สรุปสั้น ๆ (TL;DR)
- แชทบอทแบบ rule-based ตอบตรงตามที่เขียนไว้แต่พลาดคำถามที่พิมพ์ต่างจากที่คาด ส่วนแชทบอท LLM เข้าใจข้อความอิสระ แต่อาจตอบราคาหรือเงื่อนไขผิดถ้าไม่จำกัดให้ตอบจากฐานความรู้ (RAG)
- บน LINE OA ข้อความตอบกลับที่ใช้ reply token ของผู้ใช้ไม่นับรวมในโควตาข้อความรายเดือน ส่วน push message ที่ธุรกิจส่งออกไปเองทีหลังนับรวมในโควตา
- ส่งต่อแชทให้คนเมื่อลูกค้าขอ เมื่อบอทไม่เข้าใจติดกันสองครั้ง เมื่อเป็นเรื่องร้องเรียนหรือคืนเงิน และเรื่องที่ต้องใช้ดุลยพินิจอย่างส่วนลดพิเศษ พร้อมส่งประวัติแชทไปด้วย
- แยกแชทที่ผู้ใช้เลิกคุยกลางทางออกจากแชทที่จบจริง ตัวอย่างสมมติ 1,000 แชทต่อเดือนที่เลิกกลางทาง 150 ครั้ง อัตราไม่ส่งต่อ 75% คืออัตราจบจริงเพียง 60%
Chatbot คือ โปรแกรมที่ตอบข้อความของผู้ใช้ผ่านช่องทางแชทโดยอัตโนมัติ เช่น LINE Official Account, Facebook Messenger หรือหน้าต่างแชทบนเว็บไซต์ แชทบอทบางตัวทำงานตามกฎและปุ่มที่ตั้งไว้ล่วงหน้า บางตัวใช้ AI หรือโมเดลภาษาขนาดใหญ่ (LLM) เข้าใจคำถามที่พิมพ์มาอย่างอิสระ ธุรกิจใช้แชทบอทเพื่อตอบคำถามซ้ำๆ รับออเดอร์ นัดหมาย หรือคัดกรองลูกค้าก่อนส่งต่อให้แอดมิน
บทความนี้อธิบายว่าแชทบอททำงานอย่างไร แบบ rule-based กับ AI chatbot ต่างกันตรงไหน ธุรกิจไทยใช้แชทบอทบน LINE OA และ Facebook อย่างไร ควรส่งต่อแชทให้คนตอบเมื่อไร ต้องระวังอะไรเรื่องข้อมูลลูกค้า และควรวัดผลด้วยตัวเลขอะไร
Chatbot คืออะไร ทำงานอย่างไร
แชทบอทหนึ่งระบบมีส่วนประกอบหลักสี่ส่วน ส่วนแรกคือช่องทาง (channel) ที่ผู้ใช้พิมพ์ข้อความเข้ามา เช่น LINE หรือ Messenger ส่วนที่สองคือตัวรับข้อความ ซึ่งมักเป็น webhook ที่แพลตฟอร์มส่งข้อความมาให้เซิร์ฟเวอร์ของธุรกิจทุกครั้งที่มีคนทัก ส่วนที่สามคือสมองของบอท ที่ตัดสินใจว่าจะตอบอะไร และส่วนที่สี่คือระบบหลังบ้านที่บอทดึงข้อมูลมาตอบ เช่น สต็อกสินค้า ตารางนัด หรือสถานะคำสั่งซื้อ
ลำดับการทำงานโดยทั่วไปคือ ผู้ใช้ส่งข้อความ แพลตฟอร์มส่งข้อความนั้นไปที่ webhook บอทตีความว่าผู้ใช้ต้องการอะไร ดึงข้อมูลที่จำเป็น แล้วส่งคำตอบกลับผ่าน API ของแพลตฟอร์ม ถ้าบอทไม่เข้าใจหรือเรื่องนั้นต้องใช้คน ระบบที่ดีจะส่งต่อบทสนทนาให้แอดมินพร้อมประวัติแชท
