Conversational AI KPI’s: zo meet je of het werkt

Een conversational AI die live staat, is geen bewijs dat het werkt. Zonder meten weet je niet of de AI vragen goed afhandelt, of hij leads oplevert en waar hij bezoekers laat afhaken. Sturen zonder cijfers is gokken.

Tegelijk is niet elk cijfer even zinvol. Het aantal gevoerde gesprekken zegt weinig als je niet weet hoeveel daarvan éécht werden opgelost. In dit artikel lopen we de KPI’s langs die er voor conversational AI toe doen: wat ze betekenen, hoe je ze leest en welke meetfouten je moet vermijden.

Waarom je conversational AI moet meten

Meten is de basis voor verbeteren. Een AI die je na livegang niet volgt, blijft steken op het niveau van de eerste dag. De praktijk laat zien dat de eerste weken juist vol zitten met signalen: vragen die de AI niet begrijpt, onderwerpen waar hij op vastloopt, momenten waarop bezoekers afhaken.

Die signalen zie je alleen als je de juiste cijfers bijhoudt. KPI’s, kortweg voor kritieke prestatie-indicatoren, maken zichtbaar wat er in de gesprekken gebeurt. Ze vertalen duizenden losse chats naar een paar getallen waarop je kunt sturen.

Belangrijk is dat je meet met een doel. Wil je bereikbaarheid verbeteren, dan kijk je naar andere cijfers dan wanneer je op leads stuurt. Bepaal daarom eerst wat de AI moet bereiken, en kies dan de KPI’s die daarbij horen.

De belangrijkste KPI’s voor conversational AI

Er zijn veel dingen te meten, maar een handvol KPI’s vertelt het meeste. Hieronder de belangrijkste, elk met wat hij betekent en waarom hij ertoe doet.

Zelfoplossingsratio (containment)

De zelfoplossingsratio laat zien welk deel van de gesprekken de AI volledig zelf afhandelt, zonder tussenkomst van een mens. Dit is vaak de eerste KPI waar bedrijven naar kijken, omdat hij direct raakt aan efficiëntie. Hoe meer de AI zelf oplost, hoe meer je team wordt ontlast.

Let wel op: een hoge zelfoplossingsratio is alleen goed als de gesprekken ook echt goed zijn opgelost. Een AI die bezoekers afscheept met een half antwoord scoort hoog op containment, maar slecht op tevredenheid. Lees deze KPI daarom nooit los van de kwaliteit.

Klanttevredenheid (CSAT)

CSAT meet hoe tevreden bezoekers zijn over het gesprek, meestal via een korte score na afloop. Deze KPI is de tegenhanger van de zelfoplossingsratio: hij bewaakt de kwaliteit. Een AI die veel oplost maar lage tevredenheid scoort, lost blijkbaar de verkeerde dingen op of doet het onhandig.

Escalatieratio naar mensen

De escalatieratio laat zien hoe vaak de AI een gesprek overdraagt aan een medewerker. Dit is geen faalcijfer, integendeel. Een gezonde escalatie betekent dat de AI zijn grenzen kent en op tijd doorschakelt. Wel geeft de ratio richting: escaleert de AI heel vaak op hetzelfde onderwerp, dan weet je waar je de kennisbank moet aanvullen.

Dekkingsgraad

De dekkingsgraad geeft aan welk deel van de binnenkomende vragen de AI überhaupt aankan. Waar de zelfoplossingsratio kijkt naar afgehandelde gesprekken, kijkt de dekkingsgraad naar het bereik: welke onderwerpen valt de AI wel en niet aan. Een lage dekkingsgraad wijst op gaten in de kennisbank.

Gemiddelde afhandeltijd

De gemiddelde afhandeltijd meet hoe lang een gesprek duurt tot het is opgelost. Bij AI is die tijd vaak kort, omdat antwoorden direct komen. De waarde zit hier vooral in vergelijken: verandert de afhandeltijd na een aanpassing, dan zie je het effect terug.

Conversie en aantal leads

Voor een AI Sales Agent is dit de KPI die er commercieel toe doet: hoeveel gesprekken leiden tot een concrete lead? Dit cijfer koppelt de AI direct aan omzet. Hoe je conversational AI voor leadgeneratie inzet, lees je in het artikel over conversational AI voor leadgeneratie.

Hoe je deze KPI’s meet en verbetert

Cijfers verzamelen is één ding, ermee sturen is een tweede. De KPI’s komen uit de gesprekslogs en de dashboards van je platform. Daar zie je per periode hoe de AI presteert.

Verbeteren doe je door de cijfers te koppelen aan concrete aanpassingen. Zie je dat de escalatieratio piekt op één onderwerp, dan vul je de kennisbank op dat punt aan. Zakt de tevredenheid, dan kijk je welke antwoorden bezoekers niet helpen. Elke aanpassing test je daarna opnieuw tegen de cijfers.

Dat verbeteren is geen eenmalige actie. Hoe je een conversational AI structureel traint en bijstuurt, werken we uit in het artikel over conversational AI trainen en optimaliseren. Bij Bconnect leveren we klanten periodieke rapportages met deze KPI’s, zodat het bijsturen op feiten gebeurt en niet op gevoel.

Veelgemaakte meetfouten

Bij het meten van conversational AI gaan een paar dingen structureel mis. Wie ze kent, voorkomt verkeerde conclusies.

De grootste fout is sturen op volume alleen. Het aantal gesprekken of een hoge zelfoplossingsratio ziet er mooi uit, maar zegt niets over kwaliteit. Een AI die veel gesprekken “afhandelt” door bezoekers weg te sturen, scoort hoog en presteert slecht.

Een tweede fout is kwaliteit negeren. Zonder een tevredenheidscijfer of controle op de antwoorden weet je niet of bezoekers echt geholpen zijn. Meet daarom altijd een efficiëntiecijfer én een kwaliteitscijfer naast elkaar.

Een derde fout is te vroeg conclusies trekken. De eerste dagen na livegang zijn nooit representatief. Geef de AI tijd, verzamel genoeg gesprekken en beoordeel de trend over een langere periode.

Meten om te sturen

Conversational AI meet je niet om een rapport te vullen, maar om te kunnen bijsturen. De sterkste aanpak combineert efficiëntie en kwaliteit: kijk naar hoeveel de AI zelf oplost én naar hoe tevreden bezoekers zijn. Voeg daar het resultaat aan toe, zoals het aantal leads, en je hebt een compleet beeld.

Begin met een paar KPI’s die passen bij je doel, en breid uit naarmate je meer inzicht krijgt. De cijfers zijn geen eindpunt, maar de basis voor een AI die elke maand beter presteert. Wil je sparren over welke KPI’s voor jouw situatie het meest zeggen? Neem gerust contact op via de chat.

Veelgestelde vragen over conversational AI KPI’s