Programvare for automatisering av kundeservice har beveget seg forbi den skriptede boten som sammenlignet et spørsmål med et beslutningstre og ga opp når ordlyden endret seg. Versjonen som er verdt å kjøpe nå, sitter ved siden av medarbeideren, leser hele tråden, utkaster et svar og overlater det til gjennomgang.
Dette skiftet endrer selve kjøpsspørsmålet. Det handler ikke lenger om verktøyet kan svare, men om hvor mye av svaret det forbereder, hvor mye en person fortsatt eier, og hvem som betaler modelleverandøren når volumet øker.
Hva programvare for automatisering av kundeservice gjør
Bak kategorinavnet ligger en kort liste med konkrete oppgaver. Oppsummere en lang tråd til tre linjer. Utkaste et svar basert på ditt eget hjelpeinnhold. Klassifisere intensjon og rute deretter. Oppdage stemningsleie. Oversette begge veier. Merke samtalen slik at rapporteringen har noe å telle.
Ingen av disse er dramatiske alene. Hver av dem fjerner en forsinkelse eller et manuelt steg, og forsinkelsene er det kundene merker.
Den kumulative effekten viser seg hos nyansatte. En person i sin andre uke svarer nesten på nivå med noen i sitt andre år, fordi utkastet allerede inneholder policyen, kontohistorikken, riktig tone og de tre siste bestillingene.
Automatisering her betyr ikke ubemannede svar som standard. Alle egenskapene under forutsetter at en person kan se utkastet før det sendes, og at plattformen er satt opp slik at dette er normalveien, ikke unntaket.
Tre nivåer av automatisering, og hvilket du bør velge
Leverandører bruker de samme ordene om svært ulik atferd, så det hjelper å skille nivåene etter hvem som er ansvarlig for den sendte meldingen.
| Nivå | Hvem skriver | Hvem sender | Feiler ved |
|---|---|---|---|
| Skriptet flyt | Deg, på forhånd | Systemet | Å ikke gjenkjenne spørsmålet |
| Kopilot | Modellen | Medarbeideren | Å sløse med et gjennomgangsklikk |
| Autonom agent | Modellen | Systemet | Å sende feil svar |
Skriptede flyter fortjener fortsatt sin plass på de smale, høyvolums spørsmålene der ordlyden knapt varierer: ordrestatus, åpningstider, tilbakestilling av passord.
Kopiloten er standarden for alt annet, fordi det verste utfallet der koster noen sekunder, mens det verste utfallet for den autonome agenten koster en kunde.
Best for de fleste team: skriptede flyter på de fem vanligste spørsmålene, kopilot overalt ellers, autonomt kun der et feil svar er billig å reversere.
Kopilot-modellen i innboksen
I kopilot-mønsteret forbereder modellen, og medarbeideren bestemmer. Utkastet vises ved siden av samtalen med kildene sine vedlagt, og medarbeideren redigerer, erstatter eller sender det.
Gjennomgangssteget er ikke en formalitet. Det er kontrollen som holder et og annet feil svar innenfor egne vegger i stedet for i kundens innboks.
Det gir også signalet som forteller deg om automatiseringen fungerer. Hver redigering er en merket korreksjon, og andelen slike redigeringer er det ærlige kvalitetsmålet som beskrives lenger ned.
Hvor automatisering rekker lenger enn svarboksen
Å behandle AI som en widget klistret på live chat, sløser bort mesteparten av potensialet. Det samme laget har jobb å gjøre i hver eneste modul som berører en samtale.
I kunnskapsbasen utkaster den artikler fra løste tråder og flagger sider som motsier nyere svar. Programvare for kunnskapsbase innen kundeservice som aldri legger merke til sin egen foreldelse, er som regel grunnen til at selvbetjening slutter å avlaste noe som helst.
I ruting leser den intensjon før et menneske gjør det, slik at et fakturaspørsmål når faktureringskøen uten å gå via et triage-steg.
