8 способов использовать ИИ для улучшения клиентского опыта

О пользе искусственного интеллекта (ИИ) говорят во всех сферах: науке, медицине, образовании. Бизнес не остается в стороне. Недавнее исследование Gartner показывает, что 70% компаний изучают возможности применения ИИ для своих задач. Чаще всего инвестиции в эту область привлекают для того, чтобы улучшить клиентский опыт. В статье — как ИИ меняет качество дистанционного обслуживания клиентов и каких результатов добились компании, которые уже внедрили подобные технологии.

Развитие искусственного интеллекта и клиентский опыт: зачем нужен этот тандем

Клиенты взаимодействуют с компаниями по-разному: совершают покупки на онлайн-площадках или в магазине, звонят с уточняющими вопросами на горячую линию колл-центра либо консультируются через чаты поддержки. Все контакты с брендом формируют уникальный клиентский опыт (Customer Experience, CX).

Чтобы у потребителей складывалось положительное впечатление о компании, важно выстраивать эффективные каналы для коммуникации. Один из способов достичь этого — использовать возможности искусственного интеллекта. Активнее всего в практику клиентского сервиса внедряют чат-ботов, диалоговые и голосовые интерфейсы.

Пользу от таких новаций получают не только клиенты. Технологии позволяют улучшить процессы обслуживания, не забывая при этом о специалистах, которые непосредственно работают с клиентами. Например, решение однотипных вопросов все чаще в службах поддержки перекладывают на виртуальных помощников, а значит становится меньше рутины, повышается скорость сервиса.

Как за счет интеллектуальных технологий вывести CX на новый уровень

Сегодня большая часть взаимодействий с клиентами происходит в онлайн-среде. Чтобы обеспечить доступность услуг, компании пытаются всегда быть на связи. Это увеличивает нагрузку на службу поддержки.

Создать качественный клиентский опыт без современных технологий невозможно. Разберем способы применения ИИ, которые помогут следовать приоритетам клиентоцентричности: непрерывности, скорости и качеству обслуживания.

1. Сократить количество ошибок

Если поддержка вручную обрабатывает запросы, неизбежны ошибки. Например, специалисты теряют заявки или забывают добавить в ответы важные сведения. Из-за недочетов поддержка выглядит непрофессионально в глазах клиентов, доверие к бренду снижается.

Избежать таких ситуаций получится, если работа ведется на единой платформе управления CX. Благодаря омниканальности обращения не будут теряться. А интеллектуальные механизмы позволят автоматически извлекать из истории взаимодействия с клиентом нужные факты. Например, персональные данные, адреса, номера договоров и другие.

Кроме того, когда вся информация о клиенте систематизирована, специалист поддержки при работе с обращением опирается на весь контекст и предлагает более качественное решение проблемы. Еще ИИ быстрее человека справится с распознаванием спам-сообщений. Так специалисты поддержки перестанут тратить время на разбор поддельных запросов и будут коммуницировать только с реальными клиентами.

2. Направлять заявки напрямую по зонам ответственности поддержки

Зачастую в крупных компаниях обращения клиентов распределяются по специалистам поддержки в зависимости от типа и критичности проблемы. При больших объемах заявок маршрутизация достаточно трудоемкая.

При помощи ИИ можно автоматически определять проблему клиентов на основе текста обращений, его семантических, синтаксических и других языковых свойств. Далее с учетом проанализированных параметров заявка автоматически будет назначена на подходящего специалиста. Такая интеллектуальная классификация исключает операторов поддержки из процесса маршрутизации.

Дополнительно алгоритм может учитывать местоположение заявителя, режим работы поддержки и другие факторы. Это будет полезно, если сервисное обслуживание осуществляется в территориально распределенных компаниях. Например, специалисты поддержки в Хабаровске будут обслуживать клиентов в рабочее время по часовому поясу GMT+10, а инженеры в Москве — по московскому времени GMT+3.

3. Выявлять массовые инциденты и прогнозировать нагрузку

Когда в компании происходит сбой в предоставляемых сервисах, требуется время, чтобы увидеть массовый характер проблемы или нет. При этом пользователи начинают сразу же атаковать службу поддержки. Если процессы не выстроены, то возможны ситуации, когда несколько инженеров начнут параллельно заниматься одним и тем же вопросом. Это неоптимальная трата ресурсов.

«Сканирование» массовых инцидентов лучше отдать ИИ. Алгоритм проанализирует поток входящих обращений и определит, что многие пользователи столкнулись со схожей проблемой. Это помогает команде поддержки видеть более широкую картину, вовремя уведомить клиентов о недоступности сервисов, чтобы снизить объем заявок по инциденту.

Кроме того, если подключить инструменты предиктивной аналитики, то на основе накопленных данных получится предсказывать нагрузку на сервисные подразделения в целом, например, с учетом сезонности или времени суток. Это даст возможность гибко планировать загрузку и численность персонала, чтобы вовремя справляться с пиковым увеличением потока задач.

4. Обеспечить круглосуточный доступ к сервисам

Механизмы на основе ИИ позволяют внедрять удобные инструменты для самообслуживания, которые помогают клиентам иметь доступ к сервисам компании в любое время, даже вне рабочих часов службы поддержки.

К примеру, можно настроить автоматические сценарии обслуживания через чат-бота. Когда клиент напишет вопрос в чат поддержки, робот на основе проанализированного контекста подберет подходящий ответ, документ или инструкцию и отправит в чат. Так клиент самостоятельно получит нужную услугу без подключения сотрудника поддержки.

5. Хранить историю взаимодействия с клиентами

Для положительного СХ необходимо создавать такие условия, чтобы при общении с компанией клиенту не приходилось подстраиваться. Если потребитель услуг вынужден повторно вводить или повторять данные при переключении между каналами поддержки, это создает дополнительные сложности и снижает лояльность.

Как этого избежать? Если всю историю коммуникации с клиентом накапливать в единой ИТ-системе, это позволит оперативно извлекать необходимую в данный момент информацию из предыдущего контекста.

Представим, клиент сделал покупку на маркетплейсе и оформил доставку. В назначенную дату курьер не привез заказ. Клиент пишет в чат компании, где указывает адрес и время доставки, но не уточняет номер заказа. Алгоритм ИИ проанализирует обращение, соотнесет с обязательными сущностями в системе и добудет недостающие данные.

6. Анализировать эмоции клиентов

Работа с клиентом — это не только соблюдение формальных требований и сроков, прописанных в соглашении об уровне обслуживания (Service Level Agreement, SLA). На положительный опыт влияют даже эмоции клиента, и с этим нужно уметь работать.

Технологии обработки естественного языка (Natural Language Processing, NLP) могут выявлять в тексте обращения признаки раздражительности. Например, по восклицательным знакам, написанным капслоком словам, нецензурным выражениям. Подобный «подкапотный семантический разбор» способствует проактивному отслеживанию настроений пользователей и снижению риска оттока клиентов.

Интеграция инструмента с системой service desk позволит устанавливать приоритет для обращений не только на основе формальных признаков (срочности и типа запроса), но и учитывать настроение клиента. Например, если пользователь рассержен, служба поддержки должна быстрее подключиться к решению проблемы.

7. Минимизировать выгорание сотрудников поддержки

В крупных компаниях специалист поддержки ежедневно обрабатывает несколько десятков обращений. Такой режим опасен синдромом выгорания. Согласно исследованию HeadHunter, чаще всего отмечают у себя выгорание сотрудники сферы консультирования — 91%. Основные причины: переработки и монотонные задачи, стрессовые проекты. Выгоревшие специалисты проявляют безразличие к работе, а значит с большей вероятностью будут невнимательны и совершать ошибки. В конечном итоге это скажется и на коммуникации с клиентами.

Использование ИИ потенциально уменьшает нагрузку на поддержку. Чат-боты умеют обрабатывать простые запросы, решать их без человека или предлагать подходящие справочные материалы. Кроме того, подключенное интерактивное голосовое меню (Interactive Voice Response, IVR) может отвечать на вопросы клиентов по телефону на основе предварительно записанных ответов. В результате интеллектуальные помощники избавят от рутинных задач и позволят специалистам поддержки больше времени уделять сложным заявкам.

8. Актуализировать базу знаний

Компании создают базы знаний или страницы с часто задаваемыми вопросами, чтобы клиенты сами находили ответы. Такие справочные центры полезны и для сотрудников. Специалисты поддержки решают проблемы из смежных областей, а новички быстрее адаптируются.

Также ИИ можно научить управлять контентом. Например, ИИ сумеет проанализировать весь массив клиентских запросов. Далее выявит повторяющиеся вопросы и найдет проблемы, которые решаются дольше всего. Это станет основой для корректирующих действий: подготовки полезных для клиентов инструкций, обновления устаревших материалов базы знаний и даже мотиватором к дополнительному обучению сотрудников.

Как компании используют ИИ для улучшения клиентского опыта

Эффект от внедрения ИИ получают организации вне зависимости от отрасли. Разберем несколько кейсов из проектной практики NAUMEN.

Служба обеспечения деятельности финансового уполномоченного — компания занимается досудебным урегулированием споров между получателями финансовых услуг и организациями, которые их предоставляют. До 20 тыс. обращений в год обрабатывается через единую систему. Раньше сотрудники вручную контролировали достоверность сведений, указанных в юридических документах. Такая проверка была трудоемкой и включала множество параметров, например ФИО, адрес регистрации и информацию об организации. Сейчас верификацию делает ИИ: автоматически выделяет ошибки, неточности, благодаря чему 100% обращений обрабатываются в срок.

Федеральная пассажирская компания — дочернее предприятие РЖД, которое предоставляет услуги по перевозке пассажиров и багажа. Ежемесячно служба поддержки получает более 10 тыс. запросов. За счет интеллектуализации компания ускорила маршрутизацию и первичную обработку обращений с 5 дней до 2 минут. Извлечение информации о поездке из текста обращения полностью автоматизировано и при необходимости дополняется данными из смежных систем.

Globus — международная сеть гипермаркетов. Служба поддержки клиентского сервиса принимает обращения, связанные с товарами, доставкой, жалобами, возвратами и другими вопросами по магазинам. С помощью ИИ компания классифицирует входящие обращения. 80% обращений по самым популярным услугам распределяются с точностью 87%.

Искусственный интеллект расширяет возможности базовой автоматизации клиентского сервиса. Технологии помогают компаниям лучше понимать запросы потребителей, анализировать полученную информацию и на основе этого улучшать качество своих продуктов и услуг.