Voicebot czy chatbot? Co wybrać dla swojej firmy

Pytanie „voicebot czy chatbot" brzmi jak wybór między dwiema technologiami. W praktyce to wybór między dwoma sposobami, w jakie klienci już dziś próbują się z Wami skontaktować. Jedni dzwonią, drudzy piszą. Zwykle jedni i drudzy naraz, tylko w różnych proporcjach. I to te proporcje powinny zdecydować, a nie moda na głosowe AI.

Od razu zdejmijmy z tego ciężar ostatecznej decyzji. Wybór nie jest na zawsze. Pod spodem siedzi ta sama baza wiedzy o firmie i te same integracje, zmienia się tylko interfejs: raz jest nim telefon, raz okno czatu. Firmy, które zaczynają od jednego kanału, po kilku miesiącach zwykle dokładają drugi. Wychodzi taniej niż budowanie obu naraz od zera.

Na start i tak trzeba wybrać jeden, bo równoległe wdrażanie dwóch kanałów wydłuża projekt i rozmywa odpowiedzialność za wynik. Poniżej pokazujemy, jak różnice między chatbotem a voicebotem przekładają się na koszt, czas wdrożenia i typ obsłużonych spraw. No i kiedy który wygrywa. Jest też osobny kawałek o tym, gdzie głos się wykłada, oraz akapit o firmach, w których nie opłaca się żaden z nich.

Zacznij od tego, jak dzwoni i pisze Wasz klient

Najprostszy test trwa dwa dni i nie kosztuje nic. Poproście zespół, żeby przez ten czas zapisywał każdy kontakt w dwóch kolumnach: telefon albo wiadomość. Potem dopiszcie przy każdym wpisie, czego sprawa dotyczyła i czy dało się ją zamknąć od ręki. Ta kartka powie o wyborze więcej niż dowolne porównanie funkcji.

Na proporcje wpływa przede wszystkim to, kim są Wasi klienci. Osoby po sześćdziesiątce, kierowcy, ekipy budowlane, rolnicy, pacjenci umawiający wizytę: ci dzwonią. Nie dlatego, że nie umieją napisać. Dlatego, że mają zajęte ręce albo chcą mieć pewność, że sprawa została załatwiona. Klienci młodsi, przyzwyczajeni do komunikatorów, częściej napiszą, zwłaszcza jeśli sprawa nie jest pilna, a odpowiedź może poczekać do wieczora.

Drugi czynnik to branża. W transporcie, warsztatach, usługach medycznych, u dostawców gazu czy w nieruchomościach telefon jest kanałem domyślnym. W e-commerce, SaaS, edukacji i wszędzie tam, gdzie klient siedzi już przy ekranie, czat wygrywa bez dyskusji. Trzeci czynnik to pilność. Sprawa, którą trzeba załatwić teraz (awaria albo przekładany zabieg), idzie telefonem. Sprawa, która może poczekać, idzie tekstem.

Jeśli po tych dwóch dniach okaże się, że osiemdziesiąt procent kontaktów to telefony, a formularz na stronie milczy, dyskusja o chatbocie jest głównie akademicka. I odwrotnie.

Chatbot a voicebot, czyli różnice, które naprawdę decydują

Poniżej zestawienie w kategoriach, o które klienci pytają najczęściej. Wdrożenie obu zaczyna się u nas od 5 000 zł netto, więc różnica nie leży w cenie startowej, tylko w tym, co dzieje się później.

