Jak zmieniają się wskaźniki obsługi klienta w dobie sztucznej inteligencji?

Co mają wspólnego wszystkie najlepsze zespoły obsługi klienta? Obsesyjne zaangażowanie w tworzenie doskonałej obsługi klienta to dobry pierwszy krok, ale bez jednego kluczowego składnika nie zajdziesz daleko: rygorystycznego raportowania na temat kluczowych wskaźników obsługi klienta.

Wiedza, jak znaleźć sygnał w szumie danych, pozwala najlepszym zespołom wsparcia na ciągłe zapewnianie wysokiej jakości obsługi klienta, wysokiego poziomu zadowolenia klientów i wydajnego zespołu. Ale skoro sztuczna inteligencja zmienia obsługę klienta, jaką znamy, w jaki sposób liderzy wsparcia powinni dostosować swoje podstawowe wskaźniki, aby uzyskać prawdziwą miarę sukcesu w tej nowej erze?

„Liderzy chcący skorzystać z ogromnych możliwości, jakie stwarza sztuczna inteligencja, będą musieli inaczej spojrzeć na wskaźniki i KPI”

Krajobraz obsługi klienta ulega monumentalnej zmianie w miarę jak sztuczna inteligencja staje się bardziej zaawansowana. Dzięki technologii umożliwiającej obecnie bardziej atrakcyjne interakcje z klientami i niemal natychmiastowe rozwiązywanie wielu pytań klientów, zespoły wsparcia mogą skoncentrować się na działaniach, które tworzą dodatkową wartość dla swoich klientów. Niedawne badanie przeprowadzone przez firmę Intercom „Stan sztucznej inteligencji w obsłudze klienta: raport 2023” pokazuje, że inwestycje w sztuczną inteligencję w obsłudze klienta szybko przyspieszają, a 69% liderów wsparcia planuje więcej inwestować w sztuczną inteligencję w nadchodzącym roku.

Liderzy, którzy chcą skorzystać z ogromnych możliwości, jakie stwarza sztuczna inteligencja, będą musieli inaczej spojrzeć na wskaźniki i wskaźniki KPI, aby mieć pewność, że w świecie opartym na sztucznej inteligencji prawdziwy wpływ obsługi klienta będzie mierzony we właściwy sposób.

Ewolucja tradycyjnych wskaźników wsparcia

Choć znane nam wskaźniki wsparcia ewoluują, pozostają one niezbędne do osiągnięcia sukcesu Twojego zespołu. Sztuczna inteligencja zasadniczo zmieni sposób pracy zespołów wsparcia, a niektóre wskaźniki istotne dla oferty wsparcia ostatniej generacji mogą stać się mniej istotne w świecie, w którym ludzie i sztuczna inteligencja płynnie ze sobą współpracują.

„Podczas oceny bieżącego podejścia do raportowania kluczowe będzie uwzględnienie doświadczeń klientów i współpracowników”

Oczekiwania klientów dotyczące wsparcia również szybko ewoluują w wyniku zapewniania przez sztuczną inteligencję błyskawicznych odpowiedzi i rozwiązań, co oznacza, że ​​konieczne będzie zresetowanie umów dotyczących poziomu usług zespołu wsparcia (SLA) i wzorców. Nasz własny zespół obsługi klienta dostosowuje już wskaźniki i punkty odniesienia, których używamy do pomiaru sukcesu, podczas gdy nasz chatbot AI, Fin, rozwiązuje coraz więcej zapytań naszych klientów.

Aby zapewnić swojemu zespołowi sukces w nowej erze obsługi klienta, podczas oceny bieżącego podejścia do raportowania niezwykle ważne będzie, aby podczas oceny bieżącego podejścia do raportowania wziąć pod uwagę zarówno doświadczenia klientów, jak i członków zespołu, aby mieć pewność, że monitorujesz najważniejsze liczby bardzo.

Oto niektóre z kluczowych obszarów i wskaźników, na które te zmiany będą miały wpływ, wraz z naszymi wskazówkami dotyczącymi dostosowania podejścia do raportowania, aby wykorzystać nadchodzące możliwości.

Sposób interakcji z klientami

Dla wielu zespołów obsługi klienta technologia generatywnej sztucznej inteligencji – taka jak chatboty zasilane sztuczną inteligencją – stanie się pierwszym punktem kontaktu dla klientów poszukujących wsparcia. Boty te są w stanie udzielać szybkich i pomocnych odpowiedzi, a także ujednoznaczniać pytania i przekazywać je przedstawicielowi pomocy technicznej, aby zapewnił dalszą pomoc, jeśli nie zna odpowiedzi.