I rapportering grupperer den samtaler etter hva kundene faktisk spurte om, i stedet for merkelappen en medarbeider husket å sette på, og det er det som gjør et antall saker om til en produktbeslutning.
I utgående arbeid driver den samme klassifiseringen kampanjesegmenter, slik at de som nettopp klaget, ikke er de som får mersalgstilbudet.
Dekning på tvers av moduler bestemmer også hvor mye av ditt eget materiale assistenten kan nå. En assistent som bare ser den gjeldende samtalen, skriver ut fra den gjeldende samtalen, og en assistent som ser kundeoppføringen, ordrehistorikken og de tre siste sakene, skriver ut fra alt sammen.
Ta med egen AI: hvem eier modellkontoen
To spørsmål blandes sammen i nesten hver eneste demo. Hva assistenten kan gjøre er et produktspørsmål. Hvem som eier kontoen hos modelleverandøren er et kommersielt spørsmål, og det avgjør om bedre automatisering senker eller øker totalkostnaden din.
Når plattformen eier kontoen, kommer modellbruken som en linjepost hos plattformen, vanligvis som kreditter eller lisenser. Kostnaden stiger da med suksess: jo flere samtaler AI-en håndterer, desto mer kjøper du fra leverandøren til leverandørens margin.
Ta-med-egen-AI snur dette om. Du kobler til dine egne leverandørnøkler, tokens faktureres deg direkte av leverandøren, og plattformen tar ingen påslag på dem. RolChat fungerer slik på tvers av 62 tekstmodeller fra syv leverandører og 23 talemodeller fra fire, 85 totalt.
Med egen nøkkel gjør en forbedring som dobler automatisert volum, en leverandørregning du kan se og forhandle om, dobbelt så stor. Med samlede kreditter gjør den samme forbedringen en linje på en faktura hvor du ikke setter enhetsprisen, dobbelt så stor.
Token-kostnad følger kontekst, ikke samtaler
Team som er nye med egen nøkkel, forventer vanligvis at regningen følger antall samtaler. Den følger i stedet kontekstlengden.
Et svar utkastet fra de siste fire meldingene koster en brøkdel av det samme svaret utkastet fra en tråd på seksti, og en oppsummering av hele den tråden koster mer enn begge.
Tre innstillinger gjør derfor mesteparten av jobben: hvor langt tilbake kontekstvinduet rekker, om oppsummeringer kjøres på hver eneste tråd eller bare på lange, og om innhenting trekker ut tre hjelpeartikler eller tretti.
Ingenting av dette er synlig på en side som sammenligner planer. Det er synlig på leverandørens kontrollpanel i løpet av den første uken, og det er argumentet for å eie kontoen selv.
Å velge modell per oppgave
Én enkelt modell for hver eneste jobb er det dyre standardvalget. Arbeidet deles ryddig etter hvor mye vurderingsevne hver oppgave krever.
| Oppgave | Trenger | Fornuftig valg |
|---|---|---|
| Merking og intensjon | Hastighet, lav kostnad, stabilt resultat | En liten, rask modell |
| Utkast til svar | Tone, resonnement over historikk | En middels eller stor modell |
| Policy og refusjoner | Nøyaktighet, presis ordlyd | Den sterkeste tilgjengelige modellen |
| Oversettelse | Dekning av dine språk | Den leverandøren som dekker dem best |
Å dele arbeidet slik kutter som regel regningen mer enn noen prompt-justering gjør, fordi de høyvolums oppgavene er de billige, og den dyre modellen kjøres bare der den er verdt prisen.
En praktisk startdeling: rask modell for klassifisering og merking, middels modell for utkast, sterkeste modell reservert for penger og policy.
Rutingendringer før et eneste utkast er skrevet
Mesteparten av den synlige gevinsten kommer før noen skriver et ord. Klassifisering skjer ved ankomst, slik at samtalen allerede er merket, allerede i riktig kø og allerede har en prioritet når en medarbeider åpner den.