• Koszt bieżący. Chatbot generuje głównie abonament utrzymaniowy, od 249 do 799 zł netto miesięcznie. Voicebot ma dodatkowo koszt zmienny: numer i minuty u operatora telefonii oraz przetwarzanie rozliczane od czasu rozmowy. Ten rachunek płacicie operatorowi bezpośrednio i rośnie razem z ruchem.
• Czas wdrożenia. Oba mieszczą się w 2 do 4 tygodni przy mniejszym zakresie i w 1 do 3 miesięcy przy większym. Voicebot zwykle ląduje w górnej części tych widełek, bo dochodzi konfiguracja telefonii i strojenie rozmowy: tempa, przerw, reakcji na przerwanie w pół zdania.
• Typ spraw. Czat lepiej radzi sobie z długimi odpowiedziami, listami, linkami i wszystkim, co klient chce przeczytać ponownie. Głos wygrywa przy sprawach krótkich i konkretnych: jedna informacja, jedna decyzja, koniec rozmowy.
• Dostępność. Oba działają całą dobę, tylko inaczej. Chatbot obsłuży pięćdziesiąt rozmów jednocześnie i żadna nie czeka w kolejce. Voicebot też odbiera równolegle, ale klient dowiaduje się o tym dopiero po podniesieniu słuchawki. Dla wielu osób sam fakt, że ktoś odebrał o dwudziestej drugiej, jest ważniejszy niż to, kto odebrał.
• Trudność utrzymania. Chatbota poprawia się szybciej, bo widać całą transkrypcję i łatwo znaleźć miejsce, w którym rozmowa poszła nie tam. Przy voicebocie dochodzi warstwa rozpoznawania mowy. Hałas w tle, gwara, nazwy własne i literowanie nazwisk to realne problemy, które trzeba przetestować na żywych połączeniach. Tego akurat nie da się odhaczyć przy biurku.
• Załączniki i dowód. Czat pozwala klientowi wysłać zdjęcie uszkodzonego towaru czy plik, a rozmowa zostaje w historii do wglądu. Przez telefon tego nie zrobicie. Voicebot może najwyżej wysłać SMS-a albo maila z podsumowaniem po zakończeniu połączenia.

Kiedy voicebot wygrywa

Agent głosowy ma przewagę wszędzie tam, gdzie klient nie ma jak albo nie chce pisać. Kierowca w trasie nie wyjmie telefonu, żeby wystukać pytanie w oknie czatu. Pacjent, któremu przesunięto termin zabiegu, chce usłyszeć potwierdzenie, a nie wyławiać je spomiędzy innych powiadomień. Osoba starsza często w ogóle nie szuka czatu na stronie. Szuka numeru telefonu.

Druga przewaga to pilność. Gdy sprawa jest nagła, ludzie dzwonią, bo rozmowa daje natychmiastową odpowiedź. Jeśli w Waszej firmie po godzinach dzwoni telefon, którego nikt nie odbiera, voicebot zajmuje się problemem, którego chatbot nawet nie dotyka. Te połączenia po prostu przepadają i nikt ich nie liczy.

Trzecia: kanał, który już działa. Jeśli klienci od lat dzwonią pod ten sam numer, agent głosowy wchodzi w istniejący nawyk. Nie trzeba nikogo uczyć nowego sposobu kontaktu ani przekonywać, żeby wszedł na stronę. Zbudowaliśmy demo agenta rozkładowego dla PKS Gryfice: sześć przystanków, 276 odjazdów, z podaniem źródła danych. Podręcznikowy przykład takiej sytuacji. Zaznaczamy przy okazji uczciwie, że PKS Gryfice nie jest naszym klientem. To nasze własne demo zbudowane na ich publicznych danych rozkładowych.

Chcesz usłyszeć różnicę zamiast o niej czytać? Pod adresem asystenci-glosowi.vercel.app stoi pięciu asystentów branżowych: Tomek dla transportu, Ewa dla medycyny, Zofia dla nieruchomości, Ola dla usług i Kuba dla administracji. Kilka minut z nimi zwykle rozstrzyga dyskusję szybciej niż tabela porównawcza.

Kiedy chatbot wygrywa

Czat wygrywa wszędzie tam, gdzie odpowiedź jest dłuższa niż dwa zdania. Lista dokumentów potrzebnych do wniosku, kroki konfiguracji, warianty cenowe, link do formularza. Tego przez telefon nie da się sensownie przekazać. Klient nie zapamięta siedmiu punktów podanych głosem, a proszenie o powtórzenie trzeci raz kończy rozmowę frustracją.

Do tego dochodzi wielokanałowość. Jeden agent tekstowy może stać jednocześnie na stronie, na WhatsAppie, w Messengerze, na Telegramie, w Slacku i Teamsach. Obsługujemy ponad 23 kanały. To jedna baza wiedzy i jedna konfiguracja zamiast trzech osobnych kolejek do tego samego przeciążonego pracownika. Voicebot z definicji żyje w jednym kanale, którym jest telefon.

