Müşteri Hizmetleri Yapay Zekâ Araçları Hangi KPI’ları İyileştirir?

Çoğu popüler yeni teknolojide olduğu gibi, yapay zekânın da birçok faydalı uygulaması ve işe yaramayan pek çok başka kullanımı vardır. Ancak konu müşteri hizmetleri olduğunda, bu ilgi haklıdır: Bir bilişim araştırma şirketi olan Gartner, sohbet robotlarının 2027 yılına kadar şirketlerin %25'i için ana müşteri hizmetleri kanalı olacağını tahmin ediyor.

Birçok şirket, sohbet robotları ve tahmine dayalı analizler gibi yapay zekâ destekli araçları müşteri hizmetleri süreçlerine büyük bir hevesle entegre ediyor. Bunun da haklı bir nedeni var: Bu teknoloji, ekiplerin sorunları daha hızlı çözmesini ve insan temsilcilerin aynı soruyu bininci kez yanıtlamak yerine müşteri ilişkilerine odaklanabilmesi için zaman kazanmasını sağlıyor.

Yine de faydaları somutlaştırmakta yarar var:

Yapay zekâyı müşteri hizmetleri süreçlerine dahil etmek hangi müşteri hizmetleri KPI'larını iyileştirir?

Bu makalede, yapay zekâyı müşteri hizmetleri süreçlerinize dahil etmekten en çok etkilenen yedi temel performans göstergesini ele alacağım. Bu müşteri hizmetleri metriklerini takip ederek maliyetleri azaltmak, müşteri memnuniyetini artırmak ve müşteri deneyimini iyileştirmek için yapay zekâdan yararlanma konusunda daha iyi bir konuma geleceksiniz.

En İyi Müşteri Hizmetleri Yapay Zekâ Araçları Hangileridir?

Genel olarak yapay zekâ müşteri hizmetleri araçları üç gruba ayrılır: müşteriye yönelik sohbet robotları ve sanal temsilciler, yapay zekâ destekli analiz yazılımları ve destek temsilcilerini güçlendiren ve süreçleri otomatikleştiren arka ofis yapay zekâ araçları.

Müşteri hizmetleri ekipleri genellikle şu tür araçları kullanıma alır:

• Konuşmalı Sohbet Robotları: Bu doğal dil işleme robotları, insan temsilcilere ihtiyaç duymadan yaygın müşteri sorularını yanıtlamak için müşterilerle metin veya sesli görüşmeler yapabilir. Sohbet robotları, hesap bilgileri, ürün soruları ve sıkça sorulan sorular gibi rutin sorunları çözmek için bilgi tabanlarına erişir.
• Sanal Temsilciler: Sanal temsilcileri, bağlamı anlamak ve müşterilerle daha uzun görüşmeler yapmak için daha gelişmiş öğrenme algoritmalarından yararlanan bir tür “gelişmiş sohbet robotu” olarak düşünebilirsiniz; ayrıca bunların bir isme ve kişiliğe sahip olma olasılığı da daha yüksektir. Sohbet robotları gibi sanal temsilciler de ilk savunma hattı olarak görev yapar ve gerektiğinde insan temsilcilere aktarmadan önce daha karmaşık sorunları çözer.
• Tahmine Dayalı Analiz: Tahmine dayalı analiz araçları, kalıpları ortaya çıkarmak için müşteri verilerini analiz eden gelişmiş makine öğrenimi modelleri tarafından desteklenir. Tahmine dayalı analiz araçları özellikle müşteri ihtiyaçlarını öngörmek ve temsilcilerin hizmeti kişiselleştirmesine yardımcı olmak için kullanışlıdır; ayrıca müşteri kaybını azaltmak için de kullanılabilir.
• Duygu Analizi: Görüşmeler sırasında metin ve ses verilerini analiz ederek müşterilerin ruh hâllerini ve duygularını tespit eden duygu analizi araçları, sanal temsilcilerin memnuniyetsizliği algılamasına ve yaklaşımlarını buna göre uyarlamasına ya da görüşmeyi insan temsilcilere aktarmasına olanak tanır.

Yapay Zekâ Müşteri Hizmetleri Araçlarıyla İyileştirilen KPI'lar

Yapay zekâ müşteri hizmetleri araçlarının başarısı, müşteri hizmetleri yükünün ne kadarını insan temsilcilerin üzerinden alabilecekleriyle büyük ölçüde belirlenir. Yönlendirme oranı, çözüm başına maliyet ve destek talebi hacmi bu unsuru doğrudan veya dolaylı olarak ölçer. 

Diğer odak noktası genellikle hızdır: ilk yanıt süresi, ortalama işlem süresi ve ilk iletişimde çözüm oranı gibi metriklerin tümü, müşterilere ne kadar hızlı yardımcı olunduğunu takip edebilir.

Bu destek metriklerini iyileştirmek; müşteri memnuniyeti puanı (CSAT), net tavsiye skoru (NPS) ve müşteri çaba skoru (CES) gibi temel metrikleri iyileştirmeye de büyük katkı sağlar.

1. Yönlendirme Oranı

Yönlendirme oranının artması, yapay zekâ müşteri hizmetleri yatırımınızın karşılığını aldığınızın en açık işaretlerinden biridir. Sohbet robotlarına, sanal asistanlara veya yapay zekâ destekli diğer self servis araçlarına yatırım yaptıysanız, yönlendirme oranınızın (yapay zekâ sistemlerinizin insan temsilcilerin desteği olmadan ele aldığı sohbetlerin yüzdesi) yüksek olması gerekir.

Intercom tarafından tasarlanan yapay zekâ sohbet robotu Fin, %60'a varan bir yönlendirme oranına sahip. Destek taleplerinizin karmaşıklığına bağlı olarak bazı sohbet robotları, insan müdahalesi olmadan taleplerin %80'ine kadarını karşılayabilir.

Fin gibi araçlar bu başarıyı doğal dil işleme, önceden tanımlanmış konuşma akışları ve ürün belgelerinizin derinlemesine anlaşılmasının bir bileşimiyle sağlar. Nihai amaç; hesap bilgileri, sipariş durumu, iadeler ve basit sorun giderme gibi en yaygın destek taleplerinin tamamen yapay zekâ sohbet robotları üzerinden yürütülmesi ve insan destek temsilcilerinin dikkatlerini karmaşık taleplere ve ilişki kurmaya vermek üzere serbest bırakılmasıdır.

2. Çözüm Başına Maliyet

Dünya genelindeki müşteri destek faaliyetlerine toplu olarak baktığınızda toplam sayılar şaşırtıcıdır: müşteriler her yıl 265 milyar destek talebi gönderiyor. Sohbet robotları ve yapay zekâ asistanları bu maliyetin bir kısmını üstlenmeye yardımcı olarak insan müşteri destek ekiplerinin üzerindeki yükü azaltıyor ve işletmelere yılda 11 milyar dolardan fazla tasarruf sağlıyor.

Yapay zekânın çözüm başına maliyet üzerindeki etkisi tek bir unsura dayanır: İnsanlardan daha ucuzdur. Bu da daha fazla müşteri talebini self servis yapay zekâya yönlendirdikçe çözüm başına ortalama maliyetinizin azalması gerektiği anlamına gelir.

Peki yapay zekânın çözüm başına maliyet üzerindeki etkisi, dolar cinsinden tam olarak nedir? Bir müşteri destek etkileşiminin maliyeti hakkında şirketler genelinde genelleme yapmak son derece zordur. Sektör, karmaşıklık ve iş gücü maliyeti gibi çok fazla değişken vardır. Ancak olası tasarruflar hakkında fikir vermek gerekirse, bir müşteri destek aracı olan LiveAgent, temas başına maliyetin 7,16 dolar olduğunu belirtiyor. Buna karşılık Intercom tarafından geliştirilen ve yukarıda bahsedilen yapay zekâ sohbet robotu Fin, çözüm başına 0,99 dolar maliyetle %86 daha ucuzdur.

