Cara melatih chatbot AI

Apa sebenarnya arti melatih chatbot AI

Saat alat chatbot menyebut “latih chatbot Anda”, biasanya maksudnya adalah memberinya pengetahuan Anda sendiri sebagai sumber jawaban. Model bahasanya sendiri tetap sama: saat pengunjung bertanya, chatbot mencari bagian yang relevan dari konten Anda dan menulis jawaban yang berpijak padanya. Ini disebut retrieval-augmented generation (RAG). Bayangkan seperti ujian buku terbuka — bot tidak menghafal bisnis Anda, ia membaca materi Anda setiap kali.

Untuk website bisnis, basis pengetahuan ditambah instruksi yang jelas sudah mencakup hampir semua kasus. Fine-tuning hanya sepadan jika Anda butuh model berperilaku dengan cara yang sangat spesifik dan konten Anda jarang berubah.

Cara melatih chatbot AI langkah demi langkah

1. 1.

   Tentukan tujuan chatbot

   Dukungan, pertanyaan penjualan, pemesanan, jawaban di luar jam kerja — pilih satu tugas terlebih dahulu. Tujuan yang sempit menunjukkan konten mana yang penting dan cara mengukur keberhasilan.

2. 2.

   Kumpulkan pengetahuannya

   Website, FAQ, kebijakan, daftar harga, panduan produk, dan pertanyaan yang benar-benar dikirim pelanggan kepada Anda.

3. 3.

   Rapikan

   Hapus halaman usang, selesaikan pertentangan, dan gunakan nama yang sama untuk hal yang sama di mana-mana.

4. 4.

   Tambahkan ke chatbot

   Arahkan chatbot ke website Anda, lalu unggah file dan tulis pasangan tanya-jawab untuk hal yang tidak disebutkan di situs.

5. 5.

   Tulis instruksinya

   Beri peran, nada, dan aturan: apa yang dikatakan soal harga, topik mana yang dihindari, kapan menawarkan orang.

6. 6.

   Uji dengan pertanyaan nyata

   Ajukan pertanyaan teratas Anda, ubah susunan kalimatnya, ajukan pertanyaan lanjutan, dan tanyakan hal yang seharusnya tidak diketahuinya.

7. 7.

   Luncurkan dan belajar dari percakapan

   Baca chatnya, temukan pertanyaan yang tidak terjawab, tambahkan jawaban yang kurang, lalu uji lagi.

Tetapkan tujuan dan cara mengukurnya

Chatbot yang dilatih untuk “menjawab semuanya” sulit dinilai. Sebutkan masalah yang dipecahkannya — balasan email dukungan yang lambat, pertanyaan pra-penjualan yang sama setiap hari, tidak ada yang menjawab di luar jam kerja — dan pilih dua atau tiga angka untuk dipantau:

• Waktu respons pertama — seberapa cepat pengunjung mendapat jawaban yang berguna.

• Selesai tanpa bantuan — chat yang berakhir tanpa campur tangan orang.

• Eskalasi — seberapa sering pengunjung meminta berbicara dengan manusia, dan tentang topik apa.

• Pertanyaan tak terjawab — apa yang tidak bisa ditemukan bot di pengetahuannya.

Tetapkan ekspektasi yang realistis. Dalam studi Elfsight sendiri terhadap 2.498 tiket dukungan yang dijawab pertama kali oleh asisten AI selama tiga minggu, 89% jawaban AI berisi informasi yang berguna, 17% tiket diselesaikan sepenuhnya oleh AI sendiri, dan 5% jawaban salah atau tidak membantu. Perubahan terbesar ada pada kecepatan: balasan berguna pertama datang dalam 2–5 menit, bukan 1–2 hari kerja.

Data apa yang dipakai untuk melatih chatbot AI

Kualitas jawaban jauh lebih bergantung pada konten daripada modelnya. Mulailah dari pertanyaan yang benar-benar diajukan orang, bukan dari semua yang Anda miliki:

• Website Anda — halaman produk dan layanan, harga, pengiriman, pengembalian, kontak.

• Riwayat dukungan — email, tiket, dan log chat menunjukkan pertanyaan nyata dan kata-kata yang dipakai pelanggan.

• Kebijakan dan dokumen — ketentuan, manual, daftar harga, menu, panduan onboarding.

• Jawaban yang tepat — pasangan tanya-jawab untuk pertanyaan yang susunan katanya penting, seperti pengembalian dana atau ketentuan hukum.

Studi tiket Elfsight menemukan perbedaan yang tajam: file pengetahuan yang berupa halaman produk dan teks pemasaran yang ditulis ulang menghasilkan jawaban hambar dan generik, sedangkan file yang ditulis oleh orang yang telah membaca ratusan tiket dukungan menghasilkan jawaban yang bisa langsung dipakai pelanggan. Catatan pemecahan masalah yang diakhiri dengan “jika ini tidak membantu, kirimkan kepada kami…” juga mengajari bot untuk meminta detail yang tepat sebelum menyerahkan tiket ke orang.

Cara memilih, merapikan, dan menyusun konten ini dibahas dalam panduan tersendiri: cara membuat basis pengetahuan chatbot.

Cara melatih chatbot AI dengan konten website Anda

Website Anda adalah titik awal tercepat, karena sudah menjawab sebagian besar pertanyaan pelanggan. Sebagian besar builder chatbot tanpa kode memungkinkan Anda memasukkan alamat situs: alat tersebut membaca halaman-halamannya dan mengubahnya menjadi pengetahuan bot. Lalu:

1. 1.

