AI の時代に顧客サービスの指標はどのように変化しているのでしょうか?

最高のカスタマー サポート チームに共通しているものは何ですか? 優れたカスタマー エクスペリエンスを作成するという執拗な取り組みは最初のステップとしては良いことですが、重要な要素が 1 つなければ、それは限界に達します。それは、主要なカスタマー サービス指標に関する厳密なレポートです。

データ ノイズの中から信号を見つける方法を知ることで、最高のサポート チームが質の高い顧客サービス、高い顧客満足度、高いパフォーマンスを提供し続けることができます。 しかし、私たちが知っているように、AI が顧客サービスを変革する中、サポート リーダーは、この新しい時代における真の成功の尺度を得るために、中核となる指標をどのように適応させるべきでしょうか?

「AI がもたらす計り知れない機会を活用しようとしているリーダーは、指標と KPI について今までとは異なる考え方をする必要があるでしょう。」

AI の進歩に伴い、顧客サービスの状況は大きな変化を経験しています。 このテクノロジーにより、より説得力のある顧客との対話が可能になり、多くの顧客の質問をほぼ瞬時に解決できるようになったことで、サポート チームは顧客に付加価値を生み出す活動に集中できるようになりました。 Intercom の「顧客サービスにおける AI の現状: 2023 年レポート」による最近の調査では、顧客サービスのための AI への投資が急速に加速しており、サポート リーダーの 69% が今後 1 年で AI へのさらなる投資を計画していることが示されています。

AI がもたらす計り知れない機会を活用しようとしているリーダーは、AI ファーストの世界で顧客サービスの真の影響が正しい方法で測定されるように、指標と KPI についてこれまでとは異なる考え方をする必要があります。

従来のサポート指標の進化

私たちが知っているサポート指標は進化していますが、チームの成功には今後も不可欠であることに変わりはありません。 AI はサポート チームの働き方を根本的に変えるでしょう。人間と AI がシームレスに連携する世界では、前世代のサポート サービスにとって重要だった指標の一部が重要でなくなる可能性があります。

「レポートに対する現在のアプローチを評価する際には、顧客とチームメイトの両方のエクスペリエンスを考慮することが重要になります。」

AI が超高速の回答と解決策を提供する結果、サポートに対する顧客の期待も急速に進化しています。これは、サポート チームのサービス レベル アグリーメント (SLA) とベンチマークをリセットする必要があることを意味します。 弊社のカスタマー サポート チームは、AI チャットボット Fin が顧客の質問をますます解決するにつれて、成功を測定するために使用する指標とベンチマークをすでに調整しています。

この新しい顧客サービス時代でチームを成功に導くには、レポートに対する現在のアプローチを評価するときに顧客とチームメイトの両方のエクスペリエンスを考慮し、重要な数値を確実に把握できるようにすることが重要です。ほとんど。

ここでは、これらの変更によって影響を受ける主要な領域と指標の一部と、今後の機会を活用するためにレポートのアプローチを適応させるためのヒントを紹介します。

顧客との関わり方

多くのカスタマー サービス チームにとって、AI を活用したチャットボットなどの生成 AI テクノロジーが、サポートを求める顧客の最初の連絡先となります。 これらのボットは、迅速で役立つ回答を提供することができ、また、質問の曖昧さを解消して人間のサポート担当者に渡し、答えがわからない場合にはさらなるサポートを提供することもできます。

AI が最前線でインバウンド サポート量に取り組んでいる場合、サポート提供の速度と効果を測定するために使用される主要な指標の一部を調整する必要があります。

初回応答時間 (FRT)

「初回応答時間」(FRT) は、チームが顧客のクエリに対して最初の応答を送信するまでにかかる時間です。

主要な AI ボットが顧客にほぼ瞬時に応答できることを考えると、応答時間の遅さや顧客の長い待ち時間は過去のものになりつつあります。 これにより、顧客の期待は劇的に変わります。 対応と最終的な解決には待つ必要があるという想定は、即時の対応と迅速な解決への期待に置き換えられます。

