendem Dialog relevanteren Support bieten.

Conversational Pathways können große Sprachmodelle oder natürliche Sprachverarbeitung nutzen, wobei LLMs das Modell der Wahl sind, da es sich um die neuere Technologie handelt und sie besser in der Lage ist, menschenähnliche Antworten zu generieren. Dies ermöglicht es der KI, Kontinuität in Gesprächen aufrechtzuerhalten, wodurch sie komplexe Anfragen bearbeiten kann, die mehrere Austausche erfordern.

Zentrale Merkmale von Conversational Pathways

1. Kontextbewusstsein: Die KI behält den Kontext während des gesamten Gesprächs bei und erinnert sich an vorherige Interaktionen und Nutzereingaben. Wenn ein Kunde beispielsweise sein Internetproblem erwähnt und später nach seiner Abrechnung fragt, kann die KI diese Themen verknüpfen und kohärentere Antworten liefern.
2. Adaptive Antworten: Die KI passt ihre Antworten auf Basis vorheriger Interaktionen und Nutzereingaben an und ermöglicht so maßgeschneiderten Support. Wenn ein Nutzer Frustration über ein anhaltendes Problem äußert, kann die KI einfühlsam reagieren und zusätzliche Hilfe anbieten.
3. Nutzerbindung: Dieser Ansatz fördert ein interaktiveres Erlebnis und gibt Kunden das Gefühl, gehört und verstanden zu werden. Indem sie Dialog statt einfacher Anfragen fördern, verbessern Conversational Pathways die Nutzerzufriedenheit.

Vorteile von Conversational Pathways

1. Natürliche Interaktion: Durch das Nachahmen menschenähnlicher Konversationen verbessern Conversational Pathways das gesamte Nutzererlebnis. Kunden engagieren sich eher positiv, wenn sich Interaktionen echt und nachvollziehbar anfühlen.
2. Personalisierung: Die KI kann ihre Antworten auf Basis von Nutzerpräferenzen und -historie anpassen und so ein individuelles Erlebnis schaffen. Wenn ein Kunde beispielsweise häufig nach bestimmten Produkten fragt, kann die KI bei künftigen Interaktionen proaktiv verwandte Artikel vorschlagen.
3. Lösung komplexer Probleme: Conversational Pathways sind besonders effektiv bei der Bearbeitung vielschichtiger Anfragen, die Folgefragen und detaillierte Erklärungen erfordern. Wenn ein Kunde beispielsweise ein technisches Problem hat, das mehrere Schritte zur Fehlerbehebung umfasst, kann die KI ihn in Echtzeit durch jeden Schritt führen.

Beispiele für Conversational Pathways in der Praxis

Um zu veranschaulichen, wie Conversational Pathways in der Praxis funktionieren:

• Kundensupport: Ein Kunde könnte einen Chat beginnen mit: „Ich brauche Hilfe bei meiner Bestellung.“ Die KI könnte antworten: „Gerne! Können Sie mir Ihre Bestellnummer nennen?“ Nachdem sie die Nummer erhalten hat, könnte sie sagen: „Ich sehe, dass Ihre Bestellung verzögert ist. Möchten Sie, dass ich das voraussichtliche Lieferdatum prüfe?“
• Technische Unterstützung: Ein Nutzer könnte sagen: „Mein Telefon verbindet sich nicht mit dem WLAN.“ Die KI könnte Folgefragen stellen wie: „Passiert das bei allen WLAN-Netzwerken oder nur bei einem?“ Auf Basis der Antwort des Nutzers kann sie spezifische Schritte zur Fehlerbehebung bereitstellen.
• Personalisierte Empfehlungen: Wenn ein Kunde erwähnt, dass er gerne Wanderausrüstung mag, könnte die KI nach seinen Lieblingsmarken oder Ausrüstungsarten fragen, bevor sie neue Produkte auf Basis seiner Präferenzen vorschlägt.

Vergleich von prompt-basierten Ansätzen und Conversational Pathways

Bei der Entscheidung zwischen prompt-basierten Ansätzen und Conversational Pathways für Ihre KI-Telefonagenten ist es entscheidend, die Stärken und Schwächen jedes Ansatzes zu verstehen. Dieser Vergleich hilft Ihnen dabei, die besten Szenarien für jede Methode zu identifizieren, wichtige Leistungskennzahlen zu bewerten und Implementierungsfaktoren zu berücksichtigen. Durch die Untersuchung von Anwendungsfällen, Leistungskennzahlen und Implementierungsüberlegungen können Unternehmen fundierte Entscheidungen treffen, die zu ihren betrieblichen Anforderungen und Kundenerwartungen passen.

Anwendungsfälle für jeden Ansatz

Prompt-basierte Ansätze sind effektiver in Szenarien, in denen Nutzer schnelle Antworten auf einfache Fragen benötigen. Zum Beispiel:

• FAQs: Sofortige Antworten auf häufig gestellte Fragen bereitstellen.
• Unkomplizierte Anfragen: Einfache Anfragen bearbeiten wie das Prüfen des Bestellstatus oder das Aktualisieren von Kontaktinformationen.
• Schneller Informationsabruf: Sofortigen Zugriff auf spezifische Daten wie Kontostände oder Produktdetails ermöglichen.