Det fjerner triage-skiftet, som er steget team legger til når volumet øker og fjerner når de går tom for folk til det.
Det endrer også hva en SLA måler. En klokke som starter når et menneske først leser meldingen, belønner triage-hastighet. En klokke som starter ved ankomst, belønner det kundene faktisk bryr seg om, og automatisert klassifisering er det som gjør den andre varianten holdbar.
Den andre effekten gjelder eskalering. Når intensjon og stemningsleie er koblet til fra den første meldingen, kan regelen som løfter en sint fakturatråd til en erfaren medarbeider, utløses umiddelbart i stedet for ved andre svar.
Verdt å sjekke i en demo: om klassifisering skjer ved ankomst eller ved første åpning, for bare den første fjerner triage-steget.
Data assistenten aldri bør få tilgang til
Å forankre en assistent i ditt eget innhold betyr å bestemme hva som regnes som ditt eget innhold. Løste samtaler er det mest nyttige treningsmaterialet, og det som mest sannsynlig inneholder kortnumre og identitetsdokumenter kundene har limt inn i en chat.
Tre kontroller bærer mesteparten av vekten: redigering før noe når modellen, lagringsbegrensninger på transkripsjoner, og en regel om at assistenten henter fra publiserte hjelpeartikler i stedet for fra rå tråder.
Samtykke hører hjemme i samme beslutning. RolChat håndterer det som en betalt tilleggstjeneste til $5 per nettsted, med tre samtykker per nettsted, og det er ikke tilgjengelig på Lite.
Sletteforespørsler er tilfellet som overrasker team. En oppføring fjernet fra hjelpedesken, men som fortsatt ligger i en vektorindeks, er fortsatt en oppføring, så sjekk at en sletting når fram til innhentingen og ikke bare sakslisten.
Å holde svar nøyaktige og på merkevarens linje
To innstillinger skiller resultat du kan sende fra resultat du må skrive om.
Den første er forankring. Svar utkastes fra godkjent materiale: hjelpeartikler og løste samtaler, og utkastet bærer kildene det brukte. Et svar uten kilde bak seg er en gjetning med en selvsikker tone.
Den andre er stemme. En toneinnstilling og en ordliste over begreper du bruker og ikke bruker, holder utkast til å høres ut som teamet ditt i stedet for som en generisk assistent.
Ordlisten betyr enda mer på tvers av språk. Produktnavn og juridiske termer er nøyaktig de ordene et oversettelseslag vennlig vil oversette med mindre det får beskjed om å la være.
RolChat dekker 40 grensesnitt- og widget-språk, og den samme ordlisten gjelder for alle sammen.
Tale: samme spørsmål, en strammere frist
Tale hever innsatsen fordi det ikke finnes noe utkast å gjennomgå. Svaret uttales mens det genereres, så forankringen må være riktig på forhånd i stedet for korrigert i øyeblikket.
Den praktiske inndelingen går etter konsekvens. Tale til tekst på hver eneste samtale, fordi et transkript er nyttig selv når det er ufullkomment. Talte, automatiserte svar bare der det er billig å ta feil: åpningstider, status, ruting.
Samtaleminutter faktureres separat fra planen i RolChat, så talevolum er en linje du følger med på for seg selv, i stedet for en overraskelse inne i en lisenspris.
Rekkefølgen på utrullingen betyr like mye som innstillingene. Team som slår på alt samtidig, kan ikke si hvilken endring som flyttet hvilket tall, og ender med å beholde alt sammen eller ingenting av det.
Rekkefølgen som gir mest mening, er klassifisering først, så utkast på én kø, så utkast overalt, og til slutt eventuell autonom håndtering. Hvert steg har sitt eget før og etter.
Å måle om automatiseringen fungerte
Avledningsrate er målet leverandører leder med, og det minst nyttige, fordi en samtale som avsluttes uten et menneske, kan ende i et svar eller i at en kunde gir opp.
