Hvilke KPI-er forbedrer KI-verktøy for kundeservice?

Som med de fleste nye, hypede teknologiene har AI mange nyttige bruksområder – og mange andre som bare er gimmicker. Men når det gjelder kundeservice, er hypen berettiget: Gartner, et IT-forskningsselskap, anslår at chatboter vil være den viktigste kundeservicekanalen for 25 % av selskapene innen 2027.

Mange selskaper integrerer entusiastisk AI-drevne verktøy som chatboter og prediktiv analyse i kundeserviceprosessene sine. Og med god grunn: Denne teknologien gjør det mulig for team å løse problemer raskere og frigjøre menneskelige agenter, slik at de kan fokusere på kunderelasjoner i stedet for å svare på det samme spørsmålet for tusende gang.

Likevel er det verdt å konkretisere fordelene:

Hvilke KPI-er for kundeservice forbedres ved å ta i bruk AI i kundeservicemiksen?

I denne artikkelen skal jeg gå gjennom sju av de viktigste resultatindikatorene som påvirkes mest av å ta i bruk AI i kundeservicearbeidet. Ved å følge med på disse kundeservicemålingene står du bedre rustet til å bruke AI til å redusere kostnader, øke kundetilfredsheten og forbedre kundeopplevelsen.

Hva er de beste AI-verktøyene for kundeservice?

Grovt sett deles AI-verktøy for kundeservice inn i tre kategorier: kundevendte chatboter og virtuelle agenter, AI-drevet analyseprogramvare og AI-verktøy for støttefunksjoner som gir kundeservicemedarbeidere bedre arbeidsverktøy og automatiserer prosesser.

Kundeserviceteam tar ofte i bruk verktøy som:

• Samtalebaserte chatboter: Disse botene bruker naturlig språkbehandling til å føre tekst- eller talesamtaler med kunder og håndtere vanlige kundehenvendelser uten behov for menneskelige agenter. Chatboter bruker kunnskapsbaser til å løse rutinemessige problemer som kontoinformasjon, spørsmål om produkter og vanlige spørsmål.
• Virtuelle agenter: Tenk på virtuelle agenter som en type «avansert chatbot» som bruker dypere læringsalgoritmer til å forstå kontekst og føre lengre samtaler med kunder. Det er også mer sannsynlig at de har et navn og en personlighet. I likhet med chatboter fungerer virtuelle agenter som første forsvarslinje og løser mer komplekse problemer før de ved behov overfører samtalen til menneskelige agenter.
• Prediktiv analyse: Verktøy for prediktiv analyse drives av avanserte maskinlæringsmodeller som analyserer kundedata for å avdekke mønstre. Verktøy for prediktiv analyse er spesielt nyttige for å forutse kundenes behov og hjelpe agenter med å tilpasse servicen. De kan også brukes til å redusere kundefrafall.
• Sentimentanalyse: Verktøy for sentimentanalyse oppdager kundenes humør og følelser under samtaler ved å analysere tekst og taledata. Dette gjør det mulig for virtuelle agenter å oppfatte misnøye og tilpasse tilnærmingen deretter – eller eskalere samtalen til menneskelige agenter.

KPI-er som forbedres av AI-verktøy for kundeservice

Hvor vellykkede AI-verktøy for kundeservice er, avgjøres i stor grad av hvor mye av kundeservicebelastningen de kan fjerne fra menneskelige agenter. Avledningsgrad, kostnad per løsning og antall henvendelser måler alle denne faktoren direkte eller indirekte. 

Det andre fokuset er gjerne hastighet: Målinger som første responstid, gjennomsnittlig behandlingstid og løsning ved første kontakt kan alle følge med på hvor raskt kundene får hjelp.

Bedre resultater på disse støttemålingene bidrar også langt på vei til å forbedre nøkkelmålinger som kundetilfredshetsscore (CSAT), net promoter score (NPS) og kundeinnsats (CES).

1. Avledningsgrad

En økende avledningsgrad er et av de tydeligste tegnene på at AI-investeringen i kundeservice gir resultater. Hvis du har investert i chatboter, virtuelle assistenter eller andre AI-drevne selvbetjeningsverktøy, bør avledningsgraden din – prosentandelen av samtalene som kunstig intelligens-systemene dine håndterer uten støtte fra menneskelige medarbeidere – være betydelig.

Fin, en AI-chatbot utviklet av Intercom, kan vise til en avledningsgrad på opptil 60 %. Avhengig av hvor komplekse støttehenvendelsene dine er, kan enkelte chatboter håndtere så mange som 80 % av henvendelsene uten menneskelig medvirkning.

Verktøy som Fin håndterer dette gjennom en kombinasjon av naturlig språkbehandling, forhåndsdefinerte samtaleforløp og en dyp forståelse av produktdokumentasjonen din. Det endelige målet er at de vanligste supporthenvendelsene – som kontoinformasjon, ordrestatus, returer og enkel feilsøking – skal håndteres utelukkende av AI-chatboter, slik at menneskelige supportmedarbeidere kan konsentrere seg om komplekse henvendelser og relasjonsbygging.

2. Kostnad per løsning

Hvis du ser på den samlede kundesupportaktiviteten på verdensbasis, er de totale tallene svimlende: hvert år sender kunder inn 265 milliarder supporthenvendelser. Chatboter og AI-assistenter bidrar til å avlaste deler av denne kostnaden, redusere belastningen på menneskelige kundesupportteam og spare virksomheter for mer enn $11 milliarder per år.

AIs innvirkning på kostnaden per løsning koker ned til én faktor: Det er billigere enn mennesker. Det betyr at når du flytter flere kundehenvendelser over til selvbetjent AI, bør den gjennomsnittlige kostnaden per løsning reduseres.

Så hva er egentlig AIs innvirkning på kostnaden per løsning, målt i dollar? Det er notorisk vanskelig å generalisere om kostnaden for en kundesupportinteraksjon på tvers av virksomheter. Det er for mange variabler: bransjen, kompleksiteten og arbeidskraftkostnadene, for å nevne noen. Men for å gi deg en idé om de mulige besparelsene oppgir LiveAgent, et kundesupportverktøy, at bransjegjennomsnittet for kostnad per kontakt er $7.16. Fin – den tidligere omtalte AI-chatboten utviklet av Intercom – er samtidig 86 % lavere, med en kostnad på $.99 per løsning.

3. Første svartid (FRT)

Erfarne CX-ledere lurer kanskje på hvor de bør rette oppmerksomheten i AI-alderen. Én klassisk prioritering innen kundeopplevelse er mer relevant enn noen gang: å spare kundenes tid. Ifølge Forrester sier 66 % av kundene at det viktigste en virksomhet kan gjøre, er å verdsette tiden deres. Etter hvert som chatboter har blitt tatt i utstrakt bruk, har kundenes forventninger økt: 40 % av kundene forventer svar fra en chatbot innen fem sekunder.

AI er raskt, om ikke annet: Chatboter kan svare kunder i løpet av noen få sekunder, 24 timer i døgnet. For kunder som trenger en menneskelig medarbeider, kan virtuelle agenter samle inn informasjon og få en kundeservicemedarbeider på direkten innen omtrent 30 sekunder. Derfra kan AI hjelpe ytterligere ved å gi medarbeiderne kontekstbevisste forslag.

Den nyeste brukerstøtteprogramvaren – forbedret med AI – gjør det enkelt å følge med på all denne chatbot- og menneskeaktiviteten fra et helikopterperspektiv, samtidig som analyseverktøy automatisk tas i bruk slik at du kan se trender og muligheter for prosessforbedring.

4. Saksmengde

En av de enkleste måtene å måle den samlede kundesupportaktiviteten på er å se på antallet saker. De umiddelbare konsekvensene er åpenbare: høye tall betyr et travelt team. 

Men saksmengden henger også sammen med bredere indikatorer som knytter seg til kundetilfredshet. En undersøkelse viste at virksomheter med lavere saksmengde har en tendens til å ha høyere CSAT-resultater. Når antallet supportsaker øker, blir kundesupportteamene overbelastet, og som følge av dette har CSAT-resultatene en tendens til å synke.

Heldigvis er verktøy som inkluderer AI for kundesuksess, godt egnet til å redusere saksmengden. Chatboter er den viktigste metoden: De kan avlede mange kundehenvendelser før de i det hele tatt blir til saker. En solid kunnskapsbase – som deretter brukes til å trene de virtuelle agentene dine – er en annen viktig del av løsningen.

