هوش مصنوعی و خدمات پشتیبانی مشتریان

خدمات مشتریان مبتنی بر هوش مصنوعی در حال حاضر مؤثرترین و سریع‌ترین مسیر را برای کسب‌وکارهایی که به دنبال ارائه تجربیات شخصی‌سازی‌شده و ایجاد تعامل متمایز با مشتریان هستند، فراهم می‌کند. انتظار می‌رود بازار هوش مصنوعی (AI) تا سال ۲۰۳۰ حدود دو تریلیون دلار رشد داشته باشد و استفاده از هوش مصنوعی در بخش خدمات مشتریان به یک الزام رقابتی برای بسیاری از کسب‌وکارها تبدیل شود.

در بخش خدمات مشتریان، از هوش مصنوعی برای بهبود تجربه مشتری و ایجاد تعاملات لذت‌بخش‌تر با مصرف‌کنندگان استفاده می‌شود. بیشترین کاربرد آن، در خط مقدم ارتباط با مشتریان، حضور چت‌بات‌ها یا ربات‌های چت هوشمند است که به منظور ثبت درخواست، ثبت تیکت خودکار، پاسخگویی به سؤالات و ارائه راهنمایی به مخاطبان به کار گرفته می‌شوند و با تحلیل تمایلات و درخواست‌های مشتریان می‌توانند به تیم‌های پشتیبانی کمک کنند تا گردش‌ کار خود را ساده‌‌تر، رسیدگی به درخواست‌‌های مشتریان را سریع‌تر و نیازهای مشتریان را رضایت‌بخش‌تر پیش‌‌بینی کنند.

همچنین در مدل‌های پیشرفته‌تر می‌توان با استفاده از مدل تحلیلی کوهورت و تحلیل داده‌ها و بخش‌بندی مشتریان در بخش‌های مختلف، رفتار آنها را در خرید‌های آینده یا امکان ریزش و ترک کسب‌وکار را پیش‌بینی کرد، علایق آنها را معین و برای خرید مجددشان برنامه‌ریزی کرد و کمپین‌های بازاریابی را هدفمندتر کرد. همچنین با استفاده از الگوریتم آنومالی دیتکشن یا شناسایی عوامل ناموزون و پرت، می‌توان داده‌های استثنا یا داده‌های پرت را از تحلیل خارج و گزارش‌های معتبرتر با درصد خطای پایین‌تر جهت استفاده واحد‌های بازاریابی، فروش و مدیران ارشد سازمان ایجاد کرد.

بنابراین استفاده از هوش مصنوعی در حوزه خدمات مشتریان در صورتی که به‌درستی اجرا شود، می‌تواند به طور چشمگیری بر نحوه ارتباط تیم شما با مشتریان و خدمات‌رسانی به آنها تأثیر بگذارد.

مزایای هوش مصنوعی در حوزه خدمات مشتریان

• بهبود گردش‌های کاری

تقریباً در هر نقطه از سفر مشتری، فناوری هوش مصنوعی می‌تواند در کاهش اصطکاک و روان‌سازی گردش‌های کاری نقش مؤثری داشته باشد. چت‌بات‌ها این امکان را فراهم می‌کنند که به‌سرعت به سؤالات معمول مشتریان جدید پاسخ داده شود.

همچنین می‌توان از ابزار هوش مصنوعی محاوره‌‌ای مانند دستیار محتوای هوش مصنوعی HubSpot برای توسعه ایمیل‌‌های شخصی‌سازی‌‌شده و ایجاد محتوا در پایگاه دانش سیستم برای مشتریان فعلی استفاده کرد. هوش مصنوعی به شما کمک می‌کند گردش کار داخلی خود را ساده کنید و در مقابل، تعاملات خدمات مشتری خود را به حداکثر برسانید.

• کاهش زمان پاسخ و رسیدگی به درخواست‌ها

با بهبود گردش کار، هوش مصنوعی می‌تواند معیارهای پاسخ‌دهی به نیاز مشتریان را به شکل مطلوب‌تری بهبود داده و رضایت‌مندی بیشتری حاصل کند. به‌عنوان‌ مثال، با استفاده از چت‌بات‌ها می‌توان به صورت خودکار به پیام چت زنده مشتری در عرض چند ثانیه پاسخ داد. این امر، زمان اولین پاسخ تیم پشتیبانی شما را به میزان قابل توجهی کاهش می‌دهد. نتیجه چیست؟ اینکه میانگین زمان رسیدگی به درخواست‌ها به شکل چشمگیری کاهش می‌یابد زیرا زمان کمتری برای حل و فصل درخواست‌های دریافتی صرف می‌شود و تیم خدمات مشتریان می‌تواند استفاده ارزنده‌تری از زمان خود کند.

