– Teil 3 der Serie über Facebook Bots –
In den USA wird derzeit breit darüber spekuliert, dass Messenger-Bots in den nächsten Jahren die Webseiten und mobilen Apps ablösen werden, weil immer mehr Nutzer lieber ihre Messenger nutzen, als noch eine weitere App zu installieren oder – ganz altmodisch – Webseiten zu besuchen. Den Beweis dafür hat der Messenger weChat in China schon angetreten: Dort gibt es Millionen von Shops und alle erdenklichen Services direkt im Messenger integriert.
Für diesen Trend wird es auch eine neue Welle von Werkzeugen zur Erstellung, zum Betrieb und zur Analyse von Bots geben. Was bei den Webseiten die Content Management Systeme und bei den Apps vielfältige Entwicklungs- und Analytics-Umgebungen hervorgebracht hat, wird bei den Bots ein analoges Angebot von Bot Content Management Systemen (BCMS) auf den Markt bringen.
Da es zahlreiche neue Eigenschaften gibt, durch die sich Bot-Dienste von den früheren Technologien unterscheiden, werden sich komplett neue Systeme etablieren. Die ersten Teilsysteme sind bereits verfügbar und in den nächsten 1-2 Jahren werden sie funktionell immer mehr Aspekte abdecken.
Nochmals zurück zum Anfang: Wie definiert sich der Begriff „Messenger-Bot“?
Das Wort „Bot“ ist eine Abkürzung von „Robot“ und erzeugt daher sofort Assoziationen zu mechanischen Wesen mit ungelenken Bewegungen und hoher künstlicher Intelligenz.
Man kann „Messenger-Bots“ aber auch ganz nüchtern als die Software-Module, die auf den Messenger-Plattformen die Kommunikation unterstützen und automatisieren, definieren. Dafür werden keine Gelenke und Sensoren benötigt, aber eine gute Integration mit Daten und eine Benutzerführung, die Nutzer dazu motiviert, lieber mit dem Bot zu interagieren, als eine App zu verwenden.
Bei dieser Definition vergisst man am Besten alle Kunstwesen und beschäftigt sich stattdessen mit Inhalts-Strategien, mit Interaktions- und Dialog-Design, mit dem klassischen Aktivierungs-Trichter der Nutzergewinnung und ähnlichen, konkreten Themen.
Dafür benötigt es vielerlei Werkzeuge, die nachfolgend unter der Überschrift „Bot Content Management Systeme“ zusammengefasst werden.
Architektur eines Bot Content Management Systems
Ganz grob gesprochen sind in der Architektur vier Elemente zu berücksichtigen:
- Nutzerverwaltung: Wir können sich Nutzer an- und abmelden und wie läuft das rechtlich sauber ab?
- Messenger-Anbindung: Welche Messenger werden unterstützt und wie wird die Nutzer-Interaktion auf diesem Messenger gestaltet?
- Daten-Anbindung: Welche Daten werden benötigt und wie werden sie, typischerweise in Echtzeit, für die Bot-Interaktion gelesen und gespeichert?
- Bot-Funktionalität: Was genau soll der Bot funktionell leisten und wie wird diese Leistung erstellt, im Betrieb beobachtet, ausgewertet und optimiert?
Nutzer-Verwaltung und Profile
Mittlerweile sind viele digitale Dienste bekannt, bei denen sich Nutzer anmelden können bzw. zumindest durch die Nutzung ihre Zustimmung dafür geben, dass ihnen bestimmte Leistungen und Informationen angeboten werden und dabei oft auch persönliche Daten erfasst werden.
Dazu gehören normale Webseiten ebenso, wie mobile Apps, Streaming-Dienste und natürlich auch die sozialen Netzwerke und Messenger.
Auch Bot-Dienste müssen den Nutzern mitteilen, was von ihnen zu erwarten ist und welche rechtlichen Randbedingungen dabei gelten. Vom Newsletter-Marketing kennt man die gesetzlich vorgegebenen OptIn-Verfahren, bei denen der Nutzer durch explizite Aktionen seine Zustimmung geben und jederzeit einfach den Service beenden können muss. In den zugehörigen Datenschutzerklärungen muss dem Nutzer deutlich dargestellt werden, welche seiner Daten erfasst und in welcher Form verarbeitet werden.
Ein Bot Content Management System bietet die Schnittstellen, über die sich Nutzer an- und abmelden lassen und automatisiert die entsprechenden Abläufe. Technisch handelt es sich dabei oft entweder um Widgets und Plug-Ins, die der Anbieter in seine bestehenden Kanäle (Webseiten, Social Media, eMail Newsletter) integriert oder um Chat-Interaktionen, mit denen der Nutzer seine Zustimmung zum Service gibt.
Auf die Anmeldung folgt sofort die Einführung in Form von interaktiven Tutorials oder anderen Hilfen, da heute Bot-Dienste für die meisten Nutzer noch neu und daher erklärungsbedürftig sind.
