Wie verändern sich Kundenservice-Kennzahlen im Zeitalter der KI?

Was haben die besten Kundensupportteams gemeinsam? Ein zwanghafter Einsatz für die Schaffung eines großartigen Kundenerlebnisses ist ein guter erster Schritt, aber ohne eine entscheidende Zutat kommt man nur begrenzt weit: eine strikte Berichterstattung über wichtige Kennzahlen zum Kundenservice.

Das Wissen, wie man das Signal im Datenrauschen findet, ermöglicht es den besten Supportteams, weiterhin qualitativ hochwertigen Kundenservice, hohe Kundenzufriedenheit und ein leistungsstarkes Team zu bieten. Aber da KI den Kundenservice, wie wir ihn kennen, verändert, wie sollten Support-Führungskräfte ihre Kernkennzahlen anpassen, um in dieser neuen Ära einen echten Maßstab für den Erfolg zu erhalten?

„Führungskräfte, die die enormen Chancen der KI nutzen möchten, müssen über Kennzahlen und KPIs anders nachdenken.“

Die Kundendienstlandschaft erlebt einen gewaltigen Wandel, da die KI immer fortschrittlicher wird. Da die Technologie nun überzeugendere Kundeninteraktionen und eine nahezu sofortige Lösung vieler Kundenfragen ermöglicht, können sich Supportteams auf Aktivitäten konzentrieren, die für ihre Kunden zusätzlichen Mehrwert schaffen. Aktuelle Untersuchungen des Intercom -Berichts „State of AI in Customer Service: 2023“ zeigen, dass die Investitionen in KI für den Kundenservice schnell zunehmen, wobei 69 % der Supportleiter planen, im kommenden Jahr mehr in KI zu investieren.

Führungskräfte, die die immensen Chancen nutzen möchten, die KI bietet, müssen über Kennzahlen und KPIs anders nachdenken, um sicherzustellen, dass in einer Welt, in der KI an erster Stelle steht, die tatsächliche Wirkung des Kundenservice auf die richtige Weise gemessen wird.

Die Entwicklung traditioneller Support-Metriken

Während sich die Support-Kennzahlen, wie wir sie kennen, weiterentwickeln, bleiben sie für den Erfolg Ihres Teams weiterhin von entscheidender Bedeutung. KI wird die Art und Weise, wie Support-Teams arbeiten, grundlegend verändern, und einige der Kennzahlen, die für ein Support-Angebot der letzten Generation wichtig waren, könnten in einer Welt, in der Menschen und KI nahtlos zusammenarbeiten, an Relevanz verlieren.

„Bei der Bewertung Ihres aktuellen Berichtsansatzes ist es von entscheidender Bedeutung, sowohl die Kunden- als auch die Teamkollegenerfahrung zu berücksichtigen.“

Auch die Erwartungen der Kunden an den Support entwickeln sich rasant, da KI blitzschnelle Antworten und Lösungen bietet, was bedeutet, dass die Service Level Agreements (SLAs) und Benchmarks des Support-Teams neu angepasst werden müssen. Unser eigenes Kundensupport-Team passt bereits die Metriken und Benchmarks an, die wir zur Erfolgsmessung verwenden, da unser KI-Chatbot Fin immer mehr Anfragen unserer Kunden beantwortet.

Um Ihr Team in diesem neuen Zeitalter des Kundenservice erfolgreich zu machen, ist es wichtig, bei der Bewertung Ihres aktuellen Berichtsansatzes sowohl an die Kunden- als auch die Teamkollegenerfahrung zu denken, damit Sie sicherstellen können, dass Sie über die wichtigen Zahlen auf dem Laufenden bleiben am meisten.

Hier sind einige der wichtigsten Bereiche und Kennzahlen, die von diesen Änderungen betroffen sein werden, zusammen mit unseren Tipps zur Anpassung Ihres Berichtsansatzes, um die vor Ihnen liegende Chance zu nutzen.

Wie Sie mit Kunden interagieren

Für viele Kundendienstteams wird generative KI-Technologie – wie etwa KI-gestützte Chatbots – zur ersten Anlaufstelle für Kunden werden, die Unterstützung suchen. Diese Bots sind in der Lage, schnelle und hilfreiche Antworten zu geben. Außerdem können sie Fragen eindeutig klären und sie an einen menschlichen Supportmitarbeiter weiterleiten, der weitere Hilfe leistet, wenn dieser die Antwort nicht kennt.

Da KI an vorderster Front Ihr eingehendes Supportvolumen bewältigt, müssen einige der Kernmetriken, die zur Messung der Geschwindigkeit und Effektivität Ihrer Supportbereitstellung verwendet werden, angepasst werden.

Erste Reaktionszeit (FRT)

„First Response Time“ (FRT) ist die Zeit, die Ihr Team benötigt, um eine erste Antwort auf die Anfrage eines Kunden zu senden.