คำว่า "เข้าใจ" ในที่นี้ต่างกันมากตามประเภทของบอท บอทบางตัวแค่จับคำสำคัญ บางตัวจัดประเภทเจตนาของข้อความ (intent) และบางตัวใช้ LLM สร้างคำตอบใหม่ทุกครั้ง ความต่างนี้กำหนดทั้งต้นทุน ความเสี่ยง และสิ่งที่ต้องดูแลหลังเปิดใช้งาน
แชทบอทแบบ rule-based กับ AI chatbot ต่างกันอย่างไร
แชทบอทแบบ rule-based
แชทบอทแบบ rule-based ทำงานตามเงื่อนไขที่คนเขียนไว้ เช่น ถ้าผู้ใช้กดปุ่ม "เช็กราคา" ให้ส่งตารางราคา หรือถ้าข้อความมีคำว่า "เวลาเปิด" ให้ตอบเวลาทำการ ข้อดีคือคาดเดาได้ทุกคำตอบ ตรวจสอบง่าย และไม่มีวันพูดสิ่งที่ธุรกิจไม่ได้เขียนไว้ ข้อเสียคือรับมือกับคำถามที่พิมพ์ต่างจากที่คาดไว้ได้ไม่ดี ผู้ใช้ที่พิมพ์ว่า "ร้านปิดกี่โมง" อาจไม่เจอคำตอบถ้ากฎจับแค่คำว่า "เวลาเปิด" บอทแบบนี้จึงมักพึ่งปุ่ม เมนู และ quick reply เพื่อพาผู้ใช้ไปตามเส้นทางที่ออกแบบไว้
AI chatbot ที่ใช้ LLM
AI chatbot ที่ใช้โมเดลภาษาขนาดใหญ่เข้าใจข้อความที่พิมพ์อย่างอิสระได้ดีกว่ามาก รวมถึงคำสะกดผิดและภาษาพูด และสร้างคำตอบที่เป็นธรรมชาติ แต่มีความเสี่ยงที่ต้องจัดการ ข้อแรกคือ LLM อาจตอบข้อมูลที่ฟังดูถูกแต่ผิด (hallucination) เช่น ราคา โปรโมชัน หรือเงื่อนไขที่ไม่มีอยู่จริง ข้อสองคือค่าใช้จ่ายคิดตามปริมาณการใช้งาน ข้อสามคือคำตอบไม่เหมือนเดิมทุกครั้ง ทำให้ตรวจสอบยากกว่า
วิธีที่ใช้ลดความเสี่ยงคือให้บอทตอบจากฐานความรู้ของธุรกิจเท่านั้น (เรียกว่า retrieval-augmented generation หรือ RAG) กำหนดขอบเขตว่าเรื่องไหนห้ามตอบเอง เช่น ราคาพิเศษ การคืนเงิน หรือคำแนะนำทางการแพทย์ และให้ส่งต่อคนเมื่อบอทไม่มั่นใจ ข้อมูลที่ต้องถูกต้องเสมอ เช่น ราคาและสต็อก ควรดึงจากระบบหลังบ้านโดยตรง ไม่ใช่ให้โมเดลจำเอง
แบบผสม
ในทางปฏิบัติ หลายธุรกิจใช้แบบผสม คือใช้ปุ่มและเมนูแบบ rule-based สำหรับงานที่มีขั้นตอนตายตัว เช่น จองคิวหรือเช็กสถานะออเดอร์ และใช้ AI ตอบคำถามทั่วไปที่พิมพ์เข้ามาอิสระ แบบนี้ได้ความแม่นยำในจุดที่ต้องแม่น และความยืดหยุ่นในจุดที่ผู้ใช้ถามหลากหลาย
| เรื่องที่เปรียบเทียบ | Rule-based chatbot | AI chatbot (LLM) |
|---|---|---|
| วิธีตัดสินใจตอบ | ตามปุ่ม คำสำคัญ และเงื่อนไขที่เขียนไว้ | ตีความข้อความอิสระแล้วสร้างคำตอบใหม่ |
| ความแม่นยำของข้อมูล | ตรงตามที่เขียนไว้ทุกครั้ง | ต้องจำกัดด้วยฐานความรู้และกฎ มิฉะนั้นอาจตอบผิด |
