Mein Fazit: Wow, diese Ladies auf dem Panel haben wirklich Inhalte geliefert und die Probleme aufgedeckt. Buy Button nicht verdenken mit Pop-ups. Kein Witz, das kommt vor. Testing besser organisieren. Sprachsuche liegt quasi seit 2 Jahren brach und wird nur von ebay bedient, weil die Daten in vielen Shops schlicht nicht verfügbar sind. Chatbots brauchen noch Business-Modelle. Die Herausforderung ist, dass Menschen sehr komplex fragen und mit einem Konversations-Baum nicht beizukommen ist. Jetzt sollte man wirklich anfangen, die Daten aufzubereiten und APIs anbieten. Bots dauert noch etwa 2 Jahre. Voice-Suche 2 – 3 Jahre, aber Menschen suchen mit Fragen und vermehrt via Sprache. AR, VR dauert noch 5 Jahre bis zu realen Anwendungen mit Business-impact. „Ich hoffe, es gibt bald eine AI, die für mich bestellt (bis 7 Jahre) ich möchte nicht mehr einkaufen. AI gerne automatisch shoppen.,“ sagt Antonia von ChatShopper. „Ich würde meine Privicy aufgeben damit andere für mich shoppen.“, Isabel, ehm. CTO von Siroop. Bitte mehr von solch kompetenten Leuten auf der Bühne. SBB wirkte etwas schwach in meinen Augen. Und 28 Km im Stau stehen würde Malte dann doch lieber virtuell, sagt er zu als Jeannine Pilloud, SBB.

Der Beitrag ist live blogging (ggf. Typos, sorry).

das erste Panel (zufällig nur Frauen) mit echtem Inhalt und geradlinigen Aussagen Geht zwar mehr um Chatbots als um Desktop-sterben, Suche muss erstmal gelöst sein und machine learning verstanden. Dort sind wir noch nicht angekommen. Erstmal in Richtung Automatisierung #dcomzh pic.twitter.com/bImyGWSUik

— Su Franke (@sufranke) May 23, 2018

Podium mit Jeannine Pilloud (SBB / ÖV-Branchenentwicklung), Antonia Ermacora (chatShopper) und Isabel Steiner, Ex-CEO bei Siroop.

Siroop

Learnings: Herausforderung aus technischer Sicht, eine Seite nicht mehr für Desktop zu realisieren. Wir hatten Apps, aber nur in Beta. Testprozesse ist herausfordernder, als immer wieder angenommen. Mobile Anteile wären viel höher, wenn sich „nicht alle auf falsche Daten beziehen würden“. Mehr testen, dann entdeckt man auch intern, wenn mobile Pop-ups den Buy Button verdecken. Ich würde meine Privicy aufgeben damit andere für mich shoppen, sagt Isabel noch im Podium.

SBB

Ich hätte ja zugern mal Feedback gegeben zur mobile App, die auf meinem google Pixel einfach nicht rund läuft, aber dafür hätte die Dame auf der Bühne sicher eine gute Erklärung. next.
Wir haben das ganze Spektrum an Kunden, wir können nicht segmentieren. Die Kanäle müssen offen sein. Leute folgen nicht sofort der neusten Technologie. Verhaltensänderung dauern bis 25 Jahre, sagt J. Pilloud. Die Selbstbedienungsquote ist hoch, aber täuscht darüber hinweg, dass das Automaten sind. Es gibt noch welche, wo 1 – 2 Ticket pro Woche verkauft werden, diese sind viel zu teuer im Unterhalt. Wir können sie erst ersetzen, wenn wir adäquatem Ersatz bieten können. Es gibt oft durch Politiker noch „Bremsen“ (sinngemäss). Abo ist Gewohnheit in der Schweiz (sinngemäss). Berührungsängste sind riesig. Thema machine learning ist noch zu wenig verstanden, grundsätzlich. Suche muss erstmal gelöst werden, bevor man mit machine learning arbeitet. Mensch und Algorithmus müssen näher zusammenwachsen. Mobile ist wichtig. Ticket per Chat ordern ist jetzt schon möglich indirekt.

ChatShopper

Diese junge Frau auf der Bühne ist mein Highlight. Antonia Ermacora.

Antonia Ermacora (Foto Boris Baldinger)

Sehr fundiertes Know-how und in der Lage zu erklären. Bots dauert noch etwa 2 Jahre. Voice-Suche 2 – 3 Jahre. AR, VR noch 5 Jahre. Ich hoffe, es gibt bald eine AI, die für mich bestellt (bis 7 Jahre) ich möchte nicht mehr einkaufen.
Jedes Unternehmen wird auch via FB Messanger schon angeschrieben. Bei uns heisst der Chatbot Emma. Man muss nicht immer wieder von vorne anfangen, alles zu programmieren. Context und Conversation und Verstehen von natürlicher Sprache ist der Mehrwert. Für mich ist es nur ein neues Frontend (mit gleicher Technologie).

Use-Case Chatbot? Derzeit gibt es noch keine guten Bots, die wirklich Konversation betreiben. Der Fokus ist im Bereich Marketing (Newsletter mit Whatsapp ersetzen) und Customer Service. Darum ist es noch nicht relevant genug. Es gibt noch keine richtige Bot-Story. Marketing kann nicht wie ein Ad vermarkten mit einem Bot. Es gibt noch kein tragbares Business Model für Chatbots, auch Backends schaffen es noch nicht. NLU (Teil vom deep learning) wird noch massiv unterschätzt, auch wir unterschätzen noch, die Daten die benötigt werden. Konversationen designen ist extrem aufwendig. Bei der 2. Frage steigen die Leute meistens aus und fragen einfach selbst, statt dem Konversions-Konzept (via Baum) vom Bot zu folgen (sinngemäss).

Neuronale Netze überhaupt verstehen (man kann das nicht über einen Baum machen). Macht das nicht, man kommt nicht mehr nach, das nachzubauen. Daten Qualität und Quantität sind super wichtig. Nutzer stellen viel komplexere Fragen als normale Anfragen, die man sich ausdenken kann. Die sind über die vorhandenen Daten schwer bis nicht handlebar. Wir lesen deshalb auch über Bilderkennung Daten aus, Kategorie, Farbe, Muster. So erhalten wir bessere Ergebnisse / Antworten. Wir konnten uns nicht auf die Bestandsdaten verlassen.

(Human labeling force) Mit Hilfe von Kombi von Mensch und Maschine haben wir eine eigene App entwickelt. API first, Anbieter sollten jetzt beginnen, die Daten so aufzubereiten, dass man in 2 – 3 Jahren starten kann mit dem „Training“. Hausaufgaben müssen jetzt gemacht werden. Die Suche wird sprechender. Das steht fest.

Nur ebay kann aktuell Sprachsuche handeln also meistens sind das die Ergebnisse. Obwohl es die Funktion seit etwa 2 Jahren gibt. Weil niemand damit experimentiert. Man muss nicht alles selber aufbauen. API sei das gute Stichwort. Es braucht eine Woche und einen mittelguten Fullstack-Entwickler und dann kann man loslegen. Interessanterweise sagt das Isabel von Siroop.