Da führende KI-Bots in der Lage sind, Kunden nahezu sofortige Antworten zu bieten, gehören langsame Reaktionszeiten – und lange Wartezeiten für Kunden – der Vergangenheit an. Dies wird die Erwartungen der Kunden dramatisch verändern; Die Annahme, dass eine Reaktion und eine endgültige Lösung ein Warten erfordern würden, wird durch die Erwartung einer sofortigen Reaktion und einer schnellen Lösung ersetzt.

Tipp

Um einen genauen Überblick über die Leistung Ihres Teams und des KI-Bots zu erhalten, sollten Sie in Betracht ziehen, separate Berichte für die „Erste Reaktionszeit des Bots“ und die „Erste Reaktionszeit des Menschen“ zu erstellen, um einen ganzheitlichen Überblick darüber zu erhalten, wie schnell Ihre Kunden allgemein Antworten erhalten.

Bei der Bewertung einer KI-menschlichen Supporterfahrung wird es neben der Erstreaktionszeit auch wichtig sein, einen breiteren Satz von Kennzahlen zu betrachten, wie etwa die durchschnittliche Bearbeitungszeit, um zu verstehen, wie schnell die Probleme der Kunden über den ersten Kontaktpunkt hinaus gelöst werden.

Durchschnittliche Bearbeitungszeit (AHT)

Die „durchschnittliche Bearbeitungszeit“ (AHT) misst die durchschnittliche Zeit, die Ihr Team mit der Bearbeitung von Kundengesprächen verbringt, und wird häufig von Supportleitern verwendet, um die Teamkapazität und den Personalbedarf zu verstehen.

Da KI-Bots die meisten einfachen Anfragen lösen, muss sich Ihr Team mit komplexeren und zeitaufwändigeren Problemen befassen. Daher müssen neue Benchmarks für die durchschnittliche Bearbeitungszeit von Kundengesprächen ermittelt werden, um Raum für diese Anpassung zu schaffen.

Tipp

Versuchen Sie, ähnlich wie bei der ersten Antwortzeit, separate Berichte für „durchschnittliche Bot-Bearbeitungszeit“ und „durchschnittliche menschliche Bearbeitungszeit“ zu erstellen, um ein vollständiges Bild davon zu erhalten, wie lange es dauert, bis Ihre Kunden eine Lösung für ihre Probleme erhalten.

Während sich die Gesamt- und Bot-Bearbeitungszeit möglicherweise verringert, wird sich die menschliche Bearbeitungszeit wahrscheinlich erhöhen, da sich Supportmitarbeiter mit schwierigeren Problemen befassen. Wenn Sie feststellen, dass die menschliche Bearbeitungszeit steigt, sollten Sie einen Blick auf andere Kennzahlen wie CSAT werfen, um zu sehen, ob sich dies auch auf andere Bereiche auswirkt.

So messen Sie die Produktivität

Wir wissen, dass Menschen und KI zusammenarbeiten müssen, um in dieser neuen Ära des Kundenservice eine große Wirkung zu erzielen. KI sollte effektiv als neuer Supportmitarbeiter in Ihrem Team betrachtet werden. Daher ist es von entscheidender Bedeutung zu wissen, wie man ihre Leistung misst und welchen Dominoeffekt sie auf die Kapazität Ihres Teams haben wird.

Durch den Einsatz eines KI-Chatbots bleibt Ihrem Team unweigerlich Zeit, sich auf andere Aktivitäten zu konzentrieren, beispielsweise auf beratende oder proaktive Unterstützung oder Wissensmanagement. Da sich Ihr Team auf ein breites Aufgabenspektrum konzentriert, muss die Art und Weise, wie Sie die Produktivität messen und die Kapazität Ihres Teams beurteilen, angepasst werden.

Fälle bearbeitet

„Bearbeitete Fälle“ bezieht sich auf die Anzahl der Fälle, Tickets oder Gespräche, die von Supportmitarbeitern bearbeitet werden. Dies kann auf Stunden-, Tages- oder Wochenbasis gemessen werden und wird häufig als Maß für die Teamleistung und -produktivität verwendet.

Traditionell wird von Supportmitarbeitern erwartet, dass sie über einen bestimmten Zeitraum hinweg eine bestimmte Anzahl von Kundenanfragen bearbeiten, sodass es einen Maßstab für die Bewertung der Teamproduktivität gibt. Im Zeitalter der KI ist das ins Wanken geraten. Supportmitarbeiter befassen sich jetzt mit einer viel komplexeren Reihe von Kundenproblemen, wobei die einfachen Probleme von KI-Bots gelöst werden. Und da komplexe Fälle häufig einen höheren Untersuchungs- und Zeitaufwand erfordern, wird sich die Anzahl der pro Stunde, Tag oder Woche bearbeiteten Fälle ändern.