Ponieważ sztuczna inteligencja jest na pierwszej linii frontu zajmująca się wolumenem przychodzącego wsparcia, niektóre z podstawowych wskaźników używanych do pomiaru szybkości i efektywności świadczenia wsparcia będą musiały zostać dostosowane.

Czas pierwszej reakcji (FRT)

„Czas pierwszej odpowiedzi” (FRT) to czas potrzebny Twojemu zespołowi na wysłanie wstępnej odpowiedzi na zapytanie klienta.

Biorąc pod uwagę, że wiodące boty AI są w stanie oferować klientom niemal natychmiastowe odpowiedzi, długi czas reakcji i długi czas oczekiwania klientów stają się przeszłością. To radykalnie zmieni oczekiwania klientów; założenie, że reakcja i ostateczne rozwiązanie będzie wymagało oczekiwania, zostanie zastąpione oczekiwaniem natychmiastowej reakcji i szybkiego rozwiązania.

Wskazówka

Aby uzyskać dokładny odczyt wydajności swojego zespołu i bota AI, rozważ utworzenie oddzielnych raportów dla „czasu pierwszej reakcji bota” i „czasu pierwszej reakcji człowieka”, aby uzyskać całościowy obraz tego, jak szybko Twoi klienci uzyskują odpowiedzi we wszystkich obszarach.

Oceniając doświadczenie wsparcia ze strony sztucznej inteligencji, ważne będzie również uwzględnienie szerszego zestawu wskaźników wraz z czasem pierwszej reakcji, takim jak średni czas obsługi, aby zrozumieć, jak szybko problemy klientów są rozwiązywane poza pierwszym punktem kontaktu.

Średni czas obsługi (AHT)

„Średni czas obsługi” (AHT) mierzy średni czas, jaki Twój zespół spędza na rozmowach z klientami i jest często używany przez liderów wsparcia do zrozumienia wydajności zespołu i potrzeb kadrowych.

Ponieważ boty AI rozwiązują większość prostych zapytań, Twój zespół będzie miał do czynienia z bardziej złożonymi i czasochłonnymi problemami, dlatego konieczne będzie określenie nowych punktów odniesienia dla średniego czasu obsługi rozmów z klientami, aby zrobić miejsce na tę korektę.

Wskazówka

Podobnie jak w przypadku czasu pierwszej odpowiedzi, spróbuj utworzyć osobne raporty dla „średniego czasu obsługi bota” i „średniego czasu obsługi przez człowieka”, aby uzyskać pełny obraz tego, ile czasu zajmuje Twoim klientom rozwiązanie ich problemów.

Choć ogólny czas obsługi i obsługi botów może się skrócić, czas obsługi przez ludzi prawdopodobnie wydłuży się w wyniku pracy przedstawicieli pomocy technicznej z trudniejszymi problemami. Jeśli zauważysz, że czas obsługi przez ludzi rośnie, rozważ przyjrzenie się innym wskaźnikom, takim jak CSAT, aby sprawdzić, czy ma to efekt domina w innych obszarach.

Jak mierzyć produktywność

Wiemy, że aby wywrzeć ogromny wpływ w nowej erze obsługi klienta, ludzie i sztuczna inteligencja będą musieli współpracować. Sztuczną inteligencję należy właściwie postrzegać jako nowego przedstawiciela wsparcia w Twoim zespole, dlatego kluczowa będzie umiejętność pomiaru jej wydajności, a także efektu domina, jaki będzie ona miała na możliwości Twojego zespołu.

Wdrożenie chatbota AI nieuchronnie zwolni czas Twojego zespołu, który będzie mógł skupić się na innych działaniach, takich jak wsparcie konsultacyjne lub proaktywne czy zarządzanie wiedzą. Ponieważ Twój zespół koncentruje się na szerokim zakresie zadań, sposób pomiaru produktywności i wydajności zespołu będzie musiał zostać dostosowany.

Obsługiwane sprawy

„Obsłużone sprawy” odnoszą się do liczby spraw, zgłoszeń lub rozmów obsługiwanych przez agentów pomocy technicznej. Można to mierzyć w ujęciu godzinowym, dziennym lub tygodniowym i często służy jako miara wydajności i produktywności zespołu.

Tradycyjnie od przedstawicieli pomocy technicznej oczekuje się obsługi określonej liczby zapytań klientów w określonym czasie, dzięki czemu istnieje punkt odniesienia do oceny produktywności zespołu. W dobie sztucznej inteligencji sytuacja uległa zmianie. Przedstawiciele pomocy technicznej zajmują się teraz znacznie bardziej złożonym zestawem problemów klientów, a najprostsze są rozwiązywane przez boty AI. Biorąc pod uwagę, że skomplikowane sprawy często wymagają więcej dochodzenia i inwestycji czasowych, liczba spraw rozpatrywanych w ciągu godziny, dnia lub tygodnia będzie się zmieniać.

