Yapay Zekâ ile Müşteri Hizmetleri Otomasyonu: Savuşturma Tiyatrosundan Gerçek Çözüme

Çoğu şirket bunu bir kez zaten kötü biçimde yaptı. 2018 usulü karar ağacı botu hâlâ sitede duruyor, senaryosunun dışındaki hiçbir şeyi anlamamaya devam ediyor ve üst üste üç kez “temsilci” yazmayı öğrenmiş müşteriler tarafından atlanıyor. Metrik olan talep sayısını düşürdü; ölçülmeyen müşteri eforunu ise artırdı.

Teknoloji bugün gerçekten farklı. Aynı hatayı tekrarlama cazibesi ise değil. Müşterilerin etrafından dolaşmadığı bir destek otomasyonunun nasıl kurulacağı şöyle.

Savuşturma yanlış hedeftir

İnsana ulaşmayan görüşmelerin payı — yani kapsama (containment) — için optimize ederseniz, kapsamayı elde edersiniz. Ama onu, yükseltmeyi zorlaştırarak, müşteri pes edene dek muğlak yanıtlar vererek ve hiç çözülmemiş görüşmeleri kapatarak elde edersiniz. Maliyet; kayıp müşteride, tekrar eden temaslarda ve herkese açık yorumlarda birikir — hepsi destek tasarrufundan farklı bir bütçe kaleminde.

Çözüm oranı için optimize edin: müşterinin sorununun gerçekten çözüldüğü temasların payı; yedi gün içinde geri dönüp dönmediğiyle ve ne söylediğiyle ölçülür. %45 çözüm oranına ve temiz bir yükseltmeye sahip bir sistem, %70 kapsama ve öfkeli müşterileri olan bir sistemi her seferinde yener.

Yapay zekâ destek neden eskiden değil de şimdi işe yarıyor

Üç değişiklik; hiçbiri tek başına “model akıllandı” değil:

• Anlama artık darboğaz değil. Modern modeller yazım hatalarını, karışık dilleri, dağınık bağlamı ve ima edilen soruları karşılıyor. Eski mimarinin kırılgan merkezi olan niyet sınıflandırması çok daha az önemli.
• Yanıtlar bilginize dayandırılabiliyor. Yardım merkeziniz, politikalarınız ve geçmişte çözülmüş talepleriniz üzerinde erişim, yanıtların iki yıl önce birinin yazdığı senaryoyu değil, güncel politikanızı kaynak göstererek yansıtması demek.
• Asistan eylem yapabiliyor. Siparişi sorgulamak, politika sınırları içinde iade işlemek, randevu değiştirmek, fatura yeniden göndermek. Asıl kilidi açan bu: destek temaslarının çoğu açıklanacak bir şey değil, yapılacak bir şey gerektirir. Bu bir sohbet botu değil, kapsamlı izinlere sahip bir ajandır.

Bir şeyi otomatikleştirmeden önce temaslarınızı katmanlayın

Altı aylık talepleri çekin ve kümeleyin. Dört bant bulacaksınız ve her biri farklı bir karar hak ediyor:

1. Bilgilendirici, dokümantasyondan yanıtlanabilir. “İade süreniz ne kadar?” Erişim ve kaynak gösterimiyle tamamen otomatikleştirin. Hızlı, güvenli, yüksek hacimli.
2. Hesaba özel, sorgulamayla çözülebilir. “Siparişim nerede?” Salt okunur bir entegrasyonla otomatikleştirin. Genellikle en büyük tek küme ve genellikle önlenebilir temasların en büyük kaynağı.
3. Politika içinde işlemsel. Bir eşiğin altındaki iadeler, adres değişiklikleri, paket değişiklikleri, randevu erteleme. Yazma erişimi, politika limitleri ve kayıt ile otomatikleştirin. En yüksek değerli katman ve gerçek mühendislik disiplini isteyen katman.
4. Muhakeme, duygu ya da para söz konusu. Şikâyetler, müşteri tutma görüşmeleri, karmaşık faturalama anlaşmazlıkları, zarar ya da sıkıntı içeren her şey. Doğrudan bir insana yönlendirin — müşterinin kendini tekrarlamaması için tam bir bağlam paketi ekli olarak.

Çoğu kurum 1–3. katmanların anlamlı bir bölümünü otomatikleştirebilir ve 4’e dokunmamalıdır. Hangisinin hangisi olduğunu bilmek, tasarım işinin büyük kısmıdır.

