chatgpt um 99 %: Der Fall eines Online-Shops für Elektroartikel und Werbeartikel“ title=“So reduzieren Sie die Zahl der verlorenen Bewerbungen im B2B-Bereich mithilfe von ChatGPT um 99 %: Der Fall eines Online-Shops für Elektroartikel und Werbeartikel“/>

Das Unternehmen Kabel.RF® ist seit mehr als 15 Jahren auf den Online-Vertrieb von Elektro- und Industrieprodukten, vorwiegend im B2B-Bereich, spezialisiert. Vor etwa einem Jahr wurde bei einem internen Audit das Problem sogenannter verlorener Bewerbungen festgestellt.

Um das Problem zu lösen, haben wir versucht, die Funktionen des mittlerweile modischen ChatCPT zu verbinden. Aus welchen Phasen bestand die Arbeit? Was waren die Schwierigkeiten? Und welche Ergebnisse erzielt wurden (außer dem, was im Titel steht).

Anstelle eines Vorworts

Firma Kabel.RF® Wir arbeiten aktiv daran, die Anzahl der Bestellungen zu steigern, indem wir verschiedene Quellen ihrer Attraktivität nutzen und in Werbung und Personalentwicklung investieren.

Sie legt außerdem großen Wert auf Loyalität und den Aufbau langfristiger Kundenbeziehungen. Dies war mehrere Jahre lang eine vorrangige Aufgabe einer besonderen Struktur – der Kundendienstabteilung.

Anwendung: Schwer zu finden und leicht zu verlieren

Vor etwa einem Jahr wurde bei einem internen Audit das Problem sogenannter verlorener Bewerbungen festgestellt. Es stellte sich heraus, dass einige E-Mails mit Rechnungsanfragen oder kommerziellen Angeboten, die Manager per E-Mail erhielten, als gelesen markiert waren. Trotzdem erhielten die Kunden keine Antwort darauf.

Einfache Berechnungen ermöglichten es, das Ausmaß des Problems abzuschätzen. Zum Zeitpunkt des Frühjahrs 2023 gingen monatlich etwa 45.000 Briefe in den Postfächern der Führungskräfte ein. Der Kundendienst überprüfte etwa 15 % dieses Volumens. Davon erwiesen sich etwa 200 verifizierte Anfragen als verlorene Bewerbungen.

Es stellte sich heraus, dass das Unternehmen jeden Monat mehr als 1.000 Anfragen von Kunden verpasste. Darüber hinaus gingen die meisten dieser Anfragen von „Stammgästen“ ein, die zuvor Rechnungen bezahlt hatten.

Warum ist das passiert?

Folgende Gründe für die Situation konnten identifiziert werden:

• Führungskräfte waren aufgrund der hohen Arbeitsbelastung physisch nicht in der Lage, das gesamte Volumen der eingehenden Briefe zu bewältigen;
• Infolgedessen könnten Manager beim Einreichen einer Bewerbung per E-Mail in das 1C-System falsche Prioritäten setzen;
• Mängel in den Vorschriften der Vertriebsabteilung.

Eine Anpassung der Punkte in der Verordnung im Zusammenhang mit der Interaktion mit eingehenden Bewerbungen konnte das Problem nicht vollständig lösen. Es war wichtig, den Einfluss des menschlichen Faktors zu minimieren.

ChatGPT erwies sich als gutes Tool zur Lösung dieses Problems.

ChatGPT zur Rettung!

Also im Herbst 2023 bei Kabel.RF® startete ein Projekt, das eine automatische Verarbeitung eingehender Briefe ermöglichen sollte.

Es sollte sein

Die Idee war wie folgt. ChatGPT verarbeitet eingehende E-Mails von Managern. Erkennt der Bot einen Brief als Bewerbung, generiert er diesen automatisch in 1C.

ChatGPT erhält Informationen über eingehende Briefe in einer HTML-Datei. Eine einfache Lösung, die es uns ermöglichte, die Hypothese schnell zu testen.

Was wir bekommen wollten

• Verhindern Sie verlorene Bewerbungen.
• Wachstum der Unternehmensgewinne.
• Reduzierte Bearbeitungszeit für Bewerbungen.
• Reduzierung des Anteils manueller Arbeit von Managern und Kontrollstrukturen (insbesondere der Kundendienstabteilung).
• Steigerung der Kundenbindung.

Testphase

Die größte Herausforderung bestand darin, ChatGPT darin zu schulen, eingehende E-Mails innerhalb einer Organisation richtig zu erkennen und zu verteilen.

Vor Beginn der Testphase wurde eine Vorstudie zu ChatGPT durchgeführt, die dabei half, die folgenden Aspekte zu ermitteln:

• Chat-Mechanismus (unter Berücksichtigung der Kosten des Tokens – eine Art interne Währung in der ChatGPT-API);
• mögliche Durchsatzlast;
• Datenverarbeitungsgeschwindigkeit;
• Vergleich mit ähnlichen Diensten;
• geschätzte Kosten der Arbeit.

All dies führte zur Schaffung einer Systemarchitektur für das Funktionieren von ChatGPT in Kabel.RF®.

Das Testen des Projekts war in zwei Phasen unterteilt:

• Erstellung korrekter Texte mit Eingabeaufforderung, die in der Lage sind, Bewerbungen in E-Mails zu erkennen.
• Automatische Generierung von Anwendungen in 1C.

Besonderes Augenmerk wurde auf die Arbeit mit Industrieprodukten gelegt:

• In der Vertriebsabteilung wurde ein Fokusgruppen-Chat eingerichtet, um Feedback von Führungskräften zu sammeln. Es war wichtig, die Genauigkeit der ChatGPT-E-Mail-Verarbeitung zu bewerten. Die Beobachtungsergebnisse flossen in weitere Anpassungen des Produkts ein. Nach und nach wurde die Zahl der Änderungen auf nahezu Null reduziert.
• Um die Arbeit des Promts zu optimieren, mussten etwa 12 bis 14 Tests durchgeführt werden, von denen jeder 80 bis 150 eingehende Nachrichten umfasste. Insgesamt wurden etwa 2000 Briefe analysiert.
• Der Kundendienst führte außerdem eine zusätzliche Prüfung durch, um sicherzustellen, dass der Bot die Art des Briefes korrekt erkannte. Dazu war es notwendig, die Korrespondenz in der Post manuell zu analysieren; Bestimmen Sie, ob die Transaktion mit dem Kunden aktuell relevant ist und ob seine Anfrage wirklich kommerziell und nicht informativ ist, und so weiter.

Projektkosten

Zu Beginn des Projekts betrugen die Kosten für ChatGPT etwa 7.000 Rubel pro Monat. Der Betrag setzt sich aus Parametern wie der Anzahl der eingehenden Nachrichten an Manager, der benötigten Anzahl an Token und dem Durchsatz des Chatbots pro Zeiteinheit zusammen.

Im Laufe der Zeit wurden mehrere weitere Filter hinzugefügt, um dem Chatbot zu helfen, die Genauigkeit bei der Auswahl neuer Anträge zur Bearbeitung weiter zu verbessern. Dadurch werden die Projektkosten um mehr als die Hälfte reduziert – bis zu 2.500 Rubel pro Monat.

Ein Token ist eine Art virtuelle Einheit, die ChatGPT benötigt, um mit einer Anfrage zu arbeiten (im betreffenden Projekt enthält die Anfrage Text). Der Bot muss die Anfrage zunächst annehmen, verarbeiten und dann zurücksenden. Um eine Anfrage abzuschließen, werden Token also zweimal ausgegeben und summiert.

Auf welche Schwierigkeiten sind wir gestoßen?

Durch Tests konnten häufige Fehler beim Betrieb von Industrieprodukten identifiziert werden:

• ChatGPT definiert als Anwendung Anfragen von Lieferanten zur Verfügbarkeit bestimmter Produkte.

Antwort: Die Liste der E-Mail-Adressen aller Lieferanten wurde zu den Ausnahmen hinzugefügt.

Vorteil: Wir sparen Token und damit das Geld des Unternehmens.

• Um Duplikate zu vermeiden, wenn der Kunde gleichzeitig eine Anfrage an mehrere E-Mail-Adressen sendet, wurde eine automatische Prüfung auf aktive Transaktionen hinzugefügt.
• Das Problem, dass Vertriebsleiter den Nutzen und die Wirksamkeit des Projekts verstanden, wurde nach der Fertigstellung des Produkts beseitigt.
• Schwierigkeiten bei der Erstellung und Modifikation von Industrieprodukten.

Ergebnis

In dieser Phase der Projektentwicklung liegt die Genauigkeit der Eingabeaufforderungen zwischen 87 und 95 %. Einige Abweichungen haben keinen wesentlichen Einfluss auf das Gesamtergebnis. Hier handelt es sich um Fälle, in denen der Chatbot einige der Werbebotschaften als Dialog mit dem Kunden betrachtet und regelmäßige Korrespondenz zur Klärung des Kontos usw. entgegennimmt.

All dies steht der Erreichung des Hauptziels des Projekts, nämlich der Minimierung des Bewerbungsverlusts bei der Post, nicht im Wege. Beim Testen wurde nur eine Anwendung übersehen! Das ist schon einiges, vor allem angesichts der Startindikatoren.

In naher Zukunft wird das Projekt über die Fokusgruppe hinausgehen und auf das gesamte Briefaufkommen des Unternehmens ausgeweitet.

Mit ChatGPT konnten wir folgende Ergebnisse erzielen:

• Reduzieren Sie Anwendungsverluste um 99 %.
• Reduzierung der Anwendungsverteilungszeit auf 1 Minute.
• Positiver Einfluss auf den Unternehmensgewinn.
• Erhöhte Kundenzufriedenheit.