Rola „przedstawiciela obsługi klienta” również staje się znacznie bardziej zróżnicowana, a przedstawiciele są coraz bardziej zaangażowani w inne obszary, takie jak tworzenie treści w centrum pomocy i zarządzanie wiedzą. Gdy Twój zespół dzieli swój czas pomiędzy różne zadania, liczba obsługiwanych spraw staje się mniej istotnym miernikiem oceny produktywności zespołu.

Wskazówka

Rozważ zaplanowanie wszystkich innych obszarów wpływu, w które może wnieść swój zespół, i zrozum, w jaki sposób każdy obszar można uwzględnić w ogólnym systemie pomiaru wydajności. Identyfikując inne obszary zainteresowań Twojego zespołu, takie jak tworzenie treści w Centrum pomocy lub moderowanie społeczności, będziesz w stanie uzyskać dokładniejszy obraz produktywności zespołu.

Zautomatyzowany współczynnik rozdzielczości

„Współczynnik automatycznego rozwiązywania problemów” lub „współczynnik automatycznego rozwiązywania problemów” (ROAR) mierzy liczbę zgłoszeń lub rozmów do pomocy technicznej, które są całkowicie rozwiązywane przez automatyzację, taką jak boty.

Przed wypuszczeniem botów wykorzystujących sztuczną inteligencję współczynnik automatycznego rozwiązywania problemów składał się z zapytań rozwiązywanych przez proste boty lub z bardziej zaawansowanych modeli opartych na uczeniu maszynowym, takich jak Custom Answers for Fin (dawniej „Resolution Bot”).

Obecnie niektóre z najpotężniejszych botów AI na rynku są w stanie automatycznie rozwiązać aż do zdumiewającej 50% zapytań klientów, dzięki czemu zespoły wsparcia mogą skupić się na bardziej złożonych zapytaniach wymagających ludzkiego dotyku. Ponieważ bot rozwiązuje nawet połowę często zadawanych lub częstszych pytań, liderzy wsparcia prawdopodobnie odnotują znaczny wzrost współczynnika automatycznego rozwiązywania problemów w swoich pulpitach raportowania.

Wskazówka

W obliczu gwałtownie rosnącego współczynnika rozdzielczości automatycznej ważne jest, aby zastanowić się, w jaki inny sposób można wyciągnąć wnioski z tych danych. Na przykład, jeśli współczynnik automatycznej rozdzielczości wzrósł z 15 do 50%, rozważ efekt domina, jaki wywołuje to w innych obszarach. Ile czasu oszczędza Twój zespół? W jakim stopniu Twoi klienci są zadowoleni z szybkości i jakości wsparcia?

Z drugiej strony, jeśli zauważysz spadek współczynnika automatycznego rozwiązywania problemów, prawdopodobnie istnieje podstawowy problem, który należy rozwiązać. Może to oznaczać, że Twój bot nie ma dostępu do odpowiednich treści, których potrzebuje, aby odpowiedzieć na zapytania klientów. Rozważ przeprowadzenie audytu swojego Centrum pomocy, aby upewnić się, że Twoje treści są aktualne, a Twój bot ma wszystko, czego potrzebuje, aby pomóc swoim klientom.

Rozwiązanie pierwszego kontaktu (FCR)

„Rozwiązanie pierwszego kontaktu” (FCR) mierzy, jak często zapytania Twoich klientów są rozwiązywane po ich pierwszej rozmowie telefonicznej, e-mailu, SMS-ie lub sesji czatu z zespołem pomocy technicznej Twojej firmy.

Niektóre boty wykorzystujące sztuczną inteligencję, takie jak Fin firmy Intercom, korzystają z zawartości Twojego centrum pomocy, aby podawać odpowiednie odpowiedzi na pytania klientów i w wielu przypadkach są w stanie odpowiedzieć na te pytania za pierwszym razem. Oznacza to nie tylko, że Twoi klienci otrzymają wsparcie szybciej niż kiedykolwiek wcześniej, ale prawdopodobnie spowoduje również wzrost wskaźnika rozstrzygnięć po pierwszym kontakcie.

