Клиентский опыт играет важную роль в развитии бренда. Вот почему важно понимать, действительно ли ваша компания способна обеспечить долгосрочное качественное обслуживание своих клиентов. Здесь может быть задействован искусственный интеллект, но как?
Вместе с Алексеем Постернаком, который возглавляет акселератор стартапов Центра ИИ МТС разбираем статью Шэйна Баркера, консультанта по цифровому маркетингу, специализирующегося на воронках продаж, целевом трафике и конверсии веб-сайтов. В ней автор подробно рассматривает способы применения искусственного интеллекта, которые позволяют улучшить пользовательский опыт.
Почему клиентский опыт так важен?
Почти 84% потребителей говорят, что готовы потратить больше денег на безупречный пользовательский опыт. Поэтому можно с уверенностью сказать, что данный аспект ведет к более высоким продажам и доходам. Но для улучшения клиентского опыта нужно проводить его регулярный анализ, с чем может помочь искусственный интеллект, автоматизируя часть процессов.
Часто складывается такая ситуация, когда компании из одного сегмента предлагают схожие по качеству продукты. В таких случаях бизнес может делать ставку на качество сервиса. Его оценивают с помощью метрики NPS (Net Promoter Score), которая отражает, насколько пользователи довольны или недовольны сервисом или продуктом, готовы ли клиенты его рекомендовать. Это касается, как В2С, так и В2В-сегментов. Например, в В2С-сфере - такой, как телеком или банкинг - можно и нужно выделяться бескомпромиссным качеством услуг, чтобы выиграть конкурентную гонку.
Сейчас широко используются чат-боты и другие AI-based решения. От скорости и качества работы алгоритмов зависит, сможет ли чат-бот отделить типовую задачу от нетиповой и быстрее ее направить специалисту службы поддержки, а оператору контакт-центра показывать лучший сценарий решения схожих проблем в виде подсказок. Таким образом, клиентский сервис помогает отстроиться от конкурентов. Качественное, быстрое, эффективное обслуживание клиентов - это must have, все уже идут дальше - в сферу внедрения решений защиты пользователей от мошенников, построенных на базе AI.
В В2В тоже уже используются AI алгоритмы: например, глубокий семантический анализ обратной связи (жалобы, проблемы, вопросы) в службу поддержки становится основой для модели, которая может предсказывать вероятность ухода клиента из сервиса (churn rate). Модель анализирует слова-триггеры, тональность общения таким образом, что служба поддержки уже на первых входящих сообщениях, разнице времени между ними, может предсказать траекторию ухода и начать немедленно "лечить” проблему клиента. В В2В-сервисах, которые работают на основе подписки, снижение churn rate платных клиентов на 10% дает рост MRR (monthly recurring revenue) от 30-40% из-за кумулятивного эффекта сохранения базы подписок.
Способ 1. Анализ отзывов клиентов
Чтобы получить представление о том, в каком положении вы находитесь с точки зрения клиентского опыта, необходимо собирать и анализировать отзывы клиентов. Соответственно, вы сможете понять, какие изменения необходимо внедрить для улучшения этого опыта. Это, в свою очередь, может помочь увеличить продажи вашего бизнеса.
Как искусственный интеллект может помочь в этом? Сбор отзывов - это лишь малая часть процесса, именно анализ может отнять много времени и сил, особенно если у вас много клиентов. Вам придется вручную просматривать индивидуальные отзывы, а затем анализировать эти неструктурированные данные. Однако ИИ может ускорить эту процедуру и работать с большими объемами данных, используя платформы текстовой аналитики. Такой быстрый анализ поможет вам своевременно извлечь ценные сведения, которые вы сможете использовать для улучшения стратегии работы с клиентами.
Будущее взаимодействия с клиентами - за омниканальностью и автоматизацией. Пользователи не должны тратить время в ожидании консультации с открытым окном браузера или чата в часы пик. Например, компания MessageBird построила бизнес на идее о том, чтобы позволить представителям малого и среднего бизнеса общаться с клиентами там, где им удобно: WhatsApp, Messenger, WeChat, Twitter, Line, Telegram, SMS, в электронной почте или голосом. Клиенты могут начать общение онлайн, а затем переместить свой запрос в более удобный канал, например в свое любимое мобильное приложение для обмена сообщениями, и служба поддержки пойдет туда за ними. MessageBird позиционирует себя как «omnichannel platform как услуга» (OPaaS). Компания получила оценку $3 млрд в 2020 году, став единорогом. Недавно MessageBird купила платформу 24sessions, чтобы добавить к своим возможностям еще один канал общения с клиентами - видео. Таким образом, компания хочет сделать клиентский опыт по настоящему омниканальным и превратить общение с пользователями в удобную цифровую среду без потери человечности. Российские компании тоже идут по пути омниканальности: например, некоторые магазины позволяют проводить онлайн-примерки одежды или обуви с использованием VR-технологии или делать видеоконсультации с продавцами.
