Vortag von Valentina Volz, Philipp Neumayer und Gert Zellentin auf der AllFacebook Marketing Conference 2017 in Berlin. Details: https://conference.allfacebook.de/session/dm-messenger-bot/

1. Facebook Chatbot-
Entwicklung in der Praxis:
Einblicke in den Chatbot
von dm-drogerie Markt

2. Anbieten
statt Locken und Verführen
Beratung und Service
Freundlich, sympathisch & offene Kommunikation
Mensch vs. Maschine
Konflikt der Unternehmensphilosophie

3. Ziele unseres Testcases
• Potentiale Messenger Bots frühzeitig
nutzen und daraus lernen
• Kontaktangebot im Alltag der Kunden
• Entlastung des ServiceCenters

4. Ein Chatbot namens Bo
Reduktion auf 2 wesentliche Funktionen
Infos über Limited Editions
Beantwortung der häufigsten Nutzerfragen
Es muss nicht von Anfang an perfekt, aber verfügbar und
funktional sein!

14. Behind the scenes
Die Mechanik von Chatbots

15. Wie man in 15 Minuten einen
funktionierenden Chatbot baut
Not.
Wer es dennoch will: https://chatbotsmagazine.com/have-15-minutes-create-your-
own-facebook-messenger-bot-481a7db54892

16. Wie funktioniert
ein Chatbot?

17. Verstehen von Eingaben
und
Erzeugen von Ausgaben

18. Verstehen von
Eingaben

19. Verstehen von Eingaben - Keyworderkennung
Ich suche ein Shampoo gegen Schuppen
mit Citrusduft für max. 2€
Shampoo: Produktkategorie
Ich suche ein Shampoo gegen Schuppen
mit Citrusduft für max. 2€
Shampoo: Produktkategorie
Citrusduft: Stemming von „Zitrusduft“
Gegen Schuppen: Alias von „Anti-Schuppen“
 2 Produktattribute/Suchparameter
2€: Zahl + Währungszeichen: Preis
max.: Begrenzer „maximal“
 Parameter „Preis bis“

20. Problemfall: Keine Keywords
Ich suche so ein Haarwaschgedöns für fast umme
???

21. Problemfall
Alles klar, was soll es denn für ein Shampoo sein?
Hast Du eine Lieblings-Marke?
Egal, nur nix von duschdas
Ich habe 245 duschdas-Produkte gefunden…

22. Problemfall
Ich habe Dich nicht verstanden. Vielleicht kannst Du
Deine Frage noch mal anders formulieren?
Rede nicht um den heißen Brei… Du
kannst offensichtlich gar nix!
Ich habe 35 Produkte in der Kategorie „Brei“ gefunden…

23. Grundproblem
bei rein keywordbasierten Ansätzen
Wo finde ich Duschgel?
Was habt ihr für Duschgel?
Wird Euer Duschgel an Tieren getestet?
Was empfehlt ihr: Duschgel oder Seife?
Was ist in eurem Duschgel?
Frage nach Sortiment
Frage nach Standort (Filiale) bzw. zur Kategorisierung (Online-Shop)
Frage nach Produkteigenschaften/Inhaltsstoffen
Frage zur Herstellung
Beratungsfrage

24. 1. Was ist die Absicht der Eingabe
(intend)?
2. Welche Informationen werden bei
dieser Anfrage mit übermittelt (values)?

25. Natural Language Processing
1. automatisierte Zusammenfassung: Die Programme müssen große Texte automatisiert auf das
Wesentliche reduzieren können.
2. Wortbeziehungen innerhalb von Sätzen: Hier ist von NLP gefordert, dass es erkennt, welche Satzbestandteile
zueinander in Beziehung stehen.
3. Diskursanalyse: NLP-Software muss in der Lage sein, das Register eines Textes (gehoben, umgangssprachlich) zu erkennen. Ebenso muss
das Programm erkennen, um welche Textsorte es sich handelt (Einkaufszettel, Rechnung, Aufforderung).
4. maschinelle Übersetzung: Auf NLP basierte Programme müssen die menschliche Sprache in eine andere menschliche Sprache übersetzen können
und dabei Grammatik, Semantik und andere linguistische Teilbereiche beherrschen.
5. morphologische Segmentierung: Hierunter wird das Zerlegen eines Wortes in seine Einzelbestandteile gefasst.
6. NER (Named Entity Recognition) : Ein NLP-Programm muss erkennen, ob ein Text Eigennamen für Orte, Personen oder Organisationen enthält und
es muss diese auch zuordnen können. Für die Textausgabe muss das Programm demnach auch bei westlichen Sprachen wissen, ob die
betreffenden Wörter großgeschrieben werden.
7. Umwandlung in menschliche Sprache: Digital hinterlegte Wörter werden in menschliche Sprache übertragen.
8. Verstehen menschlicher Sprache
9. Optical character recognition (OCR) : Dabei handelt es sich um eine Bilderkennung, die Bilder in Text umwandeln kann, wie es heute schon einige
Scanner können.
10. Erkennung von Gefühlen
11. Erkennen von gesprochener Sprache
12. Erkennen von Stilformen wie Ironie
13. Erkennen von Wortbedeutungen: Klanglich kann „buchen“ sowohl die Aktion eines Ticketkaufs beinhalten als auch die Mehrzahl des Baumes
„Buche“.

