Superagenter är verkliga (Blogg #3)

AI gör det möjligt (bloggserie)

Ständigt lärande förbättrar AI-rekommendationer

Få tillgång till uppspelningen av webinariet på begäranav "How AI-Enabled Super-Agents Improve CX" med Kate Leggett, Vice President och Principal Analyst Service Application Development and Delivery, Forrester Research, med Steve Nattress, Director, R&D AI Insights - Vecko och Jacki Tessmer, Vice President - Product Marketing, Enghouse Interactive.
Blogg #3 av 4 Med hjälp av kontext försöker AI förbättra sig snabbare än någonsin.

I förra blogginlägget konstaterade vi att ett viktigt fokusområde bör ligga på Natural Language Processing (NLP), där "Conversational Analytics" kan bli en avgörande faktor som hjälper AI att leverera bästa möjliga lösning idag och ännu bättre lösningar imorgon.

Varför då?

Allt handlar om tillvägagångssättet och hur data analyseras. Detta är grundläggande för att förstå orsakssamband.

Intressant läsning: Artikel i Wired Magazine:

En AI-pionjär vill att hans algoritmer ska förstå "varför

Med tiden kan och kommer ett bredare fokus att bidra till att bättre korrelera samspelet mellan flera variabler för att förstå - ur ett situationellt perspektiv - vad som kan göras för att leverera mer värde och snabbt föreslå relevanta lösningar på de problem som kunderna har.

Samlande. Sammanställning. Bedömning. Analysera all feedback via AI

Kundfeedback förekommer i många former och de flesta är relativt statiska och lätta att bearbeta - enkäter, feedbackformulär, opinionsundersökningar, korrelerade till kundens kontinuerliga inköp. Men att förlita sig på detta ger bara en dimension (ett lager) av ett svar. De verkliga uppgifterna finns begravda i kommentarerna från varje enskild konversation som äger rum. Det kan vara som en del av en fråga, under ett samtal, i CRM-systemet eller i sociala medier eller grupper/forum på nätet. Detta är exempel på alltmer varierande och diskreta informationskällor som ger potentiellt mer värdefull information - särskilt när de tas som en helhet för varje enskild kund och när all kundfeedback grupperas tillsammans. Genom att registrera, bedöma, analysera och sedan sammanställa all data från varje kundkontakt och sedan göra samma sak med data från alla dina kundkontakter får du en robust baslinje med information att arbeta utifrån.

Inspelning - Både röst- och digital kommunikation bör fångas upp i realtid för att ge support till handläggarna. Analys och indexering av nyckelord används för att utlösa KB-dokumentsökningar, och presentation för handläggare och spridning till kunden (i det format de föredrar) bidrar till att säkerställa att mer omfattande support ges samtidigt som lösningen vid första samtalet (FCR) förbättras och supporttiden minskar.

Bedömning - Att använda ett branschspecifikt lexikon med relevanta uttryck och fraseologier samt ordkombinationer, kartlagda mot när de används och hur, ger en solid baslinje. Att vara lyhörd för intonation, formulering, direkthet, upprepning och olika stressindikatorer ger också ett viktigt lager av sammanhang till den information som samlas in. Ignorera det på egen risk. Eftersom många agenter inte är generalister utan branschexperter säkerställer detta att felsteg minimeras eller, i bästa fall, elimineras.

Analys av - görs bäst med hjälp av Lingvistisk analys. Genom att använda specialiserade algoritmer tillsammans med de tidigare nämnda branschspecifika terminologierna och fraseologierna, plus ytterligare standardiserade basdatauppsättningar, kan AI-aktiverade plattformar sedan "lyssna" på konversationer för att specifikt förstå vad som sägs, hur och varför.

Med hjälp av ytterligare algoritmer, talmönsterigenkänning och tonanalys kan AI också hjälpa till att identifiera kundens övergripande inställning till den aktuella situationen. Genom att utnyttja den insamlade situationsinformationen och blanda den med tidigare kundval (som gjorts i samma eller liknande situationer) kan AI sedan rekommendera lösningar - till handläggare eller kunden direkt - som har störst sannolikhet att lösa problemet.

Med ett dedikerat fokus på att säkerställa att denna återkopplingsslinga kontinuerligt optimeras kommer AI i allt högre grad att kunna föreslå kombinationer av åtgärder, i bästa möjliga sekvens för varje situation, från ett ständigt ökande antal alternativ, vilket löser situationer med minskad irritation hos kunden och minskad tidsåtgång.

Valfritt: Intressant nog kan denna funktion - en del av röstbiometrin - också användas som en ytterligare säkerhetsnivå för kundkonton, vilket hjälper till att identifiera om en kund tvingas att genomföra någon typ av känslig transaktion eller om de verkligen är den de utger sig för att vara.

I förlängningen är Al också ett utmärkt verktyg för att avgöra om en kund är stressad på något sätt eller inte, vilket ger ytterligare en indikation på om de är redo att, eller överväger att, lämna företaget (churn).

Nya data. Förfining av modellerna.

I slutändan är målet att säkerställa att det inte längre finns några potentiella "Pomponette" situationer (recension "La Femme du Boulanger (Bagarens fru)" filmklipp från blogg#2) med alla kundinteraktioner, så att det som sägs förstås fullständigt oavsett hur det sägs. Vare sig det är direkt, sarkastiskt, satiriskt eller genom att använda överföring med slutledning för att förmedla det verkliga budskapet.

Tänk på att för att kunna kontextualisera kundens upplevelse på rätt sätt bör den betraktas som en enskild upplevelse mot bakgrund av alla kundinteraktioner - och sedan som en del av en kollektiv gruppupplevelse, för att kunna förbättra allas resa. Agenter kan inte göra det själva.

Insikterna kommer från förstärkt inlärning och kontroll. Med hjälp av fullständigt aggregerad data. 

Sammanfattningsvis innebär en holistisk syn på kundresan att organisationen bättre kan förstå vad som uppfyller kundens förväntningar och framför allt vad som inte gör det, vilket gör det möjligt för organisationen att bättre anpassa hela verksamheten för att leverera värde till både kunder och företag. 

Håll utkik efter vår nästa blogg den 22 oktober:

Viktiga lärdomar från vårt webbinarium med Kate Legget från Forrester

Hjälp till att se till att din organisation levererar en kundupplevelse som överträffar deras förväntningar. På så sätt förvandlas ditt kontaktcenter från ett kostnadscenter till en intäktsgenerator.

Få tillgång till uppspelningen av webinariet på begäran av "Hur AI-aktiverade superagenter förbättrar CX" med Kate Leggett, Vice President och Principal Analyst Service Application Development and Delivery, Forrester Research, med Steve Nattress, chef för FoU AI Insights - Vecko och Jacki Tessmer, Vice President - Product Marketing, Enghouse Interactive.

  Se hur din organisation kan dra nytta av AI-aktiverade Super-Agents

Klicka här för att se uppspelningen nu: