Welke KPI’s verbeteren AI-tools voor klantenservice?

Welke klantenservice-KPI's verbeteren door AI aan de klantenservicemix toe te voegen?

In dit artikel bespreek ik zeven van de belangrijkste prestatie-indicatoren die het meest worden beïnvloed door AI aan je klantenserviceaanpak toe te voegen. Door deze klantenservicemaatstaven in de gaten te houden, ben je beter in staat AI te gebruiken om kosten te verlagen, klanttevredenheid te verhogen en de klantervaring te verbeteren.

Wat zijn de beste AI-tools voor klantenservice?

In grote lijnen vallen AI-tools voor klantenservice in drie categorieën: klantgerichte chatbots en virtuele agents, AI-aangedreven analysesoftware en AI-tools voor backofficeprocessen die supportmedewerkers ondersteunen en processen automatiseren.

Klantenserviceteams implementeren vaak tools zoals:

• Conversationele chatbots: Deze bots voor natuurlijke taalverwerking kunnen tekst- of spraakgesprekken met klanten voeren om veelvoorkomende klantvragen af te handelen zonder dat menselijke medewerkers nodig zijn. Chatbots raadplegen kennisbanken om routinematige problemen op te lossen, zoals vragen over accountgegevens, producten en veelgestelde vragen.
• Virtuele agents: Zie virtuele agents als een soort ‘geavanceerde chatbot’ die gebruikmaakt van diepgaandere leeralgoritmen om de context te begrijpen en langere gesprekken met klanten te voeren; de kans is ook groter dat zo'n agent een naam en persoonlijkheid heeft. Net als chatbots fungeren virtuele agents als eerste verdedigingslinie en lossen ze complexere problemen op voordat ze het gesprek indien nodig overdragen aan menselijke medewerkers.
• Voorspellende analyses: Tools voor voorspellende analyses worden aangedreven door geavanceerde machinelearningmodellen die klantgegevens analyseren om patronen bloot te leggen. Tools voor voorspellende analyses zijn bijzonder nuttig om in de behoeften van klanten te voorzien en medewerkers te helpen de dienstverlening te personaliseren; ze kunnen ook worden gebruikt om klantverloop te verminderen.
• Sentimentanalyse: Tools voor sentimentanalyse detecteren de stemming en emoties van klanten tijdens gesprekken door tekst- en spraakgegevens te analyseren. Hierdoor kunnen virtuele agents ontevredenheid waarnemen en hun aanpak daarop aanpassen—of het gesprek doorsturen naar menselijke medewerkers.

KPI's die verbeteren door AI-tools voor klantenservice

Het succes van AI-tools voor klantenservice wordt grotendeels bepaald door de mate waarin ze de werklast van de klantenservice bij menselijke medewerkers kunnen wegnemen. Het afhandelingspercentage, de kosten per oplossing en het aantal tickets meten deze factor direct of indirect. 

Snelheid is vaak de andere focus: statistieken zoals de eerste reactietijd, de gemiddelde afhandeltijd en het oplossingspercentage bij het eerste contact kunnen allemaal bijhouden hoe snel klanten worden geholpen.

Het verbeteren van deze supportstatistieken draagt ook sterk bij aan het verbeteren van belangrijke statistieken zoals de klanttevredenheidsscore (CSAT), de net promoter score (NPS) en de klantinspanningsscore (CES).

1. Afhandelingspercentage

Een stijgend afhandelingspercentage is een van de duidelijkste tekenen dat je investering in AI voor klantenservice zijn vruchten afwerpt. Als je hebt geïnvesteerd in chatbots, virtuele assistenten of andere AI-aangedreven selfservicetools, moet je afhandelingspercentage—het percentage chats dat je kunstmatige-intelligentiesystemen afhandelen zonder ondersteuning van menselijke medewerkers—aanzienlijk zijn.

Fin, een AI-chatbot ontworpen door Intercom, heeft een afhandelingspercentage tot wel 60%. Afhankelijk van de complexiteit van je supportvragen kunnen sommige chatbots maar liefst 80% van de vragen afhandelen zonder menselijke tussenkomst.

