اکثر انرژی بخش پشتیبانی سازمانها و شرکتها معمولا به ۱۰ درصد مشتریها اختصاص پیدا میکند. آنهایی که تیکت باز میکنند، مدام با پشتیبانی در تماس هستند و ارتباط بخش مهمی از تجربه خریدشان را شکل میدهد. در مقابل اما بزرگترین ریسک برای یک کسب و کار اکثریت خاموشی است که در اولین برخورد با چالشهای خرید، هیچ چیزی نمیگوید و بدون هیچ سر و صدایی از خرید پشیمان میشود. این روزها در کنار فعالیتهای معمول هوش مصنوعی، وظیفه دیگری بر عهده این تکنولوژی قرار گرفته تا نه نیروی انسانی را جایگزین کند بلکه مشکلی را برطرف کند که باعث میشود یک کسب و کار آنلاین بخش قابل توجهی از درآمد خود را به واسطه آن از دست دهد.
نَداو کِمپر مدیرعامل کمپانی Quack یکی از افرادی است که تمرکز خود را روی این موضوع گذشته که یکی از پنهانترین بخشهای کسب و کار آنلاین را با آموزش دادن ایجنتهای هوش مصنوعی، مورد هدف قرار دهد. بخشی که به شکل مستقیم در از دست دادن مشتریهای جدید و سود عملیاتی نقش کلیدی ایفا میکند. کمپر اعتقاد دارد که اکثر فروشگاهها یا فروشندههای آنلاین به دنبال برطرف کردن مشکلی اشتباه هستند. پشتیبانی سنتی تنها روی ۱۰ درصد از مشتریها که تیکت ثبت میکنند تمرکز میکند و ۹۰ درصد باقی مانده که ساکت هستند و هیچگاه اعتراضی ندارند را فراموش میکنند.
رسیدگی به مشکل اشاره شده قرار نیست تغییری در بهینهسازی فرایندها ایجاد شود بلکه تمرکز روی درآمد و سودی قرار میگیرد که بدون اطلاع فروشنده از دست میرود. پشتیبانی برای سالهاست که تنها واکنش نشان داده، هزینه بسیاری داشته و چالشهای بسیاری برای گسترش آن وجود دارد. ابزارهای طراحی شده در ساختار هوش مصنوعی به کسب و کارهای حاضر در حوزه فروش آنلاین کمک میکنند تا نیروی انسانی از فرایندهای تکراری دور شده و فرصت داشته باشد که به مسائل مهم و چالشبرانگیز بپردازد.
هوش مصنوعی در این ساختار، الگوهای رفتاری مشتری در وبسایتهای فروش را مورد بررسی قرار داده و مشکلات را قبل از شکلگیری آنها شناسایی میکند. آمارهای اجرایی نشان میدهد که در سال گذشته تنها ۲۰ درصد کسب و کارهای آنلاین بعد از بکارگیری هوش مصنوعی با تعدیل نیرو روبرو شدهاند و ۴۲ درصد در مقابل به واسطه استفاده از هوش مصنوعی، نیروی متخصص این حوزه را وارد چرخه فعالیت خود کردهاند.
با تغییر نقش هوش مصنوعی از پاسخگویی به تیکتها به پیشگیری از بروز مشکلات، شرکتها باید تعریف خود از خدمات پشتیبانی و حتی ساختار تیمهای پشتیبانی را از نو بازنگری کنند. سالهاست که عملکرد واحدهای پشتیبانی با سرعت عملکرد سنجیده میشود؛ اینکه یک کارشناس با چه سرعتی پاسخ داده، برطرف کردن یک مشکل چقدر زمان برده و چند درصد از مشکلات در همان اولین تعامل برطرف شدهاند.