Auch die Rolle des „Kundensupportmitarbeiters“ wird viel vielfältiger, da sich die Mitarbeiter stärker in andere Bereiche wie die Erstellung von Help-Center-Inhalten und das Wissensmanagement einbringen. Da Ihr Team seine Zeit auf verschiedene Aufgaben aufteilt, wird die Anzahl der bearbeiteten Fälle zu einer weniger relevanten Messgröße für die Beurteilung der Teamproduktivität.

Tipp

Erwägen Sie, alle anderen Wirkungsbereiche abzubilden, zu denen Ihr Team beitragen kann, und verstehen Sie, wie jeder Bereich in ein Gesamtsystem zur Leistungsmessung einbezogen werden kann. Indem Sie diese anderen Schwerpunktbereiche für Ihr Team identifizieren, wie z. B. die Erstellung von Help-Center-Inhalten oder die Community-Moderation, können Sie die Teamproduktivität genauer beurteilen.

Automatisierte Auflösungsrate

„Automatisierte Lösungsrate“ oder „Rate der automatisierten Lösung“ (ROAR) misst die Anzahl der Support-Tickets oder Gespräche, die vollständig durch Automatisierung gelöst werden, z. B. durch Bots.

Vor der Veröffentlichung von KI-gestützten Bots bestand die automatisierte Lösungsrate aus Abfragen, die von einfachen Bots gelöst wurden, oder von fortgeschritteneren Modellen, die auf maschinellem Lernen basierten, wie etwa Custom Answers for Fin (ehemals Resolution Bot).

Mittlerweile sind einige der leistungsstärksten KI-Bots auf dem Markt in der Lage, bis zu unglaubliche 50 % der Kundenanfragen automatisch zu lösen, sodass sich die Supportteams auf komplexere Anfragen konzentrieren können, die eine menschliche Betreuung erfordern. Da der Bot bis zu die Hälfte der häufig gestellten oder häufiger gestellten Fragen beantwortet, werden Supportleiter wahrscheinlich einen deutlichen Anstieg der automatisierten Lösungsrate in ihren Berichts-Dashboards feststellen.

Tipp

Angesichts der steigenden automatisierten Lösungsraten ist es wichtig, darüber nachzudenken, wie Sie aus dieser Kennzahl sonst noch Erkenntnisse gewinnen können. Wenn Ihre automatisierte Lösungsrate beispielsweise von 15 auf 50 % gestiegen ist, bedenken Sie die Folgewirkungen, die dies in anderen Bereichen hat. Wie viel Zeit spart Ihr Team? Wie viel zufriedener sind Ihre Kunden mit der Geschwindigkeit und Qualität des Supports?

Wenn Sie andererseits einen Rückgang Ihrer automatisierten Lösungsrate bemerken, liegt wahrscheinlich ein zugrunde liegendes Problem vor, das behoben werden muss. Dies kann darauf hindeuten, dass Ihr Bot keinen Zugriff auf die richtigen Inhalte hat, die er zur Beantwortung von Kundenanfragen benötigt. Erwägen Sie eine Prüfung Ihres Help Centers, um sicherzustellen, dass Ihre Inhalte auf dem neuesten Stand sind und Ihr Bot über alles verfügt, was er braucht, um Ihren Kunden zu helfen.

Erstkontaktlösung (FCR)

„First Contact Resolution“ (FCR) misst, wie oft die Anfragen Ihrer Kunden nach ihrem ersten Anruf, ihrer ersten E-Mail, SMS oder Chat-Sitzung mit dem Support-Team Ihres Unternehmens gelöst werden.

Bestimmte KI-gestützte Bots wie Fin von Intercom nutzen Inhalte in Ihrem Help Center, um relevante Antworten auf die Fragen Ihrer Kunden bereitzustellen, und sind in vielen Fällen in der Lage, diese Fragen beim ersten Versuch zu beantworten. Dies bedeutet nicht nur, dass Ihre Kunden schneller als je zuvor Support erhalten, sondern wird wahrscheinlich auch dazu führen, dass Ihre Erstkontakt-Lösungsrate steigt.

Tipp

Da dank Ihres KI-Chatbots mehr Kundenanfragen in einer einzigen Interaktion gelöst werden, sollten Sie frühzeitig darüber nachdenken, welche anderen wirkungsvollen Aufgaben Ihr Team mit der zusätzlichen Zeit, die der Bot freigibt, erledigen kann, und wie Sie den Erfolg dieser Arbeit messen können. Indem Sie diese Arbeit jetzt planen, können Sie Ihrem Team die Möglichkeit geben, sich in neuen Bereichen weiterzubilden, sodass es, wenn seine Zeit frei wird, direkt aktiv werden und über die Standard-Supportkennzahlen hinaus einen Beitrag zum Unternehmen leisten kann.

KI bietet Kundendienstteams auch die Möglichkeit, Supportziele wettbewerbsfähiger zu machen. Beispielsweise könnten Teams menschlichen Support in Echtzeit für bestimmte Probleme oder Kunden anbieten oder beginnen, bei der Einrichtung und Aktivierung proaktiver mit Kunden zusammenzuarbeiten.

Zeit bis zur Auflösung (TTR)

„Time to Resolution“ (TTR) misst die durchschnittliche Zeit, die es dauert, bis eine Kundenanfrage vollständig gelöst ist, vom Öffnen eines Tickets oder Gesprächs bis zu dem Punkt, an dem es als „gelöst“ oder „geschlossen“ markiert wird.

Wie bei vielen anderen Kennzahlen wird auch die Zeit bis zur Lösung stark von der Fähigkeit von KI-Bots beeinflusst, eine große Anzahl von Kundenanfragen schnell zu beantworten. Es ist wahrscheinlich, dass sich die Zeit bis zur Lösung durch den Bot verkürzt und die Zeit bis zur Lösung durch den Menschen steigt. Dies ist zu erwarten, da sich Ihr Team mit komplexeren Problemen befassen wird, deren Lösung länger dauert.

Tipp

Erwägen Sie, Ihre Berichte nach „Bot-Zeit bis zur Lösung“ und „menschliche Zeit bis zur Lösung“ aufzuteilen, um zu verstehen, wie schnell häufige oder einfache Anfragen gelöst werden und wie lange es dauert, bis Ihr Team komplexere Fragen löst.

Wenn Ihr KI-Bot beginnt, komplexere Abfragen zu bearbeiten, die viel Hin und Her erfordern, ist es wichtig zu verstehen, wie viel Zeit es dauert, diese Probleme zu lösen.

Inhaltsansichten

„Inhaltsaufrufe“ ist ein Maß dafür, wie oft Kunden Ihre Help-Center-Inhalte aufgerufen haben, beispielsweise Artikel in Ihrer Wissensdatenbank.

Es ist wichtig zu verstehen, welche Rolle KI in Ihrem übergreifenden Self-Service-Support-Erlebnis spielt. Daher sollten Sie sich ansehen, wie Kunden mit Ihren Help-Center-Artikeln interagieren, um ein Gefühl dafür zu bekommen, wie einfach sie Antworten auf ihre eigenen Fragen finden können. In einer AI-First-Welt könnten die Aufrufe Ihrer Help-Center-Artikel zurückgehen, da KI-Chatbots den Inhalt nutzen, um Ihren Kunden Antworten zu liefern, anstatt auf die Artikel selbst zu verlinken.

Tipp

Indem Sie die Anzahl der Aufrufe Ihrer Help-Center- und Support-Community-Inhalte überwachen, können Sie nachvollziehen, ob Kunden, die diese Inhalte ansehen, nach dem Lesen eines Artikels oder Beitrags zusätzlichen Support benötigen oder ob dies ihnen bei der Lösung ihrer Anfrage geholfen hat. Es ist hilfreich, hierfür einen Zeitparameter festzulegen. Wenn sich beispielsweise ein Kunde nicht innerhalb von 24 Stunden nach der Anzeige des Inhalts an Ihr Team wendet, können Sie dies als „Ablenkung“ eines potenziellen Supportgesprächs betrachten.

Sobald Sie einen KI-Chatbot einsetzen, wird das Gesamtvolumen der Inhaltsaufrufe wahrscheinlich abnehmen, da Ihre Kunden Hilfe direkt von Ihrem Bot erhalten, anstatt sich an Ihr Help Center wenden zu müssen. Versuchen Sie in diesem Fall, die Inhaltsansichten innerhalb Ihres übergreifenden Self-Service-Support-Erlebnisses zu kontextualisieren, um zu verstehen, wie Kunden auf unterschiedliche Weise Hilfe erhalten.

Wie Sie das Kundenerlebnis messen

Natürlich werden alle durch KI hervorgerufenen Veränderungen das Kundenerlebnis verändern. Natürlich profitieren Ihre Kunden von einem schnelleren und effizienteren Support, aber sie werden auch mit neuen Technologien interagieren. Daher ist es von entscheidender Bedeutung, dieses neue Kundenerlebnis zu überwachen, um sicherzustellen, dass ihre Bedürfnisse weiterhin erfüllt werden.

Kundenzufriedenheit (CSAT)

„Kundenzufriedenheit“ (CSAT) ist eine Messung, die zeigt, wie zufrieden Ihre Kunden mit Ihrem Unternehmen sind. Dabei wird der Prozentsatz der positiv bewerteten Gespräche an der Gesamtzahl der von Ihren Kunden bewerteten Gespräche berechnet. CSAT-Umfragen können von ausführlich bis leichtgewichtig reichen – von der Aufforderung an Kunden, eine Interaktion von null bis zehn zu bewerten, über das Senden direkter Feedback-Fragen bis hin zur Auswahl des Emojis, das ihre Erfahrung am besten widerspiegelt.

