چگونه از هوش مصنوعی برای بهبود خدمات مشتری و رشد بلندمدت کسب و کار استفاده کنیم

در یک اقتصاد سخت، یافتن و حفظ مشتریان راضی برای رشد بلندمدت یک تجارت بسیار مهم است. در واقع، کسب‌وکارهای آمریکایی به دلیل خدمات ضعیف به مشتریان بیش از 83 میلیارد دلار ضرر می‌کنند. بنابراین، هر پیشرفت تکنولوژیکی که تجربه آنها را بهبود می بخشد – در عین حال افزایش کارایی شما – ارزش توجه دارد.

در دهه گذشته، هوش مصنوعی از یک مفهوم علمی-تخیلی عجیب به ابزاری که در پشت صحنه زندگی ما کار می‌کند، تبدیل به یک موضوع اصلی بحث شده است. از منظر کسب‌وکار، زمانی که چشم‌انداز سخت است، کسب‌وکارها به سرعت در حال تبدیل شدن به وجه تمایز از رقبا هستند.

حتی اگر از هوش مصنوعی برای بهبود زندگی مشتریان خود استفاده نمی کنید، رقبای شما به احتمال زیاد این کار را می کنند. در اینجا چند راه کلیدی وجود دارد که کسب‌وکارها می‌توانند از هوش مصنوعی برای ایجاد یک تجربه خدمات مشتری استفاده کنند که الهام‌بخش وفاداری باشد و هم برای شما و هم برای آن‌ها ارزش ایجاد کند.

خدمات مشتری سریع و ثابت است

امروز در خدمات مشتری سرعت انتظار می رود. ما عادت کرده‌ایم که با چند ضربه روی گوشی‌های هوشمندمان پاسخ انواع سؤالات را دریافت کنیم، و این به حل مشکلاتی که ممکن است با کسب‌وکارهایی که با آن‌ها در تعامل هستیم، گسترش یابد. به طور متوسط، مشتریان انتظار دارند که شرکت ها به یک تماس تلفنی در عرض پنج دقیقه و یک ایمیل در عرض یک تا 24 ساعت پاسخ دهند.

در حالی که هوش مصنوعی نمی تواند هر کاری را که انسان می تواند انجام دهد، آنچه را که می تواند انجام دهد، بسیار سریعتر از انسان و در مقیاس بزرگتر انجام می دهد. برای مثال، هوش مصنوعی می‌تواند مکالمات مشتری را در زمان واقعی رونویسی کند و احساسات مرتبط با زبان مشتری را شناسایی کند. از آنجا، می تواند به نمایندگان توصیه کند که چگونه بر اساس مدل های مشتق شده از هزاران مکالمه مشابه دیگر، بهترین کار را انجام دهند.

همچنین می‌تواند به‌عنوان یک موتور جستجو عمل کند، پایگاه‌های دانش را اسکن کند و پاسخ‌های مرتبط به سؤالات مشتری را تولید کند – همه اینها بدون اینکه آنها را بی‌صدا و بی‌صبرانه در انتظار نگه دارید. مدل‌های جدید هوش مصنوعی مانند GPT-3 می‌توانند این وظایف را با سرعتی واقعا شگفت‌انگیز یاد بگیرند.

کسب‌وکارها همچنین می‌توانند از هوش مصنوعی برای انجام بررسی‌های کنترل کیفیت گسترده استفاده کنند. در حالی که یک ناظر ممکن است حداکثر بتواند به 20 تماس در روز گوش دهد، هوش مصنوعی می‌تواند هزاران رونوشت را در چند دقیقه ارزیابی کند و لحظاتی را علامت‌گذاری کند که استانداردهایی را که آموزش دیده است برای بازبینی شخص مطابقت ندارد.

در تئوری، یک سرپرست می تواند کار مشابهی را انجام دهد. آنها می توانند در یک تماس گوش دهند، بر اساس تجربه قبلی خود قضاوت کنند که چگونه پیش می رود، و مراحل بعدی را به نماینده توصیه کنند و در عین حال مطمئن شوند که استانداردهای شرکت را رعایت می کنند. اما یک ناظر نمی‌تواند در تک تک تماس‌ها بنشیند و در عین حال در کارهای روزمره خود سازنده باشد. با این حال، هوش مصنوعی می‌تواند برای همه نمایندگان شما در دسترس باشد و بینش‌های بی‌درنگ ارائه دهد که تجارب مشتری و نماینده و ثبات خدمات شما را بهبود می‌بخشد.

بسیاری از کسب و کارها مشتریانی دارند که نیازهایشان در ساعات کاری مرکز تماس نیست. به عنوان مثال، بانک ها و خطوط هوایی باید بتوانند به سوالات 24/7 پاسخ دهند. همانطور که ربات‌های گفتگو رایج‌تر و پیچیده‌تر می‌شوند، گزینه‌های self-service بیشتری برای این نوع پرسش‌ها وجود خواهد داشت که به مشتریان این امکان را می‌دهد تا در هر کجا و هر زمان که به آن‌ها نیاز دارند، پاسخ‌ها را بیابند.

هوش مصنوعی در این و در مقیاس برتر است که با اکثر ارتباطات خدمات مشتری همخوانی دارد. همانطور که بهبود می یابد، انتظار داشته باشید که وضوح سریعتر و زمان انتظار کوتاهتر را ببینید.

شخصی سازی با هدف

ما فقط نمی پذیریم که تلفن های ما همه چیز را در مورد ما می دانند. ما از آنها انتظار داریم. اگر «رستوران‌های یونانی» را در گوگل جستجو کنم و تلفنم فهرستی از مکان‌های صدها مایل دورتر – یا در یونان – را به من نشان دهد، بسیار ناامید می‌شوم (مخصوصاً اگر از قبل گرسنه باشم). وقتی در حال ارسال پیامک هستم، اگر تلفنم به طور خودکار رایج ترین اشتباهات تایپی من را تصحیح نکند، اذیت می شوم. اگر در رسانه‌های اجتماعی جستجو می‌کنم، اگر تبلیغات محصولاتی را ببینم که به آنها علاقه‌ای ندارم، گیج می‌شوم.

اینها همه نمونه هایی از شخصی سازی هستند که توسط هوش مصنوعی ایجاد شده اند. از نظر مشتری، تجربه شخصی تجربه خوبی است. 76 درصد از مشتریان وقتی برندها در ارائه یک تعامل شخصی ناکام هستند احساس ناامیدی می کنند و 71 درصد انتظار خدمات شخصی سازی شده را دارند.

سناریویی را تصور کنید که در آن مشتری باید با خدمات مشتری تماس بگیرد. این نماینده قبل از تماس، همه اطلاعات موجود در مورد آنها و حساب آنها را دارد، به لطف تمام بینش های استخراج شده از رونوشت تماس های قبلی و ادغام بین هوش مصنوعی و CRM. نماینده حتی می تواند امتیازی را برای حساب بر اساس احساسات اعضای مختلف درگیر در همه کانال ها ببیند.

این بدان معناست که مشتری مجبور نیست پنج دقیقه اول تماس را صرف تشریح تاریخچه و جزئیات مسائل قبلی کند. آنها می توانند فوراً به موضوع فعلی بپرند و بدانند که عامل تمام زمینه های گذشته لازم را دارد. با تمام آن اطلاعات و پشتیبانی از هوش مصنوعی، نماینده به زمان کمتری برای یافتن راه حل نیاز دارد و تجربه مشتری را بهبود می بخشد.

امید دیگر این است که ربات‌های چت با هوش مصنوعی پیشرفته مانند ChatGPT روزی بتوانند همان سطح تجربه شخصی‌سازی شده را به عنوان عوامل انسانی ارائه دهند. این امر مشتریان را تشویق می‌کند تا پرس‌و‌جوهای اصلی خود را به ربات‌ها برسانند و به مشکلات پیچیده‌تر اجازه می‌دهند مستقیماً به صف‌های نمایندگان بروند.

فراتر از اینکه هر مشتری احساس یک VIP کند، شخصی‌سازی کیفیت و سرعت خدماتی را که دریافت می‌کند بهبود می‌بخشد.

