چگونه از هوش مصنوعی برای بهبود عملکرد مرکز ارتباط با مشتریان استفاده کنیم؟

هوش مصنوعی به معنای «توانایی عملکرد یک ماشین در سطح یک انسان متخصص» است. اخیراً مثالی از آن‌را هنگامی دیدیم که برنامه‌ی AlphaGo از شرکتی تحت مالکیت گوگل به نام DeepMind در سخت‌ترین بازی آن دوره، قهرمانی جهان را به دست آورد. کاربرد سنتی تلفن در کسب‌وکارها به‌عنوان یک ابزار اصلی تجارت، دو طرفه است. یک نماینده‌ی وصول مطالبات در تلاش است یک مشتری را “ترغیب” به پرداخت حسابش کند. یک نماینده‌ی فروش می‌خواهد یک فروش بزرگ انجام دهد. یک کارشناس مرکز ارتباط با مشتریان در حال صحبت با یک مشتری‌ست تا مشکل او را حل کند. اکثر تماس‌ها بین دو طرف محدود به تلفن است و هیچ زبان بدن قابل‌دیدنی در میان نیست که همین امر فهم گفته‌ها و شنیده‌ها را چالشی‌تر می‌کند، و برخی اوقات به نظر می‌آید اهداف دو طرف با هم متفاوت است.

غلبه بر چالش‌های کارشناس تلفنی با تکنولوژی

درحالی‌که خیلی وقت است تکنولوژی بخشی از این روند بوده، عمدتاً نقش جمع‌آوری و ذخیره‌ی داده‌ها را به عهده داشته. البته این نقش اخیراً دستخوش تغییراتی شده است. اولاً اینکه امروزه داده‌های مرتبط بیشتری در دسترس است. با این‌که اکثر این داده‌ها در گذشته ذخیره شده بودند، به‌طور خاص قابل‌دسترس نبوده‌اند. یک نماینده یا کارشناس مرکز ارتباط با مشتریان که به یک مشتری زنگ می‌زند مجموعه‌ی محدودی از اطلاعات را در اختیار دارد و غیر از آن چیزی  در دست ندارد. اگر مشتری در طول تماس اطلاعات متناقضی بدهد، هیچکس این اطلاعات را ذخیره نخواهد کرد. همچنین پیش از این به کارشناسان، کارمندان و نماینده‌های مرکز تماس (کال سنتر)  در این مورد اعتماد می‌شد تا اطلاعات را در سیستم‌ها وارد کنند. هر نوع داده‌ی دیگری، ثبت نمی‌شد.

راهی هوشمندانه‌تر برای بستن پرونده‌ی مشتریان

در سال‌های اخیر با استفاده از شبکه‌های اجتماعی و پیشبینی انتظارات مشتریان، راه‌حل‌های زیادی در خصوص لیست‌های خرید ایجاد شده است، اما راه‌حل‌های کمی در خصوص میزان مشارکت مشتری با کارشناس تلفنی وجود دارد. تحلیل‌های صوتی برای مواردی مورد استفاده قرار می گیرند که تشخیص دهند کدام مشتریان از خرید و یا پرداخت بدهی‌های خود استقبال می‌کنند، اما در شرایطی ‌که کارشناس مهارت کافی برای بستن پرونده‌ی آن مشتری نداشته باشد.

قسمت هوشمندانه‌ی این فرایند، استفاده‌ی ترکیبی از تجزیه و تحلیل پیش بینی شده (شکلی از هوش مصنوعی) است. این نرم‌افزار از تمام اطلاعات موجود استفاده می‌کند و آنها را با مدل‌های پیش بینی شده احساسات و رفتارهای افراد ترکیب می‌کند. مدل‌سازی پیش‌بینانه از داده‌های تاریخی بهره می‌گیرد و به‌طور خودکار استراتژی‌هایی برای پیش‌بینی تمایلات و انتظارات آتیِ مشتریان، تنظیم می‌کند. این نرم‌افزار همچنین از هر نوع روش تحلیلی دیگری که یک شرکت در اختیار دارد (مثل الگوریتم‌های خودآموزی) برای بهبود مستمر عملکرد خود، استفاده می‌کند. در بسیاری از موارد شما می‌توانید بدون نیاز به به‌کارگیری یک متخصص تحلیل‌گر، به نتایج نرم‌افزار اعتماد کنید.

البته یک متخصص تحلیل‌گر نیز با در اختیار داشتن زمان کافی، می‌تواند به نتایج مشابهی برسد. اما ممکن است تا آن زمان، یک مشتری باالقوه به یک رقیب تمایل پیدا کرده باشد، مشتری ناراضی می‌تواند دیگر خرید نکند و یک بدهکار پولدار فرصت‌طلب پس از مشورت با کارشناس بی‌مهارت مرکز ارتباط با مشتریان شما، می‌تواند با خوشحالی بدهی میلیاردی خود را در قالب پرداخت‌های هفتگی ناچیز بپردازد.

مزیت‌های هوش مصنوعی در مرکز ارتباط با مشتریان

مزیت اصلی تحلیل پیش‌بینانه توسط نرم‌افزار هوش مصنوعی این است که می‌تواند الگوها را در چند ساعت شناسایی کنند، که این بسیار بهتر از هفته‌ها و ماه‌هایی‌ست که روش‌های سنتی برای تشخیص این الگوها صرف می‌کردند (که لزوماً تشخیص درستی هم نبود).

البته این تکنولوژی، داده‌ها را از هر دو سوی تماس‌های تلفنی جمع می‌کند. این تکنولوژی می‌تواند احتمال اینکه یک بدهکار، حساب خود را صاف خواهد کرد و یا این احتمال اینکه یک مشتری باالقوه می‌تواند تبدیل به یک مشتری خوش‌حساب شود را پیش‌بینی کند. همچنین می‌تواند عملکردهای کارشناس یا نماینده مرکز ارتباط با مشتریان را نیز تحلیل کند. به عنوان مثال آیا آنها مشارکت مثبت همراه با اشتیاق و اعتماد به نفس دارند؟ یا رباتیک، یکنواخت و بی‌اعتنا هستند؟ هوش مصنوعی می‌تواند تبدیل به یک عنصر اساسی در کیفیت عملکرد کارشناس مرکز ارتباط با مشتریان شود. با اجرای یک تحلیل صوتی پیش‌بینی شده توسط هوش مصنوعی، دیگر بی گدار به آب نخواهید زد. مرکز تماس (کال سنتر)   شما می‌تواند به‌درستی رفتار طرفین تماس‌های تلفنی را مشاهده و درک کند. شما می‌توانید ورای گفته‌های افراد را ببینید و در نتیجه به حسشان پی ببرید.

منبع:

rankminer.com