Jak měřit, jestli AI chatbot vydělává: od odpovědí až po objednávky

AI chatbot se často hodnotí podle toho, kolik zpráv zodpověděl. To je ale slabá metrika. Vysoký počet odpovědí může znamenat užitečný nástroj, ale také špatný web, nejasné informace nebo zákazníky, kteří se motají v nákupním procesu. Správné měření musí ukázat, jestli chatbot šetří čas, zvyšuje šanci na nákup a nezhoršuje zákaznickou zkušenost.

Tři vrstvy měření

První vrstva je operativní: kolik dotazů chatbot odbavil, kolik jich předal člověku a kde selhal. Druhá vrstva je obchodní: kolik zákazníků kliklo na doporučený produkt, pokračovalo do košíku nebo dokončilo objednávku. Třetí vrstva je kvalitativní: které odpovědi byly označené jako neužitečné, které dotazy se opakují a jaké informace na webu chybí.

Pro majitele e-shopu je důležité držet tyto vrstvy odděleně. Operativní data říkají, jestli widget funguje. Obchodní data říkají, jestli pomáhá nákupu. Kvalitativní data ukazují, co zlepšit v produktech, FAQ nebo obchodních pravidlech.

Základní metriky

Měřte tyto hodnoty: počet otevření widgetu; počet položených dotazů; počet AI odpovědí; podíl vyřešených dotazů bez člověka; podíl předání člověku; podíl fallback odpovědí; počet kliků na doporučené produkty; asistované konverze; počet leadů; průměrná délka konverzace; nejčastější témata dotazů.

Tyto metriky dávají smysl jen tehdy, když jsou napojené na konkrétní scénáře. Jinak bude dashboard plný čísel, která nikomu neřeknou, co udělat dál.

Praktické vzorce

• Odhad úspory podpory: vyřešené rutinní dotazy × průměrný čas ruční odpovědi × náklad na minutu.
• Produktový přínos: kliknutí na doporučený produkt / počet relevantních konverzací.
• Handoff rate: konverzace předané člověku / všechny konverzace.
• Fallback rate: odpovědi typu nevím / všechny AI odpovědi.
• Asistovaná konverze: objednávky po interakci s chatbotem / návštěvy s interakcí s chatbotem.

Doporučené GA4 eventy

Implementujte eventy chatbot_open, chatbot_question_sent, chatbot_ai_answer_shown, chatbot_product_recommendation_shown, chatbot_product_click, chatbot_handoff_requested, chatbot_lead_submitted, chatbot_fallback, chatbot_order_status_requested a chatbot_feedback_submitted.

U produktového kliku posílejte minimálně product_id, product_name, category, recommendation_source, conversation_id a page_location. U handoffu posílejte důvod předání, například complaint, unknown_answer, pricing, order_issue nebo human_requested.

Pokud měření teprve připravujete, začněte s menším rozsahem. Důležité je, aby eventy byly pojmenované konzistentně ve widgetu, webu i reportingu. Z pohledu zákazníka je to pořád jeden AI chatbot pro e-shop, i když technicky sbíráte data z více míst.

Co zobrazit v Looker Studiu

Dashboard má být jednoduchý. Majitel e-shopu potřebuje vidět počet konverzací, podíl vyřešených dotazů, nejčastější témata, kliky na produkty, asistované objednávky, handoff rate a fallback rate. Pro tým podpory je důležitější seznam dotazů, na které chatbot neuměl odpovědět. Ten je vstupem pro zlepšování FAQ, produktových dat a obchodních pravidel.

Co neměřit jako hlavní KPI

Neberte jako hlavní KPI počet zpráv, počet tokenů ani samotný počet otevření widgetu. Tyto metriky jsou užitečné pro provoz, ale neříkají, jestli chatbot přinesl peníze nebo ušetřil práci. Hlavní KPI má být navázané na obchodní výsledek: úspora času, vyšší proklik na produkty, lepší konverzní poměr nebo méně nevyřízených dotazů.

Závěr

AI chatbot má být měřený stejně jako jiný obchodní nástroj. Nestačí, že odpovídá. Musí být jasné, které odpovědi pomohly zákazníkovi, které ušetřily týmu práci a které vedly k nákupu.