Teknologi vs. Värde – en praktisk guide till användning av AI i kundservice

Under de senaste åren, så har ett av de mest populära sätten att nyttja teknikens- och AI:s kraft inom kundservice varit att ha skapat Artificiella Agenter i form av så kallade ”bots”. Dessa ”bots” är designade att hantera kundförfrågningar över flera kanaler, såsom över telefon, mejl, chatt och online banksystem.

Artificiella Agenter har dock fått ett blanda trykte då de antingen har saknat kvalitet eller krävt omfattande manuellt arbete samt underhåll för att göra dem effektiva. Men med den senaste utvecklingen inom generativ AI, så har Artificiella Agenter blivit mycket smartare och agerar inte endast som en guide till redan existerande kunskapsartiklar eller FAQs. Istället så kan de Artificiella Agenterna nu rutinmässigt filtrera och sammanfatta relevant information och leverera det på ett sätt som är enkelt för kunder att förstå.

‍

Att bestämma sig för rätt tillvägagångsätt

Trots de senaste tekniska framstegen, så är det många organisationer som fortfarande inte lyckas få saker rätt, då de saknar en klar strategi för hur de vill använda AI för att förbättra kundupplevelsen hos dem.  

Den huvudsakliga orsaken till att detta händer, är på grund av att de tenderar att ha en teknik-först strategi där de rusar in, drivna av den tekniska hypen som uppstått, FOMO och en önskan att inte förlora konkurrensfördelar. Till följd av detta, så implementerar de generativa AI-funktioner, utan att riktigt fundera på vad de och deras kunder faktiskt behöver.

När denna typ av strategi används, så kommer de flesta företag att träna teknologin baserad på specifika, statiska datakällor – till exempel, från kunskapsdatabaser eller FAQs. Detta tillvägagångsätt medför dock en betydande risk att frustrera kunder, genom att inte förse dem med vad de behöver, och ta i från dem den mänskliga interaktionen som är avgörande i vissa tjänsteinteraktioner.

För att undvika detta scenario och säkerställa att era konversationer alltid håller enhög kvalitet, så rekommenderar vi att ni tar ett steg tillbaka och utvecklar enstrategi baserat på insikter från data baserat på era kundinteraktioner.

‍

Att implementera en strategi som drivs av insikter från er data

Organisationer som väljer en strategi som är baserad på deras egna data, börjar med att först skapa en förståelse för anledningarna till att kunder hör av sig och deras frågor.

Detta gör de genom att först analysera alla samtal så att de kan grupperas i specifika kategorier och sedan bestämma vilka av dessa samtal som de skulle föredra atten mänsklig agent hanterar.

Nedan följeren beskrivning av typiska samtal som kommer in till en organisation:

20-35% av alla samtal består av återkommande samtal, uppsägningssamtal, säljsamtal och samtal där det finns mer försäljningsmöjligheter. Från en kommersiell synpunkt, så bör dessa typer av samtal besvaras av en mänsklig agent.

De resterande 65-80% av samtalen kan vara tidskrävande och svåra att prioritera från ett automatiseringsperspektiv. Det kan dock hjälpa att gruppera dessa samtal i kategorier baserat på deras komplexitetsnivåer (låg, medium, eller högkomplexitet) .

Capturi definierar samtal med låg komplexitet som samtal som är avsevärt kortare än genomsnittliga samtal och där det inte krävs några systemintegrationer för att hjälpa kunden. Dessa samtal står vanligtvis för 5-10% av alla registreradesamtal.

Capturi definierar dessutom också samtal med hög komplexitet som konversationer som är betydligt längre än de genomsnittliga samtalen, och där agenter behöver använda flera olika system för att kunna ge ett korrekt svar. Av alla samtal som kommer in, så grupperas 50-70% av de samtalen in i denna kategori, hög komplexitet.

De återstående 3-5% av samtalen hamnar i kategorin medelkomplexitet.

Efter att de har kategoriserat sina konversationer, så kan organisationer skapa en plan för att bestämma vilka samtal som bör hanteras av Artificiella Agenter, och vilka som borde hanteras av mänskliga agenter.

‍

Att komma i gång

Börja alltid med era samtal med låg komplexitet, då de dessa idealt hanteras av ArtificiellaAgenter, givet att de inte kräver någon systemintegration och generellt sätt är enkla att lösa. Konkreta exempel på samtal i den här kategorin inkluderar samtal där kunder har upplevt svårigheter att logga in, har uttryckt problem med faktureringen, eller att de vill uppdatera information i systemet.

Allt eftersom ni utvecklas och lyckas använda Artificiella Agenter för era samtal med lågkomplexitet, så kan ni integrera Artificiella Agenter med fler system. Sådana integrationer kommer också göra det möjligt för de Artificiella Agenterna att hantera samtal med medel komplexitet – och i vissa fall, även vissa samtal med hög komplexitet.

‍

Vad man ska tänka på

Det är viktigt att komma ihåg att kunders förfrågningar och samtal kommer att ändras och utvecklas över tid och att er strategi för användningen av Artificiella Agenter också bör göra det.

Med tanke på detta, så borde ni se till att era Artificiella Agenter lär från era mänskliga agenter så de kan justera sitt tillvägagångsätt och utveckla nya färdigheterdärefter. Detta kommer att hjälpa till att upprätthålla en konsekvent varumärkestonalitet, förhindra missförstånd och säkerställa att kunder får samma nivå av förståelse, empati och positivitet som de är vana vid.