Bot-Dienste werden zunehmend auf Profildaten zurückgreifen, da diese die wichtigste Voraussetzung für eine individualisierte 1:1-Unterstützung der Nutzer sind. Dabei muss genau abgewogen werden, wie die Balance zwischen Datenschutz und Personalisierung des Dienstes gestaltet wird.
Messenger-Plattform-Anbindung
Ein Messenger-Bot braucht ein Trägermedium und das sind Messenger-Plattformen wie Facebook, WhatsApp und weChat. Hier wiederholt sich für die Bot-Entwickler wieder einmal die klassische Plattform-Problematik: Jede Umgebung bietet andere Unterstützung und muss anders bespielt werden.
Facebook Messenger bietet beispielsweise einfache GUI-Elemente wie Buttons und Multimedia-Karusselle, durch die man horizontal scrollen kann.
WeChat hat bereits Transaktionsunterstützung und die Integration von Payment-Diensten. Bei WhatsApp gibt es noch keinerlei Unterstützung für graphische Abläufe.
Wenn ein Bot Content Management System mehrere Messenger-Plattformen unterstützt, so reduziert sich der Entwicklungsaufwand für breit einsetzbare Bots entsprechend und die Entwickler können sich auf die Bot-Intelligenz und Datenversorgung konzentrieren.
Daten-Integration
Ein Bot ohne Datenanbindung ist relativ nutzlos. Viele Informationsszenarien erfordern die Integration mit Datenbanken, beispielsweise für Wetterinfo, TV-Programme oder Veranstaltungs-Tipps. Neben diesen strukturierten Daten sind bei Verlagsangeboten auch Pools von Artikeln und Videoinhalten interessant, die aktualisiert, indiziert und mit den Anfragen abgeglichen werden müssen.
Auch für Einkaufsberatung oder Service-Szenarien existieren teils immens große Datenbanken, auf die der Bot zugreifen können muss, um den Nutzer gut zu unterstützen.
Der Bot benötigt daher passende Datenmodelle: Er muss verstehen, welche Daten in welcher Form verfügbar sind und wie er die Nutzeranfragen damit abgleichen kann. Ein ausgereiftes Bot Content Management System beinhaltet Modellierungsunterstützung und Mechanismen, um Daten über Standard-Schnittstellen austauschen.
Identifikation des Nutzer-Interesses: Semantische und linguistische Analysen
In der Anfangszeit der Bots wird es viele Dienste geben, bei denen noch nicht mit dem Bot in natürlicher Sprache gesprochen oder gechattet wird, sondern die Interaktion über eine begrenzten Zahl von Schlüsselworten oder Buttons erfolgt.
Ein Beispiel:
Bei einem Wetter-Bot kann es anfangs darauf beschränkt sein, einen Ortsnamen oder eine PLZ einzugeben, um das aktuelle Wetter geliefert zu bekommen. Bis ein Bot Anfragen wie „Ich möchte nächstes Wochenende segeln gehen. Wo in meiner Nähe gibt es dafür geeignetes Wetter?“ zufriedenstellend beantworten kann, sind einige Schritte nötig.
Derzeit tauchen jede Woche neue Umgebungen auf, die den Bot-Entwickler bei der semantischen Analyse der Nutzer-Eingaben unterstützen. Facebook hat bereits in 2015 die Plattform wit.ai gekauft, bei der es zunächst um Spracherkennung ging, die sich aber mittlerweile als Bot-Werkzeug positioniert und bekannt gegeben hat, dass sich bereits über 40.000 Bot-Entwickler registriert haben. Weitere Startups in diesem Umfeld sind api.ai, init.ai und ChatFuel, aber auch die großen Unternehmen wie IBM (mit Watson), Amazon, Apple und Microsoft sind alle in diesem Bereich aktiv.
Die Werkzeuge haben momentan ihre Stärken darin, Orts- und Zeitangaben in all ihren Varianten zu identifizieren und die Nutzereingaben grammatikalisch klassifizieren zu lassen. Dazu gibt es sogenannte Entities, zu denen sich Eigenschaften modellieren lassen. Eine Entity könnte eine Pizza sein und die Eigenschaften all die Pizza-Details, die der Bot verstehen muss, bevor er eine Bestellung bearbeiten kann.
Allerdings konzentrieren sich diese Umgebungen sehr stark auf die Analyse der Nutzereingabe und geben wenig Hilfe bei der Datenintegration und Beantwortung der Anfragen. Auch die Gestaltung und Umsetzung der Nutzer-Interaktion bleibt dem Entwickler derzeit noch weitgehend selbst überlassen.
Einfachere Systeme arbeiten mit Textmustern, die der Bot in den Fragen identifiziert und dann auf Antwortmuster abbildet. Bis zu ca. 100 Musterpaaren lässt sich damit ganz gut arbeiten; dann wird es zunehmend unübersichtlich.
