Vilka KPI:er förbättrar AI-verktyg för kundservice?
Precis som med de flesta hajpade nya tekniker har AI många användbara tillämpningar – och gott om andra som bara är gimmickar. Men när det gäller kundservice är hypen befogad: Gartner, ett IT-undersökningsföretag, uppskattar att chatbottar kommer att vara den huvudsakliga kundservicekanalen för 25 % av företagen år 2027.
Många företag integrerar entusiastiskt AI-drivna verktyg som chatbottar och prediktiv analys i sina kundserviceprocesser. Och med rätta: denna teknik gör det möjligt för team att lösa problem snabbare och frigöra mänskliga handläggare så att de kan fokusera på kundrelationer i stället för att besvara samma fråga för tusende gången.
Trots det är det värt att vara specifik kring fördelarna:
Continue Reading for Free
Create a free account to finish this article, plus get ongoing access to timely insights and practical resources.
Have an account? Log In
Vilka nyckeltal för kundservice förbättras genom att AI läggs till i kundservicemixen?
I den här artikeln går jag igenom sju av de viktigaste resultatindikatorerna som påverkas mest av att integrera AI i kundservicearbetet. Genom att hålla koll på dessa kundservicemått får du bättre förutsättningar att använda AI för att minska kostnaderna, öka kundnöjdheten och förbättra kundupplevelsen.
Vilka är de främsta AI-verktygen för kundservice?
Generellt sett delas AI-verktyg för kundservice in i tre kategorier: kundinriktade chattbottar och virtuella agenter, AI-drivna analysverktyg samt AI-verktyg för administration som hjälper supportmedarbetare och automatiserar processer.
Kundserviceteam implementerar ofta verktyg som:
- Konversationschattbottar: Dessa botar för naturlig språkbehandling kan ha text- eller röstsamtal med kunder för att hantera vanliga kundfrågor utan mänskliga handläggare. Chattbottar använder kunskapsbaser för att lösa rutinärenden som kontoinformation, produktfrågor och vanliga frågor.
- Virtuella agenter: Se virtuella agenter som en slags ”avancerad chattbot” som använder djupare inlärningsalgoritmer för att förstå sammanhang och föra längre samtal med kunder; de har också större sannolikhet att ha ett namn och en personlighet. Precis som chattbottar fungerar virtuella agenter som första försvarslinje och löser mer komplexa problem innan de vid behov överför ärendet till mänskliga handläggare.
- Prediktiv analys: Verktyg för prediktiv analys drivs av avancerade maskininlärningsmodeller som analyserar kunddata för att upptäcka mönster. Verktyg för prediktiv analys är särskilt användbara för att förutse kundernas behov och hjälpa handläggare att personalisera servicen; de kan också användas för att minska kundbortfall.
- Sentimentanalys: Verktyg för sentimentanalys som identifierar kundernas sinnesstämning och känslor under samtal genom att analysera text och röstdata, vilket gör det möjligt för virtuella agenter att uppfatta missnöje och anpassa sitt tillvägagångssätt därefter – eller eskalera samtalet till mänskliga handläggare.
Nyckeltal som förbättras av AI-verktyg för kundservice
Framgången för AI-verktyg inom kundservice avgörs till stor del av hur mycket av kundservicebelastningen de kan avlasta mänskliga handläggare från. Avlastningsgrad, kostnad per löst ärende och ärendevolym mäter alla denna faktor direkt eller indirekt.
Snabbhet brukar vara det andra fokuset: mått som svarstid vid första kontakt, genomsnittlig hanteringstid och lösning vid första kontakten kan alla mäta hur snabbt kunderna får hjälp.
Att förbättra dessa supportmått bidrar också i hög grad till att förbättra viktiga mått som kundnöjdhetspoäng (CSAT), nettopromotorpoäng (NPS) och kundansträngningspoäng (CES).
1. Avlastningsgrad
En ökande avlastningsgrad är ett av de tydligaste tecknen på att din investering i AI för kundservice ger resultat. Om du har investerat i chattbottar, virtuella assistenter eller andra AI-drivna självbetjäningsverktyg bör din avlastningsgrad – den procentandel av chattarna som dina artificiella intelligenssystem hanterar utan stöd från mänskliga medarbetare – vara betydande.
Fin, en AI-chattbot utvecklad av Intercom, uppger en avlastningsgrad på upp till 60 %. Beroende på hur komplexa dina supportförfrågningar är kan vissa chattbottar hantera så många som 80 % av förfrågningarna utan mänsklig inblandning.
Verktyg som Fin hanterar detta genom en kombination av naturlig språkbehandling, fördefinierade samtalsflöden och en djup förståelse av din produktdokumentation. Det slutliga målet är att de vanligaste supportförfrågningarna – som kontoinformation, orderstatus, returer och enkel felsökning – ska hanteras helt av AI-chattbotar, så att mänskliga supportagenter kan fokusera sin uppmärksamhet på komplexa frågor och relationsskapande.
2. Kostnad per löst ärende
Om man ser på den globala kundsupportverksamheten i sin helhet är de totala siffrorna häpnadsväckande: varje år skickar kunder in 265 miljarder supportförfrågningar. Chattbotar och AI-assistenter hjälper till att avlasta en del av denna kostnad, minska belastningen på mänskliga kundsupportteam och spara företag mer än $11 miljarder per år.
AI:s inverkan på kostnaden per löst ärende beror på en faktor: det är billigare än människor. Det innebär att din genomsnittliga kostnad per löst ärende bör minska när du styr fler kundförfrågningar till AI-baserad självservice.
Så vad är AI:s exakta inverkan på kostnaden per löst ärende, uttryckt i dollar? Det är notoriskt svårt att generalisera kring kostnaden för en kundsupportinteraktion mellan olika företag. Det finns för många variabler: branschen, komplexiteten och arbetskraftskostnaden, för att bara nämna några. Men för att ge dig en uppfattning om de möjliga besparingarna uppger LiveAgent, ett kundsupportverktyg, att branschgenomsnittet för kostnaden per kontakt är $7.16. Samtidigt är Fin – den tidigare nämnda AI-chattboten som utvecklats av Intercom – 86 % billigare, med en kostnad på $.99 per löst ärende.
3. Tid till första svar (FRT)
Erfarna CX-ledare kanske undrar vad de bör fokusera på i AI:s tidsålder. En klassisk prioritering inom kundupplevelsen är mer relevant än någonsin: att spara kundernas tid. Enligt Forrester anser 66 % av kunderna att det viktigaste ett företag kan göra är att värdesätta deras tid. När chattbotar har blivit allmänt använda har kundernas förväntningar ökat: 40 % av kunderna förväntar sig ett svar från en chattbot inom fem sekunder.
AI är om något snabbt: chattbotar kan svara kunder inom några sekunder, dygnet runt. För kunder som behöver en mänsklig representant kan virtuella agenter samla in information och koppla in en riktig kundtjänstagent inom cirka 30 sekunder. Därefter kan AI hjälpa till ytterligare genom att förse agenterna med kontextmedvetna förslag.
Den senaste helpdeskprogramvaran – förbättrad med AI – gör det enkelt att övervaka all denna chattbot- och mänskliga aktivitet ur ett helikopterperspektiv och tillämpa analyser automatiskt, så att du kan se trender och möjligheter till processförbättringar.
4. Ärendevolym
Ett av de enklaste sätten att mäta din övergripande kundsupport är att titta på ärendevolymen. De uppenbara slutsatserna på ytan är: höga siffror innebär ett upptaget team.
Men ärendevolymen är också kopplad till bredare indikatorer som hänger samman med kundnöjdhet. En undersökning visade att företag med lägre ärendevolym tenderar att ha högre CSAT-resultat. När supportärendevolymen ökar blir kundsupportteamen överbelastade och som ett resultat tenderar CSAT-resultaten att sjunka.
Lyckligtvis är verktyg som innehåller AI för kundframgång väl lämpade för att minska ärendevolymen. Chattbotar är den främsta metoden: de kan avleda många kundförfrågningar innan de någonsin blir ärenden. Att ha en robust kunskapsbas – som sedan används för att träna dina virtuella agenter – är en annan viktig del av ekvationen.
5. Genomsnittlig hanteringstid (AHT)
Den ideala genomsnittliga hanteringstiden för ett företag är inte nödvändigtvis relevant för ett annat; verksamheter med låg komplexitet, som detaljhandel, tenderar till exempel att ha en relativt låg AHT, medan telekomföretag tenderar att ligga högre. Men generellt ligger en ”bra” AHT på omkring sex minuter i en traditionell callcenter-miljö.
Livechatt tenderar att ha längre AHT eftersom både agenter och kunder kan göra flera saker samtidigt, och agenter ofta hanterar tre eller fler chattar på en gång. Men om en kund hör av sig med ett problem gäller fortfarande att ju snabbare det löses, desto nöjdare blir kunden.
För enkla frågor kan chatbottar korta ned AHT genom att tillhandahålla svar på många vanliga frågor nästan omedelbart. För mer komplexa ärenden kan virtuella agenter snabbt samla in nödvändig information från kunder innan de lämnar över dem till mänskliga agenter som kan slutföra de sista stegen.
6. Lösning vid första kontakten (FCR)
Det finns inget mer frustrerande än att kontakta kundsupport och sedan behöva höra av sig igen eftersom problemet inte löstes första gången. När kunder hör av sig en andra gång kan bristen på en snabb lösning redan ha skadat deras uppfattning om företagets service.
Därför är det så viktigt att lösa problem första gången kunderna kontaktar dig. Helst bör fyra av fem kundproblem lösas vid den första kontakten: 70–79 % anses vara en ”bra” FCR-nivå, enligt branschjämförelser för kontaktcenter som genomförts av SQM Group.
AI-drivna virtuella agenter kan förbättra andelen ärenden som löses vid första kontakten genom att hjälpa kunder att snabbt lösa sina problem via självbetjäning. AI kan också hjälpa mänskliga agenter att lösa fler ärenden vid första kontakten genom att sammanfatta tidigare kundinteraktioner och föreslå lösningar.
7. Andel kvarvarande kunder
Det finns inget viktigare mått för SaaS-företag än andelen kvarvarande kunder. Som tur är kan AI i proaktiv kundsupport hjälpa till: AI-drivna prediktiva analyser och verktyg för sentimentanalys kan bearbeta enorma mängder kunddata för att upptäcka signaler som visar när en kund riskerar att lämna.
Data som demografi, köphistorik, användningshistorik, sentiment och kundnöjdhetsundersökningar kan vara svåra att tolka var för sig, men analysverktyg kan upptäcka subtila mönster och skapa unika modeller för att förutsäga kundbortfall och proaktivt vinna tillbaka kunder innan de lämnar.
Kraften i AI-baserad kundservice
AI har potential att skapa en sällsynt ”vinst-vinst-vinst”-situation inom kundservice: lägre kostnader för företag, snabbare service för kunder och mindre repetitivt arbete för supportmedarbetare.
En positiv spiral kopplar samman dessa tre faktorer. Genom att överlåta kundserviceförfrågningar med hög volym till AI minskar företagen kostnaderna, samtidigt som mänskliga agenter frigörs för arbete som bättre utnyttjar deras styrkor.
Kunder får en kombination av snabbare service vid rutininteraktioner och mer empatisk service vid komplexa interaktioner, vilket förbättrar kundlojaliteten och nöjdheten. Företag som prioriterar empatiska formuleringar för kundservice ser ofta högre nöjdhetsnivåer.
Genom att följa upp rätt kundservice-KPI:er kan du säkerställa att AI ger önskad effekt på kundsupportupplevelsen och skapar nöjdare, mer lojala kunder.
För mer information om KPI:er kan du läsa vår fördjupande artikel om de viktigaste måtten på kundframgång. Vill du hålla dig uppdaterad om det senaste inom CX-branschen? Se till att prenumerera på vårt nyhetsbrev för tips om CX-ledarskap, marknadsföringsstrategier, insikter och branschtrender.