• پیش‌بینی دقیق از رفتار مشتری

هوش مصنوعی از داده‌های بلادرنگ (real – time) برای پیش‌بینی استفاده می‌کند. این بدان معناست که شما می‌توانید از هوش مصنوعی برای تعیین نحوه رفتار مشتریان خود بر اساس سابقه خرید، عادات خرید و ترجیحات شخصی او استفاده کنید. هوش مصنوعی با قابلیت پیش‌بینی شما را یاری می‌کند الگوهای مرتبط با رفتار مشتری را شناسایی کرده و به طور پیشگیرانه تجربه مشتری را بهبود ببخشید.

کاربرد هوش مصنوعی در خدمات مشتریان

در ادامه به تشریح ۱۰ روشی که کسب‌وکارها می‌توانند از هوش مصنوعی در حوزه خدمات مشتری استفاده کنند، می‌پردازیم و جزئیات هر کدام را بررسی می‌‌کنیم.

چت‌بات‌ها

در طول این یادداشت چندین‌بار به چت‌بات‌ها اشاره کردیم، زیرا معمولاً وقتی در مورد هوش مصنوعی و خدمات مشتریان حرفی به میان می‌آوریم، اولین چیزی که به ذهن‌مان خطور می‌کند، همین ربات‌های چت هوشمند هستند زیرا آنها یکی از اولین ابزارهای هوش مصنوعی‌ هستند که برای خدمات‌رسانی به مشتریان مورد استفاده قرار می‌گیرند. چت‌بات‌ها برای تفسیر درخواست‌ها و مشکلات مشتریان برنامه‌ریزی شده‌اند که پس از تحلیل داده‌های دریافتی، مراحل عیب‌یابی را برای حل مشکل ارائه می‌دهند. این امر سبب صرفه‌جویی در زمان پشتیبانان و مشتریان شما می‌شود، بنابراین پاسخ‌های ارائه‌شده فوری، خودکار و ۲۴*۷ در دسترس خواهند بود. مثلاً می‌توانید با وارد کردن یک فرمان مبتنی بر چت، وظایفی را انجام دهید (مانند ارسال ایمیل) یا اطلاعات آماری (مانند ایجاد گزارش‌‌های سفارشی‌سازی‌شده) را به دست آورید.

Augmented Messaging یا پیام واقعیت افزوده

ربات‌‌های چت در عیب‌‌یابی و پاسخ به مسائل کوچک ‌عالی هستند، اما با توجه به کارکردشان، اکثر آنها برای مقابله با موارد پیچیده یا حساس آمادگی لازم را ندارند. اینجاست که Augmented Messaging وارد عمل می‌شود. این ابزار هوش مصنوعی فرصت‌هایی را شناسایی می‌کند که در آن عوامل انسانی باید وارد عمل شوند و به مشتری برای شخصی‌سازی خدمات بیشتر کمک کنند. در تصویر زیر مثالی از نحوه انجام این تعامل آورده شده است. ربات هوشمند پس از پرسش در رابطه با شماره حساب کاربری مشتری، او را به یک پشتیبان متصل می‌کند تا ادامه مسیر را پشتیبان مدیریت کند و در زمان مناسب، دوباره امور به ربات تحویل شود.

نکته مهم: گرچه ربات‌ها برای صرفه‌جویی در زمان برای تیم و کاربران شما عالی هستند، اما هرگز به اندازه یک عامل انسانی رضایت مشتری را ایجاد نمی‌کنند؛ بنابراین ابزار پیام‌رسان افزوده بهترین ایده برای جلب رضایت مشتریان شماست.

تحلیل احساسات

تجزیه و تحلیل احساسات که به آن «عقیده‌کاوی» نیز گفته می‌شود، رویکردی برای پردازش زبان طبیعی (NLP) است که لحن احساسی پشت متن را مشخص می‌کند؛ یک روش محبوب برای سازمان‌ها برای تعیین و دسته‌بندی نظرات درباره یک محصول، خدمات یا ایده‌ها. امروزه بسیاری از ربات‌‌ها مجهز به ابزار تجزیه و تحلیل احساسات مانند پردازش زبان طبیعی هستند که به آنها کمک می‌کند پیام‌های مشتری را تفسیر کنند. به بیان دیگر، ابتدا مشخص می‌کند زمانی که مشتری به شیوه‌ای خاص رفتار می‌کند، چگونه واکنش نشان دهد تا احساسات مشتری را جریحه‌دار نکند.