| คำถามที่พิมพ์ต่างจากที่คาด | รับมือได้น้อย มักตกไปที่ข้อความสำรอง | รับมือได้ดีกว่า รวมถึงคำสะกดผิดและภาษาพูด |
| งานดูแลหลังเปิดใช้ | เพิ่มกฎใหม่เมื่อเจอคำถามที่ไม่ครอบคลุม | อัปเดตฐานความรู้ ตรวจบทสนทนา และปรับขอบเขตคำตอบ |
ธุรกิจไทยใช้ chatbot บน LINE OA และ Facebook อย่างไร
LINE Official Account มีเครื่องมือพื้นฐานใน LINE Official Account Manager อยู่แล้ว เช่น ข้อความทักทายเมื่อมีคนเพิ่มเพื่อน ข้อความตอบกลับอัตโนมัติตามคำสำคัญ และ rich menu ที่เป็นเมนูปุ่มด้านล่างห้องแชท สำหรับธุรกิจเล็กที่คำถามซ้ำๆ มีไม่มาก เครื่องมือเหล่านี้อาจพอแล้วโดยไม่ต้องเขียนบอทเอง
เมื่อต้องการบอทที่ดึงข้อมูลจากระบบอื่นหรือใช้ AI ธุรกิจจะเชื่อม LINE OA กับเซิร์ฟเวอร์ของตัวเองผ่าน Messaging API โดยเปิด webhook ในการตั้งค่า เรื่องที่ควรรู้คือ LINE แยกการส่งข้อความเป็นสองแบบ ข้อความตอบกลับ (reply message) ใช้ reply token ที่ได้มากับข้อความของผู้ใช้ ต้องใช้ภายในเวลาจำกัด และไม่นับรวมในโควตาข้อความรายเดือน ส่วนข้อความที่ธุรกิจส่งออกไปเอง (push message) นับรวมในโควตาตามแพ็กเกจ บอทที่ตอบกลับทันทีจึงไม่เพิ่มค่าส่งข้อความ แต่บอทที่ตามลูกค้าทีหลังจะใช้โควตา
อีกเรื่องคือการตั้งค่าการตอบกลับของ LINE OA ต้องสอดคล้องกัน ถ้าเปิดทั้งข้อความตอบกลับอัตโนมัติในระบบ LINE และบอทผ่าน webhook ผู้ใช้อาจได้คำตอบซ้อนกันสองชุด ควรตัดสินใจว่าใครเป็นผู้ตอบหลัก รายละเอียดการตั้งค่าบัญชีและ rich menu ดูได้ที่บริการ LINE Official Account
บน Facebook Messenger หลักการคล้ายกัน แต่ Meta มีกติกาเรื่องช่วงเวลาส่งข้อความ ธุรกิจตอบข้อความได้ตามปกติภายใน 24 ชั่วโมงหลังผู้ใช้ทักมาล่าสุด การส่งนอกช่วงนี้มีเงื่อนไขเฉพาะ บอทที่ออกแบบให้ตามลูกค้าทีหลังจึงต้องวางแผนตามกติกานี้ และ Meta มีกลไก handover สำหรับส่งต่อบทสนทนาระหว่างบอทกับกล่องข้อความของแอดมิน
งานที่แชทบอทบนสองช่องทางนี้ทำได้ดีในบริบทไทยได้แก่ ตอบคำถามซ้ำ เช่น ราคา เวลาเปิด วิธีเดินทาง ค่าส่ง รับนัดหมายและยืนยันคิว เช็กสถานะออเดอร์ และเก็บข้อมูลเบื้องต้นก่อนส่งต่อฝ่ายขาย เมื่อบอทเก็บข้อมูลได้แล้ว การเก็บแท็กและประวัติลูกค้าไว้ในระบบเดียวทำให้ส่งข้อความที่ตรงคนได้ในภายหลัง ซึ่งเป็นงานของLINE CRM
