Статьи

08 сентября 2019 19:18

Применение Искусственного Интеллекта в работе операторов и при взаимодействии с клиентами

Виктор Голубев по материалам отчета Киндры Купер, CCW Digital

Решения на базе искусственного интеллекта (ИИ) далеко не универсальны и не автономны в работе — они так же многообразны, как и возможности их применения, и требуют при этом выверенного управления. Чтобы добиться максимального возврата инвестиций в ИИ, нужно выбрать решение, максимально приспособленное к конкретной бизнес-задаче — будь то содействие отделу продаж в поиске клиентов или управление клиентскими взаимодействиями в контакт-центре. Обычно решения с ИИ используют отдел продаж, маркетинга, клиентского обслуживания и контакт-центр, а также IT.

После того как вы сформулировали свою бизнес-задачу и выбрали для нее нужное решение с ИИ, необходимо решить, кто в организации будет им управлять, какие сотрудники будут использовать его в текущей работе, и соответственно распределить права доступа.

Наконец, и что самое важное, нужно определить механизм для систематического отслеживания результатов применения технологии для достижения целевых результатов. Другими словами, последний шаг к оптимизации решения с ИИ — определить, что есть успешное применение технологии после внедрения. В данной статье будет рассмотрен опыт применения различных решений с ИИ в работе операторов и непосредственно во взаимодействиях с клиентами, их ключевые характеристики и процедура внедрения.

Какие существуют типы решений с ИИ?

Решения с ИИ для контакт-центров могут быть непосредственно клиентскими или предназначенными для работы операторов, либо совмещающие оба эти варианта. И в том, и в другом случае они влияют на клиентский опыт и опыт сотрудника либо одновременно, либо опосредованно.

Клиентские решения с ИИ рассчитаны на скорость, эффективность и персонализацию — три основных приоритета сегодняшней «цифровой» потребительской аудитории. Платформы самообслуживания с ИИ, в том числе чат-боты и интерактивные автоответчики (IVR) с голосовыми функциями на естественном языке, поддерживают круглосуточный клиентский сервис, интеллектуальное перенаправление клиентов к нужным операторам, продуктам и онлайн-ресурсам, указывают рекомендуемые дальнейшие действия и отвечают на часто задаваемые вопросы (FAQ).

Другие персонализируют клиентский опыт с помощью системы рекомендаций на базе ИИ, аккумулирующей клиентские данные. Например, она фиксирует характер пользовательского поведения или указанные предпочтения и сама предлагает дополнительный контент. Есть решения для послепродажного обслуживания, например, интеллектуальная переадресация тикетов поддержки из почты к нужным специалистам, ответы на FAQ в чат-ботах в наиболее предпочтительном для клиента канале. Из той же категории — рассылка по электронной почте автоматизированных, но персонализированных маркетинговых сообщений, позволяющих выстраивать отношения с клиентом на основе данных в точках касания — истории покупок и активности на сайте.

Операторские инструменты позволяют автоматизировать повторяющиеся вспомогательные функции в работе специалиста. С их помощью можно получать оперативные рекомендации непосредственно в ходе взаимодействия с клиентом, собирать содержательную информацию для анализа и оптимизировать график работы, обучения и т.д.

Что может дать решение с ИИ для бизнеса?

Сложные инструменты аналитики данных и CRM-системы позволяют выявлять тренды и отслеживать приоритетные для организации метрики. Для контакт-центров это обычно отток клиентов и «стоимость» клиента на протяжении жизненного цикла. CRM-системы анализируют эмпирические и численные данные об истории покупок и других действиях клиентов, а также показатели просмотра почты, проводят сентимент-анализ на основе текстовых и голосовых сообщений, вычисляют вероятность отказа клиента.

Инструменты речевой аналитики позволяют совмещать метаданные обращений (средняя скорость ответа, срок выполнения запроса и т.д.) с сентимент-анализом. Так у контакт-центров появляется возможность управлять качеством (QA) с учетом количественных и содержательных факторов и вычислять показатели QA для каждого отдельного обращения. Пожалуй, в этом главное преимущество аналитики с использованием ИИ — возможность переключения масштабов между видением ситуации по контакт-центру в целом и отслеживанием вовлеченности и поведенческих метрик по каждому клиенту в отдельности.

«Мы проводим много опросов и увязываем полученные данные с внутренней операционной информацией. На основании этого видно, требуются ли дополнительные инвестиции в продукт или услугу и как можно использовать их для формирования будущих предложений», — говорит Анахита Рейли, директор по работе с клиентами в компании GSA.

