Bagaimana metrik layanan pelanggan berubah di era AI?

Apa kesamaan yang dimiliki semua tim dukungan pelanggan terbaik? Komitmen obsesif untuk menciptakan pengalaman pelanggan yang luar biasa adalah langkah awal yang baik, namun hal tersebut hanya akan membawa Anda sejauh ini tanpa satu unsur penting: pelaporan ketat mengenai metrik layanan pelanggan utama.

Mengetahui cara menemukan sinyal dalam gangguan data memungkinkan tim dukungan terbaik untuk terus memberikan layanan pelanggan yang berkualitas, kepuasan pelanggan yang tinggi, dan tim yang berkinerja tinggi. Namun dengan AI yang mentransformasikan layanan pelanggan seperti yang kita ketahui, bagaimana seharusnya para pemimpin pendukung menyesuaikan metrik inti mereka untuk mendapatkan ukuran kesuksesan yang sebenarnya di era baru ini?

“Para pemimpin yang ingin memanfaatkan peluang besar yang dihadirkan AI perlu berpikir secara berbeda mengenai metrik dan KPI”

Lanskap layanan pelanggan mengalami perubahan besar seiring dengan semakin majunya AI. Dengan teknologi yang kini memungkinkan interaksi pelanggan yang lebih menarik dan penyelesaian banyak pertanyaan pelanggan secara instan, tim dukungan dapat fokus pada aktivitas yang menciptakan nilai tambahan bagi pelanggan mereka. Penelitian terbaru dari State of AI in Customer Service: 2023 Report dari Intercom menunjukkan bahwa investasi pada AI untuk layanan pelanggan meningkat pesat, dengan 69% pemimpin dukungan berencana untuk berinvestasi lebih banyak pada AI di tahun mendatang.

Para pemimpin yang ingin memanfaatkan peluang besar yang dihadirkan AI perlu berpikir secara berbeda mengenai metrik dan KPI untuk memastikan bahwa di dunia yang mengutamakan AI, dampak sebenarnya dari layanan pelanggan diukur dengan cara yang benar.

Evolusi metrik dukungan tradisional

Meskipun metrik dukungan yang kita tahu terus berkembang, metrik tersebut tetap penting bagi kesuksesan tim Anda. AI akan mengubah cara kerja tim pendukung secara mendasar, dan beberapa metrik yang penting bagi penawaran dukungan generasi terakhir mungkin menjadi kurang relevan di dunia di mana manusia dan AI bekerja sama secara lancar.

“Sangat penting untuk memikirkan pengalaman pelanggan dan rekan tim saat menilai pendekatan pelaporan Anda saat ini”

Harapan pelanggan terhadap dukungan juga berkembang pesat karena AI menawarkan jawaban dan penyelesaian secepat kilat, yang berarti perjanjian tingkat layanan (SLA) dan tolok ukur tim dukungan perlu diatur ulang. Tim Dukungan Pelanggan kami telah menyesuaikan metrik dan tolok ukur yang kami gunakan untuk mengukur keberhasilan seiring dengan chatbot AI kami, Fin, yang semakin banyak menyelesaikan pertanyaan pelanggan kami.

Untuk menyiapkan tim Anda agar sukses di era baru layanan pelanggan ini, sangat penting untuk memikirkan pengalaman pelanggan dan rekan tim saat menilai pendekatan pelaporan Anda saat ini sehingga Anda dapat memastikan bahwa Anda selalu mengetahui angka-angka yang penting. paling.

Berikut adalah beberapa area dan metrik utama yang akan terkena dampak perubahan ini, beserta tips kami untuk menyesuaikan pendekatan pelaporan Anda guna memanfaatkan peluang yang ada di masa depan.

Bagaimana Anda berinteraksi dengan pelanggan

Bagi banyak tim layanan pelanggan, teknologi AI generatif – seperti chatbot yang didukung AI – akan menjadi titik kontak pertama bagi pelanggan yang mencari dukungan. Bot ini mampu menawarkan jawaban yang cepat dan bermanfaat, dan juga dapat memperjelas pertanyaan dan meneruskannya ke perwakilan dukungan manusia untuk memberikan bantuan lebih lanjut jika mereka tidak mengetahui jawabannya.

Dengan AI di garis depan yang menangani volume dukungan masuk Anda, beberapa metrik inti yang digunakan untuk mengukur kecepatan dan efektivitas pemberian dukungan Anda perlu disesuaikan.

