Proaktif, Tahmine Dayalı ve Önleyici Destek için Veriye Dayalı İletişim Merkezleri


Neredeyse yarısı (%48) Müşteri hizmetlerini aramak yerine dişçiye gitmeyi tercih edenlerin oranı. Evet. Ama bu gerçekten bu kadar şaşırtıcı olmalı mı? Müşteri hizmetinizde proaktif, tahmine dayalı ve önleyici destek için veriye dayalı iletişim merkezlerini burada bulabilirsiniz.

Bir e-posta gelirse, bir yanıt için günlerce, hatta haftalarca beklemek alışılmadık bir şey değildir. Veya telefonda bir temsilciyle konuşmak için saatlerce beklemede bekleyin. Geri arama seçenekleri de her zaman işe yaramaz: %62’si şirketler tarafından birden çok kez gölgelendi. Ve belki de en kötüsü, müşteriler bir temsilci ile etkileşime girdiğinde bile, %65’inin tek bir sorunu çözmek için defalarca takip etmesi gerekiyor. Bu bağlamda, diş hekimi kulağa o kadar da kötü gelmiyor.

Bu olumsuz deneyimler, müşterilerin müşteri hizmetleri temsilcilerine giderek daha fazla saldıran sabrının azalmasına neden oluyor. Her 3 kişiden 1’i bir müşteri hizmetleri temsilcisine bağırdığını veya yemin ettiğini itiraf ediyor. Bu arada acenteler, her zamankinden daha fazla baskı altında ve bilet hacimleri arttıkça bunalmış durumdalar, üzgünler ve bazen kaba davranıyorlar.

Müşteri Hizmetleri Merkeziniz Hizmet mi Sağlıyor yoksa Çalışanlarınızı Başarısız mı Ediyor?

Müşteri hizmetleri herkesi başarısızlığa uğratıyor. Bir şirkete ulaşmak gibi zaman alıcı bir görevde yer alan müşterilere büyük ölçüde dayanan işleri yapmanın standart yolu, şirketlere milyarlarca dolara mal oluyor. Yine de, verimsizlikler de müşterilerin kaybolmasına neden oluyor.

Bilgi tabanları biçimindeki self servis ve biletleri otomatik olarak kapatan sanal aracılar, genel destek deneyimi üzerinde gözle görülür bir etki yarattı. Yine de, bu self servisin bir adım daha ileri gitmesi ve markaların müşteri şampiyonları haline geldiğini, sorunları önceden tahmin edip önlediğini görmesi gerekiyor.

Müşteri şampiyonları verilerle yapılır

Kuruluşların emrinde çok fazla veri vardır, ancak çoğu zaman bu veriler birbirleriyle hiç konuşmadan silolarda kalır. Sonuç olarak, kuruluşlar verilerin %80’inden fazlasını etkin bir şekilde kullanmıyor.

Müşteri şampiyonları olmak için markalar, departmanlar arası verilerinden daha iyi yararlanmalıdır. AI’dan önce, bu ölçeklendirilemeyecek kadar maliyetliydi.

Artık AI, müşterilerin hangi benzer özellikleri ne zaman ulaştığını anlayan ve yaşam döngüsü ile müşteri yolculukları ve bir şirketle olan bağlantılar arasındaki korelasyonları bulan bu ana düzenleyiciler olmak üzere eğitilebilir. AI ayrıca şimdi tüm bunları gerçek zamanlı sinyallerden ürün ve bağlam zekasıyla birleştirebilir.

Tüm bu veriler, şirketlere müşterilerin gelecekte neye ihtiyaç duyabileceklerini gerçekten tahmin etmeleri için süper güçler verebilir.

Bu yeni destek çağını güçlendirecek kritik veriler şunları içerir:

  • İletişim Türü ve Sıklığı: Küçük veya basit sorgularda bile sık sık ulaşan belirli müşteriler var mı? (yani, genel teknik sorular). Yeni ürün veya hizmetlerle ilgili bir sonraki sorularını veya sorularını tahmin edebilir miyiz?

  • Belirli Ürünlere veya Hizmetlere Bağlı Kişiler: Müşteriler, yolculuğun hangi bölümünde (satın alma öncesi, satın alma, satın alma sonrası altı ay, vb.) belirli bir ürün veya hizmetle ilgili sorular nelerdir? Örneğin, bir müşteri üç ay boyunca yeni bir robotik elektrikli süpürgeye sahip olduktan sonra, belirli bir profile uyan müşterilerden sık sık bakım veya değiştirme filtreleriyle ilgili sorular geliyor mu? Bu temas noktalarını tahmin etme ve müşteriye ihtiyaç duymadan bilgiye ulaşma fırsatı var mı?

  • Kişiler için Bağlam-Sürücüler: Bir müşterinin bir sorun yaşama ve bir şirketle iletişim kurma olasılığını etkileyen gün, saat, konum, hava durumu veya diğer dış faktörler hakkında bilginiz var mı? Diyelim ki, bir kişi çok yüksek sıcaklıklara sahip bir yerdeyse, farklı ürünlerin performansı değişiyor mu? Düşük performansı daha deneyimlenmeden azaltmak için sağlanabilecek ipuçları var mı? “Vay canına, dışarısı çok sıcak. 113 derecenin üzerindeki sıcaklıklarda sürmeyerek e-bisikletinizin şarjını koruyun!”