Trzeci powód to załączniki i dowody. Reklamacja ze zdjęciem, skan dokumentu, zrzut ekranu z błędem, numer faktury przepisany bez pomyłki. To wszystko działa tylko w kanale tekstowym. Podobnie z sytuacjami, w których klient chce mieć rozmowę na piśmie: potwierdzenie warunków, ustalenia, historia zgłoszenia do wglądu za miesiąc.

No i czwarty: klienci, którzy nie chcą rozmawiać. Duża część osób unika telefonów świadomie i pisze właśnie dlatego, że nie musi z nikim rozmawiać. Zmuszanie ich do połączenia głosowego niczego nie przyspiesza, tylko stawia im przeszkodę. W e-commerce, SaaS i usługach zdalnych to zwykle większość klientów.

Gdzie głos się wykłada

Tego akapitu nie ma w prezentacjach sprzedażowych agentów głosowych, a przesądza o powodzeniu częściej niż cokolwiek innego. Głos nie przegrywa z tekstem na całej linii. Przegrywa w konkretnych, powtarzalnych sytuacjach, które da się wypisać z góry i sprawdzić u siebie w piętnaście minut.

Najczęstsza: ciągi znaków. Adres e-mail, numer zamówienia z literami, numer rachunku, VIN, kod rabatowy. Przez telefon trzeba je literować, a na słabym połączeniu „b" i „p" brzmią prawie identycznie, podobnie „m" i „n". Nawet gdy agent zrozumie za pierwszym razem, i tak wypada potwierdzić, więc rozmowa się wydłuża i tak czy inaczej kończy się SMS-em z podsumowaniem. W czacie klient wkleja to jednym ruchem. Jeśli taki ciąg pada u Was w każdej rozmowie, to praktycznie przesądza sprawę na korzyść tekstu.

Potem nazwy własne. Rozpoznawanie mowy dobrze radzi sobie z całymi zdaniami, gorzej z pojedynczym słowem spoza słownika. Nazwy leków, oznaczenia części zamiennych, nazwisko z „rz" w środku, miejscowość, o której nikt poza powiatem nie słyszał. Dlatego w voicebotach zawsze projektujemy potwierdzenie zamiast ślepego zapisania tego, co agent usłyszał. Kosztuje kilka sekund rozmowy, oszczędza telefon od zdenerwowanego klienta następnego dnia.

Dalej akustyka. Warsztat, hala, ulica, zestaw głośnomówiący w jadącym aucie. Tego nie da się naprawić żadnym promptem. Da się ustawić agenta tak, żeby po dwóch nieudanych próbach przestał się dopytywać i przełączył rozmowę do człowieka albo odesłał SMS-a z linkiem. Testujemy to na żywych połączeniach przed startem, nie na czystych nagraniach, bo przy biurku i na dobrym łączu wszystko zawsze brzmi świetnie.

O tej mało kto myśli, a jest najbardziej bolesna: klienci, którzy nie mogą albo nie chcą mówić. Osoba niesłysząca lub z wadą wymowy jest z kanału głosowego po prostu wykluczona. Ktoś w pociągu, w biurze pełnym ludzi albo w poczekalni nie powie na głos, jaki wynik badania odbiera ani ile zalega z ratą. Sprawy wstydliwe i wrażliwe idą tekstem, niezależnie od tego, jak dobry jest agent.

I na koniec wracanie do sprawy. Czat ma wątek, klient otwiera go po dwóch dniach i widzi, na czym stanęło. Telefon zaczyna się od zera, chyba że agent ma dostęp do notatek z poprzedniej rozmowy, a to trzeba dobudować osobno. No i koszt. Tę samą odpowiedź czyta się szybciej, niż da się jej wysłuchać, a przez telefon płacicie operatorowi za każdą minutę. Przy długich, opisowych odpowiedziach głos wypada drożej i nikt tego nie obejdzie.

Kiedy żadne z nich nie ma sensu

Uczciwie: bywają firmy, w których ani voicebot, ani chatbot się nie zwróci. Lepiej usłyszeć to na bezpłatnej konsultacji niż po podpisaniu umowy.