Waktu respons pertama (FRT)

“Waktu respons pertama” (FRT) adalah waktu yang diperlukan tim Anda untuk mengirimkan respons awal terhadap pertanyaan pelanggan.

Mengingat bot AI terkemuka mampu menawarkan respons instan kepada pelanggan, waktu respons yang lambat – dan waktu tunggu yang lama bagi pelanggan – sudah tidak ada lagi. Hal ini akan secara dramatis mengubah ekspektasi pelanggan; Asumsi bahwa respons dan resolusi akhir memerlukan penantian akan digantikan oleh ekspektasi akan respons segera dan resolusi cepat.

Tip

Untuk mendapatkan pembacaan yang akurat tentang kinerja tim dan bot AI Anda, pertimbangkan untuk membuat laporan terpisah untuk “waktu respons pertama bot” dan “waktu respons pertama manusia” untuk gambaran menyeluruh tentang seberapa cepat pelanggan Anda mendapatkan respons secara menyeluruh.

Saat menilai pengalaman dukungan AI-manusia, penting juga untuk melihat serangkaian metrik yang lebih luas di samping waktu respons pertama, seperti waktu penanganan rata-rata, untuk memahami seberapa cepat masalah pelanggan diselesaikan setelah titik kontak pertama.

Waktu penanganan rata-rata (AHT)

“Waktu penanganan rata-rata” (AHT) mengukur waktu rata-rata yang dihabiskan tim Anda dalam menangani percakapan pelanggan, dan sering kali digunakan oleh pemimpin dukungan untuk memahami kapasitas tim dan kebutuhan staf.

Dengan bot AI yang menyelesaikan sebagian besar pertanyaan sederhana, tim Anda akan menghadapi masalah yang lebih kompleks dan memakan waktu, sehingga tolok ukur baru perlu diidentifikasi untuk waktu penanganan rata-rata percakapan pelanggan guna memberikan ruang bagi penyesuaian ini.

Tip

Mirip dengan waktu respons pertama, coba buat laporan terpisah untuk “rata-rata waktu penanganan bot” dan “rata-rata waktu penanganan manusia” untuk mendapatkan gambaran lengkap tentang berapa lama waktu yang dibutuhkan pelanggan Anda untuk menyelesaikan masalah mereka.

Meskipun Anda mungkin melihat waktu penanganan bot secara keseluruhan berkurang, waktu penanganan manusia kemungkinan akan meningkat karena perwakilan dukungan menangani masalah yang lebih rumit. Jika Anda melihat waktu penanganan manusia meningkat, pertimbangkan untuk melihat metrik lain, seperti CSAT, untuk melihat apakah hal ini berdampak langsung pada area lain.

Bagaimana Anda mengukur produktivitas

Kita tahu bahwa untuk memberikan dampak yang besar di era baru layanan pelanggan ini, manusia dan AI perlu bekerja sama. AI harus secara efektif dianggap sebagai perwakilan dukungan baru di tim Anda, dan oleh karena itu, penting untuk mengetahui cara mengukur kinerjanya, serta efek domino yang akan ditimbulkannya terhadap kapasitas tim Anda.

Menerapkan chatbot AI pasti akan menghemat waktu tim Anda untuk fokus pada aktivitas lain, seperti dukungan konsultatif atau proaktif, atau manajemen pengetahuan. Ketika tim Anda berfokus pada berbagai tugas, cara Anda mengukur produktivitas dan kapasitas tim Anda perlu disesuaikan.

Kasus yang ditangani

“Kasus yang ditangani” mengacu pada jumlah kasus, tiket, atau percakapan yang ditangani oleh agen dukungan. Hal ini dapat diukur setiap jam, setiap hari, atau setiap minggu, dan sering kali digunakan sebagai ukuran kinerja dan produktivitas tim.

Secara tradisional, perwakilan dukungan diharapkan menangani sejumlah pertanyaan pelanggan selama periode waktu tertentu, sehingga akan ada tolok ukur untuk mengevaluasi produktivitas tim. Di era AI, hal itu berubah-ubah. Perwakilan dukungan kini menangani serangkaian masalah pelanggan yang jauh lebih kompleks, dengan masalah sederhana yang diselesaikan oleh bot AI. Dan mengingat bahwa kasus-kasus kompleks sering kali memerlukan penyelidikan lebih lanjut dan investasi waktu, jumlah kasus yang ditangani per jam, hari, atau minggu akan berubah.

