Development of a Customized Chatbot for Customer Care Optimization

The companies frequently deal with customer queries that demand prompt and precise responses. Traditional customer care often relies heavily on human agents, presenting limitations such as inconsistent availability, variable response times and high operational costs. This thesis explores the development of a customized Chatbot solution for Energy S.p.A., aimed at optimizing customer care by leveraging these technologies. During this activity, two types of chatbots were developed: the Rule-based Chatbot and an AI Chatbot. The Rule-based Chatbot employed a structured approach, using a Routing System based on Retrieval-Augmented Generation (RAG) to retrieve the most appropriate error code to user’s issue and a Finite State Machine (FSM) to direct users through predefined paths leading to solve the problem. On the other hand,the AI Chatbot exploited the RAG approach to provide accurate responses, assisting users in solving issues and enhancing the customer experience. These solutions were tested with real chat data in collaboration with Energy’s employees. This partnership was crucial because assessing the quality of responses was very challenging due to the highly technical nature of the content, requiring the expertise and knowledge of experienced professionals in the field. Moreover, the AI Chatbot was deployed through a Telegram Bot for providing a cross-platform interface in which the employees could test the solution on their own. The solutions described in this thesis have highlighted the potential of these technologies and, consequently, will be integrated into Energy’s ticketing system for optimizing customer care.

Le aziende si confrontano frequentemente con la richiesta da parte dei clienti di assistenza, la quale richiede risposte tempestive e precise. Il servizio clienti tradizionale si basa spesso quasi esclusivamente sulle persone fisiche, presentando limitazioni come disponibilità limitata, tempi di risposta variabili e alti costi operativi. Questa tesi esplora lo sviluppo di una soluzione basata su un assistenze virtuale per Energy S.p.A. per ottimizzare il servizio clienti. Durante questa attività sono stati sviluppati due tipi di Chatbot: il Rule-based Chatbot e l’AI Chatbot. Il Rule-based Chatbot utilizzava un approccio strutturato, impiegando un sistema di instradamento basato sulla tecnica Retrieval-Augmented Generation (RAG) per recuperare il codice di errore corrispondente alla problematica del cliente e una Macchina a Stati Finiti (FSM) per guidare l’utente attraverso percorsi predefiniti che portano alla risoluzione del problema. D’altra parte, l’AIChatbot sfruttava l’approccio RAG per fornire risposte accurate, assistere gli utenti nella risoluzione dei problemi e migliorare l’esperienza del cliente. Queste soluzioni sono state testate con dati provenienti da chat reali in collaborazione con il personale di Energy. Questa collaborazione è stata cruciale data la difficoltà nel valutare la qualità delle risposte a causa della natura molto tecnica dei contenuti, richiedendo l’esperienza e la conoscenza di professionisti esperti del settore. Inoltre, l’AI Chatbot è stato distribuito attraverso un Telegram Bot per fornire un’interfaccia multipiattaforma in cui i dipendenti potessero testare la soluzione autonomamente. Le soluzioni descritte in questa tesi hanno messe in evidenza la potenzialità di queste tecnologie e saranno quindi integrate nel sistema di ticketing di Energy per ottimizzare il servizio clienti.