Омниканальная CRM собирает и объединяет клиентские данные из всех каналов: действия на сайте, текстовый анализ последних чатов или ответов на опросники, CTR по электронным письмам. На основе этого выводятся подходящие рекомендации. ИИ, что еще более важно, может объяснять определенные клиентские действия или тренды данных и посредством выверенных рекомендаций подкреплять выбор дальнейших действий компании. В наиболее продвинутых CRM-системах рекомендации, кроме того, поступают нужным сотрудникам, и практическая информация не теряется в контакт-центре.

Бывает, что клиент в маркетинговых сообщениях охотно переходит по ссылкам, переадресующим на следующий шаг (т.н. calls-to-action), но никогда не совершает покупку. CRM-система с ИИ распознает эту модель поведения и порекомендует отделу маркетинга предложить скидку, план платежей или методические рекомендации по продукту, чтобы побудить клиента к покупке. Или в следующий раз, когда возникнет ситуация, что клиент может «забыть» выбранные наименования в корзине, ИИ может дать сигнал клиентской поддержке предложить консультации в чате.

«С помощью данных о покупках в магазинах и из других источников команда аналитиков помогает нам составить представление о клиентах и разработать продукты и услуги, соответствующие их потребностям. Например, у нас есть возможность выяснить, кто рассчитывается наличными, и выстраивать соответствующие коммуникации и продукты специально для тех, кто не имеет банковской карты или доступа к банковским услугам», - считает Кимберли Бусдикер, директор по работе с клиентами в компании Kroger Personal Finance.

Предлагайте клиентам варианты самообслуживания

Если раньше самообслуживание часто считали незатейливой хитростью компаний, чтобы разгрузить специалистов и тем самым снизить операционные затраты, то теперь для многих клиентов это наиболее предпочтительный канал при возникновении вопросов по продукту или услуге. Для клиентов чат-боты с ИИ — это возможность в любое время суток решить несложные вопросы, например, касающиеся информации по счету или изменения статуса заказа. Кто-то предпочитает общаться со специалистом. Для этой категории клиентов во многих компаниях функции интерактивного автоответчика с запросами на естественном языке предусматривают ответы на базовые вопросы по счету и перевод обращения наиболее компетентному сотруднику.

Наконец, есть голосовые помощники: с помощью голосового чат-бота тоже можно решить вопросы или выполнить некоторые задачи самообслуживания — совершить покупку, назначить встречу или обновить информацию в личном кабинете. Клиенты французской косметической сети Sephora могут записаться на бесплатный сеанс с визажистом в ближайший магазин Sephora, используя чат-бот в Facebook Messenger, получить рекомендации по применению и попробовать новые продукты с помощью фильтра дополненной реальности наподобие распространяемых в Instagram и Snapchat.

Чат-бот Home Depot в Apple Business Chat отвечает на вопросы о наличии продукта в торговых точках и предоставляет интерактивную карту с указанием полки, чтобы клиенты могли самостоятельно без продавца-консультанта найти то, что им нужно. Самообслуживание удобно еще и для тех клиентов, которые обращаются в нерабочие часы, когда специалиста контакт-центра на линии нет.

«Даже в случае автоматизации клиентской поддержки должен быть специалист на контроле в часы работы, или тот, кто примет вопрос в дальнейшую проработку на следующий день. Не должно быть 100-процентной автоматизации, когда с клиентами вообще никто не может поговорить», считает Бретт Фрейзер, руководитель по клиентскому обслуживанию в компании SunBasket.

Персонализируйте клиентский опыт

Особые сложности в управлении взаимоотношениями с клиентами, в частности, в поддержке и персонализации возникли в электронной коммерции. Тем не менее, ИИ дает уникальные возможности персонализировать онлайн-покупки и даже улучшить качество обслуживания в традиционном магазине. Так, шведский бренд магазинов одежды H&M создал чат-бот Kik, который отправляет клиентам SMS и фотографии с вариантами комплектов одежды, из которых можно выбрать наиболее понравившийся. Так бот выясняет вкусы покупателя. А потом присылает рекомендации со ссылками, и клиент может просмотреть то или иное изделие на сайте и/или сделать покупку.

Другие бренды пользуются возможностями ИИ для повышения качества клиентского обслуживания в магазинах. Магазин Amazon 4-Star в нью-йоркском Сохо предлагает продукцию розничного гиганта с клиентскими рейтингами от четырех звезд и выше. Наименования представлены в офлайн-магазине, чтобы привлечь покупателей, которые никогда их не приобретали, и побудить остальных рассмотреть новые категории. Другие ритейлеры с помощью ИИ стараются сократить очереди у кассы, ускорить обслуживание и сделать его более удобным. Хороший пример — магазин Amazon Go. В магазине 7-Eleven посетители могут воспользоваться функцией Scan & Go в своих мобильных приложениях, чтобы самостоятельно просканировать и оплатить свои покупки.