ヒント

チームと AI ボットの両方のパフォーマンスを正確に把握するには、「ボットの初回応答時間」と「人間の初回応答時間」について個別のレポートを作成して、顧客が全体的にどれくらい早く応答を得るかを総合的に把握することを検討してください。

AI と人間によるサポート エクスペリエンスを評価する場合は、最初の対応時間だけでなく、平均処理時間などのより広範な指標に注目して、最初の問い合わせ時点以降に顧客の問題がどれくらい早く解決されるかを理解することも重要です。

平均処理時間 (AHT)

「平均処理時間」(AHT) は、チームが顧客との会話に費やす平均時間を測定し、サポート リーダーがチームの能力と人員配置のニーズを理解するためによく使用します。

AI ボットが単純なクエリの大部分を解決すると、チームはより複雑で時間のかかる問題に対処することになるため、この調整の余地を作るために、顧客との会話の平均処理時間について新しいベンチマークを特定する必要があります。

ヒント

最初の応答時間と同様に、顧客が問題を解決するまでにかかる時間を全体的に把握するために、「ボットの平均処理時間」と「人間の平均処理時間」について個別のレポートを作成してみてください。

全体的な処理時間とボットの処理時間は減少するかもしれませんが、より厄介な問題に対応するサポート担当者の結果として人間の処理時間は増加する可能性があります。 人間の対応時間の増加が見られる場合は、CSAT などの他の指標を検討して、これが他の領域に波及効果を及ぼしているかどうかを確認してください。

生産性を測定する方法

この新しい顧客サービスの時代に大きな影響を与えるためには、人間と AI が協力する必要があることを私たちは知っています。 AI は事実上、チームの新しいサポート担当者として考える必要があるため、そのパフォーマンスと、AI がチームの能力に与えるドミノ効果を測定する方法を知ることが重要になります。

AI チャットボットを導入すると、必然的にチームの時間が解放され、コンサルティングやプロアクティブなサポート、ナレッジ管理などの他の活動に集中できるようになります。 チームが幅広いタスクに集中しているため、生産性を測定し、チームの能力を評価する方法を適応させる必要があります。

扱った事件

「処理されたケース」とは、サポート エージェントが処理したケース、チケット、または会話の数を指します。 これは時間単位、日単位、または週単位で測定でき、チームのパフォーマンスと生産性の尺度としてよく使用されます。

従来、サポート担当者は一定期間内に一定数の顧客のクエリを処理することが期待されていたため、チームの生産性を評価するためのベンチマークが設けられていました。 AI の時代では、それが流動的になりました。 サポート担当者は現在、より複雑な一連の顧客の問題に取り組んでおり、単純な問題は AI ボットによって解決されています。 また、複雑な事件ではより多くの調査と時間の投資が必要になることが多いため、時間、日、または週ごとに処理される事件の数は変化するでしょう。

「カスタマー サポート担当者」の役割も大幅に多様化しており、担当者はヘルプ センターのコンテンツ作成やナレッジ マネジメントなどの他の領域にも関与するようになっています。 チームがさまざまなタスクに時間を分割すると、処理されたケースの数は、チームの生産性を評価するための指標としてあまり重要ではなくなります。

ヒント

チームが貢献できる他のすべての影響領域をマッピングすることを検討し、パフォーマンスを測定するために各領域をシステム全体にどのように組み込むことができるかを理解します。 ヘルプセンターのコンテンツ作成やコミュニティのモデレーションなど、チームが重点を置く他の領域を特定することで、チームの生産性をより正確に把握できるようになります。

自動解決率

「自動解決率」または「自動解決率」(ROAR) は、ボットなどの自動化によって完全に解決されたサポート チケットまたは会話の数を測定します。

AI を活用したボットがリリースされる前は、自動解決率は、単純なボット、または Custom Answers for Fin (旧称 Resolution Bot) などの機械学習に基づいて構築されたより高度なモデルによって解決されたクエリで構成されていました。

