“Wat staat er in jouw customer support stack?” Als je een customer support leider deze vraag stelt, zullen er veel voor de hand liggende categorieën producten zijn die ze mogelijk gebruiken: hun ticketoplossing, tools om een klantgerichte helpcentrum te bouwen, een gedeelde inbox voor sociale media ondersteuning, messaging-apps en een verscheidenheid aan handige tools om de productiviteit en workflow van een individuele agent te optimaliseren. Echter, één cruciale technologiecategorie wordt vaak over het hoofd gezien: een interne, agentgerichte klantenondersteuning kennisbasis. Hier worden al jouw belangrijke kennis van het supportteam opgeslagen: probleemoplossingsgidsen, product FAQ's, handleidingen en API-details om er maar een paar te noemen.

Ik weet wat je denkt: “Mijn team gebruikt al Google Docs, Dropbox en een interne wiki, is dat geen voldoende agentgerichte kennisbasis?” Terwijl deze tools de illusie van een interne kennisbasis geven, zijn ze niet precies hetzelfde. Eenvoudig gezegd, moet een agentgerichte kennisbasis drie dingen bereiken:

1. Overal aanwezig zijn waar jouw team werkt
2. De enige bron van waarheid zijn voor de kennis van jouw supportteam
3. Je bestaande support stack aanvullen

Het eindresultaat hiervan zou een toename van de individuele agentproductiviteit en verbeteringen in de belangrijke prestatie-indicatoren van jouw team moeten zijn, zoals een verbeterd percentage eerste oproepresolutie, snellere responstijden en verbeterde NPS- en CSAT-scores om maar een paar te noemen.

Het belang van een dedicated oplossing voor interne ondersteuningskennis is aangedreven door enkele belangrijke trends. Ten eerste, multichannel ondersteuning is nu de standaard die klanten verwachten. Als gevolg hiervan zijn jouw agents nu meer bronnen aan het monitoren dan ooit, constant aan het omschakelen om jouw klanten te ondersteunen. Jouw agents hebben één enkele, dedicated agentgerichte kennisbasis nodig die jouw team in staat stelt om klanten consequent en vol vertrouwen te ondersteunen via al jouw supportkanalen. Lees hoe Guru dat voor jouw klantenserviceteams kan zijn.

Vervolgens heeft de opkomst van livechat, messaging-apps en bots in Slack en Facebook Messenger het snel reageren de norm gemaakt, en geen differentiator meer. Klanten verwachten nu dat ondersteuning snel en vooral ook nauwkeurig is. Ten slotte heeft de voorkeur van consumenten voor self-service alleen maar het belang vergroot van het bieden van uitstekende ondersteuning wanneer ze wel met een van jouw agents moeten praten. Klanten verwachten dat agents deskundig zijn over elk productprobleem en dat deze in één gesprek worden opgelost.

En de statistieken bevestigen deze trends die wijzen op het belang van een agentgerichte kennisbasis:

• 42% van de serviceagents kan klantproblemen niet efficiënt oplossen door losgekoppelde systemen, verouderde gebruikersinterfaces en meerdere applicaties (Forrester)
• Efficiënte probleemverklaring en -oplossing is de grootste uitdaging voor serviceleiders op alle prestatieniveaus (Salesforce)
• 71% van de klanten zegt dat het waarderen van hun tijd het belangrijkste is dat een bedrijf kan doen om goede service te bieden (Forrester)
• 41% van de consumenten noemde verschillende klantenserviceagents die verschillende antwoorden geven als het grootste pijnpunt bij het krijgen van hulp van klantenservice (Forrester).

Consistentie, nauwkeurigheid en tijdigheid van ondersteuning zijn de sleutelgebieden van verbetering waar klanten naar op zoek zijn en die kunnen worden aangepakt met een goede agentgerichte kennisbasis.

Dus nu we begrijpen waarom een agentgerichte kennisbasis zo cruciaal is voor het verbeteren van jouw supportproces, laten we bekijken waar je naar moet zoeken in een oplossing.

Overal aanwezig zijn waar je werkt

Volgens een McKinsey-rapport wordt een derde van de tijd van jouw agent besteed aan het zoeken naar informatie. Die tijd die aan het zoeken wordt besteed, heeft een negatieve invloed op de perceptie van jouw ondersteuningservaring in de ogen van klanten, omdat het in real-time gebeurt.