3. İlk Yanıt Süresi (FRT)

Deneyimli müşteri deneyimi liderleri, yapay zekâ çağında odaklarını nereye yönlendirmeleri gerektiğini merak ediyor olabilir. Klasik bir müşteri deneyimi önceliği her zamankinden daha önemli: müşterilerin zamanından tasarruf etmek. Forrester'a göre müşterilerin %66'sı, bir şirketin yapabileceği en önemli şeyin müşterilerinin zamanına değer vermek olduğunu söylüyor. Sohbet robotları yaygın biçimde kullanılmaya başladıkça müşteri beklentileri de yükseldi: müşterilerin %40'ı bir sohbet robotundan beş saniye içinde yanıt bekliyor.

Yapay zekâ hızlı olmak dışında hiçbir şey değil: sohbet robotları müşterilere günde 24 saat, birkaç saniye içinde yanıt verebilir. İnsan temsilciye ihtiyaç duyan müşteriler için sanal temsilciler bilgi toplayabilir ve canlı bir müşteri hizmetleri temsilcisini yaklaşık 30 saniye içinde hatta bağlayabilir. Bundan sonra yapay zekâ, temsilcilere bağlamı dikkate alan öneriler sunarak daha fazla yardımcı olabilir.

Yapay zekâyla güçlendirilmiş en yeni yardım masası yazılımları, tüm bu sohbet robotu ve insan faaliyetlerini kuş bakışıyla izlemeyi kolaylaştırır ve analizleri otomatik olarak uygulayarak süreç iyileştirme eğilimlerini ve fırsatlarını görmenizi sağlar.

4. Talep Hacmi

Genel müşteri desteği faaliyetlerinizi ölçmenin en kolay yollarından biri talep hacmine bakmaktır. Yüzeysel çıkarımlar açıktır: yüksek sayılar yoğun bir ekip anlamına gelir. 

Ancak talep hacmi, müşteri memnuniyetiyle bağlantılı daha geniş göstergelerle de ilişkilidir. Bir araştırma, talep hacmi daha düşük olan şirketlerin daha yüksek CSAT puanlarına sahip olma eğiliminde olduğunu ortaya koydu. Destek taleplerinin hacmi arttıkça müşteri destek ekipleri zorlanır ve bunun sonucunda CSAT puanları düşme eğilimi gösterir.

Neyse ki müşteri başarısı için yapay zekâyı kullanan araçlar talep hacmini azaltmak için oldukça donanımlıdır. Sohbet robotları başlıca yöntemdir: birçok müşteri talebini henüz talebe dönüşmeden önleyebilirler. Daha sonra sanal temsilcilerinizi eğitmek için kullanılan güçlü bir bilgi tabanına sahip olmak da denklemin bir diğer önemli parçasıdır.

5. Ortalama İşlem Süresi (AHT)

Bir işletme için ideal ortalama işlem süresi başka bir işletme için mutlaka geçerli değildir; örneğin perakende gibi karmaşıklığı düşük işletmelerin nispeten düşük bir AHT'ye sahip olma eğilimi vardır, telekomünikasyon şirketlerinde ise bu değer daha yüksektir. Ancak genel olarak geleneksel çağrı merkezi ortamında “iyi” bir AHT yaklaşık altı dakikadır.

Canlı sohbetlerde AHT genellikle daha uzundur; çünkü hem temsilciler hem de müşteriler aynı anda birden fazla iş yapabilir ve temsilciler çoğu zaman aynı anda üç veya daha fazla sohbeti yönetir. Yine de bir müşteri bir sorunla iletişime geçtiğinde, sorun ne kadar hızlı çözülürse müşteri de o kadar memnun olur.