Peran “perwakilan dukungan pelanggan” juga menjadi jauh lebih beragam, dengan perwakilan yang semakin terlibat di bidang lain seperti pembuatan konten pusat bantuan dan manajemen pengetahuan. Saat tim Anda membagi waktunya di antara tugas-tugas yang berbeda, jumlah kasus yang ditangani menjadi metrik yang kurang relevan untuk menilai produktivitas tim.

Tip

Pertimbangkan untuk memetakan semua area dampak lain yang dapat dikontribusikan oleh tim Anda, dan pahami bagaimana setiap area dapat diperhitungkan ke dalam sistem keseluruhan untuk mengukur kinerja. Dengan mengidentifikasi area fokus lain untuk tim Anda, seperti pembuatan konten pusat bantuan atau moderasi komunitas, Anda akan bisa mendapatkan gambaran yang lebih akurat tentang produktivitas tim.

Tingkat resolusi otomatis

“Tingkat resolusi otomatis,” atau “tingkat resolusi otomatis” (ROAR), mengukur jumlah tiket dukungan atau percakapan yang sepenuhnya diselesaikan oleh otomatisasi, seperti bot.

Sebelum bot bertenaga AI dirilis, tingkat resolusi otomatis akan terdiri dari kueri yang diselesaikan oleh bot sederhana, atau model lebih canggih yang dibangun berdasarkan pembelajaran mesin, seperti Jawaban Khusus untuk Fin (sebelumnya Bot Resolusi).

Kini, beberapa bot AI terkuat di pasar mampu secara otomatis menyelesaikan hingga 50% pertanyaan pelanggan, sehingga tim dukungan dapat fokus pada pertanyaan yang lebih kompleks yang memerlukan sentuhan manusia. Dengan bot yang menangani hingga setengah dari pertanyaan umum atau pertanyaan yang lebih umum, pimpinan dukungan cenderung melihat lonjakan signifikan dalam tingkat penyelesaian otomatis di dasbor pelaporan mereka.

Tip

Dengan melonjaknya tingkat resolusi otomatis, penting untuk memikirkan cara lain untuk memperoleh wawasan dari metrik ini. Misalnya, jika tingkat resolusi otomatis Anda melonjak dari 15 menjadi 50%, pertimbangkan dampak langsung yang ditimbulkannya di area lain. Berapa banyak waktu yang dihemat tim Anda? Seberapa puaskah pelanggan Anda dengan kecepatan dan kualitas dukungan?

Di sisi lain, jika Anda melihat adanya penurunan tingkat resolusi otomatis, kemungkinan ada masalah mendasar yang perlu diatasi. Hal ini dapat menunjukkan bahwa bot Anda tidak memiliki akses ke konten yang tepat yang diperlukan untuk menjawab pertanyaan pelanggan. Pertimbangkan untuk mengaudit pusat bantuan Anda untuk memastikan konten Anda mutakhir dan bot Anda memiliki semua yang dibutuhkan untuk membantu pelanggan Anda.

Resolusi kontak pertama (FCR)

“Resolusi kontak pertama” (FCR) mengukur seberapa sering pertanyaan pelanggan Anda diselesaikan setelah sesi panggilan, email, SMS, atau obrolan pertama mereka dengan tim dukungan perusahaan Anda.

Bot tertentu yang didukung AI, seperti Intercom's Fin, menggunakan konten di pusat bantuan Anda untuk memberikan jawaban yang relevan atas pertanyaan pelanggan Anda, dan dalam banyak kasus, mampu menjawab pertanyaan-pertanyaan ini pada upaya pertama. Hal ini tidak hanya berarti bahwa pelanggan Anda mendapatkan dukungan lebih cepat dari sebelumnya, namun kemungkinan besar juga akan meningkatkan tingkat resolusi kontak pertama Anda.

Tip

Dengan semakin banyaknya pertanyaan pelanggan yang diselesaikan dalam satu interaksi berkat chatbot AI, Anda harus mulai memikirkan sejak awal tentang pekerjaan berdampak lainnya yang dapat dilakukan tim Anda dengan waktu tambahan saat bot tersebut dibebaskan, dan bagaimana Anda dapat mengukur keberhasilan pekerjaan ini. Dengan melakukan pekerjaan ini sekarang, Anda dapat memungkinkan tim Anda untuk meningkatkan keterampilan di bidang baru sehingga ketika waktu mereka mulai luang, mereka dapat langsung memberikan dampak dan berkontribusi pada bisnis di luar metrik dukungan standar.