Es ist kein Geheimnis, dass Kunden Bots insgesamt unterschiedlich stark vertrauen. In der Vergangenheit führten sie Kunden häufig auf Entscheidungspfade ohne Lösung oder steckten sie in einer Endlosschleife fest, aus der sie nicht mehr herauskamen. Offensichtlich ist dies für niemanden eine ideale Erfahrung. Aber die jüngsten Fortschritte in der generativen KI haben begonnen, das Vertrauen der Kunden in Bots zu stärken, vor allem aufgrund der Tatsache, dass sie effektiver kommunizieren können als herkömmliche Bots, und die Erwartung besteht, dass sie eine höhere Wahrscheinlichkeit haben, eine hilfreiche Antwort zu geben – schnell.

Support-Teams sind sehr darauf bedacht, die Kundenzufriedenheit im Auge zu behalten, da sie sich stärker auf KI-Bots verlassen. Und laut dem Bericht „State of AI in Customer Service: 2023“ von Intercom haben 58 % der Supportleiter durch den Einsatz von KI und Automatisierung Verbesserungen ihrer CSAT-Werte festgestellt.

Tipp

Es ist von entscheidender Bedeutung, dass Supportteams genau nachvollziehen können, wie effizient und effektiv Kunden Hilfe erhalten. CSAT spielt dabei eine große Rolle. Daher ist es wichtig zu verstehen, wie Kunden Gespräche bewerten, an denen Ihr KI-Bot beteiligt ist.

Wenn Sie sich Ihre CSAT-Berichte ansehen, versuchen Sie zu verstehen, wie Konversationen, an denen der Bot beteiligt war, bewertet werden – oder ob sie überhaupt bewertet werden (es könnte sich herausstellen, dass Kunden nach Interaktionen mit Bots weniger geneigt sind, Bewertungen abzugeben als nach Interaktionen mit Bots). Menschen). Dies hilft Ihnen zu verstehen, ob die Kunden mit der Interaktion zufrieden sind, wie viel Unterstützung der Bot bieten konnte und wie einfach es war, an ein Mitglied Ihres Teams weitergeleitet zu werden, wenn weitere Hilfe benötigt wurde. Indem Sie tiefer in diese Bereiche vordringen, können Sie die Leistung des Bots verbessern und sicherstellen, dass Ihre Kunden stets ein großartiges Erlebnis erhalten.

Net Promoter Score (NPS)

Der „Net Promoter Score“ (NPS) ist eine Kennzahl, mit der Unternehmen die Kundentreue gegenüber ihrer Marke, ihrem Produkt oder ihrer Dienstleistung messen. Es wird als Wert zwischen -100 und +100 gemessen.

Ähnlich wie CSAT legen kundenorientierte Unternehmen großen Wert auf die Überwachung ihres NPS. Es ermöglicht ihnen, die Einstellung der Kunden zu ihrem Produkt oder ihrer Dienstleistung zu testen und personalisierte Engagement-Pläne zu erstellen, um beispielsweise einen „Kritiker“ – jemanden, der in seiner NPS-Umfrage eine niedrige Punktzahl angegeben hat – mit jemandem aus ihrem Team in Kontakt zu bringen, um dies zu erreichen ihre Herausforderungen verstehen und ihre Erfahrungen verbessern.

KI-gestützte Bots werden nun in den Servicemix einbezogen, den Ihre Kunden in NPS-Umfragen bewerten. Daher ist es von entscheidender Bedeutung, die Auswirkungen zu verstehen, die sie auf Ihre Ergebnisse haben.

Tipp

Ihre NPS-Umfrage gibt Ihnen die Möglichkeit, die Elemente Ihres Produkts oder Ihrer Dienstleistung genauer zu untersuchen, die dem Kunden entweder gefallen oder nicht gefallen. Ohne Unterstützung durch KI kann die Analyse dieser Kommentare sehr zeitaufwändig werden. Aber zum Glück bietet Ihnen KI jetzt die Möglichkeit, die Erkenntnisse, die Ihre Kunden liefern, schnell zusammenzufassen. Überlegen Sie, auf welche Fragen Sie sich konzentrieren möchten, und nutzen Sie KI, um wichtige Erkenntnisse aus Ihren Umfragen zu gewinnen.

Customer Effort Score (CES)

Der „Customer Effort Score“ (CES) gibt an, wie viel Aufwand ein Kunde betreiben muss, um seine Anfrage bearbeiten zu lassen. Dazu kann es gehören, eine Antwort auf eine Frage zu erhalten, ein Problem zu lösen, einen Produktkauf abzuschließen oder einen Vertrag zu unterzeichnen. CES kann anhand von Umfragen gemessen werden, bei denen Kunden gefragt werden, wie schwierig oder einfach es war, ihre Bedürfnisse zu erfüllen, beispielsweise auf einer Skala von „sehr einfach“ bis „sehr schwierig“.

