Dies ist Teil 4 einer sechsteiligen Serie, in der die Ergebnisse des Berichts „State of Business Messaging 2026“ von Meta beleuchtet werden und was diese für Unternehmen bedeuten, die HubSpot und WhatsApp nutzen.
Wenn Sie diese Serie verfolgt haben, wissen Sie, dass Verbraucher Messaging-Dienste überwiegend bevorzugen, dass WhatsApp-Marketing im Broadcast-Stil sie frustriert und dass strukturierte WhatsApp Flows beeindruckende automatisierte Customer Journeys ermöglichen können.
Es gibt jedoch eine Frage, die wir regelmäßig zu WhatsApp-Chatbots hören: „Wenn sie so gut werden, warum brauchen wir dann überhaupt strukturierte Flows? Können wir das nicht einfach dem Chatbot überlassen?“
Das ist eine berechtigte Frage. Und die Antwort, die sich sowohl aus den Daten des Meta-Berichts als auch aus unserer Erfahrung bei der Entwicklung von Flowella ergibt, ist differenzierter als ein einfaches „Chatbots sind schlecht“. Chatbots sind für manche Dinge wirklich nützlich. Aber sie haben eine grundlegende Einschränkung, die strukturierte Daten lösen.
Der Meta-Bericht fällt im Hinblick auf KI im Bereich Business Messaging weitgehend positiv aus. Die wichtigsten Zahlen:[1]
Das Bild ist klar: Verbraucher stehen KI-Unterstützung weitgehend aufgeschlossen gegenüber. Sie schätzen ständige Verfügbarkeit und schnelle Antworten. Die Zeiten der Skepsis gegenüber Chatbots neigen sich dem Ende zu.
Beachten Sie jedoch den Kontext. Verbraucher schätzen Chatbots, um Hilfe zu erhalten, schnelle Antworten zu bekommen und Wartezeiten zu vermeiden. Dabei handelt es sich um Support- und Informationsabrufaufgaben. Der Chatbot beantwortet eine Frage, löst ein Problem oder leitet den Kunden zur richtigen Ressource weiter.
Das unterscheidet sich von der Datenerfassung. Und dieser Unterschied ist entscheidend.
Hier liegt das Kernproblem, wenn man sich bei der Datenerfassung auf Chatbots verlässt: Ein Chatbot-Gespräch erzeugt ein Transkript, keinen Datensatz.
Wenn ein Kunde selbst mit dem ausgefeiltesten KI-Chatbot interagiert, ist das Ergebnis Text in natürlicher Sprache. Der Chatbot mag die Absicht verstehen, Entitäten extrahieren und in Echtzeit eine hilfreiche Antwort generieren. Doch wenn Sie diese Informationen als saubere, strukturierte Eigenschaften in Ihr CRM einspeisen müssen (Eigenschaften, nach denen Sie filtern, Workflows auslösen und Berichte erstellen können), sind Sie auf die Extraktionsgenauigkeit des Chatbots angewiesen.
Betrachten wir ein einfaches Beispiel. Ein Kunde schreibt einem Chatbot:
„Hallo, ich muss meine Adresse aktualisieren. Wir sind letzten Monat nach 14 Willow Lane, Manchester, M20 4BF umgezogen. Ach ja, und die E-Mail-Adresse meiner Frau hat sich auch geändert, sie lautet jetzt jane.smith@newcompany.co.uk.“
Ein guter KI-Chatbot wird dies verstehen. Er könnte die Angaben sogar noch einmal gegenüber dem Kunden bestätigen. Hinter den Kulissen ist es jedoch eine ganz andere Herausforderung, „14 Willow Lane“ als Straße, „Manchester“ als Stadt und „M20 4BF“ als Postleitzahl zu extrahieren und die E-Mail-Adresse korrekt einem anderen Kontaktdatensatz zuzuordnen (und das alles mit ausreichender Sicherheit, um die Daten direkt in Ihr CRM zu schreiben).
Vergleichen Sie nun dieselbe Interaktion als WhatsApp Flow:
Jedes Feld wird in Echtzeit validiert. Jeder Wert wird direkt einer CRM-Eigenschaft zugeordnet. Es gibt keine Mehrdeutigkeiten, keine Zuverlässigkeitsbewertung für die Datenextraktion und kein Risiko, dass das falsche Feld aktualisiert wird. Die Daten sind von vornherein sauber.