Yükseltme bir başarısızlık değil, bir özelliktir

Devir kalitesi, müşterilerin sisteme hiç güvenip güvenmeyeceğini belirler. Gereksinimler: asistanın asla engellemediği, her zaman açık ve bariz bir insana ulaşma yolu; hiçbir şeyin tekrarlanmaması için tam görüşme dökümü ve bağlam aktarımı; tespit edilen hayal kırıklığında, tekrarlanan yeniden ifadede, hassas konularda ve düşük erişim güveninde otomatik yükseltme tetikleyicileri; ve dürüst bekleme süresi beklentileri.

En çok zarar veren kalıp, cevap vermemesi gerekirken kendinden emin yanıtlayan asistandır. “Bu bilgi bende yok, sizi bilen birine aktarayım” yolunu mutlu yol kadar özenle tasarlayın ve test edin — ve ne sıklıkta devreye girdiğini ölçün. Hiç bilmediğini söylemeyen bir sistem kendinden emin değildir; izlenmiyordur.

Kalite güvencesi ya da durumu sosyal medyadan öğrenmemek

• Her değişiklikte çalıştırılan, doğrulanmış doğru sonuçlara sahip 200 gerçek görüşmeden oluşan bir altın set. Herhangi bir RAG değerlendirmesiyle aynı disiplin.
• Canlı görüşmelerde otomatik kalite kontrolü. Bir model değerlendirici günlük bir örneklemi doğruluk, politika uyumu ve ton açısından puanlar; işaretlenen her şey insan incelemesine gider.
• Özellikle politika üzerinde halüsinasyon izleme. Pahalı hata biçimi, şirketin sonra uymak zorunda kalacağı bir iade politikası ya da garanti şartı uydurmaktır.
• İlk ay boyunca her yükseltmenin insan tarafından incelenmesi. Yükseltmeler hem en iyi eğitim verinizdir hem de erken uyarı sisteminiz.

Gerçekten önemli olan metrikler

Bunları birlikte izleyin; çünkü herhangi biri tek başına manipüle edilebilir:

• Çözüm oranı (ve dürüstlük kontrolü olarak 7 günlük tekrar temas oranı)
• Otomatik ve yükseltilmiş görüşmelere göre ayrılmış CSAT — sorunun bot mu yoksa devir mi olduğunu söyler
• Yükseltme isabeti — yükseltilen temaslar gerçekten zor olanlar mı?
• Yükseltilen yollar dahil uçtan uca çözüm süresi
• Temas başına değil, çözülen temas başına maliyet
• İzlenen ama asla optimize edilmeyen kapsama

Çok dillilik ve neden hafife alınan bir kazanç olduğu

Müşterilerinize birden çok dilde hizmet veriyorsanız, ekonominin çarpıcı hâle geldiği yer burası. Beş dilde anadil kalitesinde destek kadrosu kurmak hem pahalı hem çizelgelemesi zordur; iyi bakımlı tek bir bilgi tabanına dayanan bir asistan hepsine aynı anda hizmet eder ve kadro tuttuğunuz dillerde insana yükseltir. Türkiye, Körfez ve Avrupa’ya satan şirketler için bu, projenin sıklıkla en güçlü tek gerekçesidir.

Güveni yakmayan bir devreye alma

İçeride başlayın: aynı sistemi, yanıt taslaklayan ve politikayı yüzeye çıkaran bir asistan olarak destek temsilcilerinize yöneltin. Temsilciler hata biçimlerini hızla bulur, risk sınırlı kalır ve siz öğrenirken işlem süresi düşer. Sonra tek bir kanalda, görünür bir insan yoluyla, yalnızca 1. katmanda dışarı çıkın. Ardından sorgulamaları, sonra işlemleri ekleyin — her niyeti kendi politika limitleri ve kendi ölçümüyle, teker teker.

Darboğazın bilgi tabanı olmasını bekleyin. Her destek otomasyonu projesi üçüncü hafta civarında bir dokümantasyon projesine dönüşür — güncelliğini yitirmiş makaleler, çelişen politikalar ve yalnızca kıdemli temsilcilerin kafasında yaşayan kurum içi bilgi. Bu temizlik gerçek bir iştir ve insan desteğinizi de iyileştirir.

Hedef, müşterilerin bir insana ulaşamadığı bir şirket değil. Rutin %60’ın anında çözüldüğü ve kalan %40’ın eskisinden daha hızlı biçimde iyi donanımlı bir insana ulaştığı, böylece nadiren ihtiyaç duyulan bir şirket.

Desteği otomatikleştirmeyi mi düşünüyorsunuz? Konuşma yapay zekâsını nasıl kurduğumuza bakın ya da talep verinizi bize getirin; neyin otomatikleştirilebilir olduğunu söyleyelim.

aicustomer-servicechatbotsautomation

← Tüm yazılar