Hogyan befolyásolja a mesterséges intelligencia az ügyfélszolgálatokat 2019-ben?
A Forrester „2019 három ügyfélszolgálati megatrendje” című jelentésének előrejelzése szerint az automatizálás és a mesterséges intelligencia (MI) mélyebben bejut az ügyfélszolgálatba, és vezeti annak átalakítását hatékonyabb működésre, miközben javítja az ügyfélélményt.

A Forrester az MI következő legfontosabb alkalmazásait sorolja fel: robotikus folyamatautomatizálás (Robotic Process Automation – RPA), előíró jellegű MI, chatbotok és ügyfélszolgálati robotok. Ebben a blogban röviden leírom az ügyfélszolgálat legnépszerűbb MI-alkalmazásait a fő interakciós csatornák szerint csoportosítva, ahol azokat használják.

Válogatott ügyfélszolgálati MI alkalmazások csatorna szerint

Élőhang
Az élőhang továbbra is a leggyakrabban használt ügyfélkommunikációs csatorna, különösen akkor, ha összetett kérdésekről van szó, amelyek emberi beavatkozást igényelnek. Az emberi nyelv nagyfokú bonyolultsága azonban egészen a közelmúltig megakadályozta az MI széles körű alkalmazását a beszéd- és hanginterakciók terén. Csakhogy a beszéd- és nyelvfeldolgozásban elért legújabb fejleményeknek köszönhetően egyre több MI-alkalmazás bevezetését tapasztaljuk az élőhang csatornán.

Hangalapú asszisztensek
Számos call center váltja fel a nagyon gyűlölt, régimódi DTMF-alapú IVR menüket ügyfélbarát hangalapú asszisztensekkel, amelyeket a természetes nyelvek feldolgozásában elért jelentős technológiai haladás tesz lehetővé, ideértve a beszédfelismerést és a beszédszintézist, ami elsősorban a neurális hálózati modellek használatának köszönhető.

Ma többek között a Nuance Nina és az IPsoft Amelia alkalmazását tekintik a legjobb intelligens virtuális asszisztenseknek a piacon. A fő MI-gyártók azonban, mint az Amazon, a Google és a Microsoft, óriási javulást értek el a beszédtechnológia (mind a beszéd szöveggé, mind a szöveg beszéddé alakítása) terén, és a korábbi robotszerű hangokat egyre több nyelven helyettesítik lényegesen továbbfejlesztett, az emberihez jobban hasonló, természetes hangokkal.

Viselkedésalapú párosítás
Minden ügyfélszolgálat egyik fő célkitűzése annak biztosítása, hogy minden ügyfélhívás nagyszerű ügyfélélményt és pozitív üzleti kimenetelt eredményezzen. Ez különösen a nagy értékű ügyfelek és a legjobbnak értékelt ügyintézők esetében bír kritikus fontossággal. A viselkedésalapú párosítási technológia arra használja a mesterséges intelligenciát, hogy elemezze az emberi interakciók mintáit, és megjósolja a sikeres interakcióhoz vezető interperszonális viselkedést. Ezt a modellt azután a kontakt centerre alkalmazza, hogy megtalálja és párosítsa a legjobban összeillő ügyfél- és ügyintézői profilokat.

Az egyik ilyen gyártó, akivel találkoztunk, az Afiniti, amely egyesítette erőit az Avaya-val, hogy natív integrált megoldást nyújtsanak a viselkedésalapú párosítás segítségével. Érdemes megjegyezni, hogy a Geomant Contact Expert is rendelkezik beépített konnektorral az Afiniti integrációhoz.

Beszédanalitika
A beszédanalitika egy másik népszerű MI-alapú eszköz, amelyet olyan gyártók kínálnak, mint a Verint, és számos kontakt center használja arra, hogy meglátásokat és kritikus fontosságú üzleti információkat nyerjen ki az ügyfelekkel folytatott beszélgetésekből. A döntéseinket érzelmek irányítják, ezért az a képesség, hogy pontosan felismerje az érzelmeket, miközben beszélünk egy ügyféllel, és megtegye a megfelelő intézkedéseket, jelentős versenyelőnyt jelenthet egy üzleti vállalkozásnak.

A valós idejű beszédanalitika felhasználható annak előrejelzésére, hogy az ügyfél hajlamos-e megvásárolni egy terméket, és úgy irányítja az ügyintézőt, hogy az a megfelelő promóciót vagy termékösszetételt ajánlja. Ez növeli az értékesítést vagy azonosít egy elégedetlen ügyfelet, és jelzi a vezetőnek, hogy azonnal intézkednie kell az ügyfélvesztés megakadályozása érdekében. A rögzített hívások offline elemzése (az interakció utáni analitika) az ügyfelek általános viselkedésének, a terméktrendeknek, stb. megértésére szolgál. Ez a technológia az ügyintézői oldalon is használatos automatikus teljesítményértékelés végzésére a híváskezelés különféle aspektusaival kapcsolatban, mint például üdvözlés, lezárás, megfelelő nyelvhasználat, jogi megfelelés, stb.

E-mail
Az e-mail továbbra is a leggyakrabban használt digitális ügyfélszolgálati csatorna. A Radicati Group által készített „E-mail statisztikai jelentés 2019-2023” című kiadvány szerint a napi e-mail forgalom – ideértve az összes naponta küldött és fogadott üzleti és személyes e-mailt – 2019-ben világszinten meg fogja haladni a 293 milliárdot, és évi 4-5%-os ütemben tovább növekszik.

Az e-mailen bonyolított ügyfélinterakciók folyamatosan növekvő számának kezelésére az ügyfélszolgálati csapatoknak általában további munkatársakat kell felvenniük, és ez nagy költséggel jár. Az MI technológia gazdaságosabb alternatívát kínál a szűk költségvetéssel rendelkező kontakt center vezetőknek, hogy megbirkózzanak az e-mail interakciók növekvő volumenével.

E-mailek osztályozása és automatikus sorolása Sok esetben az ügyfelek e-mailjeit először egy e-mail előfeldolgozó csoport olvassa és elemzi, majd manuálisan osztályozza és rendezi az adott téma vagy igényelt szolgáltatás szerint, ezután továbbítja a megfelelő részlegnek (rendelésfelvétel, könyvelés, visszatérítések, stb.) a további lépések és válaszadás érdekében. Az MI segíthet a folyamat nagy részének automatizálásában, különösen az e-mail témájának meghatározásában (a kérés felcímkézésében), a megfelelő várakozási sorba vagy részleghez irányításban, és akár automatikus válaszokat is küldhet emberi beavatkozás nélkül. Megjegyzés: ha többet szeretne megtudni, írtunk egy külön blogbejegyzést erről a témáról.

Hibajegyek hozzárendelése és prioritásuk meghatározása Az MI egy másik alkalmazási forgatókönyve az e-mailben kapott ügyféltámogatási hibajegyek prioritásának meghatározása és azok hozzárendelése. Nem szokatlanok az olyan támogatási szolgáltatási megállapodások (SLA), amelyek előírják a szállítónak, hogy a hibajelentés kézhezvételétől számított 30 percen belül kezdje el a súlyos hibák megoldását. Ilyen esetekben kritikus fontosságú a hibás rendszerösszetevő helyes azonosítása és a hibajegy megfelelő műszaki csapathoz történő hozzárendelése.

Ha van egy MI-alapú, öntanuló, automatizált hibajegy-hozzárendelési mechanizmusunk, az segíthet csökkenteni az emberi hibákat és betartani az SLA előírásait, biztosítva ugyanakkor, hogy a problémát a megfelelő műszaki szakértői csapathoz rendelik hozzá, és az ügyfél gyorsan megoldást kapjon.

Automatikus válaszadás és tudásmenedzsment
Az MI-t arra is használják, hogy automatikus válaszokat adjon az ügyfelek ismétlődő kérdéseire. A Microsoft QnA Maker szolgáltatása például lehetővé teszi a GYIK-listák, termékdokumentációk, támogatási kézikönyvek, stb. feldolgozását, és olyan tudásbázist épít, amelyet fel lehet használni az e-mailen beérkező kérdések intelligens elemzésére és a legmegfelelőbb válasz automatikus küldésére.

Chat és azonnali üzenetküldés

A webchat és más azonnali üzenetküldő platformok használata folyamatos növekedést mutat, különösen az Y és a Z generáció körében. A legfrissebb felhasználási adatok szerint a WhatsApp a legkedveltebb üzenetküldő alkalmazás világszerte, amelyet a Facebook Messenger követ. A WhatsApp legfontosabb üzenetküldő alkalmazássá válása különösen a vállalatok számára lett fontos, miután a WhatsApp 2018-ban elindította a „WhatsApp for Business” platformját – ez egy vállalatoknak szánt API, amely automatikus üzeneteket küld a fogyasztóknak.

Ügyfél-chatbotok
Egyre több vállalat telepít chatbotokat növekvő számú iparágban és használati esetben, így azok az ügyfélszolgálatok kulcsfontosságú MI-eszközévé váltak. A chatbotok átvehetik az ismétlődő feladatok terhét az ügyfélszolgálati képviselőktől, lehetővé téve számukra, hogy a nagyobb értékű, összetett tevékenységekre összpontosítsanak.

A Geomant az intelligens chatbotok ökoszisztémáját kínálja, amelyek képességei széles skálán mozognak az alapvető, gyakran ismételt kérdéseket megválaszoló beszélgető botoktól egészen a fejlettebb, prediktív botokig, amelyek felül- és keresztértékesítési képességekkel is rendelkeznek. Tartalmazzák a webchat és a legnépszerűbb üzenetküldő platformok, például a WhatsApp, a Messenger és a Twitter támogatását.

Ügyintéző-chatbotok
Egyes vállalatok nem akarják a chatbotokat közvetlenül az ügyfelekkel kommunikáló eszközként használni, bevetik azonban a színfalak mögött, az ügyfelekkel csevegő ügyintézők megsegítésére, hogy valós időben megtalálják a lehető legjobb választ az ügyfél kérdéseire. A Geomant Buzzeasy Chat megoldásába ilyen MI-képességek vannak beépítve. Belső GYIKchatbotként működik, és egy vagy több javasolt választ ad az ügyintézőknek, amelyek közül választhatnak, vagy alternatívaként az ügyintézők megírhatják a saját válaszukat. A bot tanul az ügyintéző választásaiból, és „intelligensebbé” válik, idővel egyre jobb javaslatokat adva.

Munkatárs-chatbotok
A modern munkahelyi és együttműködési eszközök, mint például a Microsoft Teams, elősegítik a „munkatárs-chatbotok” bevezetését is, amelyeket egy vállalaton belül használnak a munkavállalók bevonására és a velük történő kommunikációjának ösztönzésére és javítására. A munkatárs-chatbotok tipikus példái az IT Helpdesk botok, a HR- és toborzóasszisztensek, valamint az értékesítési asszisztens botok.

Összefoglaló
Ebben a blogban áttekintettem az MI legnépszerűbb felhasználási és alkalmazási formáit az ügyfélszolgálaton, több ügyfélinterakciós csatornát vizsgálva. Úgy gondolom, biztonsággal kijelenthetjük, hogy az MI velünk van és itt is fog maradni, és egyre mélyebben beágyazódik az ügyfélszolgálatba. Azoknak a vállalatoknak, akik ezt még nem tették meg, el kellene kezdeniük megvizsgálni az ügyfélszolgálati tevékenységeiket, és azonosítani azokat a gyenge pontokat, ahol az MI alkalmazása azonnali javulást jelenthet hatékonyságban, de ami még fontosabb, az ügyfélélményben.

Az MI lehetőségei végtelenek, és a kezdet nem is olyan nehéz, mint hinnénk.

Írta: Dr. Gustavo E. Perez-Lopez

Kövesd az oldalunkat a Facebook-on és a Twitteren is!