Waarom en hoe AI, machinaal leren en analytics gebruiken om het contactcentrum als merkbewaker te laten fungeren
Het contactcenter is nog steeds het primaire drukventiel voor klanten. En die druk heeft een enorme waarde.
Frustraties van klanten onthullen vroegtijdige waarschuwingssignalen van grootschalige problemen en merkrisico’s. Deze inzichten kunnen contactcentra helpen om problemen snel op te lossen en loyaliteit en reputatie te beschermen. Dus hoe kan het gebruik van AI in het contactcentrum die winstgevende inzichten opleveren?
Het is nu tijd om te beginnen met het vastleggen van deze waardevolle inzichten om merkloyaliteit en reputatie te beschermen. Ontdek hoe u analyses op basis van AI kunt gebruiken om de merkbewaking van uw contactcentrum te versterken.
Het Contact Center ontvangt de vroegste signalen van merkrisico’s
Ons rapport State of the Contact Center 2022 maakte duidelijk dat consumenten meer verwachten en minder vergeven. Managers van contactcentra zeggen dat de verwachtingen op het gebied van customer experience (CX) blijven stijgen. De meerderheid van de consumenten zegt dat ze al na twee slechte ervaringen het schip verlaten. Dit betekent dat merken proactief moeten zijn om te zorgen voor een consistente, hoogwaardige CX.
Actie ondernemen begint met het analyseren van de problemen die consequent opduiken in uw contactcentrum. Ze kunnen duiden op grotere problemen die leiden tot ernstige bedrijfsrisico’s. Let op deze veelvoorkomende problemen die van invloed kunnen zijn op de bescherming van je merk:
Problemen met product of service
Een piek in telefoontjes van klanten is vaak een van de eerste tekenen van acute of chronische problemen met een product of dienst.
Communicatie-/verbindingsproblemen
Interacties kunnen problemen aan het licht brengen die klanten ondervinden bij het contact maken met een merk en die wijzen op problemen met de website, sociale kanalen, chatapps of binnen de contactcentertechnologie zelf.
E-commerce problemen
Een stortvloed aan problemen met klanten rond aankopen of betalingen kan duiden op problemen met een e-commerce platform of betaalgateway/app.
Problemen in de toeleveringsketen
Klanten die melding maken van trage of vertraagde orderafhandeling of frustraties over producten die niet op voorraad zijn, kunnen wijzen op problemen met de voorraad en de toeleveringsketen.
PR-kwesties
Klanten die bellen en zich engageren op sociale kanalen kunnen een van de eerste tips zijn voor een breder PR-probleem waarbij het merk betrokken is.
Betrokkenheid/tevredenheid van werknemers
Voice-of-employee (VoE) informatie kan toenemende frustraties van medewerkers of acute punten van wrijving en frustratie voor agenten blootleggen.
Kunstmatige intelligentie (AI) gebruiken om het signaal tussen de ruis te vinden
Voice-of-the-Customer (VoC) en Voice-of-the-Employee (VoE) gegevens stromen dagelijks het moderne multichannel contactcentrum binnen. Het overgrote deel daarvan bestaat uit routinematige communicatie met klanten. Er worden ook veel problemen van klanten opgelost, problemen opgelost en geventileerd.
Niet elke boze klant wijst echter op een dreigend probleem onder de oppervlakte. De meeste interacties met klanten komen voort uit problemen die geen wijdverspreide problemen of ernstige risico’s voor het merk vormen. De uitdaging is om in het lawaai van alledaagse interacties de meest relevante en urgente signalen te vinden.
Moderne AI, machine learning (ML) en analytics blinken uit in het doorprikken van de stapels gegevens om die problemen aan het licht te brengen. AI-tools kunnen de exponentiële hoeveelheid ruwe VoC- en VoE-gegevens van elk kanaal verwerken en in realtime patronen en trends vinden.
Steeds meer contactcentra maken gebruik van AI, ML en analytics om nieuwe problemen aan het licht te brengen, zodat merken deze kunnen onderzoeken en actie kunnen ondernemen voordat er ernstige schade wordt aangericht.
AI in het Contact Center gebruiken om oorzaken bloot te leggen
Hier ligt een grotere uitdaging: de VoC alleen trekt geen rechte lijn naar de hoofdoorzaak van de klantfrustratie. Alleen door de VoC op zichzelf te analyseren kan worden vastgesteld dat klanten gefrustreerd zijn over de trage orderverwerking. Maar dat pijnpunt bij de klant kan worden veroorzaakt door een probleem met het e-commerce platform, het kan een probleem met de toeleveringsketen zijn of het kan terug te voeren zijn op een ander intern operationeel probleem.
Op dezelfde manier kan de VoE zonder breder analytisch inzicht waarschuwingssignalen van stress en burn-out bij agenten aan het licht brengen. Maar die stress kan het gevolg zijn van een hoog belvolume, onderbezetting of technologische tekortkomingen. Het kan ook het gevolg zijn van iets dat kan worden aangepakt met aanvullende, gerichte training voor agenten.
De complexiteit van moderne ondernemingen betekent dat het weken, maanden of zelfs langer kan duren voordat de hoofdoorzaak van deze problemen vanzelf duidelijk wordt. Tegen die tijd is het al veel te laat: de schade aan het merk is ongelooflijk moeilijk ongedaan te maken en vertrouwen is moeilijk terug te verdienen.
Hier komt de magie van moderne AI en ML pas echt tot leven. Deze slimme tools kunnen VoC- en VoE-inzichten snel correleren met datapunten uit het contactcentrum en het hele bedrijf, zoals:
- Verkoop
- Marketing
- Website
- e-commerce
- Inventaris
- Toeleveringsketen en fulfillment
- HR
- IT
- Financiën
- Andere interne systemen
Leiders van contactcentra kunnen complexiteit ontrafelen en hoofdoorzaken in bijna realtime blootleggen. Moderne tools voor contactcenteranalyse moeten deze voorspellende, ML-gebaseerde mogelijkheden hebben om snel die verbanden te leggen en de oorzaak achter het symptoom te vinden.
AI in actie: Calabrio Analytics Wedstrijd Winnaars
Tijdens ons Calabrio Customer Connect (C3) evenement in 2022 zetten we onze jaarlijkse traditie voort om de meest innovatieve en impactvolle toepassingen van Calabrio’s analytics, spraak-naar-tekst, AI en ML tools bij onze klanten te erkennen en te vieren. Veel van de winnaars van de Calabrio Analytics Competition van dit jaar richtten zich op proactieve merkbewaking.
Lees hieronder meer over hoe 3 leiders van contactcentra precies dat hebben gedaan:
1.Negatief sentiment ombuigen met AI-gestuurde zinoptimalisatie
Idaho Central Credit Union (ICCU) zag het aantal herhaalde oproepen en de kosten per oproep stijgen en wilde de hoofdoorzaken van deze problematische trends achterhalen. Met behulp van sentiment- en spraakanalyses identificeerde ICCU contactcenterinteracties met een negatief sentiment en een hoge ledeninspanning.
Met behulp van Calabrio’s analytische voorspellende NPS- en kwaliteitsscores konden ze hun focus op interacties met slechte resultaten verder verfijnen. Daarna verdubbelde ICCU hun gebruik van AI. Ze bouwden een AI-gestuurde Phrase Optimizer die automatisch nuttige zinnen voorstelt aan agenten om problemen van leden beter op te lossen en het positieve sentiment onder leden te behouden. Naast het toevoegen van deze technische oplossing, concentreerde ICCU zich op het trainen van agenten waar dat nodig was.
Door het oplossen van problemen te verbeteren en de tevredenheid van de leden te vergroten, schat ICCU dat het al in 2022 9.000 herhaalde telefoontjes heeft geëlimineerd. Dit levert duizenden dollars aan besparingen op en stopt de stijgende kosten per gesprek. De kredietunie kan ook de personeelsbezetting van agenten optimaliseren om hogere serviceniveaus te leveren met minder agenten.