حزب فعال بودن

تا همین اواخر، چالش این بود که هوش مصنوعی به نقطه‌ای برسد که بتواند بینش‌های بی‌درنگ ارائه دهد. مرحله بعدی ساخت هوش مصنوعی است که می تواند پیش بینی هایی انجام دهد که به کسب و کارها در پیش بینی نتایج مشتریان کمک کند. این به ویژه در شرایط رکود اقتصادی مفید است، زمانی که کسب و کارها به دنبال داده هایی هستند که بتواند نشانه روشنی از وضعیت مالی آنها به آنها بدهد. همچنین می تواند به آنها کمک کند منابع را بر این اساس اولویت بندی کنند.

بستن معاملات و حفظ مشتریان برای زنده ماندن از رکود بسیار مهم است. در خدمات مالی، افزایش 5 درصدی در حفظ مشتری، سود را بیش از 25 درصد افزایش می دهد. و در پوشاک، میانگین مشتریان تکراری در ماه های 31 تا 36 67 درصد بیشتر از شش ماه اول خود به عنوان مشتری خرج کرده اند، که نشان می دهد مشتریان بلندمدت از مشتریان جدید ارزشمندتر هستند.

هوش مصنوعی می تواند هم قصد خرید و هم ریسک را با دقت قابل توجهی پیش بینی کند. این بدان معناست که تیم‌های فروش می‌توانند با تمرکز بر قوی‌ترین سرنخ‌ها به جای صرف زمان برای تعقیب آنچه که در نهایت به بن‌بست تبدیل می‌شوند، احتمال بستن معاملات را افزایش دهند. در همین حال، هوش مصنوعی همچنین می‌تواند روندهایی را شناسایی کند که نشان می‌دهد مشتری بعید است تمدید کند یا در شرف لغو است. با این اطلاعات، کسب و کارها این فرصت را دارند که مشکل را شناسایی کرده و پیشگیرانه آن را برطرف کنند.

این توانایی هوش مصنوعی برای استخراج اطلاعات بسیار سریع است که آن را بسیار مفید کرده است. علاوه بر این، اکنون می‌تواند در مورد آن داده‌ها پیش‌بینی کند که می‌تواند به ما کمک کند پیش‌بینی‌ها و پیش‌بینی‌های آگاهانه با پیامدهای مستقیم برای درآمد داشته باشیم.

پیشرفت‌های مثبت زیادی در فضای هوش مصنوعی رخ داده است که راه‌های بهره‌مندی مردم و کسب‌وکارها از این فناوری را گسترش می‌دهد. بسیاری از آن به داده‌ها مربوط می‌شود: کجا می‌توانیم آن را پیدا کنیم، چگونه پردازش می‌شود، و با آن بینش‌ها چه کاری می‌توانیم انجام دهیم. کسب و کارها به همه این قطعات نیاز دارند تا بیشترین بهره را از هوش مصنوعی ببرند. در خدمات مشتری، به آنچه در مورد مشتری می دانیم، نحوه دسترسی و تجزیه و تحلیل آن اطلاعات و نحوه استفاده از آن برای بهبود تجربه آنها ترجمه می شود.

قبلاً از هوش مصنوعی بر روی داده‌های تاریخی استفاده می‌شد که مفید بود اما به ماسبق بود. اخیراً، استفاده از هوش مصنوعی برای تصمیم گیری در زمان واقعی امکان پذیر شده است. نسل بعدی هوش مصنوعی آینده‌نگر است و از داده‌ها برای پیش‌بینی‌هایی استفاده می‌کند که انسان‌ها نمی‌توانند به این سرعت انجام دهند. مانند هر ابزار دیگری، هوش مصنوعی زمانی موثرتر است که نحوه استفاده از آن و نقاط قوت و محدودیت های آن را درک کنیم.

با فناوری‌هایی مانند GPT-3، ما تازه شروع کرده‌ایم تا بفهمیم آن‌ها در آینده چگونه هستند.

Dan O’Connell مدیر ارشد استراتژی در Dialpad است.