Gedächtnis
Viele Bots werden, ähnlich wie Menschen, ein Kurzzeit- und ein Langzeitgedächtnis benötigen. Das Kurzzeitgedächtnis beinhaltet den Kontext der aktuellen Interaktion mit dem Bot, da sich viele Dialogschritte auf den vorhergehenden Austausch beziehen. Würde der Bot jede Anfrage immer ohne Kontext bewerten, so würde das für die Nutzer schnell abschreckend wirken. Niemand will Dialoge wie: „Ich will eine Fahrkarte kaufen – Wohin soll es gehen? – Nach Berlin – Was ist Ihr Interesse an Berlin? – Ich will eine Fahrkarte dorthin kaufen –Wohin wollen Sie denn?“
Für das Kurzzeitgedächtnis sind entsprechende Datenstrukturen erforderlich, die modelliert und verwaltet werden müssen und die Konversationsintelligenz muss in der Lage sein, den relevanten Kontext zu nutzen.
Das Langzeitgedächtnis ermöglicht es dem Bot, sich schneller und besser auf die Nutzerbedürfnisse einzustellen. Eine Frage wie „Was ist die Aufstellung?“ lässt sich gut beantworten, wenn der Bot weiß, dass der Nutzer ein Fußballfan ist, den BVB Dortmund als Lieblingsverein hat und in einer Stunde ein Champions League-Spiel von Dortmund beginnt. Ohne dieses Wissen entsteht ein völlig anderer Interaktions-Ablauf und der Nutzer verschwendet seine Zeit.
Persönlichkeit des Bots
Für die Abfrage von Veranstaltungsinformation oder Bahnverbindungen erwartet man schnelle Information. Punkt. Wenn es aber um Bots für Brands geht oder um spielerische Anwendungen oder Entertainment-orientierte Portale, dann wird eine ausgeprägte Bot-Personality schnell ein spannender Faktor.
In China gibt es die Bot-Dame Xiaoice, die schon zig Millionen Gesprächspartner gefunden hat und von vielen Nutzern als gute Freundin bezeichnet wird. Sie hat mittlerweile ein riesiges Repertoire an Konversations-Beispielen angesammelt, die sie mit Hilfe von Nutzerprofildaten geschickt auf die jeweiligen Konversationen anwendet.
Betrieb des Services
Je nach Bot-Typ muss mehr oder weniger Aufwand in die Betreuung des Betriebs gesteckt werden. Während ein Wetter-Bot weitgehend autonom agieren kann, wird man beim Kunden-Service den Bot eher als erste Kommunikationslinie nach vorne stellen, aber komplexere Anfragen doch an menschliche Bearbeiter weiterleiten.
Durch Beobachten der Bot-Interaktion kann man den Bot auch effektiv optimieren. Jedes Interaktionsmuster, das wiederholt auftritt, lässt sich analysieren und automatisieren.
Analytics
Wie bei Webseiten und Apps wird man auch bei Bots die elementaren Nutzer-Statistiken beobachten wollen: wie viele Nutzer interagieren wie lange mit dem Bot. Was sind die Ab- und Anmeldezahlen? Wie zufrieden sind die Nutzer? Wie viele Anfragen gehen vom Bot auf nachgelagerte Mobilseiten, die oft für die Monetarisierung des Dienste sorgen.
Darüberhinaus lassen sich alle spezifischen Interaktionsschritte auswerten. Welche Fragen wurden wie häufig gestellt? Bei welchen Antworten machen Nutzer weiter und wann verlassen sie den Dialog? Wie entwickelt sich der Trichter vom Start einer Interaktion bis zu einer gewünschten Transaktion?
Auswahl eines BCMS
Wer sich noch an die Anfangszeit der Webseiten oder der mobilen App-Entwicklung erinnert, der weiß, dass die ersten Werkzeuge noch sehr einfach waren und nur Teilaspekte abgedeckt haben. Mit der Zeit reifen diese Umgebungen und bieten immer mehr integrierte Leistung von einem einzelnen Anbieter, wobei sich dann auch verschiedene Produktschwerpunkte bilden.
Derzeit kann man gut erste Erfahrungen sammeln und lernen, was Bots von früheren Interaktionsmodellen unterscheidet. Damit schafft man sich einen Wettbewerbsvorsprung für die Zeit, wenn sich das Thema breit etabliert hat und fortgeschrittene Ideen umsetzbar sind.
Die heutigen BCMS-Ansätze sind meist noch sehr kostengünstig und nicht mit teuren Webseiten-CMS zu vergleichen. Die Kosten bestehen eher in der Auseinandersetzung mit den neuen Möglichkeiten und dem aktiven Lernen.
Viele der semantischen Analyse-Systems wie wit.ai oder api.ai bieten kostengünstige Testversionen an. Die großen Systeme wie IBM’s Watson sind dagegen nicht ganz billig und starten bei 4.000 Dollar pro Monat. Dabei ist zu beachten, dass gerade die Konversationsintelligenz vor allem in englischer Sprache unterstützt wird. In Deutschland bieten WhatsBroadcast und Spectrm bereit Messenger-Dienste und Bots an.
In dieser 4-teiligen Mini-Serie über Chatbots wurde 1) eine Einführung in Messenger-Bots gegeben, 2) Bots nach Anwendungszwecken oder Kommunikationsstrukturen klassifiziert, 3) die neuen Bot Content Management Systeme vorgestellt und 4) 7 Gründe genannt warum Bots die Apps ablösen werden.