Conversational Pathways sind vorzuziehen bei komplexeren Situationen, die ein tieferes Verständnis der Kundenbedürfnisse erfordern. Zum Beispiel:

• Komplexe Kundenservice-Anfragen: Verwickelte Probleme lösen, die mehrere Schritte und Folgefragen erfordern.
• Fehlerbehebung: Kunden durch eine Reihe von Schritten führen, um technische Probleme zu diagnostizieren und zu beheben.
• Personalisierte Empfehlungen: Maßgeschneiderte Produkt- oder Serviceempfehlungen auf Basis von Nutzerpräferenzen und vergangenem Verhalten anbieten.

Leistungskennzahlen

Wichtige Leistungskennzahlen können helfen, die Effektivität beider Ansätze zu vergleichen:

• Reaktionszeit: Prompt-basierte Ansätze haben in der Regel schnellere Reaktionszeiten bei einfachen Anfragen, während Conversational Pathways aufgrund der erforderlichen Folgefragen länger dauern können.
• Kundenzufriedenheit: Conversational Pathways führen bei komplexen Problemen oft zu höherer Kundenzufriedenheit, da sie einen persönlicheren und gründlicheren Lösungsprozess bieten.
• Lösungsraten: Conversational Pathways erzielen bei komplexen Problemen tendenziell höhere Lösungsraten, da die KI mehr Informationen sammeln und ihre Antworten an die spezifischen Bedürfnisse des Kunden anpassen kann.

Implementierungsüberlegungen

Bei der Implementierung jedes Ansatzes sind mehrere Faktoren zu berücksichtigen:

• Komplexität: Prompt-basierte Systeme sind in der Regel weniger komplex und einfacher zu implementieren, während Conversational Pathways fortgeschrittenere Programmierfähigkeiten erfordern.
• Erforderliche Ressourcen: Prompt-basierte Systeme erfordern weniger Ressourcen hinsichtlich Entwicklungszeit und Rechenleistung, während Conversational Pathways möglicherweise erheblichere Investitionen benötigen.
• Integration in bestehende Systeme: Beide Ansätze müssen in bestehende Systeme wie CRM und Wissensdatenbanken integriert werden. Conversational Pathways erfordern jedoch möglicherweise eine engere Integration, um den Kontext aufrechtzuerhalten und Antworten effektiv zu personalisieren.

Retell AI für verbesserten Kundenservice nutzen

Während Unternehmen das Potenzial von KI-Telefonagenten erkunden, bieten Plattformen wie die Retell AI leistungsstarke Tools zur Verbesserung des Kundenservice. Die Retell AI hebt sich mit ihren fortschrittlichen Sprach-KI-Funktionen ab und ermöglicht es Unternehmen, natürlich klingende Sprachagenten zu erstellen, die komplexe Aufgaben bewältigen und natürlich konversieren können. Ihr proprietäres Turn-Taking-Modell ermöglicht nahezu Echtzeit-Interaktionen mit einer beeindruckenden Latenz von 800 ms, wodurch sich Gespräche flüssiger und lebensechter anfühlen.

Die Retell AI unterstützt mehrere große Sprachmodelle (LLMs) und bietet umfangreiche mehrsprachige Funktionen, was Unternehmen mehr Flexibilität verschafft. Zu ihren umfassenden Funktionen gehören vorgefertigte Vorlagen für die schnelle Agentenentwicklung, zustandsbehaftete Multi-Prompt-Agenten zur Verwaltung von Gesprächen mit mehreren Runden sowie Echtzeit-Monitoring zur Analyse von Post-Call-Daten und Stimmung. Das macht die Retell AI zur idealen Wahl für Unternehmen, die ihre Anrufabläufe modernisieren und außergewöhnliche Kundenerlebnisse bieten möchten.

Kundenservice mit KI transformieren: Das richtige Gleichgewicht finden

Prompt-basierte Ansätze und Conversational Pathways bieten jeweils einzigartige Vorteile für KI-Telefonagenten. Während prompt-basierte Ansätze schnelle und effiziente Antworten auf unkomplizierte Anfragen liefern, glänzen Conversational Pathways bei der Bearbeitung komplexer Probleme und der Bereitstellung personalisierter Erlebnisse.

Letztlich gibt es keine Universallösung. Unternehmen sollten einen Ansatz wählen, der zu ihren spezifischen Zielen, Kundenbedürfnissen und betrieblichen Anforderungen passt. Durch sorgfältige Berücksichtigung dieser Faktoren können Unternehmen KI-Telefonagenten schaffen, die nicht nur die Effizienz maximieren, sondern auch die Kundenzufriedenheit steigern.

Sind Sie bereit zu erkunden, wie KI-Telefonagenten Ihren Kundenservice transformieren können? Besuchen Sie Retell AI, um mehr zu erfahren und loszulegen!