AI Customer Service Sulit Menjawab Pertanyaan Spesifik? Cara Mengelola Knowledge Base agar Lebih Akurat

Chatbot Salah Jawab? Kelola Knowledge Base agar Akurat

Chatbot sering salah jawab karena sumber jawabannya tidak terawat. Pelajari cara mengelola knowledge base dan kapan diserahkan ke manusia.

Panduan praktis yang menelusuri asal setiap jawaban chatbot, dari knowledge base, data live, hingga aturan kapan pertanyaan diserahkan ke tim, sehingga pembaca tahu bagian mana yang harus diperbaiki lebih dulu.

Chatbot sulit menjawab pertanyaan spesifik karena jawabannya tidak pernah lebih akurat dari sumber yang dibacanya. Knowledge base yang kurang lengkap, usang, atau saling bertentangan, dan data live yang tidak tersambung ke sistem yang tepat, langsung terlihat di jawaban bot. Perbaikannya dimulai dengan melacak asal setiap jawaban, dari knowledge base sampai data live, lalu menetapkan aturan kapan pertanyaan harus diserahkan ke tim.

Ketiganya dibahas berurutan, lalu diakhiri langkah awal yang bisa tim jalankan minggu ini, supaya jelas bagian mana yang perlu dibenahi lebih dulu.

Chatbot Hanya Seakurat Sumber Jawabannya

Chatbot hanya bisa menjawab sebaik sumbernya. Ia tidak tahu isi yang tidak ada di knowledge base, dan tidak tahu apakah sebuah entri masih berlaku. Yang ia lakukan hanyalah menyusun jawaban dari data yang bisa dijangkaunya.

Yang paling berbahaya adalah kesalahan yang tampak benar. Entri yang hilang tidak membuat bot diam; ia tetap menjawab, dengan nada yakin dan keliru. Entri yang usang, seperti harga lama atau kebijakan pengiriman yang sudah berubah, menghasilkan jawaban yang rapi tapi salah. Dan kalau dua entri bertentangan, bot bisa saja memilih satu tanpa memberi tahu pelanggan bahwa ada keraguan.

Dampaknya paling terasa saat handoff. Pelanggan yang sudah menerima jawaban salah jarang langsung minta agen. Mereka bertanya ulang, mulai kesal, baru kemudian meminta manusia. Agen pun harus membereskan kesalahan itu dulu sebelum bisa membantu. Chatbot seharusnya menjaga waktu dan komunikasi tim, bukan menambah kerjanya.

Bagian ini bertumpu pada penalaran, bukan data. Angka efisiensi atau tingkat akurasi belum dicantumkan karena belum ada data pembanding yang bisa diverifikasi. Yang bisa dilakukan sekarang: periksa dari mana setiap jawaban berasal. Cara kerja chatbot AI dijelaskan di halaman cara kerja chatbot AI Mobichat.

Dari Mana Chatbot Mengambil Jawaban

Jawaban chatbot berasal dari dua sumber yang perlakuannya berbeda. Sumber pertama adalah knowledge base, yaitu kumpulan informasi tetap seperti kebijakan retur, jam layanan, syarat pembelian, dan FAQ produk. Sumber kedua adalah data live, yaitu informasi yang berubah dari waktu ke waktu, misalnya ketersediaan stok atau status pesanan.

Memisahkan keduanya penting karena cara memperbaikinya berbeda. Kesalahan pada knowledge base biasanya berarti entri yang usang, ambigu, atau belum ditulis sama sekali. Kesalahan pada data live biasanya berarti chatbot tidak terhubung ke sistem yang tepat.

Knowledge base untuk kebijakan dan informasi tetap

Knowledge base cocok untuk jawaban yang jarang berubah. Isinya ditulis sekali lalu dibaca berulang kali oleh chatbot. Karena itu, entri statis perlu ditinjau secara berkala. Setiap kali kebijakan retur atau jam layanan berubah, entri terkait ikut diperbarui. Entri yang terlewat akan terus menghasilkan jawaban yang terdengar yakin tetapi salah.

Baca Juga:  Cara Backup WhatsApp: Panduan Lengkap

Data live untuk stok dan status pesanan

Halaman Mobichat menyebut chatbot dapat dikustom untuk mengecek stok, memberi rekomendasi produk, dan memasukkan pesanan ke sistem internal. Ini menunjukkan bahwa sebagian jawaban berasal dari data bisnis yang terus bergerak, bukan dari teks yang ditulis tim. Jawaban semacam ini hanya seakurat koneksi ke sistem yang menyimpan datanya. Jika sistem yang dibaca belum diperbarui, chatbot tetap akan menjawab dengan kalimat yang meyakinkan.

Pertanyaan yang lebih berguna adalah data mana yang dipakai untuk menjawab, dan apakah data itu sudah benar. Dengan pertanyaan itu, pemeriksaan menjadi jelas: kebijakan ditinjau dari dokumennya, sedangkan status pesanan dicek dari sistemnya.