2. Knelpunten identificeren om service te versnellen en CX te verbeteren
Aan het begin van de pandemie zag Peckham, een leverancier van contactcenteroplossingen voor derden, knelpunten in de dienstverlening ontstaan bij enkele van zijn belangrijkste klanten. Door Calabrio Analytics te gebruiken om het probleem uit te zoeken, ontdekte Peckham een groot aantal gesprekken met lange pauzes. De AI-tools van Calabrio Analytics helpen hen deze gesprekken met lange pauzes terug te voeren op een combinatie van hiaten in de technologie en de training van agenten.
Om de problemen die ze ontdekten aan te pakken, heeft Peckham:
- Nieuwe IVR-berichten geïmplementeerd om snel te kunnen inspelen op algemene servicebehoeften
- Extra coaching toegevoegd
- Een FAQ voor agenten gemaakt om sneller te kunnen reageren
- Nieuwe technologieën ingezet om hun contact center processen te stroomlijnen
Deze combinatie van technologie en training stelt agenten in staat om pauzes te voorkomen en problemen sneller op te lossen. het verbeteren van de klantervaring om de merken van haar klanten te beschermen. Dankzij deze verbeteringen kunnen de agenten van Peckham ook één extra gesprek per uur afhandelen. Dit komt neer op een jaarlijkse omzetstijging van $ 2,7 miljoen.
3. Desktop Analytics gebruiken om de oorzaak van verbroken verbindingen te achterhalen
Zoals veel bedrijven die gedwongen werden om de plotselinge overstap te maken naar werken op afstand, zag Cummins in dat problemen met de telefoonverbindingen schadelijk waren voor de tevredenheid van zowel de klanten als de agenten. De fabrikant van energieopwekkingsoplossingen gebruikte Calabrio Analytics om in te zoomen op deze verbindingsscenario’s en correleerde ze met inzichten uit Calabrio’s desktopanalysetool om connectiviteitsproblemen terug te voeren naar vier belangrijke “storingspunten”.
Door deze technologische problemen op te lossen, heeft Cummins de verbindingsrisico’s aanzienlijk verminderd, de klant- en agenttevredenheid verhoogd en het bedrijf jaarlijks ongeveer 160.000 dollar bespaard.
4. Bonuscase: Sentimentanalyse gebruiken om agentzinnen te vinden die het sentiment van de klant naar het zuiden sturen
Als onderdeel van haar voortdurende inspanningen om de ervaringen van patiënten proactief te verbeteren, gebruikte de Mayo Clinic Calabrio’s predictive sentiment analytics tool om zich te richten op interacties met een negatief sentiment bij patiënten. De AI-tools van Calabrio identificeerden vervolgens agentzinnen die sterk gecorreleerd waren met negatief klantsentiment.
De leiders van het contactcentrum van de Mayo Clinic implementeerden een nieuwe training voor agenten om deze “negatieve zinnen” direct aan te pakken en agenten uit te rusten met effectieve alternatieven om het patiëntgevoel te verbeteren en de algemene patiënttevredenheid te verhogen.
Leer van toonaangevende collega’s in ons Brand Guardian webinar
Er zijn zoveel manieren om AI in het contactcenter te gebruiken om waardevolle inzichten in klantinteracties te onthullen. Tijdens een recent webinar met klanten zijn we dieper ingegaan op de bekroonde VoC analytics use cases die hierboven zijn genoemd. Hoor direct van uw vooraanstaande collega’s hoe zij gebruik maken van Calabrio’s analytics, AI en ML tools om snel klantproblemen te identificeren en deze te koppelen aan de hoofdoorzaken. Dit initiatief beschermt proactief uw CX, merkloyaliteit en zuurverdiende reputatie. LEER MEER VAN ECHTE VOORBEELDEN