   Tinjau halaman yang dibacanya

   Hapus halaman yang akan membingungkannya — promo lama, berita yang diarsipkan, landing page duplikat.

2. 2.

   Tambahkan apa yang tidak disebutkan situs

   Unggah dokumen, dan tulis catatan singkat untuk jam buka, aturan pengiriman, atau pengecualian yang biasa Anda jelaskan lewat telepon.

3. 3.

   Tetapkan jawaban penting

   Gunakan pasangan tanya-jawab untuk pertanyaan yang jawabannya harus selalu sama persis.

Ajari cara berperilaku: instruksi vs pengetahuan

Pengetahuan memberi tahu chatbot apa yang benar; instruksi memberi tahu cara bertindak. Pisahkan keduanya: “Batas waktu pengembalian kami 30 hari” masuk ke basis pengetahuan, “Bersikaplah ramah dan ringkas, dan tawarkan orang untuk permintaan pengembalian dana” masuk ke instruksi.

• Peran — siapa dia bagi pengunjung Anda: dukungan, asisten penjualan, resepsionis.

• Nada dan panjang — ramah atau formal, jawaban singkat atau rinci.

• Aturan — topik yang dihindari, apa yang dikatakan soal harga, kapan mengumpulkan kontak.

• Batasan — minta ia mengakui saat tidak tahu, alih-alih menebak.

• Pengalihan — kapan dan bagaimana menawarkan orang dari tim Anda.

Patokan praktis dari studi tiket Elfsight: jika jawabannya berupa informasi, chatbot bisa memberikannya; jika jawabannya berupa tindakan — pengembalian dana, perubahan akun, pengecekan pengaturan milik pelanggan — tetap dibutuhkan orang untuk turun tangan. Latih bot untuk menjelaskan situasinya dan mengumpulkan apa yang akan dibutuhkan tim Anda.

Uji chatbot sebelum peluncuran

Ajukan sendiri pertanyaannya sebelum pengunjung melakukannya:

• 10–15 pertanyaan Anda yang paling umum.

• Pertanyaan yang sama dengan tiga susunan kalimat berbeda — ini menguji pemahaman, bukan kecocokan kata kunci.

• Perubahan terbaru: harga baru, kebijakan baru, produk baru.

• Pertanyaan lanjutan, untuk melihat apakah ia mengingat konteks.

• Pertanyaan yang seharusnya tidak dijawabnya — produk pesaing, layanan yang tidak Anda tawarkan. Ia sebaiknya mengatakan tidak tahu, bukan mengarang jawaban.

Setiap jawaban yang salah menunjukkan apa yang perlu diperbaiki: konten yang kurang, dua dokumen yang tidak sejalan, atau instruksi yang perlu diperjelas.

Terus sempurnakan setelah peluncuran

Pelatihan tidak berakhir saat peluncuran — pengunjung sungguhan menanyakan hal yang tidak Anda duga. Jadikan tinjauan singkat sebagai kebiasaan:

1. 1.

   Baca percakapannya

   Cari jawaban yang salah, jawaban yang tidak jelas, dan pertanyaan yang muncul lebih dari sekali.

2. 2.

   Isi celahnya

   Tambahkan jawaban yang kurang ke basis pengetahuan sekali saja, dan setiap pengunjung berikutnya akan mendapatkannya.

3. 3.

   Perbarui setiap ada perubahan

   Produk baru, harga baru, jam buka hari libur, atau website yang didesain ulang harus sampai ke bot pada hari yang sama.

4. 4.

   Jangan hanya mengandalkan rating

   Dalam studi Elfsight, hanya 12% pelanggan yang mengklik tombol umpan balik, dan pelanggan yang tidak puas paling mungkin mengkliknya. Padukan rating dengan tinjauan chat Anda sendiri.

Elfsight AI Chatbot membantu siklus ini: pertanyaan yang tidak bisa dijawabnya muncul sebagai celah pengetahuan, Anda menjawabnya sekali dan agen belajar dari balasan Anda, dan setiap chat tersimpan di riwayat chat Anda.

Melatih ChatGPT dengan data Anda sendiri

Jika Anda ingin ChatGPT sendiri mengenal bisnis Anda, ada tiga cara yang umum:

• Custom GPT — di GPT builder ChatGPT, Anda mendeskripsikan asisten, mengunggah dokumen sebagai pengetahuannya, dan menulis instruksi. Tanpa kode, tetapi asisten ini berada di dalam ChatGPT, bukan di website Anda.

• API dengan retrieval — developer menyimpan dokumen Anda dalam indeks yang bisa dicari dan meneruskan bagian yang relevan ke model bersama setiap pertanyaan. Ini adalah pendekatan RAG yang sama dengan yang dipakai chatbot website.

• Fine-tuning lewat API — Anda menyiapkan contoh percakapan (pertanyaan dan jawaban yang Anda inginkan) lalu melatih versi kustom dari sebuah model. Cara ini butuh contoh yang bersih dan pelatihan ulang setiap kali informasi Anda berubah.

Cara mana pun yang Anda pilih, aturannya sama: dokumen yang fokus dan tertata lebih unggul daripada tumpukan file yang besar; jangan pernah menaruh kata sandi, key, atau data pribadi di instruksi atau pengetahuan yang bisa diakses publik; dan periksa kontrol data penyedia untuk melihat bagaimana unggahan Anda digunakan. Untuk chatbot di website Anda sendiri, builder tanpa kode yang menangani retrieval untuk Anda biasanya jalan yang lebih singkat.