Mengapa Pertanyaan Spesifik Paling Sering Meleset

Pertanyaan yang spesifik hampir selalu membawa syarat. Pelanggan jarang hanya bertanya “apakah ada diskon?”. Yang mereka tanyakan biasanya dua hal: apakah diskon itu berlaku untuk produk tertentu, dan apakah ada minimum pembelian. Jawabannya bergantung pada tiap syarat itu. Jika entri pengetahuan hanya mencatat diskonnya tanpa syaratnya, bot akan menjawab “ya” untuk semua kasus.

Masalah kedua adalah entri yang terlalu umum. Misalnya, entri “harga produk kami terjangkau” ikut dipakai untuk pertanyaan soal paket tertentu. Akibatnya, pertanyaan yang khusus dijawab dengan jawaban yang umum.

Yang ketiga, dua entri bisa bertentangan, misalnya entri lama dan entri yang sudah direvisi. Bot tidak memberi peringatan. Ia memilih salah satu lalu menyampaikannya dengan yakin. Pelanggan tidak punya cara tahu bahwa jawaban itu berasal dari entri yang usang.

Yang paling sulit ditangkap adalah pertanyaan tanpa entri sama sekali. Di sini bot biasanya menyusun jawaban yang kedengarannya wajar, padahal tidak sesuai kebijakan bisnis Anda. Kalimatnya meyakinkan. Faktanya yang keliru.

Semua pola ini soal asal jawaban, bukan soal gaya bicara bot. Jadi sebelum mengecek cara bot menyapa atau menutup percakapan, cek dulu dari mana tiap jawaban diambil. Untuk melengkapi pembahasan ini, baca juga kesalahan umum dalam membuat chatbot.

Cara Mengelola Knowledge Base agar Tetap Akurat

Knowledge base yang akurat tidak selesai saat pertama kali diisi. Isinya ikut berubah bersama produk, harga, dan kebijakan layanan, jadi perawatannya perlu jadwal dan pemilik yang jelas. Praktik berikut adalah saran editorial yang bisa dijalankan tim kecil dan menengah, bukan standar industri.

Catat pertanyaan yang tidak terjawab

Setiap pertanyaan yang tidak bisa dijawab bot menunjukkan celah di knowledge base. Catat pertanyaan itu sebagai daftar kerja, lalu ubah setiap baris menjadi entri baru setelah jawabannya dipastikan. Catat juga jawaban yang keliru. Bot yang menolak menjawab masih lebih mudah dikenali daripada bot yang menjawab salah dengan yakin.

Baca Juga:  Bagaimana AI Chatbot Menghemat Budget CS Chain Coffee Shop?

Tetapkan pemilik untuk setiap entri

Setiap entri knowledge base perlu satu pemilik yang bertanggung jawab atas kebenarannya. Tanpa nama yang jelas, entri usang sering dibiarkan karena tidak ada yang merasa wajib memeriksanya. Pemilik tidak harus orang yang menulis entri itu. Yang penting ia tahu sumber kebenarannya, misalnya tim penjualan untuk harga atau tim operasional untuk stok.

Perbarui saat harga, stok, atau kebijakan berubah

Perbarui entri setiap kali harga, stok, atau kebijakan berubah, lalu hapus versi lama agar tidak bertabrakan. Dua jawaban yang sama-sama aktif bisa membuat bot memberi informasi berbeda untuk pertanyaan yang sama. Pisahkan jawaban kebijakan yang statis dari jawaban yang bergantung pada data langsung, seperti status stok atau pesanan. Dengan pemisahan ini, tim tahu mana yang harus diperbarui secara manual.

Tinjau handoff dan jawaban yang gagal secara terjadwal, misalnya mingguan atau bulanan, sesuaikan dengan volume percakapan. Tim dengan percakapan sedikit cukup meninjau sebulan sekali. Volume yang lebih besar sebaiknya ditinjau lebih sering.

Gaya bicara bot dibahas di artikel terkait, yaitu cara melatih chatbot agar lebih smart.

Kapan Pertanyaan Harus Diserahkan ke Manusia

Ada tiga jenis pertanyaan yang sebaiknya langsung diteruskan ke tim, bukan dijawab bot: keluhan, pengecualian kebijakan, dan permintaan yang tidak ada dalam knowledge base. Bot tidak punya dasar untuk memutuskan pengecualian, dan pelanggan yang sedang kesal tidak perlu diuji kesabarannya oleh jawaban otomatis.

Aturan ini perlu ditulis, bukan diserahkan pada perasaan agen. Tentukan kategori atau kata kunci mana yang memicu serah-terima, lalu uji dengan percakapan nyata.

Halaman Mobichat menyebut bahwa lead dengan lead score yang baik otomatis diberikan ke agen manusia. Halaman tersebut tidak menjelaskan ambang skornya, jadi tim perlu menetapkan sendiri kapan sebuah lead dianggap siap ditangani manusia.