قابل ذکر است ابزاری مانند Grammarly که در تصویر زیر می‌بینید، می‌تواند متن شما را تجزیه و تحلیل کند و به شما بگوید چگونه پیام شما ممکن است توسط مخاطبان درک شود.

اولویت‌بندی در مسیر پشتیبانی

هوش مصنوعی برای شناسایی کلمات کلیدی و تجزیه و تحلیل ماهیت درخواست قبل از اختصاص آن به یکی از نمایندگان پشتیبانی مورد استفاده قرار می‌گیرد. ابزارهای هوش مصنوعی به شما این امکان را می‌دهند که مشکل مشتری، فوریت درک‌شده و احساسات مرتبط با آنها را تجزیه و تحلیل کنید. همچنین می‌توانید مدل هوش مصنوعی خود را طوری برنامه‌ریزی کنید که مناسب‌ترین پشتیبان را برای رسیدگی به درخواست انتخاب کند. این ویژگی، یکی دیگر از عوامل تأثیرگذار برای صرفه‌جویی در زمان است که عیب‌یابی و حل مشکلات را برای تیم پشتیبانی شما آسان‌تر می‌کند.

یک پیشنهاد این است که اگر از راهکارهای حرفه‌ای هوش مصنوعی در حوزه خدمات مشتریان بهره می‌برید، سعی کنید باتجربه‌ترین نمایندگان خود را برای رسیدگی به موارد پیچیده انتخاب و رزرو کنید و به نمایندگان کم‌تجربه‌تر یا جدید خود اجازه دهید با تیکت‌های ساده‌تر کار کنند. همچنین درخواست‌های حساس به زمان را نیز مد نظر قرار دهید و خبره‌ترین نمایندگان خود را به آنها اختصاص دهید.

سلف‌سرویس

ایجاد یک پایگاه دانش قوی یا صفحه پرسش‌های متداول می‌تواند زمان‌بر باشد، اما وجود منابع سلف‌سرویس مخصوصاً زمانی که صحبت از ارائه CX متمایز به مخاطبان به میان می‌آید حیاتی است. دستیارهای نوشتاری هوش مصنوعی مانند Jasper.ai و ChatGPT می‌توانند در این زمینه بسیار مفید باشند.

این نوع ابزارها از هوش مصنوعی برای ترکیب اطلاعات و ساخت خروجی عمدتاً متنی بر اساس موضوعات مورد نظر استفاده می‌کنند. همچنین در مراحل بعد می‌توان از این خروجی‌های متنی برای ایجاد مقالات در پایگاه دانش یا ایجاد پاسخ به سؤالات رایج در مورد محصول یا خدمات استفاده کرد. دستیار محتوای هوش مصنوعی به شما کمک می‌کند تا محتوای باکیفیت بالا را برای وبلاگ‌ها، صفحات فرود و موارد دیگر بدون جابه‌جایی بین ابزارهای مختلف تولید کنید و آنها را به اشتراک بگذارید.

تجزیه و تحلیل صدا

بر اساس نظرسنجی اخیر HubSpot، بیش از نیمی از مشتریان (57 درصد) ترجیح می‌دهند برای اعلام درخواست یا مشکلات خود از طریق تلفن با واحد خدمات مشتریان تماس داشته باشند. هوش مصنوعی صوتی، خودکارسازی تعاملات در مرکز تماس را آسان‌تر کرده است. این ابزار را می‌توان در مسیریابی تماس‌ها با در نظر گرفتن سناریوهای مناسب و در سطوح بالاتر، پاسخ صوتی آموزش داد تا به‌عنوان اولین خط برای پاسخ به سؤالات مشتری عمل کند. به‌عنوان‌ مثال، ساده‌ترین شکل مسیریابی صوتی هنگامی است که با یک شرکت تماس می‌گیرید و یک‌ صدای خودکار شما را از طریق یکسری درخواست راهنمایی می‌کند.

در واقع این به نوعی هوش مصنوعی صوتی است. از فناوری هوش مصنوعی صوتی برای رفع مسائل معمول خدمات مشتری (مانند درخواست‌های ساعات کار و عیب‌یابی و دسترسی به حساب) استفاده کنید تا نمایندگان خبره و باتجربه شما برای رسیدگی به مسائل پیچیده‌تر در دسترس باقی بمانند.