ส่งต่อแชทให้แอดมินเมื่อไร
แชทบอทที่ดีรู้ว่าเมื่อไรควรหยุด การส่งต่อแชทให้แอดมินควรเกิดขึ้นอย่างน้อยในกรณีเหล่านี้
- ผู้ใช้ขอคุยกับคนโดยตรง เช่น พิมพ์ว่า "ขอคุยกับแอดมิน" ควรส่งต่อทันที ไม่ต้องถามซ้ำ
- บอทไม่เข้าใจติดกันสองครั้ง การวนถามซ้ำทำให้ผู้ใช้หงุดหงิดและเลิกคุย
- เรื่องร้องเรียน การคืนเงิน หรือปัญหาที่อารมณ์ลูกค้าเริ่มไม่ดี
- เรื่องที่ต้องใช้ดุลยพินิจ เช่น ส่วนลดพิเศษ ข้อเสนอสำหรับลูกค้าองค์กร หรือคำถามทางการแพทย์และการเงิน
- ลูกค้าที่มีสัญญาณพร้อมซื้อสูง เช่น ขอใบเสนอราคาจำนวนมาก ควรให้ฝ่ายขายรับช่วงเร็ว
การส่งต่อที่ดีต้องส่งประวัติแชทไปด้วย เพื่อไม่ให้ลูกค้าต้องเล่าใหม่ และต้องบอกลูกค้าตรงๆ ว่าตอนนี้กำลังคุยกับคนหรือบอท รวมถึงเวลาที่แอดมินจะตอบ ถ้าส่งต่อนอกเวลาทำการ ให้บอกว่าจะมีคนตอบเมื่อไร แทนการปล่อยให้รอโดยไม่รู้ การออกแบบเส้นทางส่งต่อระหว่างบอทกับทีมเป็นส่วนหนึ่งของระบบบริการลูกค้าอัตโนมัติ
ข้อควรระวังเรื่องข้อมูลลูกค้า
แชทบอทรับข้อมูลส่วนบุคคลได้ง่ายมาก เพราะผู้ใช้พิมพ์อะไรมาก็ได้ ประเทศไทยมีพระราชบัญญัติคุ้มครองข้อมูลส่วนบุคคล พ.ศ. 2562 (PDPA) บทความนี้ไม่ใช่คำแนะนำทางกฎหมาย แต่แนวปฏิบัติทั่วไปที่ลดความเสี่ยงได้มีดังนี้
- ขอเฉพาะข้อมูลที่จำเป็นต่องานนั้น เช่น บอทนัดคิวอาจต้องการแค่ชื่อและเบอร์โทร ไม่ต้องขอเลขบัตรประชาชน
- หลีกเลี่ยงการให้บอทถามข้อมูลอ่อนไหว เช่น ข้อมูลสุขภาพ หรือข้อมูลบัตรและบัญชีธนาคาร ถ้าจำเป็นจริงควรให้ไปกรอกในระบบที่ออกแบบมาสำหรับข้อมูลนั้น
- แจ้งผู้ใช้ว่ากำลังคุยกับบอท และข้อมูลที่ให้จะใช้เพื่ออะไร พร้อมลิงก์นโยบายความเป็นส่วนตัวของธุรกิจ
- ถ้าใช้ AI chatbot ที่ส่งข้อความไปประมวลผลที่ผู้ให้บริการภายนอก ควรตรวจเงื่อนไขการใช้ข้อมูลของผู้ให้บริการนั้นว่าเก็บหรือนำข้อความไปใช้อย่างไร
- จำกัดว่าใครในทีมเข้าถึงประวัติแชทได้ และกำหนดระยะเวลาเก็บข้อมูล
สำหรับคำถามว่าธุรกิจของคุณต้องทำอะไรบ้างตามกฎหมาย ควรปรึกษาที่ปรึกษากฎหมายด้านข้อมูลส่วนบุคคลโดยตรง
วัดผล chatbot อย่างไร
แชทบอทที่ไม่วัดผลมักถูกเปิดทิ้งไว้โดยไม่มีใครรู้ว่าช่วยหรือทำให้ลูกค้าหงุดหงิด ตัวเลขที่ควรติดตามมีดังนี้
