Superagenten zijn echt (Blog #3)

AI maakt het mogelijk (Blogreeks)

Constant leren verbetert AI-aanbevelingen

Toegang tot het On-Demand Webinar afspelenvan "How AI-Enabled Super-Agents Improve CX" met Kate Leggett, Vice President en Principal Analyst Service Application Development and Delivery, Forrester Research, met Steve Nattress, Director, R&D AI Insights - Vecko en Jacki Tessmer, Vice President - Product Marketing, Enghouse Interactive.
Blog #3 van 4 Met context probeert AI sneller dan ooit te verbeteren.

Zoals besproken in de vorige blog, merkten we op dat een belangrijk aandachtsgebied Natural Language Processing (NLP) zou moeten zijn, waar "Conversational Analytics" de onderscheidende factor kan worden, waardoor AI vandaag de best mogelijke oplossing kan leveren en morgen nog betere oplossingen.

Waarom?

Het zit allemaal in de aanpak en hoe de gegevens worden geanalyseerd. Dit is fundamenteel voor het begrijpen van causaliteit.

Interessant leesvoer: Artikel in Wired Magazine:

Een AI-pionier wil dat zijn algoritmen het 'waarom' begrijpen

Na verloop van tijd kan en zal een bredere focus helpen om het samenspel van meerdere variabelen beter te correleren om - vanuit een situationeel perspectief - te begrijpen wat er gedaan kan worden om meer waarde te leveren en om snel relevante oplossingen voor te stellen voor de problemen die klanten hebben.

Verzamelen. Samenvoegen. Beoordelen. Alle feedback analyseren via AI

Klantenfeedback komt in vele vormen voor en de meeste zijn relatief statisch en gemakkelijk te verwerken - enquêtes, feedbackformulieren, enquêtevragen, gecorreleerd aan de continuïteit van de aankopen van de klant. Maar als je daarop vertrouwt, krijg je maar één dimensie (laag) van een antwoord. De echte gegevens zitten verborgen in het commentaar van elk gesprek dat plaatsvindt. Of het nu als onderdeel van een vraag is, tijdens een gesprek, in het CRM-systeem of op sociale media of online groepen/forums. Dit zijn voorbeelden van steeds diverser en discreter wordende informatiebronnen die potentieel waardevollere informatie opleveren - vooral wanneer ze als geheel worden genomen voor elke afzonderlijke klant en wanneer alle feedback van klanten wordt gegroepeerd. Door alle gegevens van elke klantbetrokkenheid vast te leggen, te beoordelen, te analyseren en vervolgens samen te voegen en hetzelfde te doen met de gegevens van al uw klantbetrokkenheden, krijgt u een robuuste basis van informatie om vanuit te werken.

Opname - Zowel spraak als digitale communicatie moet in realtime worden vastgelegd voor ondersteuning door agenten. De analyse en indexering van trefwoorden worden gebruikt om KB-documenten te doorzoeken, samen met de presentatie aan agenten en de verspreiding naar de klant (in het formaat dat zij verkiezen), om ervoor te zorgen dat er uitgebreidere ondersteuning wordt geboden, terwijl de FCR (first call resolution) wordt verbeterd en de ondersteuningstijd wordt verkort.

beoordelen - Het gebruik van een industriespecifiek lexicon, met relevante uitdrukkingen en fraseologie, en woordcombinaties, in kaart gebracht tegen wanneer ze worden gebruikt en hoe, biedt een solide basis. Gevoeligheid voor intonatie, zinsbouw, directheid, herhaling en verschillende spanningsindicatoren bieden ook een substantiële contextlaag voor de verzamelde informatie. Negeer het op eigen risico. Omdat veel agenten geen generalisten zijn in plaats van experts in de sector, zorgt dit ervoor dat misstappen worden geminimaliseerd of, in het beste geval, geëlimineerd.

analyseren - kan het beste worden uitgevoerd door middel van Taalkundige analyse. Met behulp van gespecialiseerde algoritmen en de eerder genoemde branchespecifieke terminologieën en uitdrukkingen, plus aanvullende gestandaardiseerde basisgegevenssets, kunnen AI-gebaseerde platforms vervolgens 'luisteren' naar gesprekken om specifiek te begrijpen wat er wordt gezegd, hoe en waarom.