5. Gjennomsnittlig behandlingstid (AHT)

Den ideelle gjennomsnittlige behandlingstiden for én virksomhet er ikke nødvendigvis relevant for en annen. Virksomheter med lav kompleksitet, som detaljhandel, har for eksempel en tendens til å ha en relativt lav AHT, mens teleselskaper ligger høyere. Men generelt er en «god» AHT rundt seks minutter i en tradisjonell kundeservicesentral.

Direktechat har en tendens til å ha lengre AHT-er fordi både medarbeidere og kunder kan gjøre flere ting samtidig, og medarbeiderne håndterer ofte tre eller flere samtaler på én gang. Likevel gjelder det at jo raskere et problem løses når en kunde tar kontakt, desto mer fornøyd blir kunden.

For enkle henvendelser kan chatboter redusere AHT ved å gi svar på mange vanlige spørsmål nesten umiddelbart. For mer komplekse problemer kan virtuelle agenter raskt innhente den nødvendige informasjonen fra kundene før de overfører dem til menneskelige agenter for å ta de siste stegene.

6. Løsning ved første kontakt (FCR)

Det finnes ikke noe mer frustrerende enn å kontakte kundestøtten og ende opp med å ta kontakt igjen fordi problemet ikke ble løst første gang. Når kundene tar kontakt for andre gang, kan mangelen på en rask løsning allerede ha skadet oppfatningen deres av bedriftens service.

Derfor er det så viktig å løse problemene første gang kundene kontakter deg. Ideelt sett bør fire av fem kundeproblemer løses ved første kontakt: 70–79 % regnes som en «god» FCR-rate, ifølge bransjesammenligningen for kontaktsentre utført av SQM Group.

Virtuelle agenter drevet av kunstig intelligens kan forbedre andelen løsninger ved første kontakt ved å hjelpe kundene med å løse problemene sine raskt gjennom selvbetjening. Kunstig intelligens kan også hjelpe menneskelige agenter med å løse flere problemer ved første kontakt ved å oppsummere tidligere kundeinteraksjoner og foreslå løsninger.

7. Kundebevaringsrate

Det finnes ingen viktigere måleparameter for SaaS-selskaper enn kundebevaringsraten. Heldigvis kan kunstig intelligens i proaktiv kundestøtte bidra: prediktiv analyse drevet av kunstig intelligens og verktøy for følelsesanalyse kan analysere enorme mengder kundedata for å avdekke signaler som indikerer når en kunde står i fare for å falle fra.

Data som demografi, kjøpshistorikk, brukshistorikk, følelser og tilfredshetsundersøkelser kan være vanskelige å tolke hver for seg, men analyseverktøy kan oppdage subtile mønstre og lage unike modeller for å forutsi kundefrafall, slik at man proaktivt kan vinne kundene tilbake før de forlater virksomheten.

Kraften i kundeservice basert på kunstig intelligens

Kunstig intelligens har potensial til å skape en sjelden «vinn-vinn-vinn»-situasjon i kundeserviceverdenen: lavere kostnader for bedriftene, raskere service for kundene og mindre repeterende arbeid for kundestøttemedarbeiderne.

En positiv spiral knytter disse tre faktorene sammen. Ved å overlate kundehenvendelser med høyt volum til kunstig intelligens reduserer bedriftene kostnadene, samtidig som menneskelige agenter frigjøres til arbeid som utnytter styrkene deres.

Kundene får en kombinasjon av raskere service ved rutinemessige henvendelser og mer empatisk service ved komplekse henvendelser, noe som forbedrer kundebevaring og tilfredshet. Bedrifter som prioriterer empatiske formuleringer for kundeservice, opplever ofte høyere tilfredshet.

Ved å følge med på de riktige kundeservice- KPI-ene kan du sørge for at kunstig intelligens har ønsket effekt på kundestøtteopplevelsen, slik at du skaper lykkeligere og mer lojale kunder.

Hvis du vil vite mer om KPI-er, kan du lese vår grundige artikkel om de viktigste måleparameterne for kundesuksess. Vil du holde deg oppdatert på det nyeste innen CX-bransjen? Sørg for å abonnere på nyhetsbrevet vårt for tips om CX-ledelse, markedsføringsstrategier, innsikt og bransjetrender.