این شاخصها سالها معیار اصلی ارزیابی عملکرد تیمهای پشتیبانی بودهاند، اما یک تهدید مهم را نادیده گرفتهاند؛ مشتریانی که هرگز شکایت نمیکنند. «ریزش خاموش» به شرایطی گفته میشود که مشتری بهتدریج از محصول یا خدمات فاصله میگیرد، بدون آنکه هیچ تیکت یا شکایتی ثبت کند. زمانی که چنین مشتریای تصمیم به ترک برند میگیرد، معمولاً فرصت شناسایی علائم هشداردهنده مدتهاست از دست رفته است.
شاخصهای سنتی پشتیبانی مانند میانگین زمان پاسخگویی یا هزینه هر تیکت، تصویر کاملی از تجربه مشتری ارائه نمیکنند. کمپر معتقد است سازمانها باید عملکرد هوش مصنوعی را بر اساس نتایجی بسنجند که مستقیماً بر موفقیت کسبوکار اثر میگذارند؛ از جمله دقت در حل مسائل، میزان کاهش ریزش مشتری، بهرهوری اتوماسیون و تعداد مشکلاتی که پیش از تبدیل شدن به تیکت، شناسایی و برطرف شدهاند.
او برای این رویکرد از مفهومی با عنوان «نرخ حل پیشگیرانه» یاد میکند؛ شاخصی که نشان میدهد هوش مصنوعی تا چه اندازه توانسته مشکلات بالقوه را پیش از آنکه به بحران یا درخواست پشتیبانی تبدیل شوند، شناسایی و رفع کند. شاید این تنها تغییری کوچک در واژگان به نظر برسد، اما در واقع بیانگر تغییری بنیادین در استراتژی پشتیبانی است.
بیشتر بحثها درباره هوش مصنوعی بر حذف مشاغل تمرکز دارند، اما کمپر تصویری متفاوت ارائه میدهد. به اعتقاد او، هرچه هوش مصنوعی بیشتر به بخشی از عملیات روزمره سازمان تبدیل شود، نقشهای تخصصی جدیدی نیز برای مدیریت، آموزش و نظارت بر آن شکل خواهند گرفت. تیمهای پشتیبانی آینده تنها از کارشناسان پاسخگو تشکیل نخواهند شد، بلکه افرادی با نقشهایی مانند مربی هوش مصنوعی، مسئول تضمین کیفیت، تحلیلگر عملیات هوش مصنوعی و طراح گردشکار نیز در آن حضور خواهند داشت. این افراد وظیفه دارند دانش هوش مصنوعی را بهروز نگه دارند، کیفیت پاسخها را ارزیابی کنند، الگوهای رفتاری مشتریان را تحلیل کنند و فرآیندهای سازمان را به قابلیتهای قابل اجرا برای هوش مصنوعی تبدیل کنند. در واقع، نقش انسان از پاسخگویی مستقیم به مشتری، به هدایت، آموزش و بهبود عملکرد هوش مصنوعی تغییر خواهد کرد.
با خودکار شدن درخواستهای ساده مانند بازیابی رمز عبور، پیگیری سفارش یا پرسشهای مربوط به صورتحساب، سهم بیشتری از تعاملات انسانی به مسائل پیچیده و حساس اختصاص خواهد یافت. گفتوگوهایی که نیازمند همدلی، قضاوت، تجربه و درک شرایط مشتری هستند، همچنان در حوزه توانایی انسان باقی میمانند. به همین دلیل مهارتهایی مانند هوش هیجانی، ارتباط مؤثر، تسلط عمیق بر محصول و قدرت تصمیمگیری، بیش از گذشته اهمیت پیدا میکند. در آینده، موفقیت کارشناسان پشتیبانی نه بر اساس سرعت بستن تیکتها، بلکه بر مبنای توانایی آنها در حفظ اعتماد مشتری، جلوگیری از ریزش و کمک به بهبود مستمر عملکرد هوش مصنوعی ارزیابی خواهد شد.