Een veel voorkomende dagelijkse situatie is wanneer een klant eerst probeert een probleem op te lossen door jouw klantgerichte helpcentrum te doorzoeken. Als ze geen antwoord kunnen vinden, zullen ze hun probleem escaleren om rechtstreeks met een agent te spreken, hetzij via livechat of aan de telefoon. Omdat jouw kennisbasis zich in een ander tabblad bevindt, moeten jouw agents hun reactie vertragen of een klant in de wacht zetten om jouw wiki of documentopslagoplossing te doorzoeken om te vinden wat ze zoeken. Een studie over klantenervaring door Ovum heeft aangetoond dat 45% van de klanten verwacht binnen een minuut een reactie te krijgen bij het aanvragen van ondersteuning via de livechat, en 97% verwacht dit binnen de 10 minuten. Frustrerend genoeg voldoet deze negatieve ervaring niet aan de verwachtingen van klanten en belemmert het de potentie van jouw team om wereldklasse support te bieden!

Eenvoudig gezegd, in de huidige wereld van multichannel ondersteuning, moet jouw kennisbasis overal aanwezig zijn waar jouw agents werken om snelle ondersteuning te bieden die voldoet aan de verwachtingen van de klant. Hier is hoe een moderne agentgerichte kennisbasis de uitdaging van snel toegang tot kennis zou kunnen aanpakken:

• Het is niet ontworpen als een portal. Kennisportalen zoals wikis zijn niet ingebouwd in de workflow van een agent, waardoor ze de productiviteit van jouw agent verminderen. Browserextensies zijn ontstaan en hebben bewezen door teams die met klanten werken te worden aangenomen omdat ze met één klik vanuit elk tabblad in jouw browser toegankelijk zijn.
• Integreert met en vult jouw bestaande supporttools en messaging-apps aan. Dit is iets waar we later dieper op ingaan.
• Heeft organisatorische structuren zoals tags om agents te helpen informatie onmiddellijk te vinden.
• Geeft zoekresultaten niet alleen op basis van zoekwoorden, maar ook op andere belangrijkere indicatoren zoals gebruik en versheid van content om ervoor te zorgen dat de beste content bovenaan komt.

Een test die je kunt uitvoeren om te bepalen of een bepaalde agentgerichte kennisbasis dit doel voor jouw team bereikt, is eenvoudigweg het meten van het tijdsverschil tussen de oude manier en de potentiële nieuwe manier. Laat een paar van jouw agents door veelvoorkomende ondersteuningsscenario's lopen, meet hun prestaties en meet eventuele verschillen in de tijd die het kost om kennis op de oude manier te verkrijgen in vergelijking met de nieuwe manier. Je kunt daar gemakkelijk je ROI van berekenen. Vermenigvuldig de tijdsbesparing met het aantal interacties dat jouw team elk uur/dag/week/maand heeft en je kunt gemakkelijk de tijdsbesparing berekenen die je zult opbouwen door een dedicated agentgerichte kennisbasis aan te nemen.

Enige bron van waarheid voor de kennis van jouw supportteam

Wat ook bijdraagt aan de tijd die verloren gaat met het zoeken naar informatie, is het enorme aantal bronnen dat jouw agents moeten doorzoeken om te vinden wat ze zoeken. Als gevolg hiervan lijdt niet alleen jouw responstijd, maar ook de consistentie van antwoorden over jouw hele team lijdt. Jouw agents kijken waarschijnlijk door e-mail, Slack, jouw interne wiki en meerdere Google Drive- en Dropbox-bestanden om informatie te vinden. Nog erger, ze vinden tegenstrijdige informatie, eindeloze versies en revisies van documenten en hebben geen idee welke content nog up-to-date en goedgekeurd is om aan klanten te communiceren.

Met het hoge volume aan ondersteuningsverzoeken dat jouw team elke dag ziet, staan agents voortdurend onder druk om problemen zo snel mogelijk op te lossen. Maar er is een afweging tussen snelheid en nauwkeurigheid die altijd door de gedachten van jouw agents speelt. De resultaten daarvan manifesteren zich op een paar manieren wanneer agents niet vertrouwen dat de content die ze vinden nog steeds nauwkeurig is:

1. Snel contact opnemen via e-mail, Slack of een andere messaging-app met de relevante experts om te bevestigen dat wat ze zeggen nog steeds nauwkeurig is. Maar agents krijgen niet altijd snel een reactie en dit vertraagt de responstijd voor jouw klanten. Hoewel dit waarschijnlijk de minst problematische van de drie opties is, onderschat de kosten van deze afleidingen voor de productiviteit van jouw experts niet. Jouw supportteam overtreft ze waarschijnlijk enorm en als elke agent een expert in jouw team moet pingen of een vraag stellen, kan dat snel een belasting voor hen worden.
2. Onder de druk van toenemende ticketvolumes, kiezen agents de eerste relevante informatie die ze vinden. Terwijl ze misschien met snelheid reageren, is de nauwkeurigheid van wat ze zeggen in twijfel, wat een negatieve lange termijn impact zal hebben op jouw NPS- en CSAT-scores.
3. Het probleem escaleren naar een ander niveau van agentondersteuning of een ondersteuningsmanager. Het nadeel is natuurlijk dat je de oproep overbrengt en klanten nog langer in de wacht zet, wat een negatieve invloed heeft op de ervaring van jouw klant.

Dus, hoe kun je vertrouwen bij jouw agents opbouwen en ervoor zorgen dat de content die ze gebruiken nog steeds up-to-date is?

Ten eerste zal het opzetten van een enkele agentgerichte kennisbasis als de bron van waarheid voor jouw supportteam een lange weg helpen in het verbeteren van de consistentie van de respons. Echter, dat verandert niets aan het bredere probleem van nauwkeurigheid.

Vind een agentgerichte kennisbasisoplossing die ervoor zorgt dat nauwkeurigheid voorop staat in de presentatielaag voor agents. Zij moeten in één oogopslag kunnen zien of de content die ze met klanten delen nog steeds up-to-date is. Bij het doen hiervan, zullen jouw agents het vertrouwen hebben om elk probleem met snelheid en nauwkeurigheid te troubleshooten.

Vult jouw bestaande supportstack aan

Het belangrijkste probleem met het gebruik van een wiki of documentopslagdiensten als jouw agentgerichte kennisbasis is dat deze tools niet zijn gebouwd voor supportteams en de dagelijkse gebruikssituaties die jouw agents tegenkomen niet begrijpen. Of het nu gaat om een livechat-scenario of een telefoongesprek, wikis zijn niet gemaakt voor instant consumptie van kennis, wat betekent dat ze weinig doen om jouw bestaande supportstack te verbeteren.

Een manier waarop jouw agentgerichte kennisbasis jouw supportstack kan aanvullen, is door te integreren met gangbare apps zoals jouw ticketoplossing om relevante kennis/probleemoplossingsgidsen naar jouw agents te brengen op basis van het product of specifieke problemen die in het ticket zijn vermeld.

Op deze manier hoeven agents misschien niet eens naar kennis te zoeken, maar zullen in plaats daarvan relevante kennis automatisch voor hen worden gepresenteerd, in hun workflow.

Zoals we eerder hebben vermeld, is het belangrijk dat jouw ondersteuningskennis zich bevindt waar jouw team ook werkt. Slack staat bovenaan de top samenwerkingsmiddelen die supportteams elke dag gebruiken voor interne communicatie. Een moderne kennisbasis zal gelijke tred houden met de trends die de ondersteuningswereld vormen, zoals de opkomst van livechat en messagingbots. Guru integreert direct met zowel Slack als Microsoft Teams, waardoor het gemakkelijk is om kennis in chat op te slaan en te delen. Bots zouden binnenkort extern met jouw klanten kunnen communiceren, maar onderschat de mogelijkheid niet om vandaag al bots in te zetten om jouw interne ondersteuningsproces te stroomlijnen.

Bijvoorbeeld, er wordt zoveel waardevolle kennis in Slack gecreëerd, maar hoe leg je dit vast zodat jouw supportteam het kan hergebruiken in toekomstige gesprekken met klanten?

Een moderne kennisbasisoplossing zal zich aanpassen aan de nieuwe technologieën die jouw supportteam gebruikt en zal antwoorden en ideeën hebben over toekomstige trends die de ondersteuningswereld zullen vormen, zoals hoe je AI- en machine learning-technologie kunt integreren om hun oplossing te verbeteren.

In de huidige ondersteuningsomgeving is het nu crucialer dan ooit om een agentgerichte kennisbasis te vinden die jouw team in staat stelt klanten snel, accuraat en consistent op schaal te ondersteunen. Maar nu je weet waar je naar moet zoeken, is je zoektocht veel gemakkelijker geworden.