- อัตราการจบในบอท (containment rate) สัดส่วนบทสนทนาที่จบได้โดยไม่ต้องส่งต่อคน ตัวเลขนี้สูงไม่ได้แปลว่าดีเสมอ ถ้าลูกค้าเลิกคุยกลางทางก็นับเป็น "ไม่ส่งต่อ" เหมือนกัน
- อัตราส่งต่อคน (handoff rate) และเหตุผลที่ส่งต่อ ช่วยบอกว่าบอทควรเรียนรู้เรื่องอะไรเพิ่ม
- อัตราตอบไม่ได้ (fallback rate) สัดส่วนข้อความที่บอทไม่เข้าใจ ใช้เป็นรายการงานสำหรับเพิ่มกฎหรือฐานความรู้
- ความพึงพอใจหลังแชท เช่น ถามคำถามเดียวท้ายบทสนทนาว่าได้คำตอบที่ต้องการไหม
- ผลลัพธ์ทางธุรกิจ เช่น นัดหมายที่เกิดขึ้น ลีดที่ส่งให้ฝ่ายขาย หรือคำสั่งซื้อที่เริ่มจากแชท
ตัวอย่างสมมติ: บอทรับบทสนทนา 1,000 ครั้งในหนึ่งเดือน จบในบอท 600 ครั้ง ส่งต่อคน 250 ครั้ง และอีก 150 ครั้งผู้ใช้เลิกคุยกลางทาง ถ้านับแบบหยาบ อัตราไม่ส่งต่อคือ 75% แต่ถ้าแยกบทสนทนาที่เลิกกลางทางออก อัตราที่จบได้จริงคือ 60% ตัวเลขชุดหลังซื่อตรงกว่า และ 150 ครั้งนั้นคือจุดที่ควรเปิดอ่านบทสนทนาจริงเพื่อหาสาเหตุ
นอกจากตัวเลข การอ่านบทสนทนาจริงเป็นระยะช่วยได้มาก โดยเฉพาะช่วงแรกหลังเปิดใช้ คำถามที่ลูกค้าถามจริงมักต่างจากที่ทีมคาดไว้ตอนออกแบบ
ขั้นตอนเริ่มทำแชทบอท
- รวบรวมคำถามที่เข้ามาจริงจากแชทย้อนหลัง จัดกลุ่มตามเรื่อง และเลือกเรื่องที่ถามบ่อยและตอบได้ชัดเจนเป็นอันดับแรก
- เลือกประเภทบอทตามงาน ถ้างานเป็นขั้นตอนตายตัว เริ่มจาก rule-based ถ้าคำถามหลากหลายและมีฐานความรู้พร้อม ค่อยพิจารณา AI
- เขียนคำตอบและเส้นทางส่งต่อคน รวมถึงข้อความเมื่อบอทไม่เข้าใจ
- ทดสอบกับทีมภายในด้วยคำถามที่พิมพ์หลายแบบ รวมถึงคำสะกดผิดและภาษาพูด
- เปิดใช้กับบางส่วนก่อน ติดตามตัวเลขข้างต้น แล้วค่อยขยาย
ถ้าบอทเป็นส่วนหนึ่งของเส้นทางการตลาด เช่น ส่งข้อความติดตามหลังนัดหมาย หรือแยกกลุ่มลูกค้าตามสิ่งที่ถาม การเชื่อมบอทกับระบบการตลาดอัตโนมัติช่วยให้ข้อมูลจากแชทนำไปใช้ต่อได้
ข้อผิดพลาดที่พบบ่อย
- ซ่อนทางไปหาคน ทำให้ลูกค้าที่ต้องการคุยกับแอดมินติดวนอยู่กับบอท
- ให้ AI ตอบราคาหรือโปรโมชันจากความจำของโมเดล แทนการดึงจากข้อมูลจริง
- ข้อความตอบอัตโนมัติของ LINE กับบอทผ่าน webhook ทำงานซ้อนกัน ผู้ใช้ได้คำตอบสองชุด
- ตั้งบอทแล้วไม่มีใครดูแล ข้อมูลในบอทเก่ากว่าหน้าเว็บ
- วัดแค่จำนวนข้อความ ไม่วัดว่าลูกค้าได้คำตอบหรือเกิดยอดขาย
แชทบอทในตลาดไทย: เรื่องที่ต้องคิดเพิ่ม