ИИ — продуктивное направление для компаний при проектировании новых продуктов, предусматривающих пользовательскую персонализацию в качестве уникального ценностного предложения. Система рекомендаций Spotify позволяет составлять высокоперсонализированные плейлисты, что обеспечивает хорошую дифференциацию на фоне конкурентов, таких как Pandora и Apple Music. Сервис рекомендаций Netflix обеспечивает настолько точечную персонализацию, что в компании заявляют — они предлагают не один продукт, а 100 млн продуктов — индивидуально каждому из более чем 100 миллионов подписчиков в 190 странах. ИИ Netflix экстраполирует предпочтения каждого из пользователей в части жанров, актеров и типов контента (кино, телешоу, документальные фильмы) и формирует список предлагаемых передач с персонализированных произведений, синопсисов, а в перспективе —персонализированных трейлеров, генерируемых ИИ.

Некоторые из недавно образованных стартапов предлагают персонализацию в качестве платформы по продаже услуг другим компаниям. На ZocDoc пользователи могут искать врачей по почтовым индексам, рейтингам, специализации, типам принимаемых страховок и прочим параметрам. С помощью PolicyGenius можно сравнивать полисы, настраивая поисковые результаты и поисковые фильтры. Хороший пример того, как порталы самообслуживания обеспечивают персонализацию на более высоком уровне, чем при общении со специалистами.

«При всей озадаченности вопросами конфиденциальности, исследования в сегменте B2B и B2C показали, что, когда клиенты доверяют бренду, они готовы предоставить очень подробную информацию ради персонализации клиентского опыта», - считает Эрнан Роман, основатель и президент ERDM VoC Research Innovators.

Обеспечивайте послепродажное обслуживание

Понятны возможности применения ИИ в обработке тикетов поддержки. Используя чат-боты для взаимодействий с клиентами, диспетчеризации тикетов поддержки и автоматических ответов на них, организации получают возможность оперативно справляться с большим объемом запросов в режиме 24/7. Фактически ИИ играет все большую роль в послепродажном обслуживании. В Samsung работают над новой линией бытовых приборов с функцией самодиагностики и устранения неполадок. Например, холодильник может сам обнаружить возможный сбой и вывести клиента в видеочат со специалистом на интерактивном LCD-дисплее или через приложение SmartThings. Холодильник также присылает уведомления на телефон, если не закрыта дверь.

В большинстве случаев области применения решений с ИИ касаются работы оператора. Сотрудникам часто приходится использовать в работе медленные и сложные в освоении интерфейсы и ПО, и они вынуждены искать обходные пути для выполнения текущих задач. В обслуживании клиентского обращения задействуется более 50 приложений, и в результате это отражается на стандартных показателях — AHT, FCR и количестве ошибок. Инструменты автоматизации берут на себя вспомогательные процедуры, например, внесение данных или обработку претензий, и у оператора появляется возможность сосредоточиться на клиенте. На следующем уровне можно предоставить операторам инструменты для улучшения качества CX в целом.

Интеллектуальные CRM-системы и виртуальные помощники сотрудников могут принимать обращения клиентов и выводить предлагаемые решения, информацию по теме из базы знаний и ссылки для выполнения требуемых задач во внутренних интерфейсах. Помощник может даже заполнять формы и регистрировать запросы во внутренних системах с применением возможностей роботизации.

Серьезную сложность для контакт-центров представляет подготовка и вводный инструктаж операторов, и отчасти издержки от простоя связаны со сложным пользовательским опытом (UX) на первоначальном этапе работы с CRM. Провайдеры корпоративного ПО с удвоенной энергией работают над UX-нововведениями с поддержкой ИИ — например, разрабатывают голосовые помощники, которыми можно управлять голосовыми командами без поиска нужных опций в меню или на рабочей панели.

Некоторые боты в пошаговом режиме координируют настройку ПО непосредственно в чате с пользователем, и для этого не требуется громоздких информационных панелей. Можно для примера упомянуть Expensify — поставщика программ автоматизации для работы с авансовыми отчетами и командировочными расходами. Чат-бот самообслуживания Concierge пошагово помогает новым пользователям установить ПО и самостоятельно предупреждает клиентские проблемы (например, при истечении срока действия или аннулировании кредитной карты пользователя бот направляет уведомление и дает указания, как привязать новую карту).

Наконец, ИИ — основа основ современных систем оптимизации трудовых ресурсов (WFO) с прогнозным моделированием ожидаемых пиковых нагрузок по объему обращений, геймификацией процесса обучения и автоматическим управлением производительностью сотрудников.

