Hvordan velge riktig FAQ system?
En undersøkelse fra Feefo viser at hele 80% benytter seg av en FAQ i kundereisen, både før og etter kjøp. Den nye trenden er ...
Les innlegget bloggKI (Kunstig Intelligens) er uten tvil en av de heteste teknikktrendene for 2019. KI-trenden lover automatisering, effektivisering og smarte tjenester for så vel konsumenter som bedrifter. Kundeservice er en av bransjene som sies kunne revolusjoneres av KI.
Som med alle hete nyheter, råder det selvfølgelig en hel del usikkerhet og begrepsforvirring. Vi håper derfor at du, med hjelp av spørsmålene nedenfor, enklere skal kunne svare på om KI kan brukes i din kundeservice. Slik blir du bedre rustet innen møter med systemleverandører som lover funksjoner basert på KI og maskininnlæring.
Kunstig intelligens er et veldig allment begrep som beskriver en datamaskins mulighet til å ta intelligente beslutninger på egen hånd. KI ligger stort sett fortsatt på forskningsstadiet. Når leverandører snakker om at de har system for KI, er det derfor viktig å forstå innenfor hvilket delområde det gjelder, og hvilke kompetanser og begrensninger systemet har. Dagens KI-system jobber med den teknikken som kalles maskininnlæring. Det går ut på at et dataprogram kan lære seg visse mønstre gjennom å studere store menger data. Disse innlærte mønstrene kan så brukes for å, for eksempel, svare på enkle spørsmål innenfor avgrensede områder, eller automatisk kategorisere eller ta beslutninger i gitte situasjoner.
Vi anbefaler at du leser den korte introduksjonen til KI for kundeservice som Kundos produktsjef Emil Stenström har skrevet.
Vel innsatte i begrepene kan vi begynne å fokusere på målene våre.
Om din første prioritet er å holde nede antall innkommende saker, blir chatbots og lignende løsninger det som bør undersøkes nærmere. Dette er også det området der det råder størst begrepsforvirring og ”hype” innenfor KI. I dag fins det i hovedsak to ulike slags chatbots:
Begge disse løsningene innebærer kraftige begrensninger og kan lede til stor frustrasjon for kunden, men de kan selvfølgelig også effektivisere en kundeservice som er under stor belastning. Vi anbefaler derfor bare disse løsningene dersom effektivisering er den ene, høyeste prioriteten. Be alltid om å få prøve de systemene som leverandørene viser for å forstå systemenes kapasitet og begrensninger, og ikke bare se de tilrettelagte eksemplene som leverandøren kommer vise.
Disse innsiktene betyr også at organisasjoner som prioriterer kundetilfredshet høyt kanskje bør vente ytterligere noen år med alle typer av system som plasserer KI mellom dere og kunden.
Ytterligere et mål kan som sagt være å forenkle og effektivisere de prosesser som i den daglige kundeservicen kommer igjen og igjen. Her har maskininnlæring et stort potensial for å forenkle for oss mennesker. Man kan for eksempel tenke seg at automatisk foreslå ferdige løsninger for en kundeservicemedarbeider: Kategorisere saken, hvem den bør tildeles eller hvilket standardsvar som er det mest passende. Ved å tilby en snarvei for å gjennomføre den foreslåtte løsningen, kan mengden klikk og hodebry minskes!
Dette er det området der maskininnlæring har størst potensial. Se derfor etter verktøy med denne typen smarte funksjoner som baseres på maskininnlæring.
System for chatbots og maskininnlæring er i dag ganske dyre. Foruten kostnaden for selve produktet og implementeringen, fins også ytterligere kostnader og risikoer forbundet med for eksempel chatbots:
For at maskininnlæring skal fungere bra kreves store mengder data for å trene opp systemet.
Hvor mye data som kreves kommer selvfølgelig an på kompleksiteten i de oppgaver som skal gjennomføres. Generelt behøves flere tusen eksempel på lignende spørsmål for at systemet skal kunne opptre rimelig korrekt.
Om systemet bare skal gjøre en manuell prosess raskere (for eksempel kategorisering av saker), gjør det ikke like mye om det blir feil i blant. Dette siden det er lett for en dyktig medarbeider å gjøre en manuell korrigering. Her er til og med en 60% korrekt algoritme en tydelig forbedring.
I direkte kunderelasjoner er det derimot viktigere at det blir rett, og da kreves ytterligere treningsdata. Kanskje vi kan bare akseptere en feilmarginal på et par prosent for når en chatbot interagerer direkte med kunden?
Vår erfaring tilsier at de fleste organisasjoner mangler de store volumene av treningsdata, man at man på sikt kan bygge opp en nøyaktighet som absolutt er tilstrekkelig for å jobbe med den type funksjoner som underletter medarbeidernes hverdag med hjelp av maskininnlæring.
Last ned og se Kundos populære webinar om AI og kundeservice når det passer deg. Der får du høre Kundos produktsjef Emil snakke mer om begrepene AI, maskininnlæring og smarte charboter. Hva er forskjellene? Hvordan fungerer det egentlig?
En undersøkelse fra Feefo viser at hele 80% benytter seg av en FAQ i kundereisen, både før og etter kjøp. Den nye trenden er ...
Les innlegget bloggEr det lenge siden du har gjort endringer i kundeserviceteamet? Er du sikker på at kundeserviceteamet har de nødvendige ...
Les innlegget bloggFøler kundeserviceteamet ditt på psykologisk trygghet? Er det greit å ta opp vanskelige temaer og blir forslag lyttet til ...
Les innlegget blogg