CES ist eine wichtige Kennzahl, die Support-Leiter im Auge behalten sollten, da die Kundenzufriedenheit – und damit auch Loyalität und Bindung – oft davon abhängt, wie einfach es dem Kunden fällt, mit Ihrem Unternehmen zusammenzuarbeiten. Traditionell wurden Umfragen zur Kundenaufwandsbewertung an wichtigen Meilensteinen ihrer Reise an Kunden gesendet, beispielsweise nach einer Interaktion, die zu einem Kauf führte, oder nach einer Interaktion mit Ihrem Support-Team, um herauszufinden, wie einfach oder schwierig die Erfahrung für sie war.

In dieser neuen Welt des KI-gestützten Supports besteht das Ziel darin, den Kundenaufwand insgesamt noch weiter zu reduzieren. KI-Bots sind in der Lage, das Support-Erlebnis zu optimieren, schnelle und genaue Antworten zu geben, um Kunden zu entsperren und ein angenehmes Erlebnis zu bieten. Sie müssen jedoch genau verstehen, wie sich KI auf den erforderlichen Kundenaufwand auswirkt und ob Kunden in anderen Bereichen einen hohen Aufwand verspüren.

Tipp

Erwägen Sie, eine Umfrage zur Kundenaufwandsbewertung zu versenden, nachdem ein Kunde mit Ihrem KI-Chatbot interagiert hat, um zu verstehen, wie schwierig oder einfach es für ihn war, die benötigte Hilfe zu erhalten. Anhand dieser Bewertungen können Sie beurteilen, ob Ihr Bot die Bedürfnisse Ihrer Kunden erfüllt und ein reibungsloses Support-Erlebnis bietet, oder potenzielle Reibungspunkte genauer untersuchen, um Möglichkeiten zu finden, den Prozess für sie einfacher zu gestalten.

Wie Sie die Qualität Ihres gesamten Supports aufrechterhalten

Qualitätssicherung (QA) ist eine entscheidende Komponente jedes Support-Vorgangs. Um Kunden mit einem herausragenden, konsistenten Kundenerlebnis zu begeistern, müssen Sie überwachen, wie der Support in Ihrem Unternehmen bereitgestellt wird.

Wenn es um die Bewertung der Qualität der Supportbereitstellung geht, eröffnet KI neue Möglichkeiten für die Durchführung von Analysen in großem Maßstab. Jedes Unternehmen hat seine eigene Interpretation davon, was ein „Qualitäts-Support-Erlebnis“ ausmacht, aber trotz der subjektiven Natur der Messung wird die Qualitätssicherung zweifellos durch KI verändert.

Interner Qualitätsfaktor (IQS)

Ein „interner Qualitätsfaktor“ (IQS) ist ein Maß dafür, wie gut Ihr Team Support leistet. Er wird von den Mitarbeitern Ihres Unternehmens und nicht von Ihren Kunden bestimmt. Interne Gutachter bewerten Kundengespräche danach, wie gut sie einer Reihe von Kriterien entsprechen, die für Ihr Unternehmen wichtig sind. Dieses Bewertungssystem kann in einer „QA-Scorecard“ widergespiegelt werden und ist für jedes Support-Team einzigartig.

Mit der Einführung von KI in das Kundenerlebnis entsteht die Notwendigkeit eines angepassten Qualitätssicherungsprozesses. Traditionell bewerteten interne Qualitätsbewertungen die Leistung von Supportmitarbeitern. Heutzutage besteht jedoch ein erhöhter Bedarf, die übergreifende Customer Journey zu betrachten, um zu verstehen, ob es Einschränkungen in Ihrem Produkt gibt, ob Ihre Prozesse effizient sind und ob die KI die Übergabe effektiv übernimmt Gespräche mit Ihrem Team.

Durch den Einsatz von KI zur Unterstützung routinemäßiger QS-Aufgaben wie der Erstellung von Mustern oder der Durchführung von Qualitätsprüfungen können Supportteams ihren Qualitätssicherungsprozess skalieren und sicherstellen, dass sie bei ihrem gesamten Supportangebot stets einen hohen Qualitätsstandard einhalten.

Tipp

Da sich IQS von einem Maß für die individuelle Leistung zu einem Indikator für Servicestandards während der gesamten Customer Journey entwickelt, sollten Sie darüber nachdenken, Ihre QA-Kriterien oder Scorecard so anzupassen, dass sie die wichtigsten Bereiche für Ihr Unternehmen widerspiegeln.