  • Arka uç sistem Öngörüleri: Yapay zekanın sipariş ve envanter yönetimi, müşteri ilişkileri yönetimi, bağlılık ve operasyonlar gibi iş sistemlerindeki değişikliklere göre hareket etme yeteneğine ihtiyacı vardır.

Veriler birbirleriyle konuştuğunda ve tarihsel bağlamdan kalıpları ortaya çıkardığında, proaktif ve önleyici bir destek deneyimini gerçekten güçlendirebilir. Bununla birlikte, sosyal yardımda hedeflenmek önemlidir. Karmaşa ve gürültü dünyasında yaşıyoruz ve kimse gereksiz mesajlarla bombardımana tutulmak istemiyor.

Yalnızca bir marka belirli bir kişi için bir sorun öngördüğünde, çok özel bir durumda bu erişim gerçekleşmelidir.

Desteği bir maliyet ve çözüm merkezinden savunuculuk merkezine dönüştürmek

Çağrı merkezi, onlarca yıldır sorunları çözmeye ve soruları yanıtlamaya odaklanan, çok fazla maliyeti emen ve bir şirketin genel sağlığı üzerinde çok az etki sunan bir temsilciler montaj hattı olmuştur. O zamanlar geride kaldı. Müşteri deneyimi masaya yatırıldıkça, müşteri destek işlevi geliri doğrudan etkileyen bir işleve dönüştü.

İnsanlar satın alma kararlarını müşteri deneyimlerine dayandırır ve bir kişinin bir markayla yaptığı her etkileşim, güven oluşturmanın veya onu tamamen yok etmenin katalizörü olabilir.

Destek, verilerden yararlanarak ve daha öngörülü, proaktif ve önleyici bakıma geçerek, markaların müşterilerle şimdiye kadar sahip olduğu en derin ilişkileri kuran gerçek bir savunuculuk merkezine dönüşebilir. Güvene ve markaların müşterilerini kolladığı ve en iyi çıkarlarını esas aldığı fikrine dayanan ilişkiler. Nelerin mümkün olduğuna dair bazı örneklere bakalım.

  • Havaalanına geç kalıyorum, trafiğe takılıp umutsuzca eve uçmaya çalışıyorum. Bu olmayacak. Havayolunu aramak için telefonumu çıkardığımda bir mesaj görüyorum: Emily, henüz havaalanında olmadığınızı ve Denver’a dönüş uçağınızı kaçırabileceğinizi fark ettik. 18:32’de kalkan başka bir uçak var. Senin için şuraya oturmamızı ister misin? Neden evet, kesinlikle yapabilirsin.

  • Ya da bu hafta sonu bir düğün için bir elbisenin teslim edilmesini beklediğimi varsayalım. Teslimat günü yaklaşırken e-postamı açıyorum: Bugün bir teslimat beklediğini biliyorum. Çok üzgünüz; gecikmeye neden olan bir hava olayı oldu. Siparişiniz yarın gelmek yerine Çarşamba günü saat 17:00’ye kadar teslim edilecektir. Tekrar, rahatsızlıktan dolayı çok üzgünüz. En azından hala vaktinde geldiğini biliyorum.

  • Ya yoğun bir şehir köşesinde yağmur yağmaya başladığında biniş payımı bekliyorsam? 5 dakikalık bekleme süresini kısaltmak ister misiniz? Park ve 35. caddenin köşesine gidin, şoförünüz sizi daha hızlı alabilir. Şimdi oraya gidiyoruz.

Yapay zeka, proaktif müşteri hizmetlerinin geleceğine güç veriyor

Destek sağlamak için yalnızca insanlara güvenmek, proaktif ve tahmine dayalı bakımın ölçeklenebilir olmasını engelledi. Yapay zeka olmadan, bu tür bir bakımı yaygın bir temelde denemek çok maliyetlidir – yalnızca birkaç seçkin müşteri için değil, tüm müşteriler için.

AI, sayısız veri değişikliğine ve kombinasyonuna dayanarak, bir kişinin bir sorun yaşama olasılığının ne zaman olduğunu etkili bir şekilde tahmin etmek ve A) bunun olmasını önlemek veya B) en azından, bir şirketle iletişime geçmek için zaman ayırmadan önce müşterilere planlardaki aksiliği veya değişikliği bildirin.

Bu tür bir yardım, müşteri ilişkilerinin geleceğini savunacaktır.

Puneet Mehta

Puneet Mehta

Puneet Mehta, müşteri hizmetleri sorunlarını otomatik olarak sektördeki en yüksek oranda çözen YC destekli bir müşteri deneyimi AI platformu olan Netomi’nin Kurucusu / CEO’sudur. Kariyerinin çoğunu bir teknoloji girişimcisi olarak ve Wall Street’te yapay zeka ticareti yaparak geçirdi. Advertising Age’in Creativity 50 listesinin ve Business Insider’ın Silicon Alley 100 ve 35 Yeni Gelişen, Buluşmanız Gereken Girişimciler listesinin bir üyesi olarak tanındı.



Kaynak : https://readwrite.com/data-driven-contact-center-for-proactive-predictive-and-preventive-support/

Yorum yapın