Not logged in.
Quick Search - Contribution
Contribution Details
| Type | Bachelor's Thesis |
| Scope | Discipline-based scholarship |
| Title | The influence of a conversational agent on the efficiency and effectiveness of financial advisory meetings: An analysis of the conversational agent “Heinzelmännli” and ist different development stages |
| Organization Unit | |
| Authors |
|
| Supervisors |
|
| Language |
|
| Institution | University of Zurich |
| Faculty | Faculty of Business, Economics and Informatics |
| Date | 2022 |
| Abstract Text | In recent years, the research field of conversational agents has made more and more progress. We have now reached a point where conversational agents are so advanced that they can be used in financial advisory encounters to support advisors in their work. The research project around the conversational agent Heinzelmännli has the goal of doing just that, but it has not been evaluated yet, what influence Heinzelmännli has on conversational efficiency and effectiveness. This is precisely where this work closes an important research gap. First, efficiency and effectiveness factors were defined, which can be used to measure conversational efficiency and effectiveness. Then, these factors were used to measure the conversational efficiency and effectiveness of traditional financial advisory encounters (without Heinzelmännli), financial advisory encounters with an optimal version of Heinzelmännli, and financial advisory encounters with a non-optimal version of Heinzelmännli. Finally, the data from these three settings were compared. This thesis concludes that a differentiated picture emerges concerning conversational efficiency and effectiveness: While the settings with the different versions of Heinzelmännli seem less efficient than the traditional setting when looking at the factors, Heinzelmännli seems to promote conversational effectiveness because the common understanding among the participants seems to increase. These observations are stronger for the non-optimal setting than for the optimal one. This means that although the non-optimal setting is less efficient than the optimal one, it increases conversational effectiveness more. From the results, it can be interpreted that it is important to minimise the error rate and processing time of input for digital agents and that it is important to allow clients and advisors to share knowledge by using the artefacts. |
| Zusammenfassung | Das Forschungsgebiet der digitalen Sprachassistenten hat in den letzten Jahren immer mehr Fortschritte gemacht. Inzwischen sind die Agenten so gut, dass man sie in Bankberatungsgesprächen einsetzen kann, um die Berater bei ihrer Tätigkeit zu unterstützen. Das Forschungsprojekt um den digitalen Agenten Heinzelmännli hat sich genau das zum Ziel genommen, jedoch wurde bisher noch nicht evaluiert, welchen Einfluss Heinzelmännli auf die Gesprächseffizienz und -effektivität hat. Genau hier schliesst diese Arbeit eine wichtige Forschungslücke. Zunächst wurden Effektivitäts- und Effizienzfaktoren definiert, anhand denen man die Gesprächseffizienz und -effektivität messen kann. Danach wurde anhand dieser Faktoren die Gesprächseffizienz und -effektivität gemessen von traditionellen Bankberatungsgesprächen (ohne Heinzelmännli), von Bankberatungsgesprächen mit einer optimalen Version von Heinzelmännli und von Bankberatungsgesprächen mit einer nicht-optimalen Version von Heinzelmännli. Schliesslich wurden die Daten dieser drei Settings miteinander verglichen. Diese Arbeit kommt zum Schluss, dass sich bezüglich der Gesprächseffizienz und -effektivität ein differenziertes Bild ergibt: Während die Settings mit den verschiedenen Versionen von Heinzelmännli bei Betrachtung der Faktoren mehrheitlich weniger effizient zu sein scheinen als das traditionelle Setting, scheint Heinzelmännli die Gesprächseffektivität zu fördern, denn das gemeinsame Verständnis unter den Teilnehmenden scheint sich zu erhöhen. Diese Beobachtungen treten für das nicht-optimale Setting stärker auf als für das optimale. Das bedeutet, dass das nicht-optimale Setting zwar ineffizienter ist als das, aber dafür die Effektivität stärker erhöht. Aus den Resultaten kann man interpretieren, dass es wichtig ist, die Fehlerrate und die Verarbeitungsdauer von Input für digitale Agenten zu minimieren und dass es wichtig ist, dass man Kunden und Beratern die Möglichkeit gibt, dass sie mithilfe der Artefakte ihr Wissen teilen können. |
| PDF File |
Download
|
| Export |
BibTeX
|