Bei Intercom haben wir beispielsweise unsere Scorecard in drei Abschnitte unterteilt:

• Menschen: Die altmodische Art, sicherzustellen, dass unsere Spezialisten das Richtige tun.
• Prozesse: Prüft, ob die von uns eingerichteten Prozesse korrekt sind – dabei wird auch die Übergabe unseres KI-Chatbots Fin an unsere Spezialisten untersucht.
• Produkt: Was können wir tun, um unser Produkt für das Kundenerlebnis zu verbessern?

Wie Sie Wert demonstrieren

Für jedes Support-Team ist es von entscheidender Bedeutung, auf den Wert hinweisen zu können, den es für sein Unternehmen schafft – und dies auch seinem Führungsteam mitzuteilen. In den letzten Jahren hat sich die Wahrnehmung von Kundendienstorganisationen von einer „Kostenstelle“ zu einem „Werttreiber“ gewandelt, und in dieser anbrechenden Ära des KI-gestützten Supports wird es wichtig sein zu wissen, wie man weiterhin demonstriert und Kommunikation des geschaffenen Mehrwerts in der gesamten Supportorganisation.

Return on Investment (ROI)

Der Return on Investment (ROI) ist eine Kennzahl, die verwendet wird, um den Wert einer Investition im Vergleich zu ihren Kosten zu verstehen.

In vielen Unternehmen wird der Kundenservice traditionell als Kostenstelle betrachtet. Aus diesem Grund sind sich Support-Leiter sehr bewusst, was die Verwaltung des Personalbestands angeht und sie nutzen Kennzahlen wie „Cost-to-Serve“, um den ROI nachzuweisen. Mit der Einführung der generativen KI erwarten wir eine Verlagerung von diesen traditionellen ROI-Berechnungen insbesondere hin zum ROI von Automatisierungsfunktionen.

„In dieser neuen Ära des Kundenservice wird es von entscheidender Bedeutung sein, die Erfolge von KI und Automatisierung zu verstehen und darüber zu berichten.“

Unsere Untersuchungen zeigen, dass 55 % der Support-Leiter darüber besorgt sind, wie sie Investitionen in KI mit Investitionen in bestehende Support-Ressourcen in Einklang bringen können. Es braucht Zeit, eine großartige Automatisierungsstrategie zu entwickeln, daher kann es für viele Supportleiter wie eine Herausforderung sein, einen Schritt zurückzutreten und Ressourcen von der Frontlinie weg und in eine KI-Strategie umzuleiten. Für Supportteams, die den Schritt wagen, lässt sich jedoch ein erheblicher ROI erzielen.

In dieser neuen Ära des Kundenservice wird es von entscheidender Bedeutung sein, die Erfolge von KI und Automatisierung zu verstehen und darüber zu berichten. Und da 68 % der Supportleiter Schwierigkeiten haben, einen Basisbericht oder Erfolgskennzahlen für die durch KI und Automatisierung eingesparten Kosten zu implementieren, ist dies ein Bereich, in dem zukunftsorientierte Teams über Investitionen in die Weiterqualifizierung nachdenken sollten.

Tipp

Erwägen Sie die Berechnung der Zeit- und Kosteneinsparungen, die KI und Automatisierung Ihrem Team bringen werden, um ihren Wert zu demonstrieren. Versuchen Sie beispielsweise Folgendes zu berechnen:

• Die Anzahl der Anfragen, die Ihr Team erhält und die von KI bearbeitet werden könnten.
  So berechnen Sie: Teilen Sie die Anzahl der in einer Nachricht geschlossenen Konversationen durch die Gesamtzahl der Konversationen im gleichen Zeitraum und multiplizieren Sie sie mit 100, um den Prozentsatz zu ermitteln.
• Die Anzahl der Gesprächsübergaben, die Ihr Team jede Woche durchführt.
  So berechnen Sie: Multiplizieren Sie die durchschnittliche Zeit, die pro Übergabe aufgewendet wird, mit der Anzahl der Übergaben und der Anzahl der Supportmitarbeiter in Ihrem Team.
• Die Gesamtzeit, die Supportmitarbeiter mit dem Verfassen von Antworten verbringen.
  So berechnen Sie: Multiplizieren Sie die durchschnittliche Zeit, die Sie mit dem Schreiben einer Nachricht verbringen, mit der Anzahl der Anfragen x der Anzahl der Supportmitarbeiter in Ihrem Team.

Es entstehen neue Kennzahlen

Zusätzlich zu den Veränderungen, die wir bei den traditionellen Kundenservice-Kennzahlen beobachten, entstehen durch KI auch neue Möglichkeiten, den Erfolg des Supports zu messen. Support-Leiter, die ihren Reporting-Ansatz anpassen möchten, sollten über die Integration dieser neuen Kennzahlen nachdenken, um sicherzustellen, dass sie in dieser sich anbahnenden Ära des Kundenservices die richtigen Dinge messen.