現在、市場で最も強力な AI ボットの一部は、顧客のクエリの最大 50% という驚くべきことを自動的に解決できるため、サポート チームは人間の介入が必要なより複雑なクエリに集中できるようになります。 ボットがよくある質問、またはより一般的な質問の最大半分に対処するため、サポート リーダーはレポート ダッシュボードの自動解決率が大幅に向上する可能性があります。

ヒント

自動解決率が急上昇しているため、この指標から他にどのように洞察を得ることができるかを考えることが重要です。 たとえば、自動解決率が 15% から 50% に跳ね上がった場合、これが他の領域に及ぼしている波及効果を考慮してください。 あなたのチームはどのくらい時間を節約できていますか? 顧客はサポートのスピードと質にどの程度満足していますか?

一方、自動解決率の低下に気付いた場合は、対処する必要がある根本的な問題がある可能性があります。 これは、ボットが顧客のクエリに答えるために必要な適切なコンテンツにアクセスできないことを示している可能性があります。 ヘルプセンターを監査して、コンテンツが最新であること、および顧客を支援するために必要なものがボットにすべて揃っていることを確認することを検討してください。

ファーストコンタクト解決 (FCR)

「初回問い合わせ解決」(FCR) は、会社のサポート チームとの最初の電話、電子メール、テキスト メッセージ、またはチャット セッションの後、顧客の問い合わせがどの程度解決されるかを測定します。

Intercom の Fin などの特定の AI 搭載ボットは、ヘルプ センターのコンテンツを使用して顧客の質問に関連する回答を提供し、多くの場合、最初の試行でこれらの質問に答えることができます。 これは、顧客がこれまでよりも迅速にサポートを受けられることを意味するだけでなく、最初の問い合わせの解決率も向上する可能性があります。

ヒント

AI チャットボットのおかげで、1 回の対話でより多くの顧客の質問が解決されるようになったので、ボットが解放した追加時間でチームが実行できる他の影響力のある作業と、この作業の成功を測定する方法について、早めに検討し始める必要があります。 今すぐこの作業の範囲を決めることで、チームが新しい分野でスキルを向上できるようになり、時間が空いたときにすぐに取り組み、標準のサポート指標を超えてビジネスに貢献できるようになります。

AI は、カスタマー サービス チームにサポート対象の競争力を高める機会も提供します。 たとえば、チームは特定の問題や顧客に対してリアルタイムの人的サポートを提供したり、セットアップやアクティベーションに関して顧客とより積極的に協力し始めることができます。

解決までの時間 (TTR)

「解決までの時間」(TTR) は、チケットまたは会話が開始されてから「解決済み」または「終了」とマークされる時点まで、顧客のクエリが完全に解決されるまでにかかる平均時間を測定します。

他の多くの指標と同様、解決までの時間は、顧客からの大量のクエリを迅速に解決する AI ボットの能力によって大きく影響されます。 ボットが解決するまでの時間は短縮され、人間が解決するまでの時間は増加する可能性があります。 チームは、真相を解明するまでに時間がかかる、より複雑な問題に対処することになるため、これは当然のことです。

ヒント

レポートを「ボットによる解決までの時間」と「人間による解決までの時間」に分けて、一般的なクエリや単純なクエリがどれくらいの速さで解決されるか、またチームがより複雑なクエリを解決するのにどれくらいの時間がかかるかを把握することを検討してください。

AI ボットが多くのやり取りを伴うより複雑なクエリに取り組み始めると、それらの問題を解決するのにどれくらいの時間がかかるかを理解することが重要になります。

コンテンツビュー

「コンテンツの閲覧数」は、顧客がヘルプ センターのコンテンツ (ナレッジ ベースの記事など) を閲覧した回数の尺度です。

AI が包括的なセルフサービス サポート エクスペリエンスにどのように影響するかを理解することは重要です。そのため、顧客がヘルプ センターの記事をどのように操作しているかを調べて、顧客が自分の質問に対する答えをどれだけ簡単に見つけられるかを把握する必要があります。 AI ファーストの世界では、AI チャットボットが記事自体にリンクするのではなくコンテンツを活用して顧客に回答を提供するため、ヘルプセンター記事の閲覧数が減少し始める可能性があります。

ヒント

ヘルプセンターとサポートコミュニティのコンテンツが取得した閲覧数を監視することで、このコンテンツを閲覧している顧客が記事や投稿を読んだ後に追加のサポートを求める必要があるかどうか、またはそれが問い合わせの解決に役立ったかどうかを理解できます。 これに関連して時間パラメータを設定すると便利です。たとえば、顧客がコンテンツを閲覧してから 24 時間以内にチームに連絡しなかった場合、それは潜在的なサポート会話の「変更」であると考えることができます。

AI チャットボットを導入すると、顧客がヘルプセンターに行かずにボットから直接サポートを受けることができるため、コンテンツの総閲覧量は減少し始める可能性があります。 このような場合は、包括的なセルフサービス サポート エクスペリエンス内でコンテンツ ビューをコンテキスト化して、顧客がさまざまな手段を通じてどのようにサポートを受けているかを理解するようにしてください。

カスタマーエクスペリエンスを測定する方法

当然のことながら、AI によってもたらされるすべての変化は顧客体験を変革します。 確かに、顧客はより迅速で効率的なサポートの恩恵を受けることになりますが、新しいテクノロジーにも触れていくことになるため、この新しい顧客エクスペリエンスを監視して、顧客のニーズが確実に満たされていることを確認することが重要になります。

顧客満足度 (CSAT)

「顧客満足度」(CSAT) は、顧客があなたのビジネスにどの程度満足しているかを明らかにする測定値であり、顧客によって評価された会話の総数のうち、肯定的に評価された会話の割合を計算することが含まれます。 CSAT アンケートは、顧客にインタラクションを 0 から 10 までの評価を求める、フィードバックの質問を直接送信する、さらには顧客のエクスペリエンスを最もよく表す絵文字を選択させるなど、詳細な調査から軽量なものまで多岐にわたります。

顧客がボット全体に対してさまざまな程度の信頼を持っていることは周知の事実です。 これまでは、顧客を解決策のないディシジョン ツリー パスに誘導したり、抜け出すことができない無限ループに陥ったりすることがよくありました。 明らかに、これは誰にとっても理想的な経験ではありません。 しかし、生成型 AI の最近の進歩により、ボットに対する顧客の信頼がさらに高まり始めています。これは主に、ボットが従来のボットよりも効果的にコミュニケーションできるという事実によるもので、有益な回答を返す可能性が高いことが期待されています。速い。

サポート チームは、AI ボットへの依存度を高めているため、顧客満足度を常に把握していることをよく認識しています。 また、Intercom の「State of AI in Customer Service: 2023 Report」によると、サポート リーダーの 58% が AI と自動化の使用の結果、CSAT スコアの向上を実感しています。

ヒント

サポート チームが、顧客がどの程度効率的かつ効果的にサポートを受けているかを詳しく把握できることが重要です。 これには CSAT が大きな役割を果たしているため、AI ボットが関与している会話を顧客がどのように評価しているかを理解することが重要です。

CSAT レポートを確認するときは、ボットが関与した会話がどのように評価されているか、またはそもそも評価されているかどうかを理解するように努めてください (顧客は、ボットとの対話の後では、ボットとの対話よりも評価を残す傾向が低いことが判明する可能性があります)人間)。 これは、顧客がインタラクションに満足しているかどうか、ボットが提供できるサポートのレベル、さらにサポートが必要な場合にチームのメンバーに転送するのがいかに簡単かを理解するのに役立ちます。 これらの領域をさらに深く掘り下げることで、ボットのパフォーマンスを向上させ、顧客が継続的に優れたエクスペリエンスを得ることができるようになります。

ネットプロモータースコア (NPS)

「ネット プロモーター スコア」（NPS）は、組織が自社のブランド、製品、またはサービスに対する顧客ロイヤルティを測定するために使用する指標です。 -100 から +100 の範囲のスコアとして測定されます。

CSAT と同様に、顧客中心の企業は NPS の監視に非常に重点を置いています。 これにより、自社の製品やサービスに対する顧客の態度を温度チェックしたり、たとえば「批判者」（NPS 調査で低いスコアを付けた人） をチームの誰かと結びつけるためのパーソナライズされたエンゲージメント プランを構築したりすることができます。彼らの課題を理解し、経験を向上させます。

AI を活用したボットは、NPS アンケートで顧客によってレビューされるさまざまなサービスに含まれるようになるため、それらがスコアに与える影響を理解することが重要になります。

ヒント

NPS アンケートでは、顧客が好む製品またはサービスの要素を掘り下げる機会が得られます。 AI の支援がなければ、これらのコメントの分析には非常に時間がかかる可能性があります。 しかし幸いなことに、現在では AI によって、顧客が提供する洞察を素早く要約できる機能が提供されています。 どの質問に焦点を当てたいかを検討し、AI を使用してアンケートから重要な知見を抽出します。

顧客努力スコア (CES)

「顧客努力スコア」(CES) は、顧客がリクエストを処理するために必要な労力の量を決定します。 これには、質問に対する回答の取得、問題の解決、製品購入の履行、または契約への署名など​​が含まれます。 CES は、たとえば「非常に簡単」から「非常に難しい」までのスライド スケールで、顧客のニーズを満たすことがどれだけ難しかったか、または簡単だったかを尋ねるアンケートを使用して測定できます。

CES は、サポート リーダーにとって常に最新情報を把握するための重要な指標です。顧客の幸福度、そしてその後の忠誠心と定着率は、多くの場合、顧客が貴社との連携をどれだけ容易に感じられるかによって左右されるからです。 従来、カスタマー エフォート スコア アンケートは、購入に至ったやり取りの後やサポート チームとのやり取りの後など、顧客の購入までの重要なマイルストーンで顧客に送信され、そのエクスペリエンスが顧客にとってどれだけ簡単であったか、または難しかったかを調査していました。

AI を活用したサポートのこの新しい世界では、顧客の労力を全体的にさらに削減することが目標です。 AI ボットはサポート エクスペリエンスを合理化し、迅速かつ正確な回答を提供して顧客のブロックを解除し、楽しいエクスペリエンスを提供します。 ただし、AI が顧客の必要な労力のレベルにどのような影響を与えているか、また顧客が他の分野で高いレベルの労力を経験しているかどうかを正確に理解する必要があります。

ヒント

顧客が AI チャットボットと対話した後、必要なサポートを受けるのがどれほど難しかったか、簡単だったかを理解するために、顧客努力スコア調査を送信することを検討してください。 これらの評価を使用して、ボットが顧客のニーズを満たし、スムーズなサポート エクスペリエンスを提供しているかどうかを評価したり、潜在的な摩擦点を深く掘り下げてプロセスを容易にする方法を見つけることができます。

サポート全体で品質を維持する方法

品質保証 (QA) は、あらゆるサポート業務の重要な要素です。 傑出した一貫したカスタマー エクスペリエンスで顧客を満足させるには、組織内でサポートがどのように提供されているかを監視する必要があります。

サポート提供の品質を評価する場合、AI は大規模な分析を実行する新たな機会を生み出します。 どの企業も「質の高いサポート エクスペリエンス」を実現するものについて独自の解釈を持っていますが、その測定方法の主観的な性質にもかかわらず、品質保証は間違いなく AI によって変革されるでしょう。

内部品質スコア (IQS)

「内部品質スコア」(IQS) は、チームがサポートをどの程度提供しているかを示す尺度であり、顧客ではなく組織内の人々によって決定されます。 内部レビュー担当者は、顧客との会話が会社にとって重要な一連の基準にどの程度適合しているかに基づいて評価します。 このスコアリング システムは「QA スコアカード」に反映でき、各サポート チームに固有です。

顧客エクスペリエンスに AI が導入されると、適応した QA プロセスが必要になります。 従来、内部品質スコアはサポート担当者のパフォーマンスを評価していましたが、現在では、製品内に制限があるかどうか、プロセスが効率的かどうか、AI が効果的に引き継いでいるかどうかを理解するために、包括的なカスタマー ジャーニーに注目する必要性が高まっています。チームとの会話。

サンプルの作成や品質チェックの実行などの日常的な QA タスクを支援するために AI を活用することで、サポート チームは品質保証プロセスを拡張し、サポート サービス全体で高い品質基準を常に満たすことができるようになります。

ヒント

IQS が個人のパフォーマンスの尺度からカスタマー ジャーニー全体にわたるサービス標準の指標に変化しているため、ビジネスにとって最も重要な領域を反映するように QA 基準またはスコアカードを適応させることを検討してください。

たとえば、Intercom では、スコアカードを 3 つのセクションに分割しています。

• 人材:当社のスペシャリストが正しいことを行っているかどうかを確認する昔ながらの方法です。
• プロセス:当社が導入しているプロセスが正しいかどうかを確認します。これは、AI チャットボット Fin のスペシャリストへの引き継ぎも確認します。
• 製品:製品の顧客体験を向上させるために何ができるでしょうか?

価値を実証する方法

サポート チームにとって、自分たちがビジネスに生み出している価値を指摘し、それを上級リーダー チームに伝えることができることは極めて重要です。 近年、カスタマー サービス組織の認識は「コスト センター」から「バリュー ドライバー」へと変化しています。AI を活用したサポートの黎明期においては、顧客サービス組織の認識をどのように継続的に実証し、提供し続けるかを知ることが重要になります。サポート組織全体で生み出される価値を伝達します。

投資収益率 (ROI)

投資収益率 (ROI) は、投資の価値とそのコストを理解するために使用される指標です。

多くの組織では、顧客サービスは伝統的にコストセンターとみなされてきました。 このため、サポート リーダーは、ROI を実証するために「サービス提供コスト」などの指標を使用するだけでなく、人員の管理についても十分に認識しています。 生成 AI の登場により、これらの従来の ROI 計算から、特に自動化機能の ROI への移行が予想されます。

「顧客サービスのこの新時代では、AI と自動化の成功を理解し、報告できることが非常に重要になります。」

私たちの調査によると、サポート リーダーの 55% は、AI への投資と既存のサポート リソースへの投資のバランスを取る方法に懸念を抱いています。 優れた自動化戦略を策定するには時間がかかるため、多くのサポート リーダーにとって、一歩下がってリソースを最前線から AI 戦略に振り向けることは困難に感じることがあります。 ただし、サポート チームが積極的に取り組むことで、大きな ROI が得られます。

この顧客サービスの新時代では、AI と自動化の成功を理解し、報告できることが重要になります。 また、サポート リーダーの 68% が、AI と自動化によって節約されたコストのベースライン レポートや成功指標の実装に苦労しているため、これは先進的なチームがスキルアップへの投資を検討すべき分野です。

ヒント

AI と自動化がチームにもたらす時間とコストの削減を計算して、その価値を実証することを検討してください。 たとえば、次のように計算してみてください。

• チームが受け取る、AI によって処理できるクエリの数。
  計算方法: 1 つのメッセージで終了した会話の数を、同じ期間内の会話全体の数で割り、100 を掛けてパーセンテージを求めます。
• チームによって毎週行われる会話の引き継ぎの量。
  計算方法: ハンドオーバーごとに費やされる平均時間 x ハンドオーバーの数 x チームのサポート担当者の数を掛けます。
• サポート担当者が回答の下書きに費やした合計時間。
  計算方法: メッセージの作成に費やした平均時間 x クエリの数 x チームのサポート担当者の数を掛けます。

