Conversational AI KPI’s laten zien of je AI klanten echt helpt en wat het oplevert. De belangrijkste zijn hoeveel vragen de AI zelf oplost, hoe vaak er wordt overgedragen, hoe tevreden klanten zijn, hoe snel er wordt gereageerd en hoeveel aanvragen het oplevert. Wie die cijfers volgt, ziet waar de AI goed werkt en waar je moet bijsturen.
Waarom je conversational AI moet meten
Een AI die je niet meet, wordt langzaam slechter. Je aanbod verandert, klanten stellen nieuwe vragen en de kennisbank veroudert. Zonder cijfers merk je dat pas als klanten klagen of aanvragen uitblijven.
Meten heeft twee doelen. Het eerste is verbeteren: zien welke vragen de AI goed afhandelt en waar hij vastloopt, zodat je de kennisbank kunt aanvullen. Het tweede is verantwoorden: laten zien wat de AI oplevert in tijd, bereikbaarheid en aanvragen. Begin daarom met het doel dat je bij de start hebt gesteld en kies de KPI’s die daarbij horen.
Wat conversational AI precies doet en hoe het verschilt van een gewone chatbot, lees je bij de betekenis van conversational AI.
De zes belangrijkste conversational AI KPI’s
Deze zes KPI’s geven samen een goed beeld van hoe je AI presteert.
| KPI | Wat het meet | Waar het op wijst |
|---|---|---|
| Zelf opgelost | Deel van de gesprekken dat de AI zonder mens afrondt | Hoe compleet de kennisbank is |
| Overdrachten | Hoe vaak een medewerker het overneemt | Gaten in de kennisbank of complexe vragen |
| Klanttevredenheid | Hoe klanten het gesprek beoordelen | Of de antwoorden echt helpen |
| Reactietijd | Hoe snel een klant antwoord krijgt | Bereikbaarheid, ook buiten kantooruren |
| Aantal aanvragen | Hoeveel gesprekken tot een aanvraag leiden | Commerciële waarde van de AI |
| Conversie naar klant | Hoeveel aanvragen klant worden | Kwaliteit van de aanvragen |
Kijk nooit naar één KPI los. Een hoog percentage zelf opgeloste gesprekken lijkt goed, maar niet als de klanttevredenheid daalt. Dan rondt de AI gesprekken af die hij eigenlijk had moeten overdragen.
Hoe je de KPI’s meet en bijstuurt
Meten begint bij een nulmeting. Leg vast hoe het er voor de livegang voor stond: hoeveel aanvragen je kreeg, hoe snel je team reageerde en hoeveel herhaalvragen er binnenkwamen. Zonder nulmeting kun je later niet laten zien wat de AI heeft veranderd.
Kijk daarna elke week naar de gesprekken zelf, niet alleen naar de cijfers. Welke vragen leiden tot een overdracht? Waar haakt een klant af? Welke vraag komt steeds terug zonder goed antwoord? Vul de kennisbank aan op basis van wat je ziet en kijk een week later of het cijfer is verbeterd. Hoe je dat bij de start inricht, lees je in conversational AI implementeren.
Hoe je de AI op basis van die cijfers verbetert, lees je bij conversational AI trainen.
Veelgemaakte meetfouten
De meest gemaakte fout is alleen meten wat makkelijk te meten is. Het aantal gesprekken zegt weinig als je niet weet hoeveel daarvan tot een aanvraag leidden. Andere fouten die we vaak zien:
- Geen nulmeting, waardoor je niet kunt vergelijken.
- Alleen naar de AI kijken en niet naar wat er daarna met de aanvraag gebeurt.
- Overdrachten als mislukking zien, terwijl een goede overdracht bij een complexe vraag juist werkt zoals bedoeld.
- Cijfers verzamelen zonder er iets mee te doen.
Wat wij in rapportages meten
Bij Bconnect kijken we in rapportages naar zowel de service als het resultaat. Aan de servicekant: hoeveel vragen de AI zelf afhandelt, hoe vaak een chatspecialist of het team van de klant overneemt en bij welke vragen dat gebeurt. Aan de resultaatkant: hoeveel gesprekken tot een aanvraag leiden en hoe compleet die aanvragen zijn.
Het belangrijkste zit in wat er daarna gebeurt. Een aanvraag levert pas iets op als het verkoopteam er snel mee aan de slag gaat. Daarom kijken we samen met de klant ook naar de opvolging: hoe snel wordt er gebeld en hoeveel aanvragen worden klant. Zo wordt meetbaar rendement uit AI in klantcontact een gesprek over resultaat in plaats van over losse cijfers. Hoe je meer aanvragen uit je website haalt, lees je in conversational AI voor leads. Welke toepassingen voor bedrijven het meest opleveren, lees je in AI voor bedrijven.
Meten om te verbeteren
Conversational AI KPI’s zijn geen rapportcijfer, maar een stuur. Kies de KPI’s die bij je doel passen, leg een nulmeting vast en kijk elke week naar de gesprekken achter de cijfers. Zo zie je waar de AI goed werkt, waar hij beter kan en wat hij oplevert voor je klanten en je team.
Veelgestelde vragen over conversational AI KPI’s
Wat zijn de belangrijkste KPI's voor conversational AI?
De belangrijkste zijn hoeveel vragen de AI zelf oplost, hoe vaak er wordt overgedragen, klanttevredenheid, reactietijd, het aantal aanvragen en hoeveel aanvragen klant worden.
Wat is een goed percentage zelf opgeloste gesprekken?
Dat hangt af van je branche en het soort vragen. Belangrijker dan een vast percentage is dat het cijfer stijgt terwijl de klanttevredenheid gelijk blijft of verbetert.
Is een overdracht naar een medewerker slecht?
Nee. Bij een complexe of gevoelige vraag is een goede overdracht juist de bedoeling. Het wordt pas een probleem als de AI eenvoudige vragen overdraagt die hij zelf had kunnen beantwoorden.
Hoe vaak moet ik de KPI's bekijken?
Kijk in de eerste maanden elke week naar de cijfers en de gesprekken erachter. Als de AI stabiel draait, is elke maand vaak genoeg.
Wat is een nulmeting?
Een nulmeting legt vast hoe het er voor de livegang voor stond, bijvoorbeeld het aantal aanvragen en de reactietijd van je team. Daarmee kun je later laten zien wat de AI heeft veranderd.
Hoe meet ik de klanttevredenheid?
Vraag aan het einde van een gesprek om een korte beoordeling. Kijk daarnaast naar gesprekken waarin een klant afhaakt of om een medewerker vraagt.
Hoe meet ik wat conversational AI oplevert?
Volg hoeveel gesprekken tot een aanvraag leiden en hoeveel aanvragen klant worden. Vergelijk dat met de nulmeting van voor de livegang.