Pierwszy przypadek to mały wolumen. Kilka kontaktów dziennie, z którymi zespół radzi sobie bez stresu, nie uzasadnia wdrożenia ani abonamentu. Drugi to sprawy niepowtarzalne. Jeśli każda rozmowa jest inna, a jej sednem jest negocjacja albo ocena nietypowej sytuacji, nie ma czego automatyzować. Trzeci to brak uporządkowanej wiedzy: agent powtórzy klientowi to, czego go nauczymy, więc jeśli w firmie nie ma zgody, jak brzmi aktualny cennik i procedura reklamacji, najpierw trzeba zrobić porządek. Zwykle zajmuje to więcej czasu, niż ktokolwiek zakładał na starcie.

Jest też czwarty, rzadziej wymieniany: procesy, w których nie chcecie oddać decyzji maszynie. Kwalifikacja medyczna, decyzja kredytowa, wycena szkody, cokolwiek z ryzykiem prawnym. Agent może w nich zebrać dane i przygotować sprawę, ale ostatnie słowo powinien mieć człowiek. Tak to projektujemy i nie zamierzamy tego zmieniać.

Co trzeba mieć gotowe, zanim zaczniemy

Niezależnie od tego, który kanał wybierzecie, trzy rzeczy muszą przyjść z Waszej strony i nikt ich za Was nie wymyśli. Wyciąg pytań z ostatniego miesiąca, najchętniej surowy: zrzut z maili, notatki z telefonów, historia czatu. Trzydzieści do pięćdziesięciu najczęstszych spraw w zupełności wystarczy na start. Aktualny cennik i procedura reklamacji w jednym pliku, wcześniej uzgodnione wewnątrz, bo agent powtórzy klientowi dokładnie to, co dostanie. I jedna osoba, która rozstrzyga, gdy dwa działy mają inne zdanie na temat tej samej odpowiedzi. Ten ostatni punkt wygląda błaho, a wywraca najwięcej terminów.

Do tego lista spraw, których agent nie tyka. Na piśmie, przed startem, nie po pierwszej wpadce. Przy voicebocie dochodzą jeszcze dwie decyzje. Czy bierzecie nowy numer, czy przepinacie istniejący (przepięcie jest wygodniejsze dla klientów, ale wymaga ustaleń z operatorem). I jak brzmi powitanie, w którym agent mówi wprost, że jest asystentem AI. To drugie nie podlega u nas negocjacji.

Dlaczego często warto oba i od którego zacząć

W większości firm, z którymi rozmawiamy, docelowa odpowiedź brzmi „oba", tylko nie naraz. Klienci nie dzielą się na dzwoniących i piszących. Ten sam człowiek zadzwoni, gdy coś się pali, a napisze, gdy chce w spokoju porównać oferty. Sensowne pytanie dotyczy więc kolejności, a nie wyboru raz na zawsze.

Zaczynajcie od kanału, w którym dziś tracicie najwięcej. Jeśli w firmie leżą nieodebrane telefony po godzinach i w szczycie, zaczynajcie od głosu. Jeśli wiadomości z WhatsAppa i Messengera czekają po kilka godzin, a strona nie ma czatu, zaczynajcie od tekstu. Kryterium jest strata, nie atrakcyjność technologii. Agent głosowy brzmi ciekawiej na spotkaniu zarządu, co nie znaczy, że u Was przyniesie więcej.

Dokładanie drugiego kanału jest wyraźnie tańsze niż pierwszego, bo baza wiedzy, integracje i logika rozmowy już istnieją. Dochodzi głównie nowy interfejs i testy. Oba kanały mogą korzystać z tej samej wiedzy, więc zmiana w cenniku aktualizuje się w jednym miejscu, a nie w dwóch. Dane w obu przypadkach trzymamy na serwerach w Polsce i Unii Europejskiej, zgodnie z RODO i w oparciu o standardy zgodne z ISO 27001.

Jeśli nie potraficie rozstrzygnąć, w którym kanale tracicie więcej, to zwykle znak, że nikt tego jeszcze nie policzył. Na bezpłatnej konsultacji przechodzimy przez to razem, a wstępny rachunek możecie zrobić sami w kalkulatorze pod adresem /kalkulator.

Częste pytania

Zobacz także