Использование машинного обучения для улучшения обслуживания клиентов

Аутсорсинг бизнес-процессов — передача организацией на основании договора определенных видов или функций предпринимательской деятельности другой компании, действующей в нужной области: расчет заработной платы, управление персоналом, выставление счетов и обслуживание клиентов. Лучший пример данной практики — обслуживание клиентов, потому что каждый человек сталкивается с этим в повседневной жизни. Например, часто клиенты звонят в банк для решения проблем с кредитной картой.

Что при этом происходит? Клиента просят нажать цифру «1» для английского языка обслуживания, «2» для русского или предлагают набрать другие комбинации для различных действий. Только потом абонента соединяют с работником из службы поддержки. Затем происходит проверка. Клиент должен указать свое имя и фамилию, дату рождения, секретный ответ или пин-код, или последние четыре цифры номера социального страхования. Наконец, CSR (агент по обслуживанию клиентов) подтверждает личность человека и отвечает на его вопросы. На этом этапе у агента есть полный доступ к истории вызовов и любым прошлым взаимодействиям компании и клиента.

Однако на сегодняшний день технический прогресс позволяет вместо сторонних компаний использовать различные системы для выполнения рутинных операций. В том числе и обслуживание клиентов.

Роль машинного обучения

Существует умная система, в которой абонент автоматически перенаправляется на интеллектуального или цифрового агента, который знает, по какой причине звонит клиент: последний был на веб-сайте или в приложении, искал ответы на определенный вопрос. Он даже общался с чат-ботом, но не получал нужного ответа. Телефонный номер и голос клиента могут использовать для проверки личности вместо того, чтобы тратить время на поиск информации и идентификацию. За всем этим стоят машины: они принимают, обрабатывают и анализируют действия человека в режиме реального времени и прогнозируют его следующие шаги.

Машинное обучение — это методики ИИ, которые позволяют аналитической системе обучаться в ходе решения множества сходных задач. В основе машинного обучения лежит идея о том, что аналитические системы могут учиться выявлять закономерности и принимать решения с минимальным участием человека.

ИИ при помощи машинного обучения берет точку контакта с клиентом, отслеживает активность в режиме реального времени и прогнозирует следующее наиболее вероятное действие на основе активности пользователя. Обученный таким образом ИИ предсказывает будущие потребности пользователей на основе истории, что приводит к повышению обычных и перекрестных продаж. Система даже запускает гипер-персонализированные уведомления для CSR. В них есть вся информация о прошлых запросах пользователя. И пока клиент все еще на связи, работник службы поддержки может рассказать именно о тех новых продуктах и предложениях, которые пользователь искал раннее.

Это только один из способов, с помощью которого компании могут использовать машинное обучение для улучшения обслуживания клиентов. Вот несколько других:

• Сокращение времени на решение задач. Можно внедрить умную маршрутизацию в нужную очередь для людей на линии, а также использовать чат-ботов для решения простых проблем, которые не требуют вмешательства работников.
• Повышение уровня удовлетворенности клиентов. Машинное обучение поможет клиентам найти наиболее эффективного агента по обслуживанию. В качестве альтернативы можно помочь этим работникам быть более эффективными, рекомендовать решения, статьи или темы в зависимости от потребностей клиента. Машинное обучение поможет раскрыть соответствующую историю клиента работнику по обслуживанию.
• Сокращение расходов. С помощью машинного обучения ИИ может сразу направлять электронные письма пользователям, которые искали что-то на сайте.
• Анализ первопричин. Машинное обучение позволит понять, возможно ли на основании моделей, которые способны прогнозировать, углубиться в наиболее предсказуемые действия и использовать это как способ улучшить продукт или процесс.

Что нужно для построения системы, которая использует машинное обучение?

Для качественного машинного обучения в первую очередь нужны компетентные сотрудники, которые следуют процессам и используют технологии для проектирования умных систем для обеспечения наилучшего качества обслуживания клиентов. Данные процессы играют ключевую роль в компаниях, которые отдают приоритетное значение цифровой трансформации с использованием новейших технологий.

Что касается самих технологий, то построение должно начинаться с инструментов с открытым исходным кодом. Основные причины такого выбора — широкие возможности и снижение затрат. Tensorflow, H2O.ai и Microsoft Cognitive Toolkit — вот лишь несколько примеров, которые подтверждают это.

Важно объединить бизнес и технологии. Когда люди, процессы и платформы связаны друг с другом, легче окупить инвестиции. То же самое происходит при попытке улучшить качество обслуживания клиентов с помощью машинного обучения.

Узнать больше о современных технологиях в сфере обслуживания клиентов вы сможете на Конференции «Управление клиентским сервисом и лояльностью», которая пройдет 6 сентября 2019 года в Москве.

Материал подготовлен на основе статьи Using Machine Learning To Improve Customer Service Нираджа Сабхарвала, руководителя практики RPA, Forbes

Мария Кириченко

Комментарии