Wskazówka

Ponieważ dzięki chatbotowi AI więcej zapytań klientów jest rozwiązywanych w ramach jednej interakcji, powinieneś wcześnie zacząć myśleć o innych skutecznych pracach, które Twój zespół może wykonać, korzystając z dodatkowego czasu, jaki bot będzie miał wolny, oraz o tym, jak zmierzyć sukces tej pracy. Określając zakres tych prac już teraz, możesz umożliwić swojemu zespołowi podnoszenie kwalifikacji w nowych obszarach, aby gdy jego czas zacznie się zwalniać, mógł od razu przystąpić do wywierania wpływu i wnoszenia wkładu w działalność wykraczającą poza standardowe wskaźniki wsparcia.

Sztuczna inteligencja oferuje także zespołom obsługi klienta możliwość zwiększenia konkurencyjności celów wsparcia. Na przykład zespoły mogą oferować pomoc techniczną w czasie rzeczywistym w przypadku określonych problemów lub klientów lub rozpocząć bardziej proaktywną współpracę z klientami przy konfiguracji i aktywacji.

Czas do rozwiązania (TTR)

„Czas do rozwiązania” (TTR) mierzy średni czas potrzebny do pełnego rozwiązania zapytania klienta, od momentu otwarcia zgłoszenia lub rozmowy do momentu, w którym jest on oznaczony jako „rozwiązany” lub „zamknięty”.

Podobnie jak w przypadku wielu innych wskaźników, na czas rozwiązania problemu ogromny wpływ będzie miała zdolność botów AI do szybkiego rozwiązywania dużej liczby zapytań klientów. Jest prawdopodobne, że czas rozwiązania problemu przez bota się skróci, a czas rozwiązania problemu przez człowieka wydłuży się. Można się tego spodziewać, ponieważ Twój zespół będzie miał do czynienia z bardziej złożonymi problemami, których dotarcie do sedna zajmie więcej czasu.

Wskazówka

Rozważ podzielenie raportów według „czasu rozwiązania problemu przez bota” i „czasu rozwiązania problemu przez człowieka”, aby zrozumieć, jak szybko rozwiązywane są typowe lub proste zapytania, a także ile czasu zajmuje Twojemu zespołowi rozwiązywanie bardziej złożonych problemów.

Gdy Twój bot AI zacznie zajmować się bardziej złożonymi zapytaniami, które wymagają wielu operacji tam i z powrotem, ważne będzie, aby zrozumieć, ile czasu zajmuje rozwiązanie tych problemów.

Widoki treści

„Wyświetlenia treści” to miara liczby wyświetleń treści Centrum pomocy, na przykład artykułów w Twojej bazie wiedzy, przez klientów.

Zrozumienie, w jaki sposób sztuczna inteligencja wpływa na Twoje kompleksowe samoobsługowe wsparcie, jest ważne, dlatego warto przyjrzeć się, w jaki sposób klienci wchodzą w interakcję z artykułami w Centrum pomocy, aby przekonać się, jak łatwo mogą znaleźć odpowiedzi na własne pytania. W świecie opartym na sztucznej inteligencji liczba wyświetleń artykułów w Centrum pomocy może zacząć spadać, ponieważ chatboty wykorzystujące sztuczną inteligencję wykorzystują treść do dostarczania odpowiedzi klientom, zamiast podawać linki do samych artykułów.

Wskazówka

Monitorując liczbę wyświetleń treści Twojego Centrum pomocy i społeczności pomocy technicznej, możesz zrozumieć, czy klienci przeglądający te treści muszą szukać dodatkowej pomocy po przeczytaniu artykułu lub posta lub czy pomogło im to rozwiązać ich zapytanie. Pomocne jest ustawienie parametru czasu, na przykład jeśli klient nie skontaktuje się z Twoim zespołem w ciągu 24 godzin od wyświetlenia treści, możesz uznać to za „odchylenie” od potencjalnej rozmowy w sprawie wsparcia.

Po wdrożeniu chatbota AI całkowita liczba wyświetleń treści prawdopodobnie zacznie się zmniejszać, ponieważ Twoi klienci będą otrzymywać pomoc bezpośrednio od bota, zamiast udawać się do centrum pomocy. Jeśli tak się stanie, spróbuj umieścić widoki treści w kontekście ogólnego, samoobsługowego wsparcia, aby zrozumieć, w jaki sposób klienci uzyskują pomoc różnymi drogami.

Jak mierzyć doświadczenie klienta

Naturalnie wszystkie zmiany wprowadzone przez sztuczną inteligencję zmienią doświadczenia klientów. Jasne, Twoi klienci skorzystają z szybszego i skuteczniejszego wsparcia, ale będą też mieli do czynienia z nową technologią, dlatego niezwykle ważne będzie monitorowanie nowego doświadczenia klienta, aby mieć pewność, że jego potrzeby są nadal zaspokajane.