Met aanvullende algoritmen en spraakherkenning en toonanalyse kan AI ook helpen bij het identificeren van het algemene gevoel van de klant met betrekking tot de huidige situatie. Door gebruik te maken van de verzamelde situatie-informatie en deze te combineren met keuzes die klanten in het verleden hebben gemaakt (in dezelfde of vergelijkbare situaties), kan AI vervolgens oplossingen aanbevelen - aan agenten of rechtstreeks aan de klant - die de grootste kans hebben om het probleem op te lossen.

Met een toegewijde focus op het voortdurend optimaliseren van deze feedbackloop, zal AI steeds beter in staat zijn om voor elke situatie combinaties van acties voor te stellen, in de best mogelijke volgorde, uit een steeds groter scala aan opties, waardoor situaties worden opgelost met minder ergernis en tijdverlies voor de klant.

Optioneel: Interessant genoeg kan deze mogelijkheid - een element van spraakbiometrie - ook worden gebruikt als een extra niveau van accountbeveiliging voor klanten, om te helpen identificeren of een klant wordt gedwongen om een of andere gevoelige transactie te plaatsen of dat hij echt is wie hij zegt dat hij is.

Bij uitbreiding is Al ook een uitstekend hulpmiddel om te bepalen of een klant onder stress staat of niet, wat een extra indicatie geeft of hij klaar is om weg te gaan of dit overweegt (churn).

Nieuwe gegevens. De modellen verfijnen.

Uiteindelijk is het doel ervoor te zorgen dat er geen potentiële "Pomponette" situaties (recensie "La Femme du Boulanger (De vrouw van de bakker)". filmpje van blog#2) met alle interacties met klanten, zodat wat er gezegd wordt volledig begrepen wordt, ongeacht hoe het gezegd wordt. Of het nu rechtstreeks, sarcastisch, satirisch is, of met behulp van overdracht met gevolgtrekking om de echte boodschap over te brengen.

Houd in gedachten dat, om de ervaring van de klant goed te contextualiseren, deze moet worden bekeken als een enkelvoudige ervaring ten opzichte van het totaal van alle interacties met klanten - en vervolgens als onderdeel van een collectieve groepservaring, om ieders reis te kunnen verbeteren. Agenten kunnen dat niet zelf.

Inzicht komt van versterkt leren en controle. Met behulp van volledig geaggregeerde gegevens. 

Samengevat zorgt het holistisch bekijken van het klanttraject ervoor dat de organisatie beter kan begrijpen wat aan de verwachtingen van de klant voldoet en vooral, wat niet voldoet, waardoor de organisatie haar hele onderneming beter kan afstemmen op het leveren van waarde aan zowel klanten als het bedrijf. 

Kijk uit naar onze volgende blog op 22 oktober:

Belangrijkste learnings van ons webinar met Kate Legget van Forrester

Help ervoor te zorgen dat uw organisatie een klantervaring levert die hun verwachtingen overtreft. Als u dat doet, verandert uw contactcentrum van een kostenpost in een inkomstengenerator.

Toegang tot het On-Demand Webinar afspelen van "Hoe AI-gebaseerde superagenten CX verbeteren". met Kate Leggett, Vice President en hoofdanalist Service Application Development and Delivery, Forrester Research, met Steve Nattress, directeur R&D AI Insights - Vecko en Jacki Tessmer, Vice President - Product Marketing, Enghouse Interactive.

  Bekijk hoe uw organisatie kan profiteren van AI-enabled Super-Agents

Klik hier om de playback nu te bekijken: