AI 시대에 고객 서비스 지표는 어떻게 변화하고 있나요?

최고의 고객 지원팀의 공통점은 무엇입니까? 훌륭한 고객 경험을 창출하기 위한 강박적인 노력은 좋은 첫 번째 단계이지만, 이는 핵심적인 고객 서비스 지표에 대한 엄격한 보고라는 한 가지 중요한 요소 없이는 지금까지만 달성할 수 있습니다.

데이터 노이즈에서 신호를 찾는 방법을 아는 것은 최고의 지원 팀이 고품질 고객 서비스, 높은 고객 만족도 및 고성능 팀을 계속 제공할 수 있게 해줍니다. 그러나 AI가 우리가 알고 있는 고객 서비스를 변화시키는 상황에서 지원 리더는 이 새로운 시대의 진정한 성공 척도를 얻기 위해 어떻게 핵심 지표를 조정해야 할까요?

“AI가 제공하는 엄청난 기회를 활용하려는 리더는 지표와 KPI에 대해 다르게 생각해야 합니다.”

AI가 더욱 발전함에 따라 고객 서비스 환경은 엄청난 변화를 경험하고 있습니다. 이제 더욱 매력적인 고객 상호 작용과 많은 고객 질문에 대한 거의 즉각적인 해결을 가능하게 하는 기술을 통해 지원 팀은 고객을 위한 추가적인 가치를 창출하는 활동에 집중할 수 있습니다. Intercom의 고객 서비스 AI 현황: 2023 보고서에 따르면 고객 서비스를 위한 AI에 대한 투자가 빠르게 가속화되고 있으며 지원 리더의 69%가 앞으로 AI에 더 많은 투자를 계획하고 있습니다.

AI가 제공하는 엄청난 기회를 활용하려는 리더는 AI 우선 세계에서 고객 서비스의 진정한 영향이 올바른 방식으로 측정되도록 측정 지표와 KPI에 대해 다르게 생각해야 합니다.

기존 지원 측정항목의 발전

우리가 알고 있는 지원 측정항목은 진화하고 있지만 팀의 성공에 여전히 필수적인 요소입니다. AI는 지원팀의 업무 방식을 근본적으로 변화시킬 것이며, 인간과 AI가 원활하게 협력하는 세계에서는 지난 세대 지원 서비스에 중요했던 일부 측정항목의 관련성이 낮아질 수 있습니다.

"현재 보고 방식을 평가할 때 고객과 ​​팀원의 경험을 모두 고려하는 것이 중요합니다."

AI가 매우 빠른 답변과 해결 방법을 제공함으로써 지원에 대한 고객의 기대도 급속히 발전하고 있습니다. 이는 지원 팀 SLA(서비스 수준 계약)와 벤치마크를 재설정해야 함을 의미합니다. 우리 고객 지원팀은 AI 챗봇인 Fin이 점점 더 많은 고객 문의를 해결함에 따라 성공을 측정하는 데 사용하는 지표와 벤치마크를 이미 조정하고 있습니다.

이 새로운 고객 서비스 시대에 성공할 수 있도록 팀을 구성하려면 보고에 대한 현재 접근 방식을 평가할 때 고객과 ​​팀원의 경험을 모두 고려하여 중요한 수치를 지속적으로 파악하는 것이 중요합니다. 최대.

다음은 앞으로 다가올 기회를 활용하기 위해 보고 접근 방식을 조정하기 위한 팁과 함께 이러한 변화의 영향을 받는 몇 가지 주요 영역 및 지표입니다.

고객과 소통하는 방법

많은 고객 서비스 팀의 경우 AI 기반 챗봇과 같은 생성적 AI 기술이 지원을 원하는 고객의 첫 번째 연락 지점이 될 것입니다. 이러한 봇은 빠르고 유용한 답변을 제공할 수 있으며, 문의 사항을 명확하게 구분하여 인간 지원 담당자에게 전달하여 답변을 모르는 경우 추가 지원을 제공할 수도 있습니다.

인바운드 지원 볼륨을 처리하는 최전선에서 AI를 사용하면 지원 제공의 속도와 효율성을 측정하는 데 사용되는 일부 핵심 지표를 조정해야 합니다.

첫 번째 응답 시간(FRT)

FRT(첫 번째 응답 시간)는 팀이 고객의 쿼리에 대한 초기 응답을 보내는 데 걸리는 시간입니다.

선도적인 AI 봇이 고객에게 거의 즉각적인 응답을 제공할 수 있다는 점을 고려하면, 느린 응답 시간과 긴 고객 대기 시간은 이제 과거의 일이 되어가고 있습니다. 이는 고객의 기대를 극적으로 변화시킬 것입니다. 대응과 궁극적인 해결에는 기다림이 필요하다는 가정은 즉각적인 대응과 신속한 해결에 대한 기대로 대체될 것입니다.

팁

팀과 AI 봇의 성능을 모두 정확하게 읽으려면 "봇 우선 응답 시간"과 "인간 우선 응답 시간"에 대한 별도의 보고서를 작성하여 고객이 전반적으로 얼마나 빨리 응답을 받고 있는지 전체적으로 살펴보세요.

AI-인간 지원 경험을 평가할 때 첫 번째 연락 지점 이후 고객의 문제가 얼마나 빨리 해결되는지 이해하기 위해 첫 번째 응답 시간과 함께 더 광범위한 측정항목을 살펴보는 것도 중요합니다.

평균 처리 시간(AHT)

"평균 처리 시간"(AHT)은 팀이 고객 대화에 소비하는 평균 시간을 측정하며 지원 리더가 팀 역량 및 인력 요구 사항을 이해하는 데 자주 사용됩니다.

AI 봇이 대부분의 간단한 쿼리를 해결하면 팀은 더 복잡하고 시간이 많이 걸리는 문제를 처리하게 되므로 이러한 조정을 위한 공간을 확보하려면 고객 대화의 평균 처리 시간에 대한 새로운 벤치마크를 식별해야 합니다.

팁

첫 번째 응답 시간과 유사하게 "평균 봇 처리 시간"과 "평균 사람 처리 시간"에 대한 별도의 보고서를 만들어 고객이 문제를 해결하는 데 걸리는 시간을 전체적으로 파악해 보세요.

전반적으로 봇 처리 시간이 감소하는 것을 볼 수 있지만 지원 담당자가 더 까다로운 문제를 처리하면 사람이 처리하는 시간이 늘어날 가능성이 높습니다. 사람의 처리 시간이 증가하는 경우 CSAT와 같은 다른 측정항목을 살펴보고 이것이 다른 영역에도 영향을 미치는지 확인하세요.

생산성 측정 방법

우리는 이 새로운 고객 서비스 시대에 엄청난 영향력을 미치기 위해서는 인간과 AI가 함께 협력해야 한다는 것을 알고 있습니다. AI는 효과적으로 팀의 새로운 지원 담당자로 간주되어야 하며, 따라서 AI의 성과를 측정하는 방법과 AI가 팀의 역량에 미칠 도미노 효과를 아는 것이 중요합니다.

AI 챗봇을 배포하면 팀이 컨설팅이나 사전 예방적 지원, 지식 관리 등 다른 활동에 집중할 수 있는 시간이 필연적으로 확보됩니다. 팀이 다양한 작업에 집중하는 경우 생산성을 측정하고 팀의 역량을 측정하는 방식도 조정되어야 합니다.

처리된 사례

"처리된 사례"는 지원 상담원이 처리한 사례, 티켓 또는 대화의 수를 나타냅니다. 이는 시간별, 일별 또는 주별로 측정할 수 있으며 팀 성과 및 생산성을 측정하는 데 자주 사용됩니다.

전통적으로 지원 담당자는 일정 기간 동안 특정 수의 고객 쿼리를 처리해야 하므로 팀 생산성을 평가하기 위한 벤치마크가 마련되어 있습니다. AI 시대에는 그것이 유동적으로 변했습니다. 이제 지원 담당자는 AI 봇을 통해 간단한 문제를 해결하는 등 훨씬 더 복잡한 고객 문제를 다루고 있습니다. 복잡한 사례에는 더 많은 조사와 시간 투자가 필요한 경우가 많기 때문에 시간당, 일별 또는 주당 처리되는 사례 수가 변경될 것입니다.

"고객 지원 담당자"의 역할도 훨씬 더 다양해지고 있으며, 담당자가 헬프 센터 콘텐츠 생성 및 지식 관리와 같은 다른 영역에 더 많이 참여하고 있습니다. 팀이 서로 다른 작업에 시간을 분할하면 처리되는 사례 수는 팀 생산성을 평가하는 데 있어 관련성이 떨어지는 지표가 됩니다.

팁

팀이 기여할 수 있는 다른 모든 영향 영역을 매핑하고 각 영역이 성과 측정을 위한 전체 시스템에 어떻게 포함될 수 있는지 이해하세요. 도움말 센터 콘텐츠 생성, 커뮤니티 조정 등 팀이 중점을 두고 있는 다른 영역을 파악하면 팀 생산성을 더욱 정확하게 파악할 수 있습니다.

자동 해결 속도

"자동 해결률" 또는 "자동 해결률"(ROAR)은 봇과 같은 자동화를 통해 완전히 해결된 지원 티켓 또는 대화의 수를 측정합니다.

AI 기반 봇이 출시되기 전에 자동화된 해결률은 간단한 봇으로 해결된 쿼리 또는 Fin(이전의 해결 봇)용 Custom Answers와 같은 기계 학습을 기반으로 구축된 고급 모델로 구성되었습니다.

이제 시장에서 가장 강력한 AI 봇 중 일부는 고객 쿼리의 최대 50%를 자동으로 해결할 수 있어 지원 팀이 사람의 손길이 필요한 더 복잡한 쿼리에 집중할 수 있습니다. 봇이 자주 묻는 질문이나 보다 일반적인 질문 중 최대 절반을 처리하므로 지원 리더는 보고 대시보드에서 자동화된 해결 속도가 크게 향상되는 것을 확인할 수 있습니다.

팁

자동화된 해결률이 급증함에 따라 이 측정항목에서 통찰력을 얻을 수 있는 다른 방법에 대해 생각하는 것이 중요합니다. 예를 들어, 자동화된 해결 비율이 15%에서 50%로 높아졌다면 이것이 다른 영역에 미치는 연쇄 효과를 고려하세요. 당신의 팀은 얼마나 많은 시간을 절약하고 있나요? 고객은 지원의 속도와 품질에 얼마나 만족합니까?

반면에 자동 해결 비율이 떨어지는 것을 발견했다면 해결해야 할 근본적인 문제가 있을 가능성이 높습니다. 이는 봇이 고객의 쿼리에 응답하는 데 필요한 올바른 콘텐츠에 액세스할 수 없음을 나타낼 수 있습니다. 콘텐츠가 최신 상태인지, 봇이 고객을 지원하는 데 필요한 모든 것을 갖추고 있는지 확인하려면 헬프 센터를 감사해 보세요.

첫 번째 접촉 해결(FCR)

FCR(첫 번째 연락 해결)은 회사 지원 팀과의 첫 번째 통화, 이메일, 문자 또는 채팅 세션 후 고객의 문의 사항이 해결되는 빈도를 측정합니다.

Intercom의 Fin과 같은 특정 AI 기반 봇은 헬프 센터의 콘텐츠를 사용하여 고객의 질문에 대한 관련 답변을 제공하며, 많은 경우 첫 번째 시도에서 이러한 질문에 답변할 수 있습니다. 이는 고객이 이전보다 더 빠르게 지원을 받을 수 있을 뿐만 아니라 첫 번째 연락 해결률이 높아질 가능성이 높다는 것을 의미합니다.

팁

AI 챗봇 덕분에 단일 상호 작용으로 더 많은 고객 쿼리가 해결됨에 따라 봇이 확보한 추가 시간으로 팀이 수행할 수 있는 다른 영향력 있는 작업과 이 작업의 성공을 측정할 수 있는 방법에 대해 조기에 생각해야 합니다. 지금 이 작업의 범위를 지정하면 팀이 새로운 영역에서 기술을 향상할 수 있으므로 시간이 여유로워지기 시작하면 표준 지원 측정 기준을 넘어서 바로 비즈니스에 영향을 미치고 기여할 수 있습니다.

AI는 또한 고객 서비스 팀에 지원 대상을 더욱 경쟁력 있게 만들 수 있는 기회를 제공합니다. 예를 들어 팀은 특정 문제나 고객에 대해 실시간 인간 지원을 제공하거나 설정 및 활성화에 대해 고객과 보다 적극적으로 협력할 수 있습니다.

해결 시간(TTR)

"해결 시간"(TTR)은 티켓이나 대화가 열린 시점부터 "해결됨" 또는 "종료됨"으로 표시되는 지점까지 고객 문의가 완전히 해결되는 데 걸리는 평균 시간을 측정합니다.

다른 많은 지표와 마찬가지로 해결 시간은 AI 봇이 수많은 고객 쿼리를 신속하게 해결하는 능력에 큰 영향을 받습니다. 봇이 해결하는 데 걸리는 시간은 줄어들고 사람이 해결하는 데 걸리는 시간은 늘어날 가능성이 높습니다. 귀하의 팀이 근본 원인을 파악하는 데 더 오랜 시간이 걸리는 더 복잡한 문제를 처리하게 되므로 이는 예상할 수 있는 일입니다.

팁

보고서를 "봇이 해결하는 데 걸리는 시간"과 "사람이 해결하는 데 걸리는 시간"으로 나누어서 일반적이거나 간단한 쿼리가 얼마나 빨리 해결되는지, 그리고 팀이 더 복잡한 쿼리를 해결하는 데 걸리는 시간을 파악해 보세요.

AI 봇이 앞뒤로 많은 작업을 수행하는 더 복잡한 쿼리를 처리하기 시작하면 이러한 문제를 해결하는 데 시간이 얼마나 걸리는지 이해하는 것이 중요합니다.

콘텐츠 조회수

'콘텐츠 조회수'는 고객이 지식창고의 기사와 같은 헬프 센터 콘텐츠를 본 횟수를 측정한 것입니다.

AI가 전반적인 셀프 서비스 지원 경험에 어떻게 작용하는지 이해하는 것이 중요하므로 고객이 헬프 센터 문서와 어떻게 상호 작용하는지 살펴보고 고객이 질문에 대한 답변을 얼마나 쉽게 찾을 수 있는지 파악해야 합니다. AI 우선 세계에서는 AI 챗봇이 기사 자체에 연결하는 대신 콘텐츠를 활용하여 고객에게 답변을 제공하므로 헬프 센터 기사의 조회수가 줄어들기 시작할 수 있습니다.

팁

헬프 센터 및 지원 커뮤니티 콘텐츠의 조회수를 모니터링하면 이 콘텐츠를 보는 고객이 기사나 게시물을 읽은 후 추가 지원을 받아야 하는지 또는 쿼리를 해결하는 데 도움이 되었는지 이해할 수 있습니다. 이에 대해 시간 매개변수를 설정하는 것이 도움이 됩니다. 예를 들어, 고객이 콘텐츠를 본 후 24시간 이내에 팀에 연락하지 않으면 이를 잠재적인 지원 대화의 "편향"으로 간주할 수 있습니다.

AI 챗봇을 배포하면 고객이 헬프 센터를 방문하지 않고 봇에서 직접 도움을 받을 수 있으므로 총 콘텐츠 조회수가 줄어들 가능성이 높습니다. 이런 일이 발생하는 경우 중요한 셀프 서비스 지원 경험 내에서 콘텐츠 보기를 상황에 맞게 분석하여 고객이 다양한 방법을 통해 어떻게 도움을 받고 있는지 이해하세요.

고객 경험을 측정하는 방법

당연히 AI가 가져오는 모든 변화는 고객 경험을 변화시킬 것입니다. 물론 고객은 더 빠르고 효율적인 지원의 혜택을 누리게 될 뿐만 아니라 새로운 기술과 상호 작용하게 되므로 이러한 새로운 고객 경험을 모니터링하여 고객의 요구 사항이 여전히 충족되는지 확인하는 것이 중요합니다.

고객 만족도(CSAT)

'고객 만족도'(CSAT)는 고객이 귀하의 비즈니스에 얼마나 만족하는지를 나타내는 측정으로, 고객이 평가한 총 대화 수 중 긍정적으로 평가된 대화의 비율을 계산합니다. CSAT 설문조사는 심층적인 것부터 간단한 것까지 다양합니다. 고객에게 0에서 10까지의 상호 작용을 평가하도록 요청하고, 직접 피드백 질문을 보내고, 심지어 고객이 자신의 경험을 가장 잘 나타내는 이모티콘을 선택할 수 있도록 합니다.

고객이 전체적으로 봇에 대해 다양한 수준의 신뢰를 가지고 있다는 것은 비밀이 아닙니다. 과거에는 해결 방법 없이 고객을 의사결정 트리 경로로 유도하거나 빠져나올 수 없는 끝없는 루프에 빠지게 하는 경우가 많았습니다. 분명히 이것은 누구에게나 이상적인 경험은 아닙니다. 그러나 최근 생성 AI의 발전으로 인해 봇에 대한 고객의 신뢰가 높아지기 시작했습니다. 그 이유는 봇이 기존 봇보다 더 효과적으로 의사소통할 수 있고 유용한 답변을 반환할 가능성이 더 높기 때문입니다. 빠른.

지원 팀은 AI 봇에 더 많이 의존하면서 고객 만족도를 지속적으로 파악하고 있습니다. Intercom의 고객 서비스 AI 현황: 2023년 보고서 에 따르면 지원 리더의 58%가 AI 및 자동화를 사용한 결과 CSAT 점수가 향상되는 것을 경험했습니다.

팁

지원 팀이 고객이 얼마나 효율적이고 효과적으로 도움을 받고 있는지 자세히 읽을 수 있는 것이 중요합니다. CSAT는 여기서 큰 역할을 하므로 고객이 AI 봇이 관련된 대화를 어떻게 평가하는지 이해하는 것이 중요합니다.

CSAT 보고서를 볼 때 봇이 참여한 대화가 어떻게 평가되는지 또는 전혀 평가되고 있는지 이해하려고 노력하십시오. 인간). 이를 통해 고객이 상호 작용에 만족하는지, 봇이 제공할 수 있는 지원 수준, 추가 도움이 필요한 경우 팀 구성원에게 전달하는 것이 얼마나 쉬운지 이해하는 데 도움이 됩니다. 이러한 영역을 더 깊이 파고들면 봇의 성능을 향상하고 고객이 지속적으로 훌륭한 경험을 얻을 수 있도록 할 수 있습니다.

순 프로모터 점수(NPS)

"순 프로모터 점수"(NPS)는 조직이 브랜드, 제품 또는 서비스에 대한 고객 충성도를 측정하는 데 사용하는 지표입니다. -100부터 +100까지의 점수로 측정됩니다.

CSAT와 마찬가지로 고객 중심 기업은 NPS 모니터링에 큰 중점을 둡니다. 이를 통해 제품이나 서비스에 대한 고객 태도를 온도를 확인하고 개인화된 참여 계획을 수립할 수 있습니다. 예를 들어 NPS 설문조사에서 낮은 점수를 준 "비방자"를 팀 구성원과 연결하여 다음과 같은 조치를 취할 수 있습니다. 그들의 과제를 이해하고 경험을 향상시킵니다.

이제 AI 기반 봇이 NPS 설문조사에서 고객이 검토하는 다양한 서비스에 포함되므로 이들이 점수에 미치는 영향을 이해하는 것이 중요합니다.

팁

NPS 설문조사를 통해 고객이 좋아하거나 좋아하지 않는 제품 또는 서비스 요소를 자세히 알아볼 수 있습니다. AI의 도움 없이는 이러한 댓글을 분석하는 데 매우 많은 시간이 소요될 수 있습니다. 그러나 다행히 AI는 이제 고객이 제공하는 통찰력을 신속하게 요약할 수 있는 기능을 제공합니다. 어떤 질문에 집중하고 싶은지 고려하고 AI를 사용하여 설문조사에서 핵심 학습 내용을 추출하세요.

고객 노력 점수(CES)

"고객 노력 점수"(CES)는 고객이 요청을 처리하기 위해 수행해야 하는 노력의 양을 결정합니다. 여기에는 질문에 대한 답변 얻기, 문제 해결, 제품 구매 이행, 계약 체결 등이 포함될 수 있습니다. CES는 고객에게 자신의 요구 사항을 충족하는 것이 얼마나 어려웠는지 또는 쉬웠는지 묻는 설문 조사를 통해 측정할 수 있습니다. 예를 들어 "매우 쉬움"에서 "매우 어려움"까지의 차등 등급으로 평가할 수 있습니다.

CES는 고객 만족도와 그에 따른 충성도 및 유지율이 고객이 회사와 얼마나 쉽게 협력하는지에 따라 달라지기 때문에 지원 리더가 계속해서 파악해야 하는 중요한 지표입니다. 전통적으로 고객 노력 점수 설문조사는 구매로 이어진 상호 작용 후 또는 지원 팀과의 상호 작용 후 등 고객 여정의 중요한 이정표에서 고객에게 전송되어 해당 경험이 얼마나 쉬웠는지 또는 어려웠는지 파악합니다.

AI 기반 지원의 새로운 세계에서 목표는 전반적으로 고객의 노력을 더욱 줄이는 것입니다. AI 봇은 지원 경험을 간소화하고 빠르고 정확한 답변을 제공하여 고객 차단을 해제하고 즐거운 경험을 제공할 수 있습니다. 그러나 AI가 필요한 고객 노력 수준에 어떤 영향을 미치는지, 그리고 고객이 다른 영역에서 높은 수준의 노력을 경험하고 있는지 정확히 이해해야 합니다.

팁

고객이 AI 챗봇과 상호작용한 후 고객 노력 점수 설문조사를 발송하여 필요한 도움을 받는 것이 얼마나 어려웠는지 또는 쉬웠는지 파악해 보세요. 이러한 평가를 사용하여 봇이 고객의 요구 사항을 충족하고 원활한 지원 경험을 제공하는지 여부를 측정하거나 잠재적인 마찰 지점을 심층적으로 조사하여 프로세스를 더 쉽게 만드는 방법을 찾을 수 있습니다.

지원 전반에 걸쳐 품질을 유지하는 방법

품질 보증(QA)은 모든 지원 작업의 중요한 구성 요소입니다. 눈에 띄고 일관된 고객 경험으로 고객을 만족시키려면 조직에서 지원이 어떻게 제공되는지 모니터링해야 합니다.

지원 제공 품질을 평가할 때 AI는 대규모 분석을 수행할 수 있는 새로운 기회를 열어줍니다. 모든 회사는 무엇이 "품질 지원 경험"을 만드는지에 대해 각자의 해석을 가지고 있습니다. 측정 방법의 주관적 특성에도 불구하고 품질 보증은 의심할 여지없이 AI에 의해 변화될 것입니다.

내부 품질평가점수(IQS)

"내부 품질 점수"(IQS)는 팀이 지원을 얼마나 잘 제공하는지를 측정한 것으로, 고객이 아닌 조직 내의 사람들이 결정합니다. 내부 검토자는 고객 대화가 회사에 중요한 일련의 기준에 얼마나 잘 부합하는지에 따라 고객 대화의 점수를 매깁니다. 이 채점 시스템은 "QA 스코어카드"에 반영될 수 있으며 각 지원팀마다 고유합니다.

고객 경험에 AI가 도입되면서 적합한 QA 프로세스가 필요해졌습니다. 전통적으로 내부 품질 점수는 지원 담당자의 성과를 평가했지만 이제는 제품에 한계가 있는지, 프로세스가 효율적인지, AI가 효과적으로 업무를 처리하는지 이해하기 위해 전반적인 고객 여정을 살펴봐야 할 필요성이 높아졌습니다. 팀과의 대화.

샘플 작성이나 품질 확인 수행과 같은 일상적인 QA 작업을 돕기 위해 AI를 도입하면 지원 팀이 품질 보증 프로세스를 확장하고 지원 서비스 전반에 걸쳐 지속적으로 높은 품질 기준을 충족할 수 있게 됩니다.

팁

IQS가 개별 성과 측정에서 고객 여정 전반에 걸친 서비스 표준 지표로 변화함에 따라 비즈니스에 가장 중요한 영역을 반영하도록 QA 기준이나 성과표를 조정하는 것을 고려해보세요.

예를 들어 Intercom에서는 스코어카드를 세 개의 섹션으로 나눕니다.

• 사람: 전문가가 올바른 일을 하고 있는지 확인하는 전통적인 방법입니다.
• 프로세스: 우리가 보유하고 있는 프로세스가 올바른지 확인합니다. 또한 AI 챗봇 Fin이 전문가에게 넘겨주는 과정도 살펴봅니다.
• 제품: 고객 경험을 위해 더 나은 제품을 만들기 위해 무엇을 할 수 있습니까?

가치를 입증하는 방법

모든 지원 팀이 비즈니스를 위해 창출하는 가치를 지적하고 이를 고위 리더십 팀에 전달할 수 있는 것은 매우 중요합니다. 최근 몇 년 동안 고객 서비스 조직에 대한 인식은 "비용 센터"에서 "가치 동인"으로 바뀌었습니다. AI 기반 지원 시대가 도래하는 이 시대에는 고객 서비스 조직의 지속적인 시연 및 지원 방법을 아는 것이 중요합니다. 지원 조직 전반에 걸쳐 창출되는 가치를 전달합니다.

투자수익률(ROI)

ROI(투자 수익률)는 비용 대비 투자 가치를 이해하는 데 사용되는 측정 기준입니다.

많은 조직에서 고객 서비스는 전통적으로 비용 센터로 간주되어 왔습니다. 이러한 이유로 지원 리더는 ROI를 입증하기 위해 "서비스 비용"과 같은 지표를 사용하는 것뿐만 아니라 인력 관리에 대해서도 잘 알고 있습니다. 생성 AI의 등장으로 우리는 이러한 전통적인 ROI 계산에서 특히 자동화 기능의 ROI로 전환될 것으로 예상합니다.

“이 새로운 고객 서비스 시대에는 AI와 자동화의 성공을 이해하고 보고할 수 있는 능력이 매우 중요할 것입니다.”

우리의 연구에 따르면 지원 리더의 55%가 AI에 대한 투자와 기존 지원 리소스에 대한 투자의 균형을 맞추는 방법에 대해 우려하고 있는 것으로 나타났습니다. 훌륭한 자동화 전략을 설정하는 데는 시간이 걸리므로 많은 지원 리더에게 한발 물러나 리소스를 일선에서 AI 전략으로 전환하는 것이 어렵게 느껴질 수 있습니다. 그러나 도약하는 지원 팀의 경우 상당한 ROI를 얻을 수 있습니다.

이 새로운 고객 서비스 시대에는 AI와 자동화의 성공을 이해하고 보고하는 것이 중요할 것입니다. 그리고 지원 리더의 68%가 AI 및 자동화로 절감된 비용에 대한 기본 보고서 또는 성공 지표를 구현하는 데 어려움을 겪고 있는 상황에서 이는 미래 지향적인 팀이 기술 향상에 투자하는 것을 고려해야 하는 영역입니다.

팁

AI와 자동화가 팀에 가져올 시간과 비용 절감액을 계산하여 그 가치를 입증해 보세요. 예를 들어 다음을 계산해 보세요.

• AI가 처리할 수 있는 쿼리 중 팀이 수신하는 쿼리 수입니다.
  계산 방법: 한 메시지에서 종료된 대화 수를 같은 기간의 전체 대화 수로 나누고 100을 곱하여 백분율을 구합니다.
• 매주 팀에서 수행하는 대화 핸드오버의 양입니다.
  계산 방법: 핸드오버당 소요된 평균 시간 x 핸드오버 수 x 팀의 지원 담당자 수를 곱합니다.
• 지원 담당자가 응답 초안을 작성하는 데 소비한 총 시간입니다.
  계산 방법: 메시지 작성에 소요된 평균 시간 x 쿼리 수 x 팀의 지원 담당자 수를 곱합니다.

새로운 측정항목이 등장하고 있습니다.

전통적인 고객 서비스 지표에서 나타나는 변화 외에도 AI의 결과로 지원 성공을 측정하는 새로운 방법도 등장하고 있습니다. 보고 접근 방식을 조정하려는 지원 리더는 이러한 새로운 측정항목을 통합하여 전개되는 고객 서비스 시대에 올바른 것을 측정하고 있는지 확인해야 합니다.

봇 참여율

AI 기반 봇을 출시할 때 참여도나 적용률, 즉 팀이 수신하는 총 대화 수 중 참여하는 대화 수를 이해하는 것이 중요합니다.

팁

AI 챗봇을 최대한 활용하려면 가능한 한 많은 고객 대화에 AI 챗봇이 참여할 수 있도록 하는 것이 좋습니다. 그러나 VIP 고객에게 철저한 지원을 제공하는 등 봇이 개입되는 것을 원하지 않고 인간 전용 경험을 선호하는 경우에는 신중해야 합니다.

봇 참여율

모든 것과 마찬가지로, 지원 전반에 걸쳐 무엇이 잘 작동하는지 아는 것뿐만 아니라 무엇이 그렇지 않은지 아는 것도 중요합니다. 고객이 의도적으로 봇을 뛰어넘어 팀원과 대화하려고 한다면 봇 성능을 향상시킬 수 있는 기회가 있을 수 있습니다.

팁

AI 챗봇으로 고객의 참여율을 측정하고 "다음 조치"와 같은 표시를 보고 봇이 고객의 질문에 답변하고 있는지 또는 전반적인 경험을 개선할 수 있는 기회가 있는지 파악해 보세요. 예를 들어 이를 통해 잠재적인 지식 격차를 정확히 찾아내거나 대화 디자인을 평가하여 봇이 친절하고 유용한 방식으로 고객에게 인사하는지 확인할 수 있습니다.

고객이 이탈하는 경우 이유를 이해하기 위해 피드백을 요청하는 것이 좋습니다. 이러한 통찰력을 바탕으로 봇 경험에 대한 정보를 바탕으로 변경하여 효과를 극대화할 수 있습니다.

대화 통찰

AI는 새로운 수준의 효율성과 시간 절약을 실현하는 것 외에도 지원 팀에게 혁신적인 방식으로 고객 대화를 분석할 수 있는 기능을 제공합니다. 이제 AI는 고객 상호 작용을 실시간으로 대규모로 분석할 수 있으므로 지원 팀이 이전에는 불가능했던 통찰력을 발굴하고 조직에서 진정으로 영향력 있는 "고객의 소리" 프로그램을 추진할 수 있습니다.

이렇게 많은 양의 고객 대화에서 통찰력을 추출할 수 있으면 고객이 비즈니스와의 상호 작용에 대해 어떻게 느끼는지 이해하고 팀이 사전 예방적이고 개인화된 고객 서비스를 제공하는 데 집중할 수 있습니다.

팁

AI를 사용하여 고객 대화를 철저하게 분석하고 이러한 학습 내용을 사용하여 다음을 수행합니다.

• 지원 전반에 걸쳐 개선이 필요한 영역을 식별하십시오.
• 다른 팀에서 반복되는 고객 문제나 불만 사항을 인식하고 내부적으로 고객의 목소리를 옹호하십시오.
• 팀이 여정 전반에 걸쳐 고객을 위해 더 많은 가치를 추가할 수 있는 부분을 이해하고 적극적인 지원 제공에 집중하세요.

성공을 위한 고객 서비스 팀 구성

AI는 지원 리더가 보고 기능을 향상하고, 팀의 지원 품질과 성과를 측정하는 더 쉽고 효율적인 방법을 찾고, 고객이 항상 최상의 경험을 얻을 수 있도록 보장할 수 있는 엄청난 기회를 제공합니다. 또한 AI를 사용하여 지원 담당자의 시간을 확보함으로써 지원 팀은 수집 중인 데이터를 활용하여 시스템 및 프로세스를 개선하는 데 사용할 수 있는 통찰력을 도출하고 고객 통찰력을 내부적으로 공유하는 데 집중할 수 있습니다.

새롭게 떠오르는 고객 서비스 시대에 진정한 성공 척도를 얻으려면 팀이 어떻게 시간을 보내고 있는지 이해하고 비즈니스에 가장 중요한 영역의 성공을 보고하는 새로운 방법을 개발하는 것이 중요합니다.