新しい指標が登場しています

従来の顧客サービス指標に見られる変化に加えて、AI の結果として、サポートの成功を測定する新しい方法も登場しています。 レポート アプローチの適応を検討しているサポート リーダーは、この発展途上にある顧客サービスの時代において正しいものを確実に測定できるように、これらの新しい指標を組み込むことを検討する必要があります。

ボット関与率

AI を活用したボットを展開するときは、その関与率またはカバー率、つまりチームが受け取る会話の合計数のうち、ボットが関与している会話の数を理解することが重要です。

ヒント

AI チャットボットを最大限に活用するには、できるだけ多くの顧客との会話に AI チャットボットが参加できるようにすることを検討してください。 ただし、VIP 顧客にきめ細やかなサポートを提供するなど、ボットの関与を望まず、人間のみのエクスペリエンスを希望する場合については考慮する必要があります。

ボットエンゲージメント率

他のものと同様、サポート全体で何がうまく機能しているかだけでなく、何がうまく機能していないのかを把握することが重要です。 顧客が意図的にボットを飛び越えてチームの誰かと会話しようとしている場合は、ボットのパフォーマンスを向上させる機会がある可能性があります。

ヒント

AI チャットボットによる顧客のエンゲージメント率を測定し、「次に実行されるアクション」などのマーカーを確認して、ボットが顧客の質問に答えているかどうか、または全体的なエクスペリエンスを向上させる機会があるかどうかを理解してください。 たとえば、これにより、潜在的な知識のギャップを特定したり、会話のデザインを評価して、ボットがフレンドリーで役立つ方法で顧客に挨拶していることを確認したりできます。

顧客が関心を失った場合は、その理由を理解するためにフィードバックを求めることを検討してください。 これらの洞察を活用すれば、情報に基づいてボット エクスペリエンスに変更を加え、効果を最大化できます。

会話の洞察

AI は、新たなレベルの効率性と時間の節約を実現するだけでなく、サポート チームに革新的な方法で顧客の会話を分析する機能も提供します。 AI が顧客とのやり取りをリアルタイムかつ大規模に分析できるようになり、サポート チームがこれまで入手できなかった洞察を発掘し、組織内で真に影響力のある「顧客の声」プログラムを推進できるようになります。

このような大量の顧客との会話から洞察を抽出する機能により、顧客が企業とのやり取りについてどのように感じているかを理解し、チームがプロアクティブでパーソナライズされた顧客サービスの提供に集中できるようになります。

ヒント

AI を使用して顧客との会話を徹底的に分析し、その学習結果を次の目的に活用します。

• サポート全体で改善の余地がある領域を特定します。
• 他のチームに繰り返し発生する顧客の問題や課題を認識させ、社内で顧客の声を擁護します。
• チームは顧客のプロセス全体を通じてどこでさらに価値を付加できるかを理解し、プロアクティブなサポートの提供に注力します。

カスタマーサービスチームを成功に向けて準備する

AI は、サポート リーダーにレポート機能を強化し、サポートの品質とチームのパフォーマンスを測定する簡単かつ効率的な方法を解き放ち、顧客が常に可能な限り最高のエクスペリエンスを確実に得られるようにする大きな機会を提供します。 さらに、AI を使用してサポート担当者の時間を解放することで、サポート チームは収集したデータを活用して、システムやプロセスの改善に使用できる洞察を導き出すことに集中したり、顧客の洞察を社内で共有したりできます。

この顧客サービスの新たな時代における成功を正確に把握するには、チームがどのように時間を費やしているかを理解し、ビジネスにとって最も重要な分野での成功を報告する新しい方法を開発することが重要です。