Satysfakcja klienta (CSAT)

„Satysfakcja klienta” (CSAT) to pomiar, który pokazuje, jak zadowoleni są Twoi klienci z Twojej firmy i polega na obliczeniu odsetka pozytywnie ocenionych rozmów z całkowitej liczby rozmów ocenionych przez Twoich klientów. Ankiety CSAT mogą mieć zakres od szczegółowych do lekkich – od proszenia klientów o ocenę interakcji od zera do 10, wysyłania im bezpośrednich pytań zwrotnych, a nawet pozwalania im wybrać emoji, który najlepiej odzwierciedla ich doświadczenia.

Nie jest tajemnicą, że klienci w różnym stopniu ufają botom jako całości. W przeszłości często prowadzili klientów ścieżkami drzewa decyzyjnego bez rozwiązania lub wciągali ich w nieskończoną pętlę, z której nie mogli się wydostać. Oczywiście nie jest to idealne doświadczenie dla nikogo. Jednak ostatnie postępy w dziedzinie generatywnej sztucznej inteligencji zaczęły budzić większe zaufanie klientów do botów, głównie ze względu na fakt, że są one w stanie komunikować się skuteczniej niż tradycyjne boty, a oczekuje się, że istnieje większe prawdopodobieństwo, że zwrócą pomocną odpowiedź – szybko.

Zespoły wsparcia są bardzo świadome, że monitorują poziom zadowolenia klientów, ponieważ w większym stopniu opierają się na botach AI. Według raportu Intercom State of AI in Customer Service: 2023 Report , 58% liderów wsparcia zaobserwowało poprawę swoich wyników CSAT w wyniku wykorzystania sztucznej inteligencji i automatyzacji.

Wskazówka

Niezwykle ważne jest, aby zespoły wsparcia mogły dokładnie zapoznać się z efektywnością i efektywnością uzyskiwania pomocy przez klientów. CSAT odgrywa w tym dużą rolę, dlatego ważne jest, aby zrozumieć, jak klienci oceniają rozmowy, w które zaangażowany jest Twój bot AI.

Przeglądając raporty CSAT, spróbuj zrozumieć, w jaki sposób oceniane są rozmowy, w których brał udział bot, lub czy w ogóle są oceniane (może się okazać, że klienci są mniej skłonni do pozostawiania ocen po interakcji z botami niż po ludzie). Pomoże Ci to zrozumieć, czy klienci są zadowoleni z interakcji, jaki poziom wsparcia był w stanie zapewnić bot i jak łatwo było zostać przeniesionym do członka Twojego zespołu, gdyby potrzebna była dalsza pomoc. Wnikając głębiej w te obszary, będziesz w stanie poprawić wydajność bota i zapewnić swoim klientom niezmiennie doskonałe doświadczenia.

Wynik promotora netto (NPS)

„Net Promotor Score” (NPS) to wskaźnik używany przez organizacje do pomiaru lojalności klientów wobec ich marki, produktu lub usługi. Mierzy się go jako wynik w zakresie od -100 do +100.

Podobnie jak CSAT, firmy zorientowane na klienta kładą ogromny nacisk na monitorowanie swojego NPS. Umożliwia im sprawdzenie nastawienia klientów do ich produktu lub usługi i zbudowanie spersonalizowanych planów zaangażowania, na przykład w celu połączenia „krytyka” – osoby, która uzyskała niski wynik w ankiecie NPS – z kimś z ich zespołu, aby zrozumieć stojące przed nimi wyzwania i poprawić swoje doświadczenie.

Boty oparte na sztucznej inteligencji będą teraz uwzględniane w zestawie usług ocenianych przez Twoich klientów w ankietach NPS, dlatego kluczowe będzie zrozumienie wpływu, jaki mają one na Twoje wyniki.

Wskazówka

Ankieta NPS daje Ci możliwość szczegółowego przeanalizowania elementów Twojego produktu lub usługi, które klient lubi lub nie. Bez pomocy sztucznej inteligencji analiza tych komentarzy może stać się bardzo czasochłonna. Ale na szczęście sztuczna inteligencja oferuje teraz możliwość szybkiego podsumowania spostrzeżeń dostarczanych przez klientów. Zastanów się, na jakich pytaniach chcesz się skupić, i wykorzystaj sztuczną inteligencję do wydobycia kluczowych wniosków z ankiet.