Basit sorgular için sohbet robotları, birçok yaygın sorunun yanıtını neredeyse anında sağlayarak AHT'yi hızlandırabilir. Daha karmaşık sorunlarda sanal temsilciler, son adımları atmaları için insan temsilcilere aktarmadan önce müşterilerden gerekli bilgileri hızla toplayabilir.

6. İlk Temasta Çözüm (FCR)

Müşteri desteğiyle iletişime geçip sorunun ilk seferde çözülmemesi nedeniyle tekrar iletişime geçmek zorunda kalmaktan daha sinir bozucu bir şey yoktur. Müşteriler ikinci kez iletişime geçtiğinde, hızlı bir çözüm bulunamaması şirketinizin hizmetine ilişkin algılarını zaten zedelemiş olabilir.

Bu nedenle, müşteriler sizinle ilk iletişime geçtiğinde sorunları çözmek son derece önemlidir. İdeal olarak, beş müşteri sorunundan dördü ilk iletişimde çözülmelidir: SQM Group tarafından yürütülen çağrı merkezi sektörü kıyaslama çalışmasına göre %70-79, ‘iyi’ bir FCR oranı olarak kabul edilir.

Yapay zekâ destekli sanal temsilciler, müşterilerin self servis yoluyla sorunlarını hızla çözmelerine yardımcı olarak ilk temasta çözüm oranınızı artırabilir. Yapay zekâ ayrıca geçmiş müşteri etkileşimlerini özetleyerek ve çözümler önererek insan temsilcilerin ilk temasta daha fazla sorunu çözmesine yardımcı olabilir.

7. Elde Tutma Oranı

SaaS şirketleri için elde tutma oranından daha önemli bir metrik yoktur. Neyse ki proaktif müşteri desteğinde yapay zekâ yardımcı olabilir: Yapay zekâ destekli öngörücü analizler ve duygu analizi araçları, bir müşterinin kaybedilme riski taşıdığını gösteren sinyalleri ortaya çıkarmak için büyük miktarda müşteri verisini analiz edebilir.

Demografik bilgiler, satın alma geçmişi, kullanım geçmişi, duygu durumu ve memnuniyet anketleri gibi verileri tek başına anlamlandırmak zor olabilir; ancak analiz araçları, müşteriler ayrılmadan önce onları proaktif bir şekilde geri kazanmak için ince örüntüleri tespit edebilir ve benzersiz müşteri kaybı tahmin modelleri oluşturabilir.

Yapay Zekâ Destekli Müşteri Hizmetlerinin Gücü

Yapay zekâ, müşteri hizmetleri dünyasında nadir görülen bir “kazan-kazan-kazan” durumu yaratma potansiyeline sahiptir: şirketler için daha düşük maliyetler, müşteriler için daha hızlı hizmet ve destek temsilcileri için daha az tekrarlayan iş.

Erdemli bir döngü bu üç faktörü birbirine bağlar. İşletmeler, yüksek hacimli müşteri hizmetleri taleplerini yapay zekâya devrederek maliyetleri azaltır ve insan temsilcilerin güçlü yönlerine uygun işlere odaklanmasını sağlar.

Müşteriler, rutin etkileşimlerde daha hızlı hizmeti ve karmaşık etkileşimlerde daha empatik hizmeti bir arada alarak elde tutma ve memnuniyet oranlarını artırır. müşteri hizmetlerinde empati ifadelerine öncelik veren şirketler genellikle daha yüksek memnuniyet oranları görür.

Doğru müşteri hizmetleri KPI'larını takip ederek yapay zekânın müşteri desteği deneyiminiz üzerinde amaçlanan etkiyi yaratmasını sağlayabilir, böylece daha mutlu ve sadık müşteriler oluşturabilirsiniz.

KPI'lar hakkında daha fazla bilgi için en önemli müşteri başarısı metrikleri hakkındaki kapsamlı makalemize göz atın. CX sektöründeki en son gelişmeleri takip etmek ister misiniz? CX liderliği ipuçları, pazarlama stratejileri, içgörüler ve sektör trendleri için bültenimize abone olun.