ภาษาไทยเขียนติดกันโดยไม่เว้นวรรคระหว่างคำ บอทที่จับคำสำคัญแบบง่ายอาจตัดคำผิดหรือจับคำที่ซ้อนอยู่ในคำอื่น การทดสอบด้วยข้อความจริงจึงสำคัญกว่าในภาษาอังกฤษ ผู้ใช้ไทยยังผสมภาษาอังกฤษ ใช้คำย่อ คำสแลง และสติกเกอร์ ซึ่งบอทแบบ rule-based มักรับมือไม่ได้ ควรมีข้อความสำรองที่พาผู้ใช้กลับไปที่เมนูหรือส่งต่อคน
เรื่องน้ำเสียงก็สำคัญ บอทที่ตอบด้วยคำลงท้ายสุภาพให้ตรงกับบุคลิกของแบรนด์ อ่านเป็นธรรมชาติกว่าคำตอบที่แปลตรงจากภาษาอังกฤษ และเนื่องจากลูกค้าไทยจำนวนมากคุ้นกับการทักแชทร้านค้าก่อนซื้อ ความเร็วในการตอบช่วงเย็นและวันหยุดจึงเป็นจุดที่บอทช่วยได้ชัด ตราบใดที่บอกลูกค้าตรงๆ ว่าเรื่องไหนต้องรอแอดมิน
คำถามที่พบบ่อยเกี่ยวกับ chatbot
Chatbot กับ AI chatbot เหมือนกันไหม
ไม่เหมือนกันทั้งหมด แชทบอทคือโปรแกรมตอบแชทอัตโนมัติทุกแบบ ส่วน AI chatbot คือแชทบอทที่ใช้โมเดลภาษาเข้าใจและสร้างคำตอบ แชทบอทจำนวนมากยังทำงานด้วยปุ่มและกฎโดยไม่ใช้ AI เลย
LINE OA ทำแชทบอทได้โดยไม่ต้องเขียนโค้ดไหม
ได้ในระดับพื้นฐาน LINE Official Account Manager มีข้อความทักทาย ข้อความตอบกลับตามคำสำคัญ และ rich menu ให้ตั้งค่าได้เอง แต่ถ้าต้องดึงข้อมูลจากระบบอื่นหรือใช้ AI ต้องเชื่อมผ่าน Messaging API และ webhook
แชทบอทแทนแอดมินได้ทั้งหมดไหม
ไม่ควรแทนทั้งหมด แชทบอทเหมาะกับคำถามซ้ำและงานที่มีขั้นตอนชัด ส่วนเรื่องร้องเรียน การต่อรอง และเรื่องที่ต้องใช้ดุลยพินิจยังต้องมีคนตอบ จึงควรมีเส้นทางส่งต่อที่ลูกค้าเรียกใช้ได้ง่าย
ควรวัดความสำเร็จของแชทบอทด้วยอะไร
ควรวัดทั้งอัตราที่บทสนทนาจบได้จริงในบอท อัตราส่งต่อคน อัตราที่บอทตอบไม่ได้ ความพึงพอใจ และผลลัพธ์ทางธุรกิจอย่างนัดหมายหรือคำสั่งซื้อ โดยแยกบทสนทนาที่ผู้ใช้เลิกคุยกลางทางออกมาดูต่างหาก
สรุป
Chatbot คือเครื่องมือตอบแชทอัตโนมัติที่ช่วยได้มากเมื่อใช้กับงานที่เหมาะ คือคำถามซ้ำ งานที่มีขั้นตอนชัด และการคัดกรองก่อนส่งต่อคน การเลือกระหว่าง rule-based กับ AI ขึ้นกับว่างานต้องการความแม่นยำหรือความยืดหยุ่นแค่ไหน และทุกแบบต้องมีทางไปหาคน ระวังข้อมูลลูกค้า และวัดผลอย่างซื่อตรง ถ้าต้องการวางแชทบอทบน LINE OA ที่เชื่อมกับการตอบของทีมงาน ดูรายละเอียดได้ที่บริการลูกค้าอัตโนมัติของ Relevant Audience