Wynik wysiłku klienta (CES)

„Wynik wysiłku klienta” (CES) określa wysiłek, jaki musi włożyć klient, aby jego żądanie zostało przetworzone. Może to obejmować uzyskanie odpowiedzi na pytanie, rozwiązanie problemu, sfinalizowanie zakupu produktu lub podpisanie umowy. CES można mierzyć za pomocą ankiet, w których pyta się klientów, jak trudne lub łatwe było zaspokojenie ich potrzeb, na przykład w ruchomej skali od „bardzo łatwe” do „bardzo trudne”.

Targi CES to dla liderów wsparcia ważny wskaźnik, na którym muszą być na bieżąco, ponieważ zadowolenie klientów – a co za tym idzie, lojalność i utrzymanie – często zależą od tego, jak łatwo klientowi będzie współpracować z Twoją firmą. Tradycyjnie ankiety dotyczące oceny wysiłku klienta były wysyłane do klientów na ważnych etapach ich podróży, na przykład po interakcji, która doprowadziła do zakupu lub po interakcji z zespołem pomocy technicznej, aby dowiedzieć się, jak łatwe lub trudne było dla nich to doświadczenie.

W nowym świecie wsparcia opartego na sztucznej inteligencji celem jest jeszcze większe ograniczenie wysiłku klientów. Boty AI są w stanie usprawnić obsługę techniczną, oferując szybkie i dokładne odpowiedzi w celu odblokowania klientów i zapewnienia wspaniałych wrażeń. Musisz jednak dokładnie zrozumieć, w jaki sposób sztuczna inteligencja wpływa na poziom wymaganego wysiłku ze strony klienta oraz czy klienci doświadczają wysokiego poziomu wysiłku w innych obszarach.

Wskazówka

Rozważ wysłanie ankiety dotyczącej oceny wysiłku klienta po interakcji klienta z Twoim chatbotem AI, aby zrozumieć, jak trudne lub łatwe było dla niego uzyskanie potrzebnej pomocy. Możesz użyć tych ocen, aby ocenić, czy Twój bot spełnia potrzeby Twoich klientów i zapewnia płynną obsługę, lub zagłębić się w potencjalne punkty sporne, aby znaleźć sposoby na ułatwienie im tego procesu.

Jak utrzymujesz jakość w całym swoim wsparciu

Zapewnienie jakości (QA) jest kluczowym elementem każdej operacji wsparcia. Aby zachwycić klientów wyjątkowym, spójnym doświadczeniem, musisz monitorować sposób zapewniania wsparcia w Twojej organizacji.

Jeśli chodzi o ocenę jakości świadczenia wsparcia, sztuczna inteligencja otwiera nowe możliwości prowadzenia analiz na dużą skalę. Każda firma ma własną interpretację tego, co składa się na „doświadczenie wsparcia jakościowego”, ale pomimo subiektywnego charakteru sposobu jego pomiaru, sztuczna inteligencja niewątpliwie zmieni zapewnianie jakości.

Wewnętrzny wynik jakości (IQS)

„Wewnętrzny wynik jakości” (IQS) to miara tego, jak dobrze Twój zespół zapewnia wsparcie, ustalana przez osoby w Twojej organizacji, a nie klientów. Recenzenci wewnętrzni oceniają rozmowy z klientami na podstawie tego, jak dobrze odpowiadają zestawowi kryteriów ważnych dla Twojej firmy. Ten system punktacji można odzwierciedlić w „karcie wyników kontroli jakości” i jest on unikalny dla każdego zespołu wsparcia.

Wraz z wprowadzeniem sztucznej inteligencji do obsługi klienta pojawia się potrzeba dostosowanego procesu kontroli jakości. Tradycyjnie wewnętrzne oceny jakości oceniałyby wydajność przedstawicieli wsparcia, podczas gdy obecnie istnieje większa potrzeba przyjrzenia się nadrzędnej podróży klienta, aby zrozumieć, czy istnieją ograniczenia w ramach Twojego produktu, czy Twoje procesy są wydajne i czy sztuczna inteligencja skutecznie przekazuje rozmowy ze swoim zespołem.

Wykorzystanie sztucznej inteligencji do pomocy w rutynowych zadaniach związanych z kontrolą jakości, takich jak tworzenie próbek lub przeprowadzanie kontroli jakości, umożliwi zespołom wsparcia skalowanie procesu zapewniania jakości i upewnienie się, że konsekwentnie spełniają wysoki poziom jakości w całej swojej ofercie wsparcia.

Wskazówka

Ponieważ IQS zmienia się z miary indywidualnej wydajności we wskaźnik standardów obsługi na całej długości podróży klienta, rozważ dostosowanie kryteriów kontroli jakości lub karty wyników, aby odzwierciedlały najważniejsze obszary dla Twojej firmy.

Na przykład w Intercom podzieliliśmy naszą kartę wyników na trzy sekcje:

• Ludzie: tradycyjny sposób upewniania się, że nasi specjaliści postępują właściwie.
• Procesy: Sprawdza, czy stosowane przez nas procesy są prawidłowe – dotyczy to również przekazania naszego chatbota AI Fina naszym specjalistom.
• Produkt: Co możemy zrobić, aby nasz produkt był lepszy pod kątem obsługi klienta?

Jak pokazujesz wartość

Dla każdego zespołu wsparcia kluczowa jest umiejętność wskazania wartości, jaką tworzą dla swojej firmy, a także zakomunikowania tego swojemu kierownictwu wyższego szczebla. W ostatnich latach postrzeganie organizacji obsługi klienta zmieniło się z „centrum kosztów” na „czynnik generujący wartość”, a w dobie wschodzącej ery wsparcia opartego na sztucznej inteligencji ważne będzie, aby wiedzieć, jak w dalszym ciągu demonstrować i komunikowanie tworzonej wartości w całej organizacji wsparcia.

Zwrot z inwestycji (ROI)

Zwrot z inwestycji (ROI) to wskaźnik używany do zrozumienia wartości inwestycji w porównaniu z jej kosztem.

W wielu organizacjach obsługa klienta była tradycyjnie postrzegana jako centrum kosztów. Z tego powodu liderzy wsparcia mają dużą wiedzę na temat zarządzania liczbą pracowników, a także wykorzystują wskaźniki takie jak „koszt obsługi” w celu wykazania zwrotu z inwestycji. Wraz z pojawieniem się generatywnej sztucznej inteligencji przewidujemy odejście od tradycyjnych obliczeń ROI w kierunku ROI, w szczególności funkcji automatyzacji.

„W nowej erze obsługi klienta umiejętność zrozumienia i raportowania sukcesów sztucznej inteligencji i automatyzacji będzie kluczowa”

Nasze badanie pokazuje, że 55% liderów wsparcia martwi się tym, jak zrównoważyć inwestycje w sztuczną inteligencję z inwestycjami w istniejące zasoby wsparcia. Opracowanie doskonałej strategii automatyzacji wymaga czasu, dlatego dla wielu liderów wsparcia cofnięcie się o krok i przekierowanie zasobów z linii frontu na strategię sztucznej inteligencji może wydawać się wyzwaniem. Zespoły wsparcia, które podejmują ten krok, muszą jednak zapewnić znaczny zwrot z inwestycji.

W nowej erze obsługi klienta kluczowa będzie umiejętność zrozumienia i raportowania sukcesów sztucznej inteligencji i automatyzacji. A ponieważ 68% liderów wsparcia ma trudności z wdrożeniem raportu bazowego lub wskaźników sukcesu w zakresie kosztów zaoszczędzonych dzięki sztucznej inteligencji i automatyzacji, jest to obszar, w którym zespoły myślące przyszłościowo powinny rozważyć inwestycję w podnoszenie kwalifikacji.

Wskazówka

Rozważ obliczenie oszczędności czasu i kosztów, jakie sztuczna inteligencja i automatyzacja przyniosą Twojemu zespołowi, aby wykazać swoją wartość. Na przykład spróbuj obliczyć:

• Liczba zapytań otrzymywanych przez Twój zespół, które mogłyby zostać obsłużone przez sztuczną inteligencję.
  Jak obliczyć: podziel liczbę rozmów zamkniętych w jednej wiadomości przez całkowitą liczbę rozmów w tym samym okresie i pomnóż przez 100, aby znaleźć odsetek.
• Liczba przekazań konwersacji wykonanych przez Twój zespół w każdym tygodniu.
  Jak obliczyć: Pomnóż średni czas spędzony na przekazaniu x liczbę przekazań x liczbę przedstawicieli wsparcia w Twoim zespole.
• Całkowity czas, jaki przedstawiciele wsparcia spędzają na opracowywaniu odpowiedzi.
  Jak obliczyć: Pomnóż średni czas spędzony na pisaniu wiadomości x liczbę zapytań x liczbę przedstawicieli wsparcia w Twoim zespole.

Pojawiają się nowe wskaźniki

Oprócz zmian, które obserwujemy w tradycyjnych wskaźnikach obsługi klienta, dzięki sztucznej inteligencji pojawiają się także nowe sposoby pomiaru skuteczności wsparcia. Liderzy wsparcia, którzy chcą dostosować swoje podejście do raportowania, powinni pomyśleć o włączeniu tych nowych wskaźników, aby mieć pewność, że mierzą właściwe rzeczy w rozwijającej się erze obsługi klienta.

