6 min
Quan es tracta d’Intel·ligència Artificial (IA) en call centers, la majoria de les persones pensa automàticament en “xat bots”. Però, si bé són útils, aquests per si mateixos no poden oferir a les organitzacions la informació que necessiten per competir de manera efectiva i estratègica.
Després de tot, els xat bots no poden reconèixer indicadors d’insatisfacció del client a temps per rectificar una situació i retenir a l’usuari. I sens dubte no poden discernir entre els clients que amenacen amb què deixaran un servei i aquells que realment ho fan.
En general, les empreses amb visió de futur d’avui usen la IA per impulsar millors experiències dels clients.
Per què els xat bots són la cara del servei al client amb IA
Amb clients cada cop més impacients i menys lleials, les empreses han de fer tot el possible per retenir-los millorant la seva experiència i agilitzant la resolució dels seus problemes.
Una forma clau de millorar l’experiència del client és millorar les seves interaccions amb el contact center. Després de tot, a ningú li agrada estar en espera o repetir el seu cas quan es transfereix la trucada d’un agent a un altre.
Per aquest motiu, tants centres d’atenció al client estan implementant xat bots: assistents virtuals intel·ligents i de llenguatge natural que poden reconèixer la parla humana i comprendre la intenció de la persona que truca sense requerir que la persona que parli ho faci amb frases específiques.
Els xat bots milloren l’experiència del client a l’accelerar tasques monòtones i repetitives, com:
- Sol·licitar saldos de compte.
- Canviar contrasenyes.
- Programar cites.
- Solucionar problemes menors.
Gràcies als xat bots, els clients ja no necessiten perdre el temps esperant al telèfon per parlar amb un agent per resoldre accions més simples. En canvi, poden obtenir el que necessiten usant comandaments simples de veu o text.
Com la Intel·ligència Artificial en el servei al client s’estén més enllà dels xat bots
Com tots sabem, si els clients no reben l’atenció que esperen, es canviaran a un altre proveïdor que compleixi les seves expectatives.
Els xat bots poden simplificar les interaccions més bàsiques dels clients amb una marca, però no poden proporcionar l’experiència complexa o holística que fa que els clients tornin i no poden ajudar a predir el que passarà en el futur. No obstant, hi ha d’altres aplicacions d’IA que poden fer exactament això.
Aquestes apps més sofisticades d’IA s’estenen molt més enllà dels xat bots: prediuen el comportament humà d’una manera que faculta a l’organització a prendre mesures proactives per gestionar el rendiment de l’agent, millorar el seu compromís i optimitzar les operacions de back-office, així com obtenir informació més profunda sobre el customer journey.
Com la IA està impulsant una millor experiència del client?
L’aprenentatge automàtic en el servei al client és el futur
Si bé els xat bots poden ser la cara del servei al client modern, l’aprenentatge automàtic està potenciant tot des de enrere.
El machine learning ajuda a les empreses a predir el comportament humà, com la identificació de clients insatisfets que estan en risc, i constantment es torna “més intel·ligent”, aprenent de tots les noves dades que ingressen. Amb l’aprenentatge automàtic, els call center poden aprofitar les gravacions de trucades i les puntuacions de gestió de qualitat, de les enquestes de clients, del Net Promoter Score (NPS) i de les dades de Veu del Client (VoC), així com anàlisi de text, escriptori i parla, per crear aproximacions matemàtiques del comportament del client i de l’agent.
Un cop que l’aprenentatge automàtic ha reunit i analitzat les dades, pot usar aquesta informació per predir els resultats que més afecten al contact center i l’empresa. Això és molt valuós per a les empreses, ja que molts no reconeixen els signes d’insatisfacció dels clients fins que els perden.
Hi ha 3 formes clau en què l’aprenentatge automàtic s’aplica als centres d’atenció telefònica:
1) Net Promoter Score (NPS) predictiu
El NPS predictiu utilitza l’aprenentatge automàtic per generar un NPS per a cada client, independentment de si han respost una enquesta o si han proporcionat comentaris. Per això, avalua tant les enquestes de clients completes com les dades de fonètica de la parla per determinar les característiques de les seves interaccions que més impacten en les puntuacions de satisfacció.
El NPS predictiu pot aprofundir en:
- La quantitat de temps entre la primera resposta i els temps de resposta posteriors.
- Si les respostes de text amb una redacció similar han proporcionat clients satisfets.
- Quant d’esforç posa l’agent per resoldre el problema del client.
La tecnologia utilitza després aquesta informació per generar un NPS predictiu per a tots els clients: li diu a una empresa si una interacció amb el client conduirà a una experiència positiva o negativa.
2) Avaluació predictiva
L’avaluació predictiva utilitza l’aprenentatge automàtic per impulsar una gestió de qualitat específica, treballant de manera similar al NPS predictiu. Aplica un model matemàtic a les avaluacions de gestió de qualitat prèviament qualificades i els cops de veu fonètics per identificar els aspectes de cada interacció que tenen el major impacte en les puntuacions de qualitat.
La generació resultant de puntuacions d’avaluació de qualitat predictiva permet un procés de gestió de qualitat específic. Amb aquesta informació, els avaluadors estan equipats per identificar i avaluar les trucades correctes i prendre millors decisions amb respecte a quins agents necessiten quin tipus de formació.
A més, els models d’aprenentatge automàtic estan constantment perfeccionant i evolucionant les seves prediccions a mesura que alimenten més dades: com més contactes s’avaluïn manualment, més precises seran les puntuacions predictives.
3) Anàlisi de sentiments
La tercera forma clau en què s’aplica l’aprenentatge automàtic en un contact center es a través de l’anàlisi de sentiments. L’anàlisi d’opinió aprofita el lèxic personalitzat centrat al call center per qualificar automàticament el sentiment de cada trucada, ja sigui positiva, negativa o neutral.
Els gerents poden detectar tendències de sentiments a mesura que tenen lloc i, en conseqüència, ajustar ràpidament les àrees de negoci que impacten l’experiència del client. Aquestes puntuacions de sentiment també estan en constant evolució per identificar les principals oportunitats per a la capacitació d’agents i decidir com gestionar els problemes emergents.
El futur de la Intel·ligència Artificial als contact center
Si bé els xat bots són un gran inici, són només la punta de l’iceberg en allò que respecta al que la IA pot fer pels call center i l’experiència del client. L’analítica basada en Intel·ligència Artificial i el modelat predictiu avançat utilitzen dades actuals i històriques per fer aproximacions matemàtiques tant del comportament del client com de l’agent, i prediccions intel·ligents sobre els resultats que més afecten als clients i a l’organització que els atén.
A diferència dels xat bots, aquestes aplicacions d’IA més sofisticades poden reconèixer indicadors d’insatisfacció del client a temps per rectificar les situacions i retenir als clients; i oferir a les organitzacions els coneixements que necessiten per competir de manera efectiva i estratègica.
Al NPS, l’avaluació predictiva i l’anàlisi de sentiments la Intel·ligència Artificial permet a les organitzacions prendre mesures proactives per gestionar el rendiment de l‘agent, millorar el compromís del client i obtenir informació més profunda sobre el customer journey. I això és només el començament.
¡Subcriu-te!
Demana una demo