Der schnelle Weg zu neuen Reifen und Rädern

Navigation aller Website-Bereiche

Praxis und Erfahrung

Erfolgreich umgesetzt - Kundenprojekte und Erfahrungswerte

Der schnelle Weg zu neuen Reifen und Rädern

Materna realisierte für den Online-Reifenhändler Goodwheel aus Soest einen Chatbot als Produkt- und Kaufberater für den Web-Shop.

Chatbot als Produkt- und Kaufberater

Die Goodwheel GmbH ist ein international tätiger Online-Händler für Reifen und Räder. Diverse Zubehörteile und E-Scooter komplettieren das Angebot rund um Mobilität. Goodwheel gehört zur Gundlach Automotive Corporation und startete im Jahr 2006 mit seinem Vertrieb im Online-Auktionshaus eBay. Über seinen Web-Shop verkauft Goodwheel heute Produkte von mehr als 80 Herstellern und Marken an Kunden in ganz Europa.

Das Unternehmen legt besonderen Wert auf einen individuellen Service und absolute Kundenorientierung. Aus diesem Grund hat die bisherige Kundenberatung über einen Livechat und das klassische Telefon stattgefunden.

Die hohe Zahl der Anfragen – insbesondere in den Saisonspitzen oder den späten Abendstunden – können die Mitarbeiter allerdings nicht mehr zu 100 Prozent zeitnah beantworten. Daher wurde Materna beauftragt, einen Chatbot als Online-Produktberater zu entwickeln, der die häufigsten Fragen beantwortet sowie bei der Auswahl geeigneter Reifen, Felgen und Kompletträder unterstützt.

Der neue Chatbot wurde MIA getauft und hilft Kunden dabei, die passenden Produkte zu finden. Nach Angabe der Reifenmaße wird der Käufer durch ein Filterformular geführt, um den richtigen Reifen zu finden. Dabei hilft der Chatbot dem Kunden, falls dieser die Filteroptionen nicht kennt. Des Weiteren können Käufer alternativ ihr Fahrzeug anhand des Modells auswählen oder die Hersteller- bzw. Typschlüsselnummer (HSN/TSN) aus dem Fahrzeugschein eingeben. Anschließend führt MIA zu den für das jeweilige Fahrzeug geeigneten Produkten.

Abbildung Chatbot

Was soll MIA überhaupt antworten?

Zunächst führte Materna gemeinsam mit Goodwheel einen Onboarding-Workshop durch und identifizierte die wichtigsten Anforderungen, die in einer Dokumentation zusammengefasst wurden. Auf dieser Basis planten die Experten die Dialoge und strukturierten die Inhalte. Hierzu gehören Dialogverläufe für Anfragen zur Produktkompatibilität oder zum Status einer Bestellung sowie Antworten zu den FAQ. Ergänzend gibt es Standarddialoge zu Smalltalk-Themen wie Begrüßung, Abschied, Höflichkeitsfragen sowie Fragen zur Bot-Persönlichkeit, die die Nutzung und Akzeptanz des Chatbots für den Endanwender erhöhen sollen.

Darüber hinaus gestaltete Materna das Nutzer-Interface auf Basis des Corporate Design von Goodwheel in Bezug auf Typografie, Farben, Icons, Buttons, Auswahlboxen, Eingabefelder und Micro-Animationen. Ebenfalls von Materna stammen die Nutzerführung, die Informationsarchitektur und das Frontend für die Chats.

Die technologische Umsetzung erfolgte auf Basis der IBM Cloud und von IBM Watson Assistant. Die Konfiguration des Watson Assistant wurde in deutscher Sprache realisiert. Die Test- und Entwicklungsumgebung basiert auf der Materna Chatbot Engine, die Materna dem Kunden für die Entwicklung und während des Pilotbetriebes zur Verfügung stellt.

MIA lernt die Nutzerabsichten

Zur Einrichtung der Lösung gehört es auch, dem Chatbot die Nutzerabsichten anzutrainieren, sodass er auf die Fragen der Nutzer präzise antworten kann. Dies geschieht durch maschinelles Lernen. Der Fachbegriff für die einzelnen abstrakten Nutzerabsichten lautet Intents. Das Training der Intents erfolgt mithilfe von Beispieläußerungen, die in der Fachsprache Utterances genannt werden. Dies erfolgt je nach Datenlage mit realen Äußerungen von Nutzern aus den bereitgestellten Daten oder mit redaktionell erstellten Utterances, sodass pro Intent mindestens zehn Beispiele angelernt werden. Des Weiteren wird die Dialogstruktur des Chatbots einem Stresstest unterzogen. Hierbei werden alle erdenklichen Dialogverläufe simuliert und der korrekte Ausgang kontrolliert. Darüber hinaus wurden weitere Verfahren genutzt, um den Bot bestmöglich auf seinen Einsatz im Online-Shop vorzubereiten.

Chatbot

MIA kommuniziert mit verschiedenen Datenquellen

Für seine Arbeit stehen dem Chatbot verschiedene Datenquellen zur Verfügung. Die Materna Chatbot Engine realisiert die Schnittstellen über eine Standardtechnologie (REST API), sodass eine Nutzung möglichst vieler Quellen möglich ist. Der Chatbot benötigt beispielsweise Informationen zu Produktdaten und Fahrzeugmarken, sodass er automatisiert nach Reifengrößen suchen kann. Auch der Versandstatus wird automatisiert über den Chatbot ausgegeben. Bei eingeloggten Benutzern können auch die Bestelldaten an den Chatbot übermittelt werden. Hierfür ist es beispielsweise wichtig, dass Sessions über verschiedene Endpoints gespeichert werden, sodass Kunden zwischen Smartphone, PC oder anderen Endgeräten beliebig wechseln können.

Eine weitere wichtige Funktion ist, dass Nutzer das Foto ihres Fahrzeugscheins in den Chatbot hochladen können. Die Anwendung kann so die Kfz-Schlüsselnummern (HSN/TSN) zur Auswahl von Reifen und Rädern automatisiert auslesen. Denn: Für Laien ist es mitunter schwierig, diese Kennzahlen aus dem Fahrzeugschein zu ermitteln. Außerdem wird so die Fehlerquote bei der Übermittlung verringert und Kunden haben die Sicherheit, auch die wirklich passenden Produkte zu kaufen. Hierzu implementierte Materna eine Software für die optische Zeichenerkennung (OCR , Optical Character Recognition), die die Nummern direkt aus dem hochgeladenen Foto ausliest und die Formularfelder damit befüllt. Der eigentliche Recognition Service, also das Auslesen der Fahrzeugnummern, wird über einen Cloud-Dienst bei Amazon Web Services (AWS) realisiert.

Zukünftig plant Goodwheel, den Chatbot auch über WhatsApp anzubieten. Kunden sollen so innerhalb ihrer gewohnten Chat-Umgebung eine optimale Beratung erhalten. Außerdem sollen auch die über eBay eingehenden Anfragen automatisiert beantwortet werden können.

Für Goodwheel ist die Chatbot-Lösung eine runde Sache, denn Kunden erhalten schneller eine Antwort auf Standardfragen und können Bestellungen ohne Wartezeiten aufgeben, sodass sich die menschlichen Berater auf individuelle Anfragen konzentrieren können.