Chatbot weboldalra: mire figyeljen egy cég, mielőtt bevezeti?
A "chatbot kell a weboldalra" mondat 2026-ra szinte mindenkinél elhangzik. A gond az, hogy a cégek 50%-a olyan helyzetben vezeti be, ahol a chatbot nem visz mérhető eredményt — csak fenntartási költséget. Ez a cikk az 5 dolgot szedi össze, amit bevezetés előtt el kell dönteni.
Egy chatbot nem azért bukik el, mert rossz a modellje. Azért bukik el, mert a háttér-tudásbázis 60%-osan van feltöltve, és nincs eszkalációs út.
A piacon 2026-ra mindenki "tud chatbotot". A LLM-alapú megoldások szinte plug-and-play szintre értek, és a beszerzési oldalon a kérdés már nem az, hogy "működni fog-e", hanem hogy "tényleg többet hoz-e, mint amennyibe kerül". A tapasztalatunk az, hogy a chatbot 4 vagy több havi futás után 3 ügyfélből 1-nél visszafordítható siker, 1-nél stagnál, 1-nél pedig csendben leállítják 12 hónapon belül. A különbség nem a technológiában van — hanem abban, hogy a bevezetés előtt megvolt-e 5 alapdöntés.
1. Megéri-e egyáltalán? — a 300-as küszöb
A chatbot nem ingyen. A licenc + tudásbázis-építés + havi karbantartás összesen 1.5-3.5M HUF / év között mozog egy közepes méretű cégnél. Ezt akkor hozza vissza, ha havonta legalább 300-400 ügyfélkontaktja van a chaten vagy az emailen, ami chatbotra terelhető. 300 alatti havi ticket-számmal a megtérülés 24+ hónap — addig a CFO-nak két év türelmesnek kell lennie. Egy 50 ticket/hó-s B2B SaaS-nak nem chatbotot ajánlunk, hanem két jobb FAQ oldalt és egy gyors emailválasz-SLA-t. Ez nem népszerű mondat sales-ben, de hosszú távon csak így marad ügyfél.
2. Tudásbázis-lefedettség — a "60% szabály"
Egy chatbot csak annyit tud, amennyit a tudásbázis ír neki. Ha a beérkező kérdések 60%-ára van pontos válaszunk dokumentumban (használati útmutató, FAQ, termékleírás, ÁSZF, szerződéses keret), a chatbot ki tudja deflektálni a tickek 35-45%-át. Ha csak 30%-ra van válasz, akkor a chatbot tickek 10-15%-át deflektálja — ami nem érdemleges. A bevezetés első lépése ezért nem a chatbot konfigurálása, hanem 3-4 hetes tartalom-audit: melyik 50 leggyakoribb kérdés, mire van pontos válaszunk, mire nincs. A tudásbázis-építést sokszor kihagyják, mert "majd menet közben pótoljuk" — soha nem pótolják.
3. Az eszkalációs út nem opcionális
A chatbotnak 4 másodperc alatt el kell tudnia ismernie, hogy "ezt nem tudom" — és a felhasználót át kell adnia egy emberhez. Nem 15 mondat után, nem 3 visszakérdezés után. A "warm handover" minimuma: az ügyfél kapja meg az operátor nevét, a beszélgetés eddigi átirata legyen a kezelőnél azonnal látható, és az ügyfélnek nem kelljen elmondania még egyszer, mit szeretne. Ha ez a 3 dolog nincs meg, a chatbot 2 hónap múlva ott áll, hogy az ügyfelek 70%-a "operátort kérek" mondattal kezdi a beszélgetést, és a chatbot deflektált tickszáma a duplájára nő, mert minden chatbot-kezdet egy újabb ticket lett a sorban. A Nortinia AI Chat live-agent integrációkkal érkezik (Intercom, Zendesk, HubSpot, Freshdesk), és a handover percen belül történik.
4. GDPR, adatkezelés, retenció
A chat-beszélgetésekben az ügyfelek leírják az emailcímüket, telefonszámukat, rendelési számukat — időnként pedig olyat is, ami nem kellene (TAJ-szám, bankkártya). A bevezetés előtt el kell dönteni: (a) mennyi ideig őrizzük a beszélgetés-naplót — 90 nap az ipari standard, 365 nap a maximum komoly indok nélkül; (b) van-e opt-out, amikor az ügyfél azt mondja "ne tárolja ezt el", és ezt 24 órán belül törölni kell; (c) az AI-modell tanításához használjuk-e a beszélgetéseket, és ha igen, a felhasználói consent-formában ezt explicit szerepeltetjük-e. Ez nem csak NAIH/GDPR-kérdés — az ügyfél elvárja, és ha ez nincs meg, az adatvédelmi panaszok 6 hónapon belül érkeznek.
5. Hogyan mérjük a sikert?
Három metrika nélkül a chatbot bevezetés "vakon repül". Az első: deflection rate — hány ticket fejeződik be a chatbottal, élő ember beavatkozása nélkül. Egészséges célszám: 35-50%. A második: first-contact resolution (FCR) a chatbot+ember összesen — az ügyfélnek hányszor kellett vissza-vissza kérdezni egy ügyért. Cél: 75%+ a chat csatornán. A harmadik: post-chat CSAT — egy 1-5 csillagos értékelés a beszélgetés után. Cél: 4.0+ átlag, és 5%-nál nem több 1-2 csillagos válasz. Ha bármelyik metrika 4 hónap után nem éri el a célt, vissza kell menni a tudásbázishoz vagy az eszkalációs úthoz — nem a chatbot modelljét cserélni.
A chatbot nem egy "telepítés". Egy folyamatos termék-üzemeltetési ciklus — tartalmi audit, mérés, fine-tuning, ismét. Ha a cégen belül nincs gazdája, ne vezesse be.
A Nortinia AI Chat tudásbázis-építési módszertanáról, live-agent integrációiról és GDPR-konform retenciós politikájáról itt: /ai-termekek/nortinia-ai-chat