Percakapan yang diserahkan juga perlu jejak. Chat dapat diubah menjadi tiket yang bisa dilacak. Aturan otomasi juga bisa membuat tugas, misalnya tugas tindak lanjut jika pelanggan tidak membalas dalam 3 hari. Ini contoh dari halaman fitur, bukan pengaturan default, sehingga tim memilih sendiri aturan yang sesuai.

Chatbot bisa dijadwalkan membalas di luar jam kerja sebagai bagian dari layanan 24/7. Namun pertanyaan yang tidak terjawab tetap harus punya jalur ke tim pada jam kerja berikutnya. Balasan otomatis yang menutup percakapan tanpa jalur lanjut hanya memindahkan masalah.

Untuk cara mengalihkan percakapan tanpa membuat pelanggan merasa dipindah-pindah, baca cara transparan mengalihkan chatbot ke live chat tanpa bikin customer kesal. Batas peran bot dan manusia juga dibahas di apakah chatbot bisa menggantikan customer service manusia.

Mulai dari Mana di Tim Anda

Anda bisa mulai minggu ini tanpa menunggu proyek besar. Ada empat langkah. Urutannya penting, karena tiap langkah bergantung pada yang sebelumnya.

Baca Juga:  Spam Filter untuk Customer Service: Cara Memisahkan Pesan Spam dari Leads Potensial

Pertama, tentukan dari mana setiap jawaban berasal. Catat pertanyaan yang paling sering masuk. Tandai mana yang cukup dijawab dari knowledge base statis, dan mana yang butuh data live seperti stok dan status pesanan. Pisahkan keduanya sejak awal.

Kedua, beri setiap entri satu pemilik. Orang itu yang memperbarui harga, kebijakan, atau ketentuan yang tercatat di sana. Entri tanpa pemilik biasanya dibiarkan usang.

Ketiga, tulis aturan serah-terima. Pertanyaan mana yang langsung ke agen manusia, dan mana yang boleh dijawab bot? Dengan aturan tertulis, tim tahu kapan harus mengambil alih.

Keempat, tinjau secara berkala. Lihat pertanyaan yang tidak bisa dijawab bot dan percakapan yang pindah ke manusia. Perbarui entri yang membuat jawaban meleset. Frekuensinya mingguan atau bulanan, tergantung volume pesan tim Anda.

Contoh di toko online: pertanyaan “stok ukuran M masih ada?” harus dijawab dari data stok yang aktif, bukan dari teks yang ditulis beberapa minggu lalu. Pertanyaan “bagaimana cara retur barang?” cukup dijawab dari knowledge base, asal pemiliknya memperbarui setiap kali kebijakan retur berubah.

Tujuannya pelanggan mendapat jawaban yang benar, bukan sekadar menambah jumlah pesan yang dibalas bot. Bot yang cepat tapi keliru hanya memindahkan masalah ke pelanggan dan ke tim Anda.

Untuk langkah teknis membangun chatbot bagi toko online, baca panduan membuat chatbot untuk customer service toko online. Bacaan lain soal topik ini ada di kumpulan tulisan AI customer service Mobichat.

Artikel ini tidak membahas peringkat pencarian, volume pencarian, atau harga layanan. Kalau tim perlu tahu biayanya, cek langsung ke penyedia.

Kesimpulan dan Pertanyaan Umum

Akurasi chatbot dimulai dari sumber jawabannya. Perbaiki yang paling sering meleset lebih dulu: entri yang hilang, usang, atau bertentangan, lalu tetapkan aturan kapan bot harus berhenti dan menyerahkan percakapan ke tim.

Apa perbedaan knowledge base chatbot dan data live?
Knowledge base berisi informasi tetap seperti kebijakan retur dan jam layanan. Data live adalah informasi yang terus berubah, seperti stok dan status pesanan, dan diambil langsung dari sistem bisnis.

Seberapa sering knowledge base chatbot perlu ditinjau?
Perbarui entri setiap kali harga, stok, atau kebijakan berubah. Untuk tinjauan berkala, tim dengan volume percakapan kecil cukup meninjau sebulan sekali, sedangkan volume yang lebih besar sebaiknya ditinjau lebih sering.

Pertanyaan apa saja yang sebaiknya langsung diserahkan ke agen manusia?
Keluhan, pengecualian kebijakan, dan permintaan yang tidak ada dalam knowledge base. Pertanyaan yang tidak terjawab tetap perlu jalur ke tim pada jam kerja berikutnya.

Apakah chatbot bisa menggantikan customer service manusia sepenuhnya?
Tidak sepenuhnya. Chatbot efektif untuk pertanyaan yang jawabannya jelas dan tersedia di sumber yang akurat, tetapi keluhan dan pengecualian tetap membutuhkan keputusan manusia.