Helpshift KI-Deflection: wie es funktioniert, wie man es einrichtet und wo es an Grenzen stößt

Zusammenfassung

Helpshifts KI-Deflection ist real und für große Game Studios tatsächlich effektiv. Der QuickSearch Bot schlägt bei der ersten Nachricht eines Spielers bis zu drei FAQs vor, und Custom Bots ermöglichen es, KI-gestützte FAQ-Schritte an beliebiger Stelle in einem Chat-Ablauf einzufügen. Die Einrichtung erfordert keinen Code, aber die Qualität jeder Deflection ist durch die Güte Ihrer FAQ-Bibliothek begrenzt.

Der Haken ist der Teil, den niemand screenshottet: Deflection ist nicht dasselbe wie Lösung. Eine hohe Deflection-Rate bei niedrigem CSAT bedeutet, dass Sie Menschen von der Hilfe abblocken, anstatt ihnen zu helfen. Ich arbeite an eeseals Support-Queue, und der schnellste Weg, einen Kunden zu verlieren, ist ein Bot, der sie in einer Schleife von „Hat das geholfen?" festhält, bis sie frustriert aufgeben.

Wenn Sie ein Game Studio sind, das bereits im Helpshift-SDK lebt, lohnt es sich, den Deflection-Stack ordentlich einzurichten (diese Anleitung zeigt Ihnen, wie). Wenn Sie den Support auf Zendesk, Freshdesk oder Gorgias betreiben, werden Sie wahrscheinlich mehr aus einem KI-Agenten herausholen, der aus Ihren vergangenen Tickets lernt und Ihnen ermöglicht, die Deflection-Rate vor dem Go-live zu simulieren.

Was Helpshift KI-Deflection wirklich ist

Ich beginne mit der ehrlichen Version, denn ich habe die letzten drei-plus Jahre damit verbracht, zu beobachten, wie KI-Agenten in echten Support-Queues live gehen, und „Deflection" ist eines der am häufigsten missbrauchten Wörter in dieser ganzen Kategorie.

Helpshift definiert Ticket-Deflection als das, was passiert, wenn ein Kunde selbst eine Antwort findet, anstatt ein Ticket zu öffnen. Der Mechanismus ist derselbe Gedanke bei allen Helpshift-Funktionen: das Problem abfangen, bevor ein Mensch es anfasst, entweder durch die Bereitstellung eines vorhandenen Wissensbankartikels oder durch die vollständige Lösung per Bot, und nur eskalieren, wenn der automatisierte Weg erschöpft ist.

Wichtig zu wissen, bevor Sie weiterlesen: Helpshift wurde von Keywords Studios übernommen und vermarktet sich jetzt als KI-native Player-Engagement-Plattform für Gaming, mit 500+ Studios und einer behaupteten Automatisierungsrate von über 70 %. Die Deflection-Funktionen sind also real und kampferprobt, aber sie sind an Game-Support erprobt, wo In-App-SDKs und eine junge, selbstbedienungsfreudige Spielerbasis viel der schweren Arbeit erledigen.

Hier ist, was der Spieler tatsächlich sieht. Der Bot fängt die erste Nachricht ab, bietet einige Artikel an und fragt, ob sie geholfen haben.

Diese Wahl „Ja, es hat geholfen / Nein, ich muss mit jemandem sprechen" ist der gesamte Deflection-Moment. Tippen Sie auf die erste Option, und kein Ticket wird erstellt. Tippen Sie auf die zweite, und das Gespräch wird eskaliert. Einfach, und wenn die FAQ gut ist, funktioniert es.

Der Helpshift-Deflection-Stack, Teil für Teil

Helpshift deflektiert auf zwei ergänzende Arten: Inhaltsdeflection (einen Artikel anzeigen und hoffen, dass er antwortet) und Lösungsdeflection (ein Bot führt das Problem tatsächlich zu einem Abschluss). Hier ist der Ablauf, wenn man die Teile zusammensetzt.