AI juga menawarkan kesempatan kepada tim layanan pelanggan untuk membuat target dukungan menjadi lebih kompetitif. Misalnya, tim dapat menawarkan dukungan manusia secara real-time untuk masalah atau pelanggan tertentu, atau mulai bekerja lebih proaktif dengan pelanggan dalam penyiapan dan aktivasi.

Waktu untuk resolusi (TTR)

“Waktu penyelesaian” (TTR) mengukur waktu rata-rata yang diperlukan agar pertanyaan pelanggan dapat diselesaikan sepenuhnya, mulai dari saat tiket atau percakapan dibuka hingga titik ditandai sebagai “diselesaikan” atau “ditutup”.

Seperti banyak metrik lainnya, waktu penyelesaian akan sangat dipengaruhi oleh kemampuan bot AI untuk dengan cepat menyelesaikan sejumlah besar pertanyaan pelanggan. Kemungkinan waktu bot untuk menyelesaikan masalah akan berkurang, dan waktu manusia untuk menyelesaikan masalah akan meningkat. Hal ini wajar saja, karena tim Anda akan menghadapi masalah yang lebih kompleks dan membutuhkan waktu lebih lama untuk menyelesaikannya.

Tip

Pertimbangkan untuk membagi laporan Anda berdasarkan “waktu bot untuk menyelesaikan” dan “waktu manusia untuk menyelesaikan” untuk memahami seberapa cepat pertanyaan umum atau sederhana diselesaikan, serta berapa lama waktu yang dibutuhkan tim Anda untuk menyelesaikan pertanyaan yang lebih kompleks.

Saat bot AI Anda mulai menangani pertanyaan yang lebih kompleks yang melibatkan banyak proses bolak-balik, penting untuk memahami berapa banyak waktu yang diperlukan untuk menyelesaikan masalah tersebut.

Tampilan konten

“Tampilan konten” adalah ukuran berapa kali pelanggan melihat konten pusat bantuan Anda, misalnya artikel di basis pengetahuan Anda.

Memahami bagaimana AI berperan dalam pengalaman dukungan layanan mandiri Anda secara menyeluruh adalah hal yang penting, jadi Anda harus melihat bagaimana pelanggan berinteraksi dengan artikel pusat bantuan Anda untuk mengetahui betapa mudahnya mereka menemukan jawaban atas pertanyaan mereka sendiri. Di dunia yang mengutamakan AI, penayangan artikel pusat bantuan Anda mungkin mulai berkurang karena chatbot AI memanfaatkan konten untuk memberikan jawaban kepada pelanggan Anda alih-alih menautkan ke artikel itu sendiri.

Tip

Dengan memantau jumlah penayangan yang diperoleh pusat bantuan dan konten komunitas dukungan, Anda dapat memahami apakah pelanggan yang melihat konten ini perlu mencari dukungan tambahan setelah membaca artikel atau postingan, atau apakah konten tersebut membantu mereka menyelesaikan pertanyaan mereka. Sebaiknya tetapkan parameter waktu mengenai hal ini, misalnya, jika pelanggan tidak menghubungi tim Anda dalam waktu 24 jam setelah melihat konten, Anda dapat menganggapnya sebagai “penyimpangan” dari potensi percakapan dukungan.

Setelah Anda menerapkan chatbot AI, total volume penayangan konten kemungkinan akan mulai menurun karena pelanggan Anda mendapatkan bantuan langsung dari bot Anda daripada harus pergi ke pusat bantuan Anda. Jika ini terjadi, cobalah mengontekstualisasikan tampilan konten dalam pengalaman dukungan layanan mandiri Anda secara menyeluruh untuk memahami bagaimana pelanggan mendapatkan bantuan melalui berbagai cara.

Bagaimana Anda mengukur pengalaman pelanggan

Tentu saja, semua perubahan yang dibawa oleh AI akan mengubah pengalaman pelanggan. Tentu saja, pelanggan Anda akan mendapatkan manfaat dari dukungan yang lebih cepat dan efisien, namun mereka juga akan berinteraksi dengan teknologi baru, jadi memantau pengalaman pelanggan baru ini sangatlah penting untuk memastikan kebutuhan mereka tetap terpenuhi.