امروزه بسیاری از کاربران تجربه تعامل با چتباتهایی را دارند که صرفاً بر اساس سناریوهای از پیش تعیینشده پاسخ میدهند و در مواجهه با مسائل پیچیده دچار مشکل میشوند. کمپر معتقد است هوش مصنوعی عاملمحور نسل کاملاً متفاوتی از این فناوری است. چنین سیستمی منتظر سؤال مشتری نمیماند. رفتار او را تحلیل میکند، هدف و نیت او را درک میکند، اقدامات لازم را آغاز میکند و تا زمان حل کامل مسئله، فرآیند را دنبال میکند. به همین دلیل، مشتری احساس نمیکند با یک چتبات ساده در حال گفتوگو است، بلکه با یک سیستم هوشمند عملیاتی مواجه است که بهطور فعال برای حل مشکل او اقدام میکند. دقیقاً همین ویژگی است که میتواند وفاداری مشتری را افزایش دهد؛ زیرا وفاداری، بیش از آنکه نتیجه پاسخگویی سریع باشد، حاصل جلوگیری از شکلگیری نارضایتی است.
یکی از بزرگترین چالشهای شرکتهای در حال رشد، حفظ کیفیت خدمات در مقیاس بزرگ است. استخدام تعداد کافی از کارشناسان باتجربه همواره دشوار و پرهزینه بوده و در بسیاری از موارد، کیفیت خدمات با افزایش تعداد مشتریان کاهش یافته است. به باور کمپر، هوش مصنوعی آموزشپذیر میتواند این مشکل را برطرف کند. سازمانها قادر خواهند بود دانش، لحن گفتار و شیوه عملکرد بهترین کارشناسان خود را به هوش مصنوعی منتقل کنند تا همان کیفیت خدمات در هزاران یا حتی میلیونها تعامل تکرار شود. در نتیجه، نیروهای انسانی میتوانند تمرکز خود را بر پروندههای پیچیده، تعاملات حساس و ایجاد روابط عمیقتر با مشتریان بگذارند.
هرچند هوش مصنوعی بسیاری از فرآیندها را خودکار میکند اما کیفیت خدمات بدون نظارت انسانی پایدار نخواهد ماند. هر مدل هوش مصنوعی ممکن است دچار خطا، برداشت نادرست یا پاسخهای نامناسب شود و اگر این خطاها اصلاح نشوند، بهتدریج اعتماد مشتریان را از بین خواهند برد. به همین دلیل، ارزیابی مستمر عملکرد هوش مصنوعی اهمیت ویژهای دارد.
امروزه ابزارهای هوشمند تضمین کیفیت، میتوانند تمامی تعاملات را بررسی کنند، الگوهای خطا را شناسایی کنند و یافتههای خود را دوباره وارد چرخه آموزش مدل هوش مصنوعی کنند. با این حال، قضاوت نهایی، تعیین استانداردها و هدایت مسیر بهبود همچنان بر عهده انسان خواهد بود. با وجود سرعت پیشرفت هوش مصنوعی، کمپر معتقد است واحدهای پشتیبانی مشتری از بین نخواهند رفت؛ آنچه تغییر میکند، ماهیت این واحدهاست. هرچه هوش مصنوعی هوشمندتر، سریعتر و پیشبینیپذیرتر شود، نقش پشتیبانی از حل مشکلات پس از وقوع، به خلق ارزش در سراسر چرخه عمر مشتری تغییر خواهد کرد. در آینده، مرز میان پشتیبانی مشتری، موفقیت مشتری، بازخورد محصول و عملیات هوش مصنوعی بیش از پیش کمرنگ خواهد شد. شرکتهایی که در این مسیر موفقتر عمل میکنند، الزاماً بزرگترین تیمهای پشتیبانی یا سریعترین زمان پاسخگویی را نخواهند داشت. برندگان واقعی، سازمانهایی خواهند بود که بدانند مهمترین مشکلات مشتری، همانهایی هستند که هیچگاه گزارش نمیشوند؛ و بتوانند با کمک هوش مصنوعی، پیش از آنکه مشتری حتی متوجه آنها شود، این مشکلات را شناسایی و برطرف کنند.
برای خواندن ادامه محتوا اطلاعات را وارد کنید