Способ 2. Использование чат-ботов
Используя чат-боты с применением искусственного интеллекта, вы можете общаться с клиентами в режиме реального времени. Используя возможности машинного обучения и обработки естественного языка, эти чат-боты могут понимать вопросы, задаваемые вашими клиентами, и отвечать на них.
Чат-боты - один из самых распространенных кейсов внедрения ИИ во взаимодействии с пользователями. Например, МТС использует чат-бот “Смарти” для улучшения клиентского опыта: умный помощник позволяет оперативно решать вопросы пользователей. В месяц чат-бот обрабатывает порядка 1,2 млн обращений. Большая часть из них касается тарифных планов и услуг, а также качества мобильного интернета. “Смарти” успешно решает две трети вопросов с первого раза.
Но как в этом случае измеряется клиентский опыт? Когда ваши клиенты общаются с чат-ботом или представителями службы поддержки, они могут попросить их оценить взаимодействие. Собранные данные обратной связи могут быть проанализированы инструментами на основе искусственного интеллекта, чтобы помочь вам понять, насколько хорошо вы смогли решить их вопросы.
Чтобы улучшать клиентский опыт взаимодействия с чат-ботом, нужно постоянно контролировать важные показатели. Например, насколько хорошо бот понимает намерение - что именно хочет клиент. Чат-бот “Смарти” справляется с этой задачей в 92% случаев, и это очень высокий уровень. Также нужно регулярно мониторить показатель FVR (First Visit Resolution) - именно он характеризует, какую долю обращений бот успешно решает с первого раза. Для этого клиентов опрашивают после взаимодействия с цифровым помощником: как правило, пользователей просят ответить, был ли решен их вопрос. После общения с чат-ботом “Смарти” 66% клиентов отвечают на него положительно.
Способ 3. Понять эмоции клиентов
Чтобы понять, как вы относитесь к клиентам, важно получить представление и об их эмоциях. Вам необходимо понять и спрогнозировать их, чтобы выяснить, удовлетворены ли они услугами вашего бренда или нет. До недавнего времени не существовало простого способа сделать это. Вам приходилось полагаться на то, что клиенты сами расскажут вам о своих эмоциях, а таких случаев, к сожалению, не много.
Однако с появлением искусственного интеллекта появилась возможность определять эмоции клиентов по нескольким каналам. Например, инструменты искусственного интеллекта могут легко определить эмоции пользователя на основе отправленных им сообщений в службу поддержки. Если у вас есть видеозаписи клиентов, эти инструменты могут определить их эмоции по языку тела или изменениям в выражении лица. Данный анализ может помочь вам определить, насколько хорошо вы работаете, когда речь идет о клиентском опыте.
Например, Grammarly - популярный инструмент для написания материалов, может распознавать эмоции в тексте, помогая автору определить желаемую тональность и корректность написанного предложения.
В США есть кейсы, когда чат-боты используются для психологической поддержки пользователей. Стартап Replika AI построил на этой идее бизнес. Это российский проект, который сейчас базируется в Силиконовой долине. Продукт Replika AI - это чат-бот, который может пообщаться с человеком по душам. В чат-боте создается цифровой аватар пользователя, чтобы человек мог поговорить с ботом, как с лучшим другом. Создатели утверждают, что чат-бот психологически помогает миллионам людей, поддерживает их эмоционально, и благодаря такому общению люди не чувствуют себя одинокими. В России уже есть виртуальные ассистенты, которые могут поддержать разговор на любую тему, и в ближайшем будущем их станет больше.
Способ 4. Анализ речи
Большинство записей в центре обработки вызовов преобразуются в стенограммы для последующего просмотра. Однако стенограммы не могут помочь вам узнать, повысил ли клиент голос, был ли у него сердитый тон, чувствовал ли он грусть или был в восторге от вашего обслуживания. Стенограммы не смогут рассказать вам об этих вещах, а когда речь идет о клиентском опыте, это все важные сигналы, которые нельзя упустить.