Kepuasan pelanggan (CSAT)

“Kepuasan pelanggan” (CSAT) adalah pengukuran yang mengungkapkan seberapa senang pelanggan Anda terhadap bisnis Anda dan melibatkan penghitungan persentase percakapan yang dinilai positif dari jumlah total percakapan yang dinilai oleh pelanggan Anda. Survei CSAT dapat berkisar dari yang mendalam hingga yang ringan – mulai dari meminta pelanggan menilai interaksi dari nol hingga 10, mengirimkan pertanyaan masukan langsung, atau bahkan membiarkan mereka memilih emoji yang paling mewakili pengalaman mereka.

Bukan rahasia lagi bahwa pelanggan memiliki tingkat kepercayaan yang berbeda-beda terhadap bot secara keseluruhan. Di masa lalu, mereka sering mengarahkan pelanggan ke jalur pengambilan keputusan tanpa resolusi, atau menjebak mereka dalam lingkaran tanpa akhir yang tidak dapat mereka hindari. Tentu saja, ini bukan pengalaman ideal bagi siapa pun. Namun kemajuan terbaru dalam AI generatif mulai meningkatkan kepercayaan pelanggan terhadap bot, sebagian besar disebabkan oleh fakta bahwa bot dapat berkomunikasi lebih efektif dibandingkan bot tradisional, dan diharapkan bot memiliki kemungkinan lebih tinggi untuk memberikan jawaban yang bermanfaat – cepat.

Tim dukungan sangat sadar untuk menjaga kepuasan pelanggan karena mereka lebih mengandalkan bot AI. Dan menurut State of AI in Customer Service: 2023 Report dari Intercom, 58% pemimpin dukungan telah melihat peningkatan pada skor CSAT mereka sebagai hasil dari penggunaan AI dan otomatisasi.

Tip

Sangat penting bagi tim dukungan untuk mengetahui dengan cermat seberapa efisien dan efektif pelanggan mendapatkan bantuan. CSAT berperan besar dalam hal ini, jadi penting untuk memahami bagaimana pelanggan menilai percakapan yang melibatkan bot AI Anda.

Saat melihat laporan CSAT Anda, cobalah memahami bagaimana percakapan yang melibatkan bot diberi peringkat – atau apakah percakapan tersebut diberi peringkat (mungkin terjadi bahwa pelanggan cenderung tidak meninggalkan peringkat setelah berinteraksi dengan bot dibandingkan dengan manusia). Ini akan membantu Anda memahami apakah pelanggan senang dengan interaksi tersebut, tingkat dukungan yang dapat diberikan bot, dan betapa mudahnya untuk ditransfer ke anggota tim Anda jika bantuan lebih lanjut diperlukan. Dengan menggali lebih dalam area ini, Anda akan dapat meningkatkan kinerja bot dan memastikan pelanggan Anda secara konsisten mendapatkan pengalaman yang luar biasa.

Skor promotor bersih (NPS)

“Skor promotor bersih” (NPS) adalah metrik yang digunakan organisasi untuk mengukur loyalitas pelanggan terhadap merek, produk, atau layanan mereka. Ini diukur sebagai skor yang berkisar antara -100 hingga +100.

Mirip dengan CSAT, perusahaan yang berpusat pada pelanggan sangat menekankan pemantauan NPS mereka. Hal ini memungkinkan mereka untuk memeriksa sikap pelanggan terhadap produk atau layanan mereka, dan membuat rencana keterlibatan yang dipersonalisasi untuk, misalnya, menghubungkan “pencela” – seseorang yang memberikan skor rendah dalam survei NPS mereka – dengan seseorang di tim mereka untuk memahami tantangan mereka dan meningkatkan pengalaman mereka.

Bot yang didukung AI kini akan disertakan dalam campuran layanan yang ditinjau oleh pelanggan Anda dalam survei NPS, jadi memahami dampaknya terhadap skor Anda sangatlah penting.

Tip

Survei NPS memberi Anda kesempatan untuk menelusuri elemen produk atau layanan Anda yang disukai atau tidak disukai pelanggan. Tanpa bantuan AI, menganalisis komentar-komentar ini bisa sangat memakan waktu. Namun untungnya, AI kini menawarkan Anda kemampuan untuk dengan cepat merangkum wawasan yang diberikan pelanggan Anda. Pertimbangkan pertanyaan apa yang ingin Anda fokuskan dan gunakan AI untuk menyaring pembelajaran penting dari survei Anda.