QuickSearch Bot

Der QuickSearch Bot ist der vorkonfigurierte Deflektor. Es handelt sich um einen KI-Bot für Web- und In-App-Chat, der auf die erste Nachricht des Nutzers reagiert, indem er bis zu drei relevante FAQs vorschlägt. Ein maschinelles Lernspracherkennungssystem (Helpshift behauptet 97 % Genauigkeit) erkennt die Problemsprache und liefert passende FAQs in rund 20 Sprachen. Ein früher Hinweis: Es ist ein Add-on, das mit einem Konto-Upgrade freigeschaltet wird, nicht standardmäßig aktiviert.

Custom Bots und der KI-gestützte FAQ-Schritt

Der QuickSearch Bot wird nur bei der ersten Nachricht jedes Tickets ausgelöst und ist global. Um auf einem bestimmten Segment oder an anderer Stelle in einem Gespräch zu deflektieren, verweist Helpshift auf einen Custom Bot mit einem Schritt „Send AI-Powered FAQ(s)". Custom Bots werden in einem codefreien visuellen Builder erstellt und verketten bis zu fünf Aktionstypen: Informationen sammeln, eine Nachricht senden, nach Absicht oder Sprache verzweigen, eine externe API aufrufen und den Deflection-Schritt selbst.

KI-Klassifizierung und Routing

Deflection ist nicht nur Suche. Helpshifts intelligente Issue-Klassifizierung nutzt NLP, um kurze eingehende Nachrichten zu lesen und zu entscheiden, ob das Issue im automatisierten Ablauf verbleibt oder an einen Menschen weitergeleitet wird. Diese Routing-Schicht macht den Unterschied zwischen einer sauberen Deflection und einem frustrierten Spieler.

Care AI und Guard AI

Die neueste Schicht sind Helpshifts vier rollenbasierte KI-Agenten. Der für die Deflection relevante ist Care AI, der spielergerichtete Agent, der Probleme im Spiel löst, basierend auf genehmigtem Wissen und gesteuert durch Confidence-Scoring. Daneben steht Guard AI, eine Governance-Schicht, die Gespräche überwacht, um KI-Halluzinationen zu verhindern. Letzteres sagt etwas aus: Helpshift hat ein ganzes Produkt gebaut, um seine eigenen Bots zu überwachen, weil zuversichtliche, aber falsche Antworten ein bekanntes Versagensmuster sind. Das ist eine Grenze, auf die ich auch gestoßen bin, weshalb eesel jeden Rollout gegen historische Tickets simuliert, bevor er live geht.

So richten Sie KI-Deflection in Helpshift ein

Die gute Nachricht ist, dass die Aktivierung wirklich ohne Code auskommt. Die ehrliche Nachricht ist, dass das Umschalten etwa 5 % der Arbeit ausmacht.

1. Den QuickSearch Bot aktivieren. Gehen Sie zu Einstellungen → App-Einstellungen, wählen Sie Ihre App, klicken Sie auf Konfigurieren auf der Plattformkarte, öffnen Sie die Registerkarte Support Experience, scrollen Sie zu QuickSearch Bot und aktivieren Sie ihn. Speichern und veröffentlichen.

Lesen Sie den Hinweis unter dem Schalter sorgfältig: Er schlägt nur FAQs vor, die veröffentlicht und für die Plattform sichtbar sind. Keine veröffentlichte FAQ, keine Deflection. Das ist der Teil, den Teams überspringen und sich dann fragen, warum der Bot still bleibt.

2. Ihre FAQs aufräumen. Fügen Sie Keyword-Varianten als „Suchbegriffe" zu jeder FAQ hinzu (ein Spieler könnte „Reise ändern" eingeben, während Ihr Artikel „Ticket ändern" lautet), halten Sie Titel direkt und schreiben Sie eine Begrüßung, die zu vollständigen Sätzen statt zu Einwort-Abfragen anregt. Der Bot funktioniert viel besser, wenn die erste Nachricht ein vollständiger Satz ist.

3. Einen Custom Bot für gezielte Deflection erstellen. Gehen Sie zu Einstellungen → Workflows → Bots → Custom Bots → Neuer Bot, und fügen Sie dann einen Schritt „Send AI-Powered FAQ(s)" zu einem Schritt „Informationen vom Nutzer erhalten" hinzu.

4. Mit Live-Traffic verbinden. Bots laufen nicht von selbst. Sie verwenden Automations, um einen Bot automatisch zuzuweisen, und zwar für Tickets, die Ihren Kriterien entsprechen. Eine Besonderheit: Sie können den Ablauf eines veröffentlichten Bots nicht direkt bearbeiten. Sie duplizieren ihn, ändern den Text, veröffentlichen ihn neu und zeigen Ihre Automations auf die neue Version.

5. In Power BI messen. Helpshifts Deflection-Reporting befindet sich in Power BI, nicht im Hauptdashboard, einschließlich eines FAQ-Deflections-Berichts und eines Suchbegriffe-Berichts, der beliebte Suchanfragen ohne Ergebnisse anzeigt. Letzterer ist Ihre Aufgabenliste für neue FAQs.

Der Haken: Deflection ist nicht Lösung

Das ist der Abschnitt, dem ich einen Haftzettel anhängen würde. Die Deflection-Rate ist die am einfachsten zu manipulierende Support-Kennzahl und die am leichtesten falsch zu interpretierende.

Ein Bot kann ein Ticket „deflektieren", indem er es einfach zu lästig macht, einen Menschen zu erreichen. Der Nutzer gibt auf, Ihr Dashboard verbucht einen Erfolg, und Ihr CSAT blutet still aus. Die Frustration ist laut und konkret. Hier ärgert sich ein Spieler in einem r/automation-Thread, den ich denke, jeder Support-Leiter lesen sollte:

„Ich habe es viermal umformuliert. ‚Hier sind einige Artikel, die helfen könnten.' ICH WILL KEINE ARTIKEL. Es ist, als würden Unternehmen diese Bots speziell einsetzen, um es schwieriger zu machen, den Support zu erreichen, nicht einfacher. Der Bot ist nicht da, um Ihnen zu helfen, er ist da, um Sie abzuwehren."

Ein Betreiber von IrisAgent antwortete im selben Thread mit einer tatsächlichen Zahl zum Fehler bei defekten Übergaben: Die meisten Unternehmen brauchen 8 bis 10 Hin-und-Her-Nachrichten, bevor der Bot aufgibt und einen Menschen herbeiruft. Manche tun es nie.

Das ist kein Anti-Bot-Rant, um klar zu sein. Eine ausgewogene Sichtweise eines KI-Chatbot-Gründers in demselben Thread ist richtig: Wenn ein Bot seine Grenzen kennt und sauber übergibt, ist Deflection in Ordnung. Das Problem ist, die Deflection-Zahl selbst zu optimieren.

Ich höre die Käuferseite davon ständig. Eine CX-Leiterin bei einer DTC-Nahrungsergänzungsmittelmarke (rund 7.000 Tickets pro Monat) brachte die ganze Philosophie in einem Satz auf den Punkt bei einem Verkaufsgespräch: „Die KI wird nie 100 % der Fragen beantworten können, aber ich brauche eine KI, die nur die Tickets bearbeitet, bei denen sie zuversichtlich ist, und alle anderen in Ruhe lässt." Das ist die Grenze. Das Ziel ist nicht, alles zu deflektieren; es ist, das, was Sie sicher lösen können, zu lösen und den Rest sauber weiterzuleiten. Wenn ich mir eesel-Deployments ansehe, ist die Hauptkennzahl Lösung und Chat-Qualität, nicht Deflection: In einer Stichprobe von 434 Chats wurden 86 % korrekt beantwortet, mit nur einem kleinen Anteil deflektiert. Gridwise, eine Gig-Economy-Analyse-App auf Zendesk, löste 73 % der Tier-1-Tickets im ersten Monat, wobei dieses Ergebnis innerhalb eines 7-Tage-Tests sichtbar wurde. Das sind Lösungszahlen, und sie sind die, die den Kontakt mit einem echten Kunden überstehen.

Was Ihre Helpshift-Deflection-Rate begrenzt

Wenn Sie sich voll auf Helpshift-Deflection einlassen, ist hier die ehrliche Obergrenze. Alles davon lässt sich auf die FAQ-Pflege zurückführen.

Da QuickSearch und der KI-gestützte FAQ-Schritt zuerst auf FAQ-Abruf setzen, kann der Bot immer nur so gut sein wie der Artikel, den er findet. Wenn die Antwort nicht geschrieben, veröffentlicht, in der richtigen Sprache und mit den richtigen Suchbegriffen versehen ist, findet die Deflection einfach nicht statt. Das ist ein Content-Betrieb, der wöchentlich, für immer, durchgeführt wird. Es ist auch der häufigste Grund, warum Deflection-Projekte ins Stocken geraten: Teams erwarten eine generative Antwort-Engine und bekommen stattdessen einen sehr fähigen FAQ-Matcher.

Reviewer spüren diesen Trade-off auch. Das Produkt bekommt echte Anerkennung für Self-Service, wie dieser Games-Team-Leiter auf Capterra: „Die leicht durchsuchbaren FAQs waren äußerst hilfreich für den Self-Service-Support." Aber die Einrichtungskurve ist genauso konsistent ein Thema. Ein Mid-Market-Reviewer auf G2 fasste es prägnant zusammen: Die Bots sind großartig, „und" sie können „zeitaufwändig und komplex einzurichten sein." Es ist ein echtes Werkzeug mit einer echten Lernkurve, kein Schalter, den man umlegt.

Wo Helpshift passt und wo nicht

Ich möchte fair sein, denn Helpshift ist wirklich gut in dem, wofür es gebaut ist. Wenn Sie ein Game Studio mit einem mobilen SDK und einer jungen Spielerbasis sind, gehört Helpshifts In-App-Deflection zu den besten der Kategorie. Die Fallstudien sind real: Rovio meldet 91 % Deflection über 23 Spiele, und SYBO erreichte eine Automatisierungsrate von 77 % bei Subway Surfers. Das ist eine ernsthafte Erfolgsgeschichte.

Die Reibung tritt auf, wenn Sie kein Game Studio sind. Einige Dinge zu bedenken:

• Preisgestaltung ist eine Blackbox. Helpshifts Preisseite veröffentlicht keine Zahlen und leitet Sie zu einem Verkaufsformular weiter. Hier ist das beste Bild, das ich aus Drittanbieter- und historischen Quellen zusammenstellen kann.

Diese Zahlen widersprechen sich und stammen aus der Zeit vor der aktuellen Nur-Angebot-Seite, also behandeln Sie sie als Bereiche, nicht als Angebote. Das konsistente Signal: Es ist nutzungsbasiert, und Sie werden Ihre Zahl erst kennen, wenn Sie mit dem Vertrieb gesprochen haben. Eine vollständige Aufschlüsselung finden Sie im Helpshift-Preisleitfaden.

• Reporting ist dünn. Die bei weitem konsistenteste Beschwerde über G2 und Capterra ist eine schwache native Analytik, wobei das Deflection-Reporting in Power BI ausgelagert wird.
• Es ist rund um das SDK gebaut. Die tiefsten Deflection-Funktionen setzen ein mobiles oder Web-SDK in der App voraus. Wenn Ihr Support in E-Mail und einem Web-Helpdesk lebt, nutzen Sie den weniger entwickelten Teil des Produkts.

Wenn eines davon auf Sie zutrifft, lohnt es sich, die besten Helpshift-Alternativen zu vergleichen, bevor Sie sich festlegen.

eesel ausprobieren

Wenn Sie KI-Deflection möchten, aber Ihren Support auf Zendesk, Freshdesk, Gorgias oder einem Help Center statt auf einem Game-SDK betreiben, ist eesel genau dafür gebaut. Es setzt auf dem Helpdesk auf, den Sie bereits verwenden, lernt am ersten Tag aus Ihren vergangenen Tickets und Hilfedokumenten und beginnt als beaufsichtigter Entwurfsverfasser, bevor Sie ihm Autonomie übertragen.

Der Punkt, der alles in diesem Beitrag anspricht: Bevor eesel einem einzigen Kunden antwortet, können Sie es gegen Tausende Ihrer historischen Tickets simulieren, um die echte Deflection- und Lösungsrate nach Ticket-Typ zu sehen, und dann konfidenzbasierte Regeln festlegen, sodass es nur das automatisch bearbeitet, bei dem es sicher ist, und den Rest für einen Menschen lässt. So erhalten Sie Deflection ohne die „Hat das geholfen?"-Schleife, die Spieler zum Aufgeben bringt.

Sie können eesel kostenlos ausprobieren mit 50 $ Nutzungsguthaben und ohne Kreditkarte, oder die Preise ansehen (sie sind öffentlich und pro Lösung, nicht pro Angebot).