Tools zoals Fin beheren deze taak door een combinatie van natuurlijke taalverwerking, vooraf gedefinieerde gespreksstromen en een diepgaand begrip van je productdocumentatie. Het uiteindelijke doel is dat de meest voorkomende ondersteuningsvragen—zoals accountinformatie, bestelstatus, retouren en eenvoudige probleemoplossing—volledig via AI-chatbots worden afgehandeld, zodat menselijke supportmedewerkers hun aandacht kunnen richten op complexe vragen en het opbouwen van relaties.

2. Kosten per oplossing

Als je de wereldwijde klantenserviceactiviteiten als geheel bekijkt, zijn de totale aantallen duizelingwekkend: jaarlijks dienen klanten 265 miljard ondersteuningsverzoeken in. Chatbots en AI-assistenten helpen een deel van deze kosten op te vangen, waardoor de druk op menselijke klantenserviceteams afneemt en bedrijven jaarlijks meer dan $11 miljard besparen.

De invloed van AI op de kosten per oplossing komt neer op één factor: AI is goedkoper dan mensen. Dat betekent dat naarmate je meer klantvragen verschuift naar zelfbediening met AI, je gemiddelde kosten per oplossing zouden moeten dalen.

Maar wat is precies, uitgedrukt in dollars, de invloed van AI op de kosten per oplossing? Het is berucht lastig om algemene uitspraken te doen over de kosten van een interactie met de klantenservice voor verschillende bedrijven. Er zijn te veel variabelen: de sector, complexiteit en arbeidskosten, om er maar een paar te noemen. Om je toch een idee te geven van de mogelijke besparingen: LiveAgent, een klantenservicetool, stelt dat het branchegemiddelde voor kosten per contact $7.16 bedraagt. Fin—de eerder genoemde AI-chatbot van Intercom—is ondertussen 86% goedkoper, met kosten van $.99 per oplossing.

3. Eerste reactietijd (FRT)

Doortastende CX-leiders vragen zich misschien af waarop ze zich in het AI-tijdperk moeten richten. Een klassieke prioriteit voor de klantervaring is relevanter dan ooit: klanten tijd besparen. Volgens Forrester zegt 66% van de klanten dat het belangrijkste wat een bedrijf kan doen, is hun tijd waarderen. Nu chatbots veelvuldig worden gebruikt, zijn de verwachtingen van klanten gestegen: 40% van de klanten verwacht binnen vijf seconden een reactie van een chatbot.

AI is niets als het niet snel is: chatbots kunnen klanten binnen enkele seconden antwoorden, 24 uur per dag. Voor klanten die een medewerker nodig hebben, kunnen virtuele agents informatie verzamelen en binnen ongeveer 30 seconden een live klantenservicemedewerker aan de lijn krijgen. Daarna kan AI verder helpen door medewerkers contextbewuste suggesties te geven.

De nieuwste helpdesksoftware—verbeterd met AI—maakt het eenvoudig om al deze chatbot- en menselijke activiteiten vanuit vogelperspectief te volgen, waarbij automatisch analyses worden toegepast zodat je trends en mogelijkheden voor procesverbetering kunt zien.

4. Ticketvolume

Een van de eenvoudigste manieren om je algehele klantenserviceactiviteiten te meten, is door naar het ticketvolume te kijken. De gevolgen aan de oppervlakte zijn duidelijk: hoge aantallen betekenen een druk team. 

Maar ticketvolume hangt ook samen met bredere indicatoren die verband houden met klanttevredenheid. Uit een onderzoek bleek dat bedrijven met een lager ticketvolume doorgaans hogere CSAT-scores hebben. Naarmate het aantal supporttickets toeneemt, raken klantenserviceteams overbelast en daardoor dalen de CSAT-scores doorgaans.

Gelukkig zijn tools die AI voor klantensucces integreren uitstekend toegerust om het ticketvolume te verlagen. Chatbots zijn de belangrijkste methode: ze kunnen veel klantvragen afvangen voordat die ooit in tickets veranderen. Een robuuste kennisbank—die vervolgens wordt gebruikt om je virtuele agents te trainen—is een ander belangrijk onderdeel van de vergelijking.