Bot-Beteiligungsrate

Wenn Sie einen KI-gestützten Bot einführen, ist es wichtig, seine Beteiligung oder Abdeckungsrate zu verstehen, d. h. die Anzahl der Gespräche, an denen er beteiligt ist, bezogen auf die Gesamtzahl der Gespräche, die Ihr Team erhält.

Tipp

Um das Beste aus Ihrem KI-Chatbot herauszuholen, sollten Sie ihn in möglichst viele Kundengespräche einbinden. Sie müssen jedoch über Fälle nachdenken, in denen Sie nicht möchten, dass der Bot involviert ist, und eine Erfahrung nur für Menschen bevorzugen, z. B. wenn Sie VIP-Kunden erstklassigen Support bieten.

Bot-Engagement-Rate

Wie bei allem ist es nicht nur wichtig zu wissen, was in Ihrem Support gut funktioniert, sondern auch, was nicht. Wenn Kunden absichtlich versuchen, Ihren Bot zu überspringen, um mit jemandem in Ihrem Team zu sprechen, gibt es möglicherweise durchaus Möglichkeiten, die Leistung Ihres Bots zu verbessern.

Tipp

Versuchen Sie, die Engagement-Rate Ihrer Kunden mit Ihrem KI-Chatbot zu messen und sich Markierungen wie „nächste ergriffene Aktion“ anzusehen, um zu verstehen, ob der Bot die Fragen Ihrer Kunden beantwortet oder ob es Möglichkeiten gibt, das Gesamterlebnis zu verbessern. Dies könnte Ihnen beispielsweise ermöglichen, potenzielle Wissenslücken zu lokalisieren oder das Konversationsdesign zu bewerten, um sicherzustellen, dass der Bot Ihre Kunden freundlich und hilfsbereit begrüßt.

Wenn Kunden sich nicht mehr engagieren, sollten Sie sie um Feedback bitten, um zu verstehen, warum. Mit diesen Erkenntnissen können Sie fundierte Änderungen an Ihrem Bot-Erlebnis vornehmen, um die Wirkung zu maximieren.

Konversationserkenntnisse

KI ermöglicht nicht nur neue Effizienzniveaus und Zeiteinsparungen, sondern bietet Supportteams auch die Möglichkeit, Kundengespräche auf innovative Weise zu analysieren. Jetzt kann KI Ihre Kundeninteraktionen in Echtzeit und im großen Maßstab analysieren und es Support-Teams ermöglichen, bisher nicht verfügbare Erkenntnisse zu gewinnen und wirklich wirkungsvolle „Stimme des Kunden“-Programme in ihren Unternehmen voranzutreiben.

Durch die Möglichkeit, Erkenntnisse aus solch großen Mengen an Kundengesprächen zu gewinnen, können Sie verstehen, wie Ihre Kunden über ihre Interaktionen mit Ihrem Unternehmen denken, und Ihr Team in die Lage versetzen, sich auf die Bereitstellung eines proaktiven, personalisierten Kundenservice zu konzentrieren.

Tipp

Nutzen Sie KI für eine gründliche Analyse Ihrer Kundengespräche und nutzen Sie diese Erkenntnisse, um:

• Identifizieren Sie Bereiche mit Verbesserungspotenzial in Ihrem gesamten Support.
• Machen Sie andere Teams auf wiederkehrende Kundenprobleme oder Schwachstellen aufmerksam und setzen Sie sich intern für die Stimme des Kunden ein.
• Verstehen Sie, wo Ihr Team Ihren Kunden während der gesamten Reise noch mehr Mehrwert bieten kann, und konzentrieren Sie sich auf die Bereitstellung proaktiver Unterstützung.

Richten Sie Ihr Kundenservice-Team auf Erfolgskurs

KI bietet Supportleitern eine große Chance, ihre Berichtsfunktionen zu verbessern, einfachere und effizientere Möglichkeiten zur Messung der Supportqualität und Leistung ihrer Teams zu erschließen und sicherzustellen, dass Kunden stets das bestmögliche Erlebnis erhalten. Durch den Einsatz von KI zur Entlastung der Supportmitarbeiter können sich Supportteams außerdem darauf konzentrieren, die von ihnen gesammelten Daten zu nutzen, um Erkenntnisse abzuleiten, die zur Verbesserung ihrer Systeme und Prozesse sowie zur internen Weitergabe von Kundenerkenntnissen genutzt werden können.

Um in diesem aufstrebenden Zeitalter des Kundenservices einen echten Erfolgsmaßstab zu erhalten, ist es von entscheidender Bedeutung, zu verstehen, wie Ihr Team seine Zeit verbringt, und neue Wege zur Erfolgsberichterstattung in den Bereichen zu entwickeln, die für Ihr Unternehmen am wichtigsten sind.