Skor upaya pelanggan (CES)

“Skor upaya pelanggan” (CES) menentukan jumlah upaya yang harus dilakukan pelanggan agar permintaan mereka diproses. Hal ini dapat mencakup mendapatkan jawaban atas pertanyaan, menyelesaikan masalah, memenuhi pembelian produk, atau menandatangani kontrak. CES dapat diukur dengan menggunakan survei untuk menanyakan kepada pelanggan seberapa sulit atau mudahnya memenuhi kebutuhan mereka, misalnya, dalam skala geser dari “sangat mudah” hingga “sangat sulit.”

CES adalah metrik penting yang harus diperhatikan oleh para pemimpin dukungan, karena kebahagiaan pelanggan – dan selanjutnya, loyalitas dan retensi – sering kali bergantung pada seberapa mudah pelanggan menemukan untuk bekerja dengan perusahaan Anda. Biasanya, survei skor upaya pelanggan akan dikirimkan kepada pelanggan pada tahap penting dalam perjalanan mereka, seperti setelah interaksi yang mengarah pada pembelian atau setelah interaksi dengan tim dukungan Anda, untuk mengetahui seberapa mudah atau sulit pengalaman tersebut bagi mereka.

Di dunia baru dengan dukungan berbasis AI ini, tujuannya adalah untuk semakin mengurangi upaya pelanggan secara menyeluruh. Bot AI mampu menyederhanakan pengalaman dukungan, menawarkan jawaban yang cepat dan akurat untuk membuka blokir pelanggan dan memberikan pengalaman yang menyenangkan. Namun, Anda harus memahami dengan tepat bagaimana AI memengaruhi tingkat upaya pelanggan yang diperlukan, dan apakah pelanggan mengalami upaya tingkat tinggi di area lain.

Tip

Pertimbangkan untuk mengirimkan survei skor upaya pelanggan setelah pelanggan berinteraksi dengan chatbot AI Anda untuk memahami betapa sulit atau mudahnya mereka mendapatkan bantuan yang mereka butuhkan. Anda dapat menggunakan peringkat ini untuk mengukur apakah bot Anda memenuhi kebutuhan pelanggan dan memberikan pengalaman dukungan yang lancar, atau menggali lebih dalam potensi titik hambatan untuk menemukan cara untuk mempermudah proses bagi mereka.

Bagaimana Anda menjaga kualitas di seluruh dukungan Anda

Jaminan kualitas (QA) adalah komponen penting dari setiap operasi dukungan. Untuk menyenangkan pelanggan dengan pengalaman pelanggan yang menonjol dan konsisten, Anda perlu memantau bagaimana dukungan diberikan di organisasi Anda.

Ketika mengevaluasi kualitas pemberian dukungan, AI membuka peluang baru untuk melakukan analisis dalam skala besar. Setiap perusahaan memiliki interpretasinya masing-masing mengenai apa yang dimaksud dengan “pengalaman dukungan kualitas”, namun meskipun cara pengukurannya bersifat subjektif, jaminan kualitas pasti akan diubah oleh AI.

Skor kualitas internal (IQS)

“Skor kualitas internal” (IQS) adalah ukuran seberapa baik tim Anda memberikan dukungan, ditentukan oleh orang-orang dalam organisasi Anda, bukan pelanggan Anda. Peninjau internal menilai percakapan pelanggan berdasarkan seberapa baik mereka memetakan serangkaian kriteria yang penting bagi perusahaan Anda. Sistem penilaian ini dapat tercermin dalam “kartu skor QA”, dan bersifat unik untuk setiap tim pendukung.

Dengan diperkenalkannya AI ke dalam pengalaman pelanggan, muncul kebutuhan akan proses QA yang disesuaikan. Biasanya, skor kualitas internal akan menilai kinerja perwakilan dukungan, sedangkan saat ini, ada kebutuhan yang semakin besar untuk melihat keseluruhan perjalanan pelanggan untuk memahami apakah ada keterbatasan dalam produk Anda, apakah proses Anda efisien, dan apakah AI berhasil secara efektif. percakapan dengan tim Anda.

Memanfaatkan AI untuk membantu tugas-tugas QA rutin seperti membuat sampel atau melakukan pemeriksaan kualitas akan memberdayakan tim dukungan untuk meningkatkan proses penjaminan kualitas mereka dan memastikan mereka secara konsisten memenuhi standar kualitas yang tinggi di seluruh penawaran dukungan mereka.

Tip

Dengan perubahan IQS dari ukuran kinerja individu menjadi indikator standar layanan sepanjang perjalanan pelanggan, pertimbangkan untuk menyesuaikan kriteria QA atau kartu skor Anda untuk mencerminkan area terpenting bagi bisnis Anda.