26. http://nlp.stanford.edu:8080/corenlp/process

27. Überlasst das den
Computerlinguisten.
Nutzt eine API!

28. Machine Learning

29. Maschinelles Lernen ist ein
Oberbegriff für die „künstliche“
Generierung von Wissen
aus Erfahrung.
Wikipedia zu Maschinellem Lernen

30. Machine Learning: Modelle
• Models - was gibt es für Datentypen (z.B. Produkte)
• Intents - was will der User (z.B. ein Produkt kaufen)
• Labels - Welche Attribute sind für dieses Intent wichtig (z.B. Marke,
Preis, etc.)
• Patterns - Welche Usereingaben signalisieren einen bestimmten
Datentyp (ein Preis ist eine Zahl mit Währungszeichen)?
• Context - in welchem Kontext spricht der User zum Bot
• Sentiment - ist die Usereingabe positiv oder negativ konnotiert?

31. https://wit.ai

32. Auch hier:
Erfindet das Rad nicht neu!
Ein paar schlaue Leute haben sich dazu bereits Gedanken gemacht.

33. Machine Learning funktioniert nur
mit (Trainings-)daten. Keine Daten,
keine (sinnvollen) Antworten.
aka. keine-Arme-keine-Kekse-Regel

34. Erzeugen von
Ausgaben

35. REGELBASIERT
oder
GENERISCH PER „KÜNSTLICHER
INTELLIGENZ“
Retrieval-based vs. Generative models

36. Wenn User A sagt,
sage ich B
(Regelbasiert)

37. Auf Eingabe A halte ich die
Antwort B für die
wahrscheinlichst sinnvolle
(generisch / Machine Learning & Predictions)

38. Gesprächskontext
unmöglich
Künstliche Intelligenz
(verdammt schwierig)
Regelbasiert
(einfach)
Smart Machine
(schwierig)
regelbasiert generisch
Open Domain
(Allgemein)
Closed Domain
(Spezialgebiet)
einfach
schwer

39. Gesprächskontext
unmöglich
Künstliche Intelligenz
(verdammt schwierig)
Regelbasiert
(einfach)
Smart Machine
(schwierig)
regelbasiert generisch
Open Domain
(Allgemein)
Closed Domain
(Spezialgebiet)
dm
Chatbot

40. Skill
Gesprächskontext
unmöglich
Künstliche Intelligenz
(verdammt schwierig)
Regelbasiert
(einfach)
Smart Machine
(schwierig)
regelbasiert generisch
Open Domain
(Allgemein)
Closed Domain
(Spezialgebiet)

41. Skill 1
Gesprächskontext
unmöglich
Künstliche Intelligenz
(verdammt schwierig)
Regelbasiert
(einfach)
Smart Machine
(schwierig)
Open Domain
(Allgemein)
Closed Domain
(Spezialgebiet) Skill 2
Regelbasiert
(einfach)
Smart Machine
(schwierig)
Skill 3
Regelbasiert
(einfach)

42. Skill 1
Gesprächskontext
unmöglich
Künstliche Intelligenz
(verdammt schwierig)
Open Domain
(Allgemein)
Closed Domain
(Spezialgebiet)
Skill 2
Skill 3
simuliert
Skill 4
Skill 5
Skill 6
Skill 7
Skill 8

43. Faustregeln
Regelbasierte Bots sind zunächst einfacher
und kontrollierbarer.
Je weiter der Einsatzzweck, desto mehr
Regeln. Zu viele Regeln: Kontrollverlust.
Hybride Modelle (regelbasiert und generisch)
sind denkbar und sinnvoll.