Что важно учитывать изначально при выборе нужного решения ИИ

Прежде чем выбирать поставщика решений ИИ, компаниям нужно провести внутренний анализ и сформулировать бизнес-задачу, которую они пытаются решить с помощью ИИ, согласовать, в чем она состоит, задать базу сравнения по параметрам «до внедрения ИИ» и KPI для оценки успеха «после внедрения ИИ». Еще несколько важных аспектов, которые следует учесть до покупки:

1. Можно ли решить данную бизнес-задачу с применением ИИ?

Не все бизнес-проблемы можно устранить с помощью ИИ. Используя инструмент WFM, можно добиться улучшений в отношении персонала к работе, применяя, к примеру, персонализированные программы обучения и развития. Тем не менее, таким способом не решить глубинные проблемы культуры поведения и работы сотрудников и не убедить тех, кто считает, что слишком много работает и слишком мало зарабатывает.

Если же речь идет о проблемах с коммуникацией между высшим и средним управленческим звеном, с помощью ИИ можно подготовить визуализацию данных по основным KPI — тем самым среднее управленческое звено сможет представить важную операционную информацию руководству. Поэтому очень важно сформулировать задачу и увязать свое решение о покупке с реальной потребностью, а не просто получить в итоге модную, но неприменимую технологическую опцию.

2. Как расcчитать ROI?

Чтобы инвестиции в ИИ были оправданными, важно, чтобы решение обозначенной вами управленческой задачи имело существенный стоимостной эффект. Хороший поставщик ИИ предлагает конкретные решения под конкретные задачи, а не полный набор опций на любой вкус. Достаточно ли существенна бизнес-задача и оправдывает ли она инвестиции, будет ли хорошая отдача в ROL от ее решения? Можно ли рассматривать задачу как решаемую и значимую, а следовательно, будет ли ее решение обоснованным по стоимости и продуктивным? Или она малорешаемая и низкоэффективная, а решать ее будет дорого и непродуктивно?

Другой способ измерить ROI — сравнить, сколько времени операторы затрачивают на механические повторяющиеся действия и сколько на производительные задачи. При успешном внедрении ИИ будет заметный сдвиг в пользу последних, что будет сопровождаться повышением производительности. Более удобно оценивать рост производительности операторов по увеличению объемов выполняемой работы при неизменной численности сотрудников.

Убедитесь, что поставщик понимает суть бизнес-задачи и у него имеется выверенный план внедрения для ее решения. Какие сроки называют для достижения результата? Проанализируйте риски и преимущества применения соответствующего решения ИИ, и учитывайте наличие либо отсутствие плана на случай непредвиденных обстоятельств. Наконец, проанализируйте, как решение встраивается в вашу сложившуюся технологическую систему. Совместимо ли оно с применяемыми ERP или CRM-системами, не дублирует ли оно функций имеющихся решений, может ли оно заменить устаревшую систему?

Внедрение: кто будет управлять и работать с ИИ-решением?

В зависимости от выбранного вами типа решения с ИИ, использоваться оно может либо исключительно в контакт-центре, маркетинговом или IT-департаменте либо может быть развернуто по организации в целом с интеграцией с существующими ERP или CRM-инструментами. Возможно, оператор контакт-центра будет использовать решение на базе ИИ каждый день, а менеджеру по маркетингу потребуется пару раз в неделю проверить статус автоматизированной маркетинговой кампании.

В общем случае все звенья, связанные с бизнес-задачей или задействованные в ее решении, должны научиться использовать ИИ и должны понимать, насколько часто это необходимо делать. Перед покупкой нужно определить, кто будет пользоваться решением, в чем состоят их функции в достижении бизнес-результата и определить права доступа к платформе.

Учитывая возможности ИИ в области обмена данными между департаментами, имеет смысл распределить права, даже если непосредственно использовать решение будет только один отдел. Например, контакт-центр может предоставлять отклики клиентов отделу маркетинга, чтобы тем, кто остался недоволен обслуживанием, предложили компенсацию. Разработчики продукта могут передавать информацию фокус-групп отделу продаж — и у них будет понимание о новых характеристиках продукта.

Инструментами автоматизации и их оптимизацией должен управлять специалист. При их внедрении очень важно определить ответственного за технологию — будет ли это внутренняя структура, технологический провайдер или аутсорсинговая служба. Кто отслеживает и анализирует использование и результаты? Кто выполняет «настройку» инструментов, чтобы они работали с самой значимой и действенной информацией? Кто содействует развертыванию решения во всех отделах и по всем областям применения?

В краткосрочном периоде полезно будет найти поставщика-партнера, который мог бы оказывать поддержку на всех этапах цикла; в долгосрочном периоде может быть целесообразно назначить в компании «руководителя по автоматизации» (или даже целый отдел), чтобы компания могла получить максимум от использования решения с ИИ.