Misalnya, di Intercom, kami membagi kartu skor menjadi tiga bagian:

• Masyarakat: Cara kuno untuk memastikan spesialis kami melakukan hal yang benar.
• Proses: Melihat apakah proses yang kami lakukan sudah benar – ini juga melihat serah terima AI chatbot Fin kepada spesialis kami.
• Produk: Apa yang dapat kami lakukan untuk menjadikan produk kami lebih baik bagi pengalaman pelanggan?

Bagaimana Anda menunjukkan nilai

Penting bagi setiap tim pendukung untuk dapat menunjukkan nilai yang mereka ciptakan untuk bisnis mereka – serta mengomunikasikannya kepada tim kepemimpinan senior mereka. Dalam beberapa tahun terakhir, persepsi organisasi layanan pelanggan telah berubah dari “pusat biaya” menjadi “penggerak nilai”, dan di era awal dukungan yang didukung AI ini, penting untuk mengetahui cara terus mendemonstrasikan dan mengkomunikasikan nilai yang diciptakan di seluruh organisasi pendukung.

Laba atas investasi (ROI)

Pengembalian investasi (ROI) adalah metrik yang digunakan untuk memahami nilai investasi versus biayanya.

Di banyak organisasi, layanan pelanggan secara tradisional dipandang sebagai pusat biaya. Karena alasan ini, para pemimpin dukungan sangat sadar dalam mengelola jumlah karyawan, serta menggunakan metrik seperti “biaya untuk melayani” untuk menunjukkan ROI. Dengan hadirnya AI generatif, kami mengantisipasi pergeseran dari penghitungan ROI tradisional menuju ROI fitur otomatisasi, khususnya.

“Di era baru layanan pelanggan ini, kemampuan untuk memahami dan melaporkan keberhasilan AI dan otomatisasi akan menjadi hal yang sangat penting”

Penelitian kami menunjukkan bahwa 55% pemimpin dukungan khawatir tentang bagaimana menyeimbangkan investasi pada AI dengan investasi pada sumber daya dukungan yang ada. Dibutuhkan waktu untuk menyiapkan strategi otomatisasi yang hebat, jadi bagi banyak pemimpin pendukung, mengambil langkah mundur dan mengalihkan sumber daya dari garis depan ke dalam strategi AI bisa terasa seperti sebuah tantangan. Namun, ada ROI signifikan yang harus dihasilkan untuk tim pendukung yang melakukan lompatan.

Di era baru layanan pelanggan ini, kemampuan memahami dan melaporkan keberhasilan AI dan otomatisasi akan menjadi hal yang sangat penting. Dan dengan 68% pemimpin dukungan berjuang untuk menerapkan laporan dasar atau metrik keberhasilan untuk menghemat biaya oleh AI dan otomatisasi, ini adalah area di mana tim yang berpikiran maju harus mempertimbangkan investasi dalam peningkatan keterampilan.

Tip

Pertimbangkan untuk menghitung penghematan waktu dan biaya yang akan diberikan AI dan otomatisasi ke tim Anda untuk menunjukkan nilainya. Misalnya, coba hitung:

• Jumlah pertanyaan yang diterima tim Anda yang dapat ditangani oleh AI.
  Cara menghitungnya: Bagilah jumlah percakapan yang ditutup dalam satu pesan dengan jumlah keseluruhan percakapan dalam jangka waktu yang sama dan kalikan dengan 100 untuk mencari persentasenya.
• Jumlah penyerahan percakapan yang dilakukan oleh tim Anda setiap minggunya.
  Cara menghitungnya: Kalikan rata-rata waktu yang dihabiskan per handover x jumlah handover x jumlah repetisi support di tim Anda.
• Total waktu yang dihabiskan perwakilan dukungan untuk menyusun tanggapan.
  Cara menghitungnya: Kalikan rata-rata waktu yang dihabiskan untuk menulis pesan x jumlah pertanyaan x jumlah perwakilan dukungan di tim Anda.

Metrik baru bermunculan

Selain perubahan yang kita lihat pada metrik layanan pelanggan tradisional, cara-cara baru untuk mengukur keberhasilan dukungan juga muncul sebagai hasil dari AI. Para pemimpin dukungan yang ingin mengadaptasi pendekatan pelaporan mereka harus mempertimbangkan untuk memasukkan metrik baru ini untuk memastikan mereka mengukur hal yang benar di era layanan pelanggan yang sedang berkembang ini.

