Машинное обучение в сфере клиентского сервиса

Машинное обучение в сфере обслуживания клиентов используется для обеспечения более высокого уровня удобства для клиентов и эффективности для службы поддержки.

Инструменты, ориентированные на поддержку, обеспечиваемые машинным обучением, становятся все более популярными благодаря удобствам и простоте использования, а также успешному применению в различных отраслях промышленности. Gartner прогнозирует, что к 2021 году 15 процентов взаимодействия с клиентами будут полностью обрабатываться искусственным интеллектом.

В 2019 году, несмотря на растущую популярность, до сих пор существует большая путаница относительно того, как искусственный интеллект, а точнее машинное обучение, вписывается в наше текущее понимание обслуживания клиентов. Итак, давайте проясним некоторые из них.

Новая ступень развития сервисов

В предыдущей нашей статье, мы рассказывали о том, что такое машинное обучение и как оно работает. И хотя искусственный интеллект является более универсальным термином для моделирования человеческого интеллекта, машинное обучение больше о том, как программа получает информацию, обрабатывает,интерпретирует ее, и понимает алгоритмы того, как со временем она может стать лучше.

Успешные приложения машинного обучения применяются в областях, которые включают обработку большого количества данных, что необходимо, когда конечной целью является принятие обоснованного решения. Люди не имеют достаточных возможностей для обработки постоянных потоков данных, как могут алгоритмы - у нас, как правило, есть дела поважнее, например, работа напрямую с разочарованными клиентами.

Машинное обучение в обслуживании клиентов продвигает эту идею немного дальше: оно применяет открытое понимание способами, которые могут оптимизировать качество обслуживания клиентов. Это может быть что-то, что делает агентов поддержки более осведомленными (например, с помощью прогнозируемой аналитики) или эффективными (например, когда инструмент на основе AI может самостоятельно решать корректирующие проблемы клиентов).

Будущее индустрии

Самообслуживание в сфере клиентского сервиса означает, что клиент находит необходимую ему поддержку и решает проблему, взаимодействуя с агентом-человеком. Различные опросы показали, что 81% клиентов предпочли бы помочь себе, а не разговаривать с агентом службы поддержки. Соответственно, многие компании расширили свои предложения самообслуживания, чтобы повысить качество обслуживания клиентов. Одним из самых простых способов самообслуживания является создание базы знаний.

Самообслуживание оказалось широко распространенным вариантом для приложений машинного обучения - чат-боты, виртуальные помощники и многие другие инструменты, улучшенные AI, способны «изучать» и моделировать взаимодействие с агентами по обслуживанию клиентов. Некоторые из этих приложений используют глубокое обучение - продвинутый вид машинного обучения - для постоянного улучшения, что приводит к более точной и полезной автоматической помощи пользователям.

Использование машинного обучение в клиентском сервисе

Виртуальные помощники отличаются от чат-ботов тем, что они не пытаются имитировать взаимодействие с агентом. Вместо этого они сосредотачиваются на определенных областях, где они могут оказать реальную помощь клиенту. Будучи включенными в возможности машинного обучения, они могут узнать, какую информацию передавать агентам (или сохранить для использования в аналитических программах), и расширить предоставляемую ими помощь. В качестве примера можно привести бота Zendesk, который рекомендует справочные статьи, основанные на запросах клиентов, и может автоматизировать поиск агентов справочных материалов.

Машинное обучение можно использовать для анализа данных, поступающих из поддержки, и последующую их трансформацию в действенные идеи, которые агенты могут применять для справочных статей. Почти 40% клиентов утверждают, что поиске по базам знаний малоэффективны. Машинное обучение может использовать рекомендации и корректировать справочные статьи, делая их более актуальными и доступными для клиентов.

Служба поддержки клиентов нуждается в эффективной аналитике для непрерывной оптимизации, а машинное обучение может помочь добавить элемент прогнозирования в некоторые аналитические материалы поддержки. Прогнозная аналитика использует данные предыдущих взаимодействий с клиентами, чтобы определить количественные результаты в будущем. Он также может работать в режиме реального времени, чтобы уловить идеи, которые могут пропустить агенты, как в случае с инструментом Zendesk Satisfaction Prediction, который прогнозирует рейтинг клиента по CSAT. Наличие этих идей может оказать большую помощь организациям по обслуживанию клиентов, которые хотят улучшить качество обслуживания клиентов.