Wskaźnik zaangażowania botów

Podczas wdrażania bota opartego na sztucznej inteligencji ważne będzie zrozumienie jego zaangażowania lub wskaźnika zasięgu, tj. liczby rozmów, w które jest zaangażowany, w stosunku do całkowitej liczby rozmów, które otrzymuje Twój zespół.

Wskazówka

Aby w pełni wykorzystać możliwości swojego chatbota AI, rozważ umożliwienie mu udziału w jak największej liczbie rozmów z klientami. Musisz jednak zachować ostrożność w przypadku przypadków, w których nie chcesz, aby bot był w to zaangażowany i wolisz korzystać wyłącznie z obsługi człowieka, na przykład zapewniać obsługę klientów VIP w białych rękawiczkach.

Współczynnik zaangażowania botów

Jak w przypadku wszystkiego, ważne jest nie tylko wiedzieć, co sprawdza się w przypadku Twojego wsparcia, ale także co nie. Jeśli klienci celowo próbują przeskoczyć Twojego bota, aby porozmawiać z kimś z Twojego zespołu, mogą istnieć możliwości poprawy wydajności Twojego bota.

Wskazówka

Spróbuj zmierzyć współczynnik zaangażowania swoich klientów za pomocą chatbota AI i przyjrzyj się znacznikom takim jak „podjęta następna akcja”, aby dowiedzieć się, czy bot odpowiada na pytania klientów lub czy istnieją możliwości poprawy ogólnego doświadczenia. Może to na przykład umożliwić Ci wskazanie potencjalnych luk w wiedzy lub ocenę projektu rozmowy, aby upewnić się, że bot wita klientów w przyjazny i pomocny sposób.

Jeśli klienci przestaną się angażować, rozważ poproszenie ich o informację zwrotną, aby zrozumieć dlaczego. Uzbrojeni w te spostrzeżenia, możesz wprowadzać świadome zmiany w działaniu bota, aby zmaksymalizować jego wpływ.

Spostrzeżenia konwersacyjne

Oprócz odblokowania nowych poziomów wydajności i oszczędności czasu, sztuczna inteligencja oferuje także zespołom wsparcia możliwość analizowania rozmów z klientami w innowacyjny sposób. Teraz sztuczna inteligencja może analizować interakcje z klientami w czasie rzeczywistym i na dużą skalę, umożliwiając zespołom wsparcia wydobycie niedostępnych wcześniej spostrzeżeń i prowadzenie naprawdę wpływowych programów „głosu klienta” w swoich organizacjach.

Dzięki możliwości wyciągania wniosków z tak dużej liczby rozmów z klientami możesz zrozumieć, co myślą klienci w związku z interakcjami z Twoją firmą, i umożliwić Twojemu zespołowi skupienie się na zapewnianiu proaktywnej, spersonalizowanej obsługi klienta.

Wskazówka

Wykorzystaj sztuczną inteligencję, aby przeprowadzić dokładną analizę rozmów z klientami i wykorzystaj te wnioski, aby:

• Zidentyfikuj obszary wymagające poprawy w ramach swojego wsparcia.
• Uświadamiaj inne zespoły o powtarzających się problemach lub problemach klientów i wewnętrznie wspieraj głos klienta.
• Dowiedz się, gdzie Twój zespół może wnieść jeszcze większą wartość dla klientów na całej ich drodze i skup się na zapewnianiu proaktywnego wsparcia.

Przygotowanie zespołu obsługi klienta do sukcesu

Sztuczna inteligencja stwarza dla liderów wsparcia ogromną szansę na ulepszenie swoich możliwości raportowania, odblokowanie łatwiejszych i skuteczniejszych sposobów pomiaru jakości wsparcia i wydajności swoich zespołów oraz zapewnienia klientom zawsze najlepszego możliwego doświadczenia. Dodatkowo, korzystając ze sztucznej inteligencji, aby zwolnić czas przedstawicieli wsparcia, zespoły wsparcia mogą skoncentrować się na wykorzystaniu gromadzonych danych w celu uzyskania spostrzeżeń, które można wykorzystać do ulepszenia swoich systemów i procesów, a także wewnętrznego dzielenia się spostrzeżeniami z klientami.

Aby uzyskać prawdziwą miarę sukcesu w tej wschodzącej epoce obsługi klienta, kluczowe będzie zrozumienie, w jaki sposób Twój zespół spędza czas i opracowanie nowych sposobów raportowania sukcesów w obszarach, które są najważniejsze dla Twojej firmy.