We ontwikkelden een chatbot voor Allerhande en optimaliseerden het aantal nieuwe en terugkerende bezoekers. Hoe? Door middels intensieve data analyse inzichten op te doen en om te zetten naar acties die daadwerkelijk bijdragen aan het verbeteren van het product.
Hoe presteert onze Allerhande Chatbot, op welke manier zouden wij hier activatie verbeteringen in door kunnen voeren en op welke manier zou je feedback over het gebruik kunnen verzamelen?
Aan de hand van de Pirate Metrics hebben we samen met Albert Heijn in een sessie de belangrijkste metrics voor de Allerhande Chatbot in kaart gebracht. Deze metrics hebben we inzichtelijk gemaakt middels een realtime dashboard dat inzicht geeft in hoe de chatbot presteert.
Het doen van analyses van een chatbot vraagt om een andere aanpak dan het analyseren van websites of apps. Een chatbot bestaat uit een drie dimensionaal gesprek, waarin naast de vooraf bepaalde routes ook diverse unieke routes ontstaan op basis van de input van de gebruiker. Door eerst te focussen op de grote lijnen hebben we kansen gedefinieerd die middels een optimalisatie backlog inzichtelijk zijn gemaakt.
De optimalisatie backlog was het startpunt van de continue optimalisatie flow voor het verbeteren van de ervaring van de gebruiker middels diverse experimenten. Door niet alleen de data te analyseren maar ook de beoordeling van de gebruiker continu te monitoren wisten we verbeteringen in de flow van de chatbot en de waardering van de gebruiker door te voeren.
24% van de gebruikers van de Allerhande Chatbot wist in eerste instantie het "wow-moment" (moment van daadwerkelijk gebruik) te ervaren, door optimalisatie hebben we dit verhoogd naar 36%. Tevens hebben we door uitgebreide analyse en het experimenteren met de frequentie van berichten de rentende over een week verhoogd van 48% naar 65%!
Sinds enkele jaren zijn we gespecialiseerd in Data Driven Optimisation. Wij willen graag met jou samenwerken, waar kunnen we bij helpen?