Das ist der entscheidende Unterschied. Ein Chatbot kann hilfreich sein, und die Daten zeigen, dass Verbraucher dies zu schätzen wissen. Aber hilfreich bedeutet nicht automatisierbar.
Wenn es Ihr Ziel ist, Kundenfragen zu beantworten, Produktinformationen bereitzustellen oder einfache Supportanfragen zu bearbeiten, ist ein Chatbot ein hervorragendes Werkzeug. HubSpots eigener Breeze Customer Agent ist ein gutes Beispiel dafür, wie dies gut umgesetzt wird.
Wenn Ihr Ziel jedoch darin besteht, spezifische Informationen zu sammeln, die nachgelagerte Automatisierung auslösen (Buchungsbestätigungen, Feedback-Bewertungen, Verlängerungsentscheidungen, KYC-Daten, Ernährungsbedürfnisse, Versicherungsdetails), dann müssen die Daten in einem strukturierten Format vorliegen. Genau das bieten WhatsApp Flows.
Die Daten des Meta-Berichts zum Conversational Commerce untermauern dies. Demnach bevorzugen 64 % der erwachsenen Internetnutzer den Kauf über Messaging gegenüber dem Besuch eines physischen Ladens, und 42,5 % geben an, dass das Einkaufen in der App ihr Messaging-Erlebnis verbessern würde.[1] Dabei handelt es sich um Transaktionsvorgänge, die strukturierte Eingaben erfordern: Produktauswahl, Größe, Menge, Lieferadresse, Zahlungsbestätigung. Eine Chatbot-Konversation mit dem Inhalt „Ich hätte gerne das blaue Modell in Größe M“ ist weniger zuverlässig als ein Flow, bei dem der Kunde „Blau“ aus einem Farb-Dropdown-Menü und „M“ aus einem Größen-Dropdown-Menü auswählt.
Die gute Nachricht ist, dass dies keine Entweder-oder-Entscheidung ist. Die effektivsten WhatsApp-Strategien nutzen beides, jedoch für unterschiedliche Zwecke.
Verwenden Sie Chatbots für:
Verwenden Sie strukturierte WhatsApp Flows für:
Der Meta-Bericht selbst befürwortet diesen hybriden Ansatz. Im Abschnitt zur Strategie wird Unternehmen empfohlen, „Anfragen mit hohem Volumen“ mit KI-Chatbots zu automatisieren und gleichzeitig „nahtlose Übergaben“ für komplexere Interaktionen sicherzustellen. Mit Flowella können diese Übergaben in beide Richtungen erfolgen: Ein Chatbot kann erste Fragen beantworten und dann einen strukturierten Flow starten, wenn es an der Zeit ist, spezifische Daten zu erfassen.
Wenn Sie HubSpot-Nutzer sind, denken Sie über Ihre aktuelle WhatsApp-Strategie nach (falls Sie eine haben) und fragen Sie sich: Wo sammle ich Daten und wo beantworte ich Fragen?
Für die Touchpoints zur Datenerfassung (Formulare, Umfragen, Bestätigungen, Verlängerungen) ermöglicht Flowella Ihnen, Ihre bereits vorhandenen HubSpot-Formulare als WhatsApp Flows einzusetzen. Die Daten werden als ordnungsgemäße Formularübermittlungen zurückgesendet, füllen die Kontakteigenschaften aus und lösen Workflows aus, genau so, als hätte der Kunde ein Webformular ausgefüllt. Nur dass die Abschlussrate wahrscheinlich deutlich höher sein wird, da die Interaktion in WhatsApp stattfindet, einem Kanal mit einer Öffnungsrate von ca. 98 %. Technische Details finden Sie in unserem Leitfaden zur HubSpot-Integration.
Für Support- und Informationskontaktpunkte nutzen Sie weiterhin die nativen Chatbot-Funktionen von HubSpot oder eine spezielle KI-Lösung. Lassen Sie jedes Tool das tun, was es am besten kann.
Im nächsten Artikel werden wir untersuchen, wie dieser strukturierte Ansatz etwas ermöglicht, das der Meta-Bericht als zunehmend entscheidend identifiziert: den Aufbau von Vertrauen und die Unterstützung der gesamten Customer Journey von der ersten Nachricht bis zum treuen Kunden.
Möchten Sie sehen, wie sich strukturierte Flows in der Praxis im Vergleich zu Chatbot-Gesprächen bewähren? Starten Sie Ihre kostenlose Flowella-Testversion oder buchen Sie eine Demo, um es in Aktion zu erleben.