Колл-центры претерпели революцию за последнее десятилетие. Хотя некоторые статические сценарии вызовов и универсальные стратегии все еще остаются, технологии радикально изменили способ работы центров обработки вызовов. Сегодня колл-центры имеют уникальную возможность использовать все доступные данные для взаимодействия с каждым клиентом. Эти источники данных включают в себя, какую цифровую маркетинговую кампанию просматривает клиент, какие транзакции клиент завершил за последний час, какой был предыдущий или следующий счет клиента и о чем клиент только что спросил во время звонка.

Слои в ИИ также могут включать в себя пожизненную ценность, склонность к оттоку, удовлетворенность клиентов, настроения, вероятность покупки, кредитный риск и т. Д. Этот тип колл-центра может использовать успешные онлайн-тактики и технологии для получения максимальной коммерческой выгоды от каждого звонка. даже несмотря на то, что действия, выполняемые при каждом вызове, могут сильно отличаться.

Колл-центры должны обеспечивать бесперебойную и удобную работу для клиентов, иначе вы рискуете проиграть конкурентам. American Express обнаружила, что 78% потребителей отказались от сделки или не совершили запланированную покупку из-за плохого обслуживания. Чтобы этого не произошло, многие центры обработки вызовов обращаются к таким технологиям, как искусственный интеллект и машинное обучение, чтобы предоставить им подробную информацию о следующих наиболее эффективных действиях, показателях оттока и удержания клиентов, склонности к покупке продуктов и т. Д.

Вот пять лучших практик для колл-центров, управляемых данными, которые могут улучшить продажи и качество обслуживания клиентов с помощью искусственного интеллекта и больших данных.

1. Реализуйте интеллектуальную маршрутизацию вызовов.

Маршрутизация звонков оптимизирует затраты на человеческие ресурсы и помогает доставить нужного клиента к нужному представителю. AI может определить лучшую доступную группу обслуживания для данного клиента, принимая во внимание не только причину звонка, но также жизненную ценность и сложность звонка.

В качестве альтернативы многие предпочитают использовать маршрутизацию вызовов на основе навыков, исходя из вероятности ответа на продвижение по службе. Если одна группа колл-центра работает над продвижением X, а другая - над продвижением Y, звонки могут быть перенаправлены в соответствующую команду в зависимости от вероятного поведения вызывающего абонента. Чтобы свести к минимуму предвзятость, подмножество вызовов должно использовать метод циклической маршрутизации, который может помочь обеспечить репрезентативную выборку при использовании ИИ для моделирования поведения клиентов и агентов. Слоение ИИ на маршрутизацию вызовов на основе навыков гарантирует, что клиент прибудет к нужному агенту, который сможет ему помочь.

2. Используйте контекст разговора.

Контекст имеет решающее значение в колл-центре, потому что он позволяет агентам вести персонализированный разговор. Используя данные, агенты могут иметь полное представление о клиенте. Исторические данные показывают, как клиент уже взаимодействовал с компанией, в то время как данные в реальном времени обеспечивают непрерывный опыт (от мобильного устройства до веб-сайта и физического магазина) для потребителя.

Контекст также упрощает процесс для клиента, так как ему не нужно повторно объяснять свою проблему или вопрос. Кроме того, контекст является ключевым элементом маршрутизации вызовов - он быстро приводит нужного клиента к нужному агенту. Прогнозная аналитика может определить, какие возможные вопросы или опасения могут возникнуть у клиента.

Контекст также важен для чат-ботов. Плохо построенные статические чат-боты становятся бесполезными для компаний и разочаровывают клиентов. Однако чат-боты, использующие разговорный контекст, могут выделиться на чрезвычайно переполненном рынке. Чат-боты также дешевле агентов, но если их не оптимизировать, они теряют актуальность. Помощники с искусственным интеллектом теперь используют контекст разговора, чтобы лучше реагировать на запросы. Многие отмечают растущие возможности Siri, Alexa и других помощников, потому что достижения в области машинного обучения улучшили обработку естественного языка.

3. Используйте профилирование агентов или личности.

Хотя большинство центров обработки вызовов сосредоточены исключительно на клиентах, также важно сосредоточить внимание на агентах. Каждый агент общается по-своему и обращается к разному сегменту клиентов. Некоторые агенты не могут обрабатывать отрицательные вызывающие абоненты, а некоторые преуспевают в этой настройке. Компаниям следует изучить личностные характеристики агентов и уровень опыта, опыт продаж, номера продаж, время обработки вызовов и т. Д., Чтобы лучше согласовывать клиентов с агентами.

AI может помочь в этом. Например, агент может продавать клиентам, которые только что скачали приложение компании. Компании могут направлять эти звонки этому агенту для увеличения продаж. Хотя большая часть данных связана с профилированием клиентов, предприятиям следует сосредоточиться на профилировании агентов, чтобы найти совпадения по продажам.

4. Сосредоточьтесь на интеграции CRM

CRM предоставляют агентам быстрый доступ к необходимым данным о клиентах, рекламных акциях, истории активности и т. Д. Персонализированное обслуживание, которого сейчас ожидают многие клиенты, возможно только с надежной CRM в сочетании с интеллектуальной маршрутизацией вызовов. CRM могут отслеживать информацию о том, как клиент взаимодействует с брендом и какими продуктами он уже владеет, что означает, что вам будет проще отвечать на вопросы и предлагать другую покупку.

Обладая этой информацией, агенты могут использовать настраиваемые подсказки и продвигать продукты или надстройки, которые покупатель с большей вероятностью купит.

5. Закройте петлю.

Когда агент предлагает клиенту предложение, следует отслеживать все ответы. Такие ответы, как принятие или отклонение предложения, отсутствие предложения, цитата, покупка и т. Д. С указанием причины и кода для каждого, являются важной информацией для предприятий. Анализируя всю информацию вместе, ИИ может помочь обнаружить закономерности. Например, возможно, агенты постоянно осуществляют продажи, используя конкретную маркетинговую подсказку. Компании должны использовать эти данные для информативного анализа и соответствующим образом редактировать подсказки и предложения. Другие показатели, такие как время ответа, время обработки, процент отказов и т. Д., Также важны для определения того, что работает, а что не работает в колл-центре.

Все эти данные ответов имеют решающее значение для начала использования машинного обучения и искусственного интеллекта. Ключевым моментом является наличие хорошей исторической индикации того, как выглядит хороший или плохой ответ в данных разговора о вызове. Собирая информацию агента, предпринятые действия и ответы, компании могут использовать искусственный интеллект и машинное обучение для создания более проницательных моделей для использования в колл-центре.

Улучшение качества обслуживания клиентов

В конечном итоге компании хотят создать для потребителя индивидуальный и позитивный опыт. American Express обнаружил, что в среднем девять человек рассказывают о хорошем опыте и 16 - о плохом. Эта статистика показывает, что, хотя маркетинговые центры обработки вызовов могут не получить столько должного за предоставление хорошего опыта, плохой опыт может иметь долгосрочные последствия. Компании могут повысить ставки продаж и предоставить своим клиентам высококачественные услуги, используя данные и эти пять передовых методов.

Если вашему кол-центру нужен подход, основанный на данных, Quickpath может помочь. Свяжитесь с нами, чтобы начать.