44. Der Butterfly-Effect
Alexa, spiele „White Noize“
Ich spiele einen zufälligen Titel von „White Noise“
Nein, das von „Bonaparte“
Ich spiele zufälligen Titel von „Bonaparte“
aus Ihrer Musikbibliothek
Spielt experimentelle elektronische Musik, NICHT
den Titel „White Noize“ von Bonaparte
Spielt „Fuck your Accent“ von Bonaparte

45. Wie konzipiert
man einen
Chatbot?

46. Gespräche führen

47. Freie Gespräche
Hallo, wie kann ich Dir helfen?
Ich suche was zu trinken
Gerne, was darf es denn sein?
Weiß nicht so recht…
Vielleicht ein Kaffee?
Ne, lieber was kaltes.
…

48. Menschen brauchen
(Gesprächs-)führung
LESSON LEARNED #1

49. Gespräche führen

50. Tree Flow
Für welche Kategorie interessierst Du Dich?
Nahrungsmittel
Gerne, was darf es denn sein?
Getränke
Welche Art von Getränk?
Kaltgetränke
Nahrungsmittel Gesundheit Körperpflege
Getränke Snacks Müsli Brotzeit Obst
Heißgetränke Kaltgetränke

51. Tree Flow
Welche Art von Kaltgetränk?
Kaltgetränke
Säfte & Smooties
Milchgetränke Alkoholische Getränke
Welche Art von alkoholisches Getränk?
Alkoholische Getränke
SprituosenBier Wein Schaumwein
Welche Art Bier?
Bier
AleLager Pils Porter Weißbier
Lager
Welche Brauerei?
Augustiner Spaten Löwenbräu Hofbräu

52. Tree Flow Augustiner
Welche Brauerei?
Augustiner Spaten Löwenbräu Hofbräu
Hacker
Welche Sorte?
Helles Edelstoff
Helles
Wie viele?
1 2 3 4 Kasten (20)
Kasten (20)

53. 9 Fragen & Antworten,
35 Antwortoptionen,
über 75 Wörter
und alles um „einen Kasten Augustiner Hell“ zu bestellen

54. Feste Pfade Von welcher Brauerei soll den das Bier sein?
egal
Augustiner Spaten Löwenbräu Hofbräu
Hacker
Ok, Welche Art Bier?
AleLager Pils Porter Weißbier
Lager
Von welcher Brauerei soll den das Bier sein?
Augustiner Spaten Löwenbräu Hofbräu
Hacker

55. Es gibt zig Wege, das passende
Produkt zu finden. Warum
erlaubt der Bot nur einen?

56. Lösungsansätze
Hallo, wie kann ich Dir helfen?
Ich suche was zum trinken
Gerne, was darf es denn sein?
A Halbe
Das habe ich nicht verstanden,
kannst Du das anders beschreiben?
A süffiges Blondes
…
Hallo, wie kann ich Dir helfen?
Ich suche was zum trinken
Gerne, was darf es denn sein?
A Halbe
Welche Art von Getränk?
Heißgetränke Kaltgetränke

57. Nachfragen.
Fallbacks vorbereiten.
Fallbacks zu den Fallbacks
vorbereiten.
LESSON LEARNED #2

58. How to Start

59. RTFM ;-)Es ist gut: developers.facebook.com

60. Facebook Messenger: Hinweise
• Ausgabe-Templates
• Einstiege: Send-to-Messenger-Button insbesondere für Abonnements
• Zugriff auf Nutzerdaten
• App-Review-Prozess
• Push-Nachrichten: 24h-Regel

61. Store all data you can get,
there will be a time when you
can use it.
— Toby Bradshaw, Microsoft

62. Wann bietet sich der Einsatz
eines Chatbots an?
Wenn man...
• viele Daten gesammelt hat und bereits mit Machine Learning
arbeitet.
• eine gute Suchengine mit facettierten Suchkriterien hat.
• bereits gute Assistenten und Konfiguratoren hat.
• z.B. im Callcenter schon einen detaillierten Gesprächsleitfaden hat.
• bereits Messenger nutzt und immer die gleichen Fragen gestellt
bekommt.
• man asynchrone Prozesse hat, die momentan per Mail ablaufen
(Lieferstatus).

63. Weiterlesen!
chatbotslife.com
chatbotsmagazine.com
Outsourcen!
OCTANE AI - fertige Chatbot-Lösung für den Facebook Messenger
API AI - Conversational User Experience Platform.
WIT AI – Machine Learning & Chatbot-Engine

64. Chancen / Risiken
bezogen auf den dm Bot & Allgemein

66. Ihr könnt mich nun gerne testen
😌😌 unter der Facebook Seite
👉👉„dm“ findet ihr mich, viele
Grüße Bo 👌👌