Как повысить удовлетворенность клиентов обслуживанием с помощью ИИ 

Прибыль любой компании, оказывающей банковские, телекоммуникационные или медицинские услуги, напрямую зависит от того, насколько потребителям нравятся ее продукты и сервисы. Именно поэтому бизнес заинтересован в росте удовлетворенности и лояльности целевой аудитории. 

Для отслеживания настроений потребителей используются разные параметры. В их числе: индекс удовлетворенности клиентов, или CSI (Customer Satisfaction Index). Он дает представление о том, насколько продукты и услуги компании соответствуют ожиданиям целевой аудитории и удовлетворяют ее потребности.  Помимо этого, многие компании оценивают  это индекс лояльности клиентов, или NPS (Net Promoter Score). Он используется для измерения удовлетворенности клиентов и определения того, будут ли они рекомендовать продукты и услуги компании другим людям. 

На основе CSI и NPS и других метрик, например CSat/Happy Score, топ-менеджеры принимают управленческие решения о внедрении новых услуг, оптимизации ресурсов на производство невостребованных продуктов и выбирают дальнейший путь развития компании в целом.

Для того чтобы рассчитать эти показатели, используются опросы по телефону или анкеты на сайте. Клиенту задают вопросы о том, нравится ли ему сайт, услуги, порекомендует ли он продукцию или сервисы компании знакомым. Однако практика показывает, в них принимают участие единицы, из-за чего бизнесу сложно понять настроения потребителей. Результаты исследований по телефону могут быть необъективны: самостоятельно обзвонить всех клиентов в большой компании не получится из-за нехватки ресурсов сотрудников.

При этом даже если у бизнеса накапливается некий объем данных из анкет и опросов, то обработать их вручную зачастую очень сложно из-за низкого уровня автоматизации и разрозненности внутренних систем. 

Искусственный интеллект может дать бизнесу инсайты о том, что действительно нужно клиентам, и что они думают о сервисах или продуктах компании, а также предсказать поведение людей. И для этого не нужно проводить опросы. 

Оценить удовлетворенность и лояльность клиентов можно, проанализировав с помощью искусственного интеллекта звонки, чаты и отзывы клиентов. Современные ИИ-технологии способны заменить традиционные методы исследования аудитории. Нейросети могут проанализировать тысячи звонков, чатов и отзывов пользователей за считанные минуты и определить, насколько клиенты довольны услугами или продуктами компании, и подсказать, что именно не нравится людям. 

Алгоритмы в реальном времени определяют тональность и эмоции пользователей в конкретных репликах, фрагменте диалога или отзыва или даже в длинной беседе. 

ИИ покажет даже так называемую точку перелома — момент, когда тональность разговора поменялась с негативной на позитивную. Нейросеть составит статистику по подобным переломам в удобном формате дашбордов и графиков и тем самым поможет выявить причинно-следственные связи в изменении настроений пользователей. 

Стоит отметить, что алгоритмы искусственного интеллекта не просто распределяют отзывы и диалоги с пользователями по категориям «нейтральные», «негативные», «позитивные». Они умеют выявлять тональность отдельных аспектов. ИИ подскажет, чем именно недовольны пользователи. 

Примеры

В небольшом городе клиенты были довольны услугами и тарифами банка, но упорно уходили к конкурентам. Анализ по аспектам показал, что единственная характеристика, которая всегда получала негатив, это качество обслуживания в отделениях. Руководство банка приняло во внимание эту информацию, проверило работу персонала, произвело перестановки, и проблема решилась. 

Искусственный интеллект способен также выявить неочевидные взаимосвязи в поведении клиентов, которые ранее ставили в тупик менеджеров компании. 

Абоненты мобильного оператора ставили низкие оценки диалогам с ботом в приложении. Сотрудники никак не могли понять, что не нравится клиентам. Однако искусственный интеллект выявил следующую закономерность: пользователи пытались загрузить в диалог с ботом скриншот с телефона, однако бот не распознавал картинки, и не мог им ответить. Это вызывало гнев клиентов, и поэтому они ставили низкие оценки диалогам или просто его прекращали. Выяснив это, компания доработала функционал мобильного приложения. 

Разработчики систем искусственного интеллекта, конечно, не остановились на оценке тональностей, выделении отдельных аспектов высказывания. Они создали алгоритмы, позволяющие предсказывать действия клиента, клиентскую оценку и успех коммуникации, падение или рост спроса на определенные услуги, недовольство качеством. 

Искусственный интеллект может значительно сократить расходы на фокус-группы и другие виды исследований, которые бизнес проводит один-два раза в год. Нейросеть строит свои предсказания на основе косвенных признаков. 

В их числе: 

Примеры

Телеком-оператор установил систему на базе искусственного интеллекта для предсказания клиентских оценок.  На основании данных об учетной записи абонента, количестве его обращений в контактный центр за последнее время и тематиках запросов, ИИ может предсказать, будет ли текущая коммуникация успешной. 

Нейросеть анализирует поведение клиента онлайн-ритейлера. Она фиксирует всплески его активности в определенные даты (например, 10 и 25 числа в день получения зарплаты). Зная эту информацию, компания может накануне отправить ему рассылку или пуш-уведомление о выгодных предложениях по интересующим его товарам.  

Алгоритмы искусственного интеллекта предварительно обучаются на датасетах заказчика. В результате они могут автоматически группировать коммуникаций по тематическим кластерам. При этом нейросеть самостоятельно определять признаки для классификации данных, закономерности и другие паттерны. Искусственный интеллект может увидеть закономерности, ускользающие от человеческого взгляда в диалогах КЦ. 

Благодаря аналитике коммуникаций, бизнес может сэкономить ресурсы своих сотрудников, повысить качество клиентского опыта и эффективность работы компании. По данным MTS AI, используя данные подобного сервиса, компания способна увеличить индекс лояльности потребителей (NPS) на 20%. Кроме того, объем продаж может вырасти на 17-23%, а стоимость целевого лида снижается на 35-43%*.

Автоматизировать контроль уровня удовлетворенности клиентов поможет сервис AI-аналитики коммуникаций, созданный MTS AI. Искусственный интеллект самостоятельно проанализирует 100% коммуникаций операторов и чат-ботов в доступных каналах: по телефону или в чатах на сайте, или в мессенджерах, также искусственный интеллект агрегирует и оценивает отзывы в соцсетях и на сайтах. 

AI-аналитика коммуникаций выявляет нарушения стандартов обслуживания, эффективные и неэффективные сценарии общения с потребителями и оценивает качество работы сотрудников колл-центра. Например, если оператор кол-центра забыл поздороваться с собеседником или предложить скидку на услуги, то нейросети заметят это и сделают в «личном деле» специальную пометку. На основе собранных данных можно будет проанализировать эффективность каждого сотрудника.

Кроме того, благодаря технологии аспектного сентимент-анализа искусственный интеллект выявляет отношение клиента к каждому объекту обсуждения с оператором. Нейросети могут понять, когда клиент сообщает об «ужасном качестве обслуживания», но хвалит «разнообразие тарифов и услуг».

Искусственный интеллект также может мониторить разговор с клиентом в онлайн-режиме для избежания конфликтных ситуаций. Это поможет определить точку перелома в разговоре с клиентом – например, если клиент или оператор начинает грубить собеседнику.

На основе проанализированных данных AI-аналитика коммуникаций может предсказать действия конкретного пользователя и адаптировать под него персональный сценарий для успешной коммуникации.

Оставьте заявку по адресу sales@mts.ai, чтобы узнать больше о сервисе AI-аналитики коммуникаций

* Источники: Markets and Markets, Fonemica