Fire tall sier mer. Redigeringsrate på utkast, som synker etter hvert som forankringen blir bedre. Tid til første svar, som er der kopiloten betaler for seg selv. Gjenåpningsrate, som fanger opp svar som bare så ferdige ut. Kundevurdering fordelt på automatisert og menneskelig håndtering.
Les dem opp mot leverandørregningen for samme periode. Kvalitet som blir bedre mens kostnaden per samtale faller, er utfallet verdt å beholde; hver av dem alene er det ikke.
Alle fire tallene trenger en avlesning fra før utrullingen. Team som hopper over grunnlinjen, ender opp med å diskutere om noe i det hele tatt endret seg, uten noen måte å avgjøre det på.
Begrensninger verdt å si rett ut
To begrensninger er verdt å si rett ut. Lokal driftssetting (on-premise) er en Enterprise-ordning, ikke noe tilgjengelig på de lavere planene. Modeller som kjører på egen maskinvare, er planlagt snarere enn tilgjengelig, så et krav om lokal inferens i dag er et krav RolChat ikke oppfyller.
Prising er per bedrift, ikke per medarbeider, fra $19 på Lite til Enterprise, som prises individuelt, og den 30-dagers prøveperioden åpner alle funksjoner med et kort registrert.
Automatisering er også lettere å vurdere når kanalene bak den allerede er samlet på ett sted, som er temaet for den tilhørende guiden.
Ofte stilte spørsmål
Hva automatiserer egentlig programvare for automatisering av kundeservice?
Å oppsummere tråder, utkaste svar fra godkjent innhold, klassifisere intensjon, rute, merke og oversette. I kopilot-mønsteret forbereder den alt dette, og en medarbeider bestemmer hva som sendes.
Vil AI erstatte kundeservicemedarbeidere?
Ikke i kopilot-modellen, som er mønsteret de fleste team bør kjøre. Modellen utkaster, og medarbeideren gjennomgår og sender. Det som forsvinner, er repetitiv forberedelse, ikke personen som er ansvarlig for svaret.
Hva er ta-med-egen-AI?
Du kobler til dine egne leverandørnøkler, slik at tokens faktureres deg direkte av leverandøren uten påslag fra plattformen. Det betyr også at du kan bytte modell eller leverandør uten å bytte hjelpedesk.
Hva koster det å kjøre AI-en?
Det avhenger langt mer av kontekstlengden enn av antall samtaler. Lange tråder, oppsummeringer på hver eneste samtale, bred innhenting og gjentatt re-oppsummering er innstillingene som flytter regningen, og alle tre er dine å bestemme.
Hvilken modell bør håndtere hvilken oppgave?
En liten, rask modell for merking og intensjon, en middels eller stor modell for utkast, og den sterkeste tilgjengelige modellen for refusjoner og policy-ordlyd. Å dele etter oppgave sparer som regel mer enn prompt-justering.
Hvordan hindrer dere at AI-en finner opp svar?
Forankre den i godkjent hjelpeinnhold slik at hvert utkast bærer kildene sine, behold gjennomgangssteget, og følg redigeringsrate og gjenåpningsrate etter lansering, ikke bare avledning alene.
Kan modellene kjøre på våre egne servere?
Lokal driftssetting (on-premise) er tilgjengelig på Enterprise. Selvhostede modeller er planlagt snarere enn tilgjengelig i dag, så et strengt krav om lokal inferens oppfylles ikke ennå.
Fungerer automatisering på tvers av språk?
Ja. Den dekker 40 grensesnitt- og widget-språk, med oversettelse begge veier. Hold produkt- og juridiske termer i en ordliste slik at oversettelseslaget lar dem være.
Skriver om kundeserviceprosesser, live chat, AI-assistert service og verktøyene bak en god kundeopplevelse.
LinkedIn