Используя инструменты анализа речи на основе ИИ, вы сможете понять тон каждого клиента. Кроме того, эти инструменты могут помочь вам выяснить цель звонка, тему разговора. Этот процесс измерения также будет быстрым, поскольку искусственный интеллект сможет с легкостью просмотреть большое количество звонков по сравнению с прослушиванием их вручную.
Речевая аналитика и анализ эмоциональной окраски речи - полезный инструмент для оперативного анализа работы специалистов, которые общаются с клиентами в разных каналах коммуникации: специалистов call-центров, менеджеров по продажам, обслуживанию. Решение позволяет быстро и качественно оценить эмпатию и компетентность специалистов, соответствие работы правилам компании. Также технология помогает определить потенциально конфликтные ситуации и позволяет отделам продаж и обслуживания улучшить клиентский опыт за счет оперативной работы над ошибками. Чтобы проанализировать общение с клиентами “в ручном” режиме, компаниям приходится прослушивать многочасовые звонки целиком.
МТС пилотирует решение по речевой аналитике для мониторинга работы сотрудников контактных центров. Это помогает оценить, решается ли проблема клиента здесь и сейчас, увеличить показатели удовлетворенности клиентов и NPS.
Способ 5. Собирайте отзывы клиентов на протяжении всего пути
Одна из самых трудных задач, с которой вы можете столкнуться как профессионал в области клиентского опыта - выяснение опыта клиента на протяжении всей воронки продаж. Сложность заключается в том, что клиенты могут проходить через множество этапов, а также связываться с вами в различных точках контакта. В результате все данные о клиентах будут находиться в разных базах хранения данных. Если у пользователя есть идентификатор, то все данные можно хранить в едином DWH (Data Warehouse) и смотреть, где и какая оценка была сделана.
Анализ путей разных клиентов и использование предиктивной аналитики (это часть machine learning) могут помочь изменить ситуацию. Здесь может решаться задача оптимального пути внутри воронки и получения обратной связи от клиента.
Условно, говоря можно найти путь Х, где будут будут сделаны шаги Х1, Х2, Х3 с конкретными оценками, и этот путь будет наилучшим с точки зрения выручки (финальной конверсии в покупку) и повторных покупок (фактически это NPS). Таким образом вы ответите на вопрос, какой путь дает лучшие конверсии и возвращает клиента к повторным покупкам.
Искусственный интеллект сегодня предоставляет широкие возможности для автоматизации рутинных маркетинговых процессов и обеспечения качественного канала коммуникации с клиентами. В будущем виртуальные ассистенты еще больше войдут в нашу жизнь - как цифровые специалисты службы поддержки или продаж и как домашние помощники (например, умные колонки). Тренд на цифровизацию общения подстегнула пандемия. Согласно исследованию две трети россиян стали чаще взаимодействовать с роботами с марта 2020 года. При этом аудитория голосовых ассистентов в России растет, и это объяснимо: голос - один из самых удобных способов взаимодействовать с устройствами.
Сейчас пользовательские интерфейсы заточены в основном на текст и голос, но будущее умных ассистентов - мультимодальное. Цифровые помощники будут общаться с людьми разными способами. Например, уже сейчас есть кейсы, в которых in car assistant активируется не по голосовой команде, а когда водитель смотрит в камеру, расположенную в определенном месте на торпеде автомобиля. Нейросеть определяет положение глаз и таким образом понимает, что у водителя есть вопрос к голосовому помощнику.
Другой пример: клиент пришел в салон связи и хочет выяснить, чем один смартфон отличается от другого. Пользователь обычно не произносит полностью название модели. Как правило он спрашивает “а чем этот телефон отличается от того” и показывает на нужные гаджеты рукой. Камера распознает, куда указывает покупатель и понимает, какие именно девайсы он имеет в виду, после этого бот выдает ответ - текстом на цифровом дисплее. Такие решения скоро появятся в ритейле. Клиентский опыт будущего - сквозной и бесшовный, ассистент будет органично сопровождать пользователя в разных жизненных ситуациях.
Оригинал материала Шейна Баркера на английском языке читайте по ссылке - Link.
Насколько я знаю ИИ у нас на земле пока ещё нет. Я бы назвал это машинным обучением.
А про общение россиян с роботами - смешно. Это робот Фёдор или автоответчики служб поддержки населения имелось ввиду?
чат- боты в службе поддержки = днище, меня лично раздражают и тратят моё время, но тем самым экономят время для бизнеса