5. Gemiddelde afhandeltijd (AHT)

De ideale gemiddelde afhandeltijd voor het ene bedrijf is niet per se relevant voor een ander; bedrijven met weinig complexiteit, zoals de detailhandel, hebben bijvoorbeeld doorgaans een relatief lage AHT, terwijl telecombedrijven hoger uitvallen. Maar over het algemeen ligt een “goede” AHT in een traditionele klantenserviceomgeving rond de zes minuten.

Livechat heeft doorgaans langere AHT's omdat zowel medewerkers als klanten meerdere taken tegelijk kunnen uitvoeren, waarbij medewerkers vaak drie of meer chats tegelijk afhandelen. Toch geldt: als een klant contact opneemt met een probleem, geldt dat hoe sneller het wordt opgelost, hoe tevredener de klant zal zijn.

Voor eenvoudige vragen kunnen chatbots de AHT verkorten door vrijwel onmiddellijk antwoorden te geven op veelgestelde vragen. Voor complexere kwesties kunnen virtuele agents snel de benodigde informatie van klanten verzamelen voordat ze de kwestie overdragen aan menselijke agents om de laatste stappen uit te voeren.

6. Oplossing bij het eerste contact (FCR)

Niets is frustrerender dan contact opnemen met de klantenservice en vervolgens opnieuw contact te moeten opnemen omdat het probleem de eerste keer niet is opgelost. Tegen de tijd dat klanten voor de tweede keer contact opnemen, kan het ontbreken van een snelle oplossing hun beeld van de dienstverlening van je bedrijf al hebben geschaad.

Daarom is het zo belangrijk om problemen op te lossen wanneer klanten voor het eerst contact met je opnemen. Idealiter wordt vier van de vijf klantproblemen tijdens het eerste contact opgelost: volgens benchmarking van de contactcenterbranche door SQM Group wordt 70-79% beschouwd als een ‘goed’ FCR-percentage.

Virtuele agents op basis van AI kunnen je percentage oplossingen bij het eerste contact verbeteren door klanten te helpen hun problemen snel op te lossen via selfservice. AI kan menselijke agents ook helpen om meer problemen tijdens het eerste contact op te lossen door eerdere klantinteracties samen te vatten en oplossingen voor te stellen.

7. Retentiepercentage

Voor SaaS-bedrijven is er geen belangrijkere meetwaarde dan het retentiepercentage. Gelukkig kan AI in proactieve klantenservice helpen: voorspellende analyses op basis van AI en tools voor sentimentanalyse kunnen enorme hoeveelheden klantgegevens verwerken om signalen te ontdekken die aangeven wanneer een klant dreigt af te haken.

Gegevens zoals demografische kenmerken, aankoopgeschiedenis, gebruiksgeschiedenis, sentiment en tevredenheidsonderzoeken kunnen op zichzelf moeilijk te interpreteren zijn, maar analysetools kunnen subtiele patronen detecteren en unieke modellen voor klantverloopvoorspelling creëren om klanten proactief terug te winnen voordat ze vertrekken.

De kracht van klantenservice met AI

AI heeft het potentieel om in de wereld van klantenservice een zeldzame “win-win-win”-situatie te creëren: lagere kosten voor bedrijven, snellere service voor klanten en minder repetitief werk voor supportmedewerkers.

Deze drie factoren zijn met elkaar verbonden in een positieve cyclus. Door klantvragen met een hoog volume aan AI te delegeren, verlagen bedrijven hun kosten en krijgen menselijke agents tijd voor werk dat beter aansluit bij hun sterke punten.

Klanten krijgen een combinatie van snellere service voor routinematige interacties en meer empathische service voor complexe interacties, waardoor retentie en tevredenheid verbeteren. Bedrijven die prioriteit geven aan empathische uitingen voor klantenservice zien vaak hogere tevredenheidspercentages.

Door de juiste KPI's voor klantenservice bij te houden, kun je ervoor zorgen dat AI het gewenste effect heeft op je klantenservice-ervaring en zo gelukkigere, loyalere klanten creëert.

Lees voor meer informatie over KPI's ons uitgebreide artikel over de belangrijkste meetwaarden voor klantensucces. Wil je op de hoogte blijven van de nieuwste ontwikkelingen in de CX-branche? Schrijf je dan in voor onze nieuwsbrief met tips voor CX-leiderschap, marketingstrategieën, inzichten en trends in de branche.