سرویس Omni-Channel

هوش مصنوعی می‌تواند با کمک به شما برای هدایت مشتریان به کانال‌های پشتیبانی مناسب، از استراتژی‌های خدمات شما در Omni-Channel پشتیبانی کند. اگر همه نمایندگان چت شما مشغول انجام وظایف‌شان هستند، هوش مصنوعی می‌تواند به مشتری بگوید که برای پاسخ سریع‌تر باید از چت لایو استفاده کند. یا اگر مشتری یک سؤال بسیار طولانی را در فرم ایمیل شما تایپ می‌کند، می‌تواند پیشنهاد کند که برای پشتیبانی شخصی‌تر تماس بگیرد. در تصویر زیر یک مثال آورده شده است:

مدیریت اطلاعات

تمامی جنبه‌های هوش مصنوعی در خدمات مشتریان با مشتری روبه‌رو نیستند. در واقع، برخی از مفیدترین ابزارها، ابزارهایی هستند که با نرم‌افزارهای داخلی شما یکپارچه شده‌اند. به‌عنوان‌ مثال AI می‌تواند با CRM شما همگام‌سازی شود تا داده‌های مشتری را برای نمایندگان خدمات شما فراهم آورد یا اصلاً موارد پیگیری را یادآوری کند. همچنین تیم موفقیت مشتری شما می‌تواند از این ویژگی برای ارائه خدمات پیشگیرانه به مشتریان بر اساس اطلاعات تولیدشده توسط هوش مصنوعی استفاده کند. از هوش مصنوعی برای تحلیل داده‌های مربوط به تعاملات مشتریان استفاده کنید. مثلاً اگر یک مشتری وفادار مدتی است با شما ارتباط برقرار نکرده، هوش مصنوعی سیستماتیک را راه‌اندازی کنید تا ضمن شناسایی این قبیل مشتریان، فعالانه آن را شاخص کند تا نمایندگان فروش و پشتیبانی شما در قالب نظرسنجی یا شرکت در کمپین‌های مختلف آنها را مجدداً تهییج کرده و تحریک به خرید مجدد کنند.

بنابراین می‌بایست با استفاده از الگوریتم‌های یادگیری ماشین، بهترین سناریو را جهت خوشه‌بندی و طبقه‌بندی مشتریان اتخاذ کنید و پس از آن با استفاده از ویژگی آنومالی دیتکشن، داده‌های دارای انحراف را از تحلیل خود خارج کنید. سپس گزارش نهایی را با تحلیل داده‌های تمیز در دست استخراج کنید و از آن در ساخت و ایجاد کمپین‌های حمایتی یا خرید مجدد و طرح‌های تشویقی استفاده کنید.

پشتیبانی چند‌زبانه

بسیاری از چت‌بات‌ها و ابزار مکالمه تحت هوش مصنوعی، توانایی تولید محتوا به زبان‌های مختلف را دارند. این ویژگی، به‌خصوص در صورتی که کسب‌وکار شما بین‌المللی باشد و در سطح جهانی فعالیت کند، بسیار مفید است. هوش مصنوعی می‌تواند زبان مشتری را تشخیص دهد و پیام را قبل از رسیدن به تیم پشتیبانی شما ترجمه کند. همچنین سازمان می‌تواند از آن برای ایجاد خودکار پاسخی که با زبان درخواست اصلی مطابقت دارد استفاده کند. برای موفقیت در این زمینه پیشنهاد می‌شود یک‌بار پروفایل مشتریان خود را مرور کنید یا نظرسنجی‌ای را برای به‌دست‌آوردن بینش و پراکندگی زبان‌های مورد استفاده یا مورد علاقه آنها انجام دهید. سپس آنها را در استراتژی هوش مصنوعی خود بگنجانید.

یادگیری ماشینی و تجزیه و تحلیل پیش‌بینی

یادگیری ماشینی و پیش‌بینی رفتار مشتری از طریق هوش مصنوعی، بسیار حائز اهمیت است. تجزیه و تحلیل پیش‌بینی‌کننده فرآیند استفاده از آمار، داده‌کاوی و مدل‌سازی برای پیش‌بینی است. یادگیری ماشینی فناوری‌ای است که از تحلیل تجربیات (داده‌ها) برای پیش‌بینی رفتار هر یک از مشتریان استفاده می‌کند و مدام خود را آموزش داده و در معرض یادگیری قرار می‌‌دهد. یادگیری ماشینی، پیش‌بینی‌‌های نسبتاً دقیقی برای تک‌تک مشتریان در نظر می‌گیرد که این پیش‌بینی‌ها می‌توانند نحوه ارائه خدمات به هر مشتری را هدایت کنند. به این ترتیب، این فناوری می‌تواند یک کمپین بازاریابی را برای مشتریانی که احتمال بیشتری برای پاسخگویی دارند هدف قرار دهد یا تراکنش‌های کارت‌های اعتباری‌ای را که احتمالاً تقلبی هستند، مسدود کند. می‌تواند هرزنامه‌های احتمالی را از صندوق ورودی ایمیل خارج کند یا دارایی (مانند Airbnb)، نتیجه جست‌وجو (مانند Google) یا محصول یا خدمت (مانند Amazon و Netflix) را که به احتمال زیاد مورد علاقه مشتری است نمایش دهد.

نمونه‌هایی از کاربرد هوش مصنوعی در خدمات مشتری

سیستم هوش مصنوعی مدیریت آشپزخانه (Chipotle)

در سال 2022، شرکت Chipotle طی آزمایشی، طرح تهیه غذا و منوی مبتنی بر نیاز مشتریان و مدیریت آشپزخانه‌های رستوران‌های خود با هدف کمک به کاهش زمان صرف‌شده میان پرسنل و ارائه یک تجربه استثنایی برای مشتری را راه‌اندازی کرد. در این طرح از هوش مصنوعی و یادگیری ماشینی برای پیش‌بینی مقادیر مواد اولیه و آشپزی بر اساس تقاضا استفاده شده است.

این سیستم با استفاده از هوش مصنوعی و یادگیری ماشینی، سطوح مواد را در لحظه تهیه غذا نظارت می‌کند و به کارکنان هشدار می‌دهد که غذا چقدر باید پخته شود، مدل پختن چگونه باشد و زمان شروع آشپزی کی خواهد بود و به طور خودکار برنامه‌ریزی تهیه غذا را برای تمامی رستوران‌ها در همان لحظه صورت می‌دهد. به گفته کرت گارنر، مدیر ارشد فناوری Chipotle، سیستم مدیریت آشپزخانه جدید وظایف دستی را برای خدمه ما کاهش داده و به مدیران رستوران ابزارهایی داده که برای تصمیم‌گیری آگاهانه در لحظه نیاز دارند و در نهایت آنها را قادر می‌‌کند روی یک آشپزی استثنایی و یک تجربه بی‌نظیر و برجسته برای مهمانان تمرکز کنند.

تجربه آموزش در GPT-4 Duolingo

اپلیکیشن محبوب یادگیری زبان Duolingo، اخیراً یک پلتفرم یادگیری با پشتیبانی از GPT-4 منتشر کرده که تجربه جدیدی را به مشتریانش منتقل می‌کند. Duolingo Max دارای ویژگی‌های مولد مبتنی بر هوش مصنوعی است که به کاربران امکان می‌دهد از اشتباهات خود درس بگیرند و مهارت‌های مکالمه در دنیای واقعی را تمرین کنند.

استراتژی یادگیری ماشینی در نتفلیکس

استفاده نتفلیکس از فناوری یادگیری ماشینی در تهیه پیشنهادهای شخصی‌سازی‌شده برای بینندگان و مشتریانش کاملاً شناخته‌شده است. نتفلیکس به دلیل شهرتش برای ارائه طیف گسترده‌ای از محتوای پخش با کیفیت بالا به کاربران به طور گسترده به عنوان پلتفرم پیشرو در نظر گرفته می‌شود. دلیل محبوبیت خدمات نتفلیکس در سراسر جهان این است که این شرکت از فناوری‌های پیشرفته مانند هوش مصنوعی و یادگیری ماشینی استفاده می‌کند تا پیشنهادهای مناسب و شهودی را به مصرف‌کنندگان ارائه دهد.

نتفلیکس از AI، Data Science و ML با پیاده‌سازی الگوریتم‌‌هایی برای ارائه پیشنهاد فیلم و استفاده از هوش مصنوعی برای تضمین پخش با کیفیت بالا؛ حتی در پهنای باند کم استفاده می‌کند. در زیر برخی از کاربردهای متعدد هوش مصنوعی، علم داده و یادگیری ماشینی در نتفلیکس آمده است:

• شخصی‌سازی Thumbnailها

Thumbnailها تصاویری هستند که به‌عنوان تصویر پیش‌نمایش ویدئوی شما قرار می‌گیرند. به نوعی شبیه جلد کتاب هستند و مانند جلد کتاب باید بیننده بالقوه را به دیدن مطالب بیشتر ترغیب کنند. اصطلاح «Thumbnail Video» از «still images» سرچشمه گرفته است. تصویر Thumbnail نسخه کوچک‌تری از یک تصویر تمام‌دیجیتال است که هنگام مرور تعدادی عکس به راحتی قابل مشاهده است.