Tingkat keterlibatan bot

Saat Anda meluncurkan bot yang didukung AI, penting untuk memahami tingkat keterlibatan atau cakupannya, yaitu jumlah percakapan yang terlibat dari jumlah total percakapan yang diterima tim Anda.

Tip

Untuk mendapatkan hasil maksimal dari chatbot AI Anda, pertimbangkan untuk mengaktifkannya untuk terlibat dalam sebanyak mungkin percakapan pelanggan. Namun, Anda harus mempertimbangkan kasus-kasus di mana Anda tidak ingin bot terlibat dan lebih memilih pengalaman yang hanya bersifat manusia, seperti memberikan dukungan langsung kepada pelanggan VIP.

Tingkat keterlibatan bot

Seperti apa pun, penting bukan hanya untuk mengetahui apa yang berhasil dengan baik dalam dukungan Anda, tapi juga apa yang tidak. Jika pelanggan dengan sengaja mencoba melompati bot Anda untuk berbicara dengan seseorang di tim Anda, mungkin ada peluang untuk meningkatkan kinerja bot Anda.

Tip

Coba ukur tingkat keterlibatan pelanggan dengan chatbot AI Anda dan lihat penanda seperti “tindakan selanjutnya yang diambil” untuk memahami apakah bot tersebut menjawab pertanyaan pelanggan Anda, atau apakah ada peluang untuk meningkatkan pengalaman secara keseluruhan. Misalnya, hal ini memungkinkan Anda menentukan potensi kesenjangan pengetahuan atau mengevaluasi desain percakapan untuk memastikan bot menyapa pelanggan Anda dengan cara yang ramah dan membantu.

Jika pelanggan melepaskan diri, pertimbangkan untuk meminta masukan dari mereka untuk memahami alasannya. Berbekal wawasan ini, Anda dapat membuat perubahan yang tepat pada pengalaman bot Anda untuk memaksimalkan dampak.

Wawasan percakapan

Selain membuka tingkat efisiensi dan penghematan waktu baru, AI juga menawarkan kemampuan kepada tim pendukung untuk menganalisis percakapan pelanggan dengan cara yang inovatif. Kini, AI dapat menganalisis interaksi pelanggan Anda secara real-time dan dalam skala besar, memungkinkan tim dukungan untuk menggali wawasan yang sebelumnya tidak tersedia dan mendorong program “suara pelanggan” yang benar-benar berdampak di organisasi mereka.

Dengan kemampuan untuk menyaring wawasan dari percakapan pelanggan dalam jumlah besar, Anda dapat memahami bagaimana perasaan pelanggan tentang interaksi mereka dengan bisnis Anda dan memberdayakan tim Anda untuk fokus dalam menyediakan layanan pelanggan yang proaktif dan dipersonalisasi.

Tip

Gunakan AI untuk melakukan analisis menyeluruh terhadap percakapan pelanggan Anda dan gunakan pembelajaran ini untuk:

• Identifikasi area yang perlu ditingkatkan di seluruh dukungan Anda.
• Buat tim lain sadar akan masalah atau masalah pelanggan yang berulang dan perjuangkan suara pelanggan secara internal.
• Pahami di mana tim Anda dapat memberikan nilai lebih bagi pelanggan Anda sepanjang perjalanan mereka dan fokuslah untuk memberikan dukungan proaktif.

Menyiapkan tim layanan pelanggan Anda untuk sukses

AI menghadirkan peluang besar bagi para pemimpin dukungan untuk meningkatkan kemampuan pelaporan mereka, membuka cara yang lebih mudah dan efisien untuk mengukur kualitas dukungan dan kinerja tim mereka, dan memastikan pelanggan selalu mendapatkan pengalaman terbaik. Selain itu, dengan menggunakan AI untuk menghemat waktu perwakilan dukungan, tim dukungan dapat fokus memanfaatkan data yang mereka kumpulkan untuk mendapatkan wawasan yang dapat digunakan untuk meningkatkan sistem dan proses mereka, serta berbagi wawasan pelanggan secara internal.

Untuk mengukur keberhasilan sebenarnya di era layanan pelanggan yang sedang berkembang ini, penting untuk memahami bagaimana tim Anda menghabiskan waktu mereka, dan mengembangkan cara-cara baru untuk melaporkan keberhasilan di bidang-bidang yang paling penting bagi bisnis Anda.