Chatbots verkaufen

Metaprobleme, Missverständnisse und Machine Learning

Die Vermarktung von KI-Lösungen ist nicht so einfach. Der Grund: Die meisten Unternehmen wissen zu wenig über Machine Learning & Co.

Roboterhand bedient Computer

Chatbots verkaufen ist nicht so einfach.

Sie tauchen auf immer mehr Webseiten auf: Chatbots, die den Erstkontakt zu potentiellen Kunden oder ratsuchenden Nutzern übernehmen. Sie ersetzen herkömmliche Wege des Kundenkontakts wie Telefongespräche oder Textchats mit Verkäufern und Support-Mitarbeitern. Älteren Non-KI-Bots benutzen eine Wissensdatenbank, Scripts und Entscheidungsbäume, um auf Anfragen zu reagieren. Moderne Bots dagegen setzen auf Machine Learning. Sie werden mit Textarchiven aus Sales & Support trainiert und antworten dann eigenständig auf Anfragen.

Falsche Erwartungen an KI-Anwendungen

Chatbots werden oft von KI-Startups entwickelt, die als Jungunternehmen ihre Kunden erst überzeugen müssen. Das ist im Einzelfall gar nicht mal so einfach, wie Rob May, der CEO des Chatbot-Startups Talla zugibt. Das größte Problem: Das Wissen um die Hintergründe von KI-Bots ist nicht weit verbreitet. Zahlreiche Interessenten erwarten Software und gehen die Auswahl der Produkte auch genauso an. „In den meisten Fällen bewerten die Einkäufer KI auf die gleiche Weise wie SaaS. Das ist falsch“, betont May in seinem Blogbeitrag.

Die meisten Unternehmen haben Schwierigkeiten mit der Bewertung der Leistung von Chatbots und anderen KI-Anwendungen. Sie nutzen falsche Metriken und haben falsche Erwartungen an die Anwendungen. So ist die Besonderheit von SaaS-Lösungen, dass sie ohne umständliche Installationsprozeduren sofort und unmittelbar genutzt werden. May hat die Erfahrung gemacht, dass die Unternehmen dies auch von einem Chatbot erwarten.

Leider ist das ein Missverständnis. Anwendungen von Machine Learning müssen zunächst mit Daten aus dem Unternehmen gefüttert werden, damit sie eigenständig auf ähnliche Daten reagieren können –auf Kundenanfragen etwa. Das bedeutet auch, dass ein typischer SaaS-Auswahlmechanismus in der Beschaffung nicht mehr funktioniert: Kostenlose Testphasen sind nicht sinnvoll, da das Training viel Aufwand erfordert. Es gibt wohl kein Unternehmen, das diesen Aufwand drei- oder viermal umsetzt, um einen Marktüberblick zu bekommen.

KI ist eine Blackbox und schwer zu durchschauen

Der Punkt ist: Bei herkömmlicher Software lässt sich schnell entscheiden, ob sie für einen bestimmten Anwendungszweck geeignet ist. Die Funktionen einer KI-Lösung sind nicht so einfach zu bewerten. Machine-Learning-Modelle sind Blackboxes. Die Eignung für eine bestimmte Aufgabe ist erst durch ihre Anwendung zu bewerten. Und dass auch erst dann, sobald eine ausreichende Menge an Trainingsdaten in das Modell eingespeist wurde. Das wäre dann wiederum ein zu großer Aufwand für den KI-Anbieter, denn er müsste für zahlreiche Kunden kostenlos arbeiten.

Mit solchen Schwierigkeiten hat auch das Chatbot-Startup Gamalon zu kämpfen. CEO Ben Vigoda beschreibt in einem Blogbeitrag seine Lösung: „Es war eine Menge Entwicklungsarbeit. Trotzdem haben wir uns darauf fokussiert, eine frei zugängliche Demo-Umgebung für unsere Machine-Learning-Anwendung zu entwickeln. Dort können die Kunden mit unserem System Erfahrungen sammeln.“ Der Aufwand für ein solches Marketing-Tool scheint sich zu lohnen. Vigoda betont, dass so gut wie alle späteren Kunden zunächst die Gratis-Demo ausprobiert haben.

Das stimmt mit einem Marketing-Prinzip überein, dass Vigoda stark hervorhebt: Zeigen, nicht erklären. Das stimme grundlegenden Erfahrungen der Verkaufstheologie war ein. Wer etwas selbst erfahren kann, ist leichter zu begeistern als jemand, der bloß eine Präsentation sieht. Vigoda betont zudem, dass sich diese Strategie in erster Linie an Nicht-Techniker richtet, also Leute aus dem mittleren Management der Unternehmen. Sie sind häufig diejenigen, denen übergeordnete Manager die undankbare Aufgabe gegeben haben, „einen Chatbot zu besorgen“.

Unternehmen wollen Lösungen - auch für Metaprobleme

Das führt zu der Frage, wer eigentlich die Kaufentscheidung trifft - Techies oder Kaufleute? Die große Popularität von SaaS und Mobilapps hat dazu geführt, dass Entscheidungen über neue Anwendungssoftware immer häufiger in den Fachbereichen gefällt werden. Aus Sicht der Unternehmen gehören dazu auch KI-Tools. Anbieter sollten das berücksichtigen. Sie haben es in aller Regel nicht mit technikinteressierten KI-Fans zu tun, sondern mit Leuten auf der Suche nach einer bestimmten Lösung.

Das Problem hier sind die zahlreichen Missverständnisse rund um aktuelle KI-Methoden. „Erklären ist entscheidend“, meint Jana Eggers, CEO des KI-Startups NaraLogics. Dies kann beispielsweise durch intensives Content Marketing geschehen, bei dem die Anbieter ihre Produkte und Services sowie das technische Umfeld ausführlich vorstellen. Im Falle von Chatbots wäre das beispielsweise Erklärungen zur Arbeitsweise sowie zu den dahinterliegenden Prinzipien des Machine Learning.

Rob May vermutet, dass diese Probleme die Branche noch einige Jahre begleiten werden. KI-gestützte Anwendungen sind noch zu neu. Die Erfahrungen der Einkäufer mit herkömmlichen Anwendungen führen zu allerlei Fehlinformationen. May hat die Erfahrung gemacht, dass der Begriff „Automatisierung“ sehr hilfreich ist als kleinster gemeinsamer Nenner. Der Grund: Er steht für ein übergeordnetes Metaproblem, dass viele Unternehmen kennen und für das sie dringend eine Lösung suchen.

Bildquelle: Thinkstock

©2019Alle Rechte bei MEDIENHAUS Verlag GmbH

Unsere Website verwendet Cookies, um Ihnen den bestmöglichen Service zu bieten. Durch die weitere Nutzung der Seite stimmen Sie der Verwendung zu. Weitere Infos finden Sie in unserer Datenschutzerklärung.

ok