\ \ \

\ \ \

\ \

\ \

1. AI hanya cerdas sebagaimana data dan pelatihannya

Ketika datang ke solusi dukungan AI, pepatah klasik IBM, "sampah masuk, sampah keluar" sangatlah pas. Untuk AI memberikan hasil pengalaman pelanggan - baik sebagai chatbot, solusi alur kerja, atau asisten agen - data yang diandalkannya perlu berkualitas tinggi dan dapat diandalkan. Anda juga memerlukan mekanisme di mana solusi AI secara konstan belajar dan meningkatkan, yang membutuhkan pengawasan dan penyetelan berkelanjutan.

2. AI seharusnya memperkuat pengalaman dalam saluran eksisting Anda, bukan menciptakan yang baru

Pelanggan seharusnya mengharapkan pengalaman konsisten di seluruh saluran dukungan Anda. Best practice ini diulang beberapa kali sepanjang hari itu. Dengan mempertimbangkan ini, setiap solusi AI seharusnya meningkatkan pengalaman pelanggan dan/atau agen sambil menjaga konsistensi di seluruh saluran Anda. Misalnya, ini dapat diterjemahkan ke dalam suara dan nada yang digunakan saat berinteraksi dengan pelanggan, pengalaman alur kerja untuk agen Anda, atau proses eskalasi kasus.

3. Berdikari kepada pelanggan

Jangan mencoba menipu pelanggan dan berpura-pura bahwa chatbot baru Anda adalah agen dukungan manusia. Pelanggan Anda cukup cerdas untuk mengetahuinya, dan ini hanya akan membuat mereka frustrasi dan merugikan skor CSAT Anda. Sebagai gantinya, secara eksplisit sebutkan bahwa itu adalah bot atau asisten virtual, dan berikan pelanggan cara mudah untuk menghubungi agen langsung atau melewati bot. UPS berbagi bagaimana setiap interaksi obrolan dimulai dengan asisten virtual self-identified mereka yang baru, dan jika pelanggan di eskalasi ke agen langsung, semua interaksi bot diambil dengan mulus, yang mengurangi pertanyaan berulang.

4. Mulailah dengan langkah kecil & amp; iterasi

Ada begitu banyak cara yang potensial untuk memanfaatkan AI untuk meningkatkan operasi layanan dan pengalaman pelanggan Anda. Lakukan diri Anda suatu kebaikan dan jangan mencoba merubah segalanya sekaligus. Penting untuk memulai dengan langkah kecil dan belajar dari keberhasilan awal dan tantangan sebelum Anda menginvestasikan sumber daya yang substansial. Pendekatan terbaik adalah mengidentifikasi tantangan diskrit atau area untuk perbaikan yang AI secara potensial dapat tangani, dan mulailah dari sana.

5. Tetapkan tujuan yang tepat untuk melacak & membangun persetujuan.

Setelah Anda memutuskan proyek tertentu, periksalah metrik benchmark KPI saat ini untuk saluran, tentukan metrik-metrik keberhasilan dan tujuan, dan evaluasi solusi yang dapat mencapai tujuan tersebut dengan baik. Pendekatan ini terbukti sangat efektif ketika Anda tidak memiliki sponsor eksekutif di C-Suite, karena Anda dapat dengan lebih mudah membangun kasus bisnis untuk AI melalui proyek awal yang berisiko rendah dan memperluasnya saat Anda mendapatkan persetujuan.

Berikut adalah contoh yang dibagikan oleh Guru Steve Mayernick tentang mengurangi waktu penanganan sebesar 20%:

Ingin tahu lebih banyak tentang lanskap AI untuk dukungan? Lihatlah seminar Elevate Live terbaru kami, "Bagaimana AI Dapat Memberikan Tim Dukungan Anda "Sarung Tangan Putih," Bukan Surat PHK.