Podpora strankam (Customer Support – CS). Poizvedba o pomenu tega izraza v Googlovem iskalniku med prvimi zadetki ponudi tudi naslednjo definicijo: »Podpora strankam označuje ekipo ljudi, ki strankam pomaga, ko se soočajo s težavami pri uporabi produktov ali storitev.« Če si nato ogledate še rezultate iskanja slik, boste soočeni z množico fotografij in grafik, na katerih osebe širokih nasmehov s slušalkami in mikrofoni potrpežljivo rešujejo bolj ali manj kompleksne probleme uporabnikov. Omenjeni iskalni rezultati so rahlo zavajajoči. Vsaj na tri načine.
Umetna inteligenca (AI) radikalno spreminja pristop podjetij k podpori strankam. Koristi – tako za uporabnike kot za podjetja – so očitne: skrajšan odzivni čas in pospešeno reševanje težav. izboljšano predvidevanje obnašanja uporabnikov v realnem času, celostna optimizacija in sinhronizacija vseh procesov v podpori strankam. Zveni zapleteno? Brez skrbi. V nadaljevanju bomo s pomočjo resničnih poslovnih primerov predstavili različne načine, kako je mogoče s pomočjo umetne inteligence podporo strankam dvigniti na povsem novo raven.
Ko se pogovarjamo o avtomatizirani podpori strankam, so pogovorni roboti zagotovo prva stvar, ki pride na misel večini ljudi. Ne brez razloga. Gre za eno od najbolj pogostih aplikacij umetne inteligence v praksi (na spletnih straneh, v mobilnih aplikacijah, na družbenih omrežjih) in skoraj vsi od nas smo si že kdaj pomagali z njimi. Pogovorni roboti se pri svojem delovanju naslanjajo na NLP (natural language processing) – področje umetne inteligence, ki se ukvarja z razumevanjem in procesiranjem človeškega jezika. Na ta način lahko brez večjih težav obvladajo rutinske naloge, kar pomeni, da imajo zaposleni v podpori več časa za najbolj kompleksne probleme. Nemški gigant Deutsche Telekom s pomočjo svojega pogovornega robota s slovensko zvenečim imenom Tinka rešuje res širok nabor težav – od vprašanj glede računov do neposrednih tehničnih zagat. Na ta način uspešno rešijo že približno 50 % vseh zahtevkov.
V uvodu smo že omenili, kako pomemben je vidik proaktivnega reševanja težav strank. S pomočjo analize uporabniških podatkov in strojnega učenja je mogoče izjemno natančno napovedati bodoče trende in vzorce obnašanja uporabnikov ter ustrezno ukrepati. Skyscanner je dobro znano podjetje s sedežem v VB, ki s pomočjo obsežnih podatkovnih analiz iskalcem letov in hotelov lahko ponudi najbolj ugodne cene v danem trenutku. Na podoben način Netflix analizira podatke o zgodovini ogledov, ocene gledalcev in zgodovino iskanj uporabi, da ponuja bolj relevantna vsebinska priporočila, personaliziran nagovor in bolj zadovoljne gledalce.
Kot pogovorni roboti se tudi analiza čustev opira na tehnologijo NLP, s katero je mogoče secirati komentarje na socialnih omrežjih, povratne informacije strank, uporabniške ocene in vprašalnike ter na ta način identificirati področja, na katerih je mogoče uporabniško izkušnjo izboljšati. Svetovno znana hotelska veriga Hilton tovrstne analize uporablja za izboljšanje počutja svojih gostov: ko so se gostje pritoževali nad predolgim čakanjem na hotelski recepciji, so recimo uvedli ukrepe, s katerimi so uspeli čakalni čas skrajšati. V drugem kotu boksarskega ringa na področju nastanitev je podjetje Airbnb, ki je prav v času pisanja tega članka (maj 2023) uvedlo kar 50 novih sprememb uporabniškega vmesnika, od prikaza cen do novih funkcionalnosti, ki so jih odkrili tudi s pomočjo analize čustev.
Virtualni asistenti so od daleč precej podobni pogovornim robotom, vendar gre v resnici za precej bolj napredno obliko umetne inteligence. Za razliko od chatbotov so virtualni asistenti sposobni reševanja precej bolj kompleksnih nalog in predvsem hitrega učenja iz primerov. V to skupino spadajo tudi najbolj znane glasovne rešitve (voice assistance), kot so Amazon Alexa, Siri in Google Voice Assistant. Pri modni hiši H&M virtualne asistente uporabljajo za modne nasvete potencialnim kupcem, produktna priporočila in informacije o konfekcijskih številkah.
Interpretacija objektov s pomočjo računalniškega vida je še en način, kako je mogoče izkušnjo stranke narediti precej bolj prijetno. IKEA s to tehnologijo pomaga svojim strankam najti produkte v svojih trgovinah: kupec zajame sliko produkta, ki ga zanima, in čez nekaj trenutkov prejme podatke o razpoložljivosti. Na podoben način zavarovalniška industrija uporablja prepoznavo podob za celoten postopek prijave škode – od identifikacije stranke s pomočjo prepoznave obraza do ocene škode na podlagi slik poškodb na avtomobilih, ki jih primerjajo s fotografijami v svojih bazah.
Uporabniki se običajno po pomoč h klepetalnim robotom ali celo klicu žive podpore zatečemo takrat, ko nam ne moreta pomagati ne Google ne sekcija pogosto zastavljenih vprašanj (FAQ) na spletni strani podjetja. Vzpostavitev baze znanja in strani FAQ pa sta – sploh v podjetjih, ki ponujajo veliko število kompleksnih produktov – zahtevno in posledično precej drago opravilo. S pomočjo orodij, ki so se oblikovala na podlagi tehnologije ChatGPT, je mogoče bistveno pospešiti pripravo odgovorov na najpogostejša vprašanja, reciklirati obstoječe vsebine in sintetizirati že obstoječe znanje.
V naših zapisih že dolgo poudarjamo, da je večkanalno (multi-channel) ali vsekanalno (omni-channel) komuniciranje že nekaj časa osnova uspešnega digitalnega nastopa. Torej komuniciranje s stranko v ustreznem kontekstu in na kanalih (SMS, socialne platforme, e-pošta, klic v živo), ki stranki najbolj ustrezajo. V realnem času. Ta način komunikacije je bil še desetletje nazaj bolj pobožna želja kot resnična možnost, danes pa je – s pomočjo AI – pravzaprav dosegljiv tudi manjšim podjetjem.
Srečno!