De 3 toepassingsgebieden voor Data & AI binnen customer service

Door Timo Bax

In de afgelopen twee decennia heb ik het voorrecht gehad om talloze bedrijven te helpen bij het verbeteren van hun klantenservice. De laatste jaren zie ik dat organisaties druk bezig zijn om slimmer om te gaan met hun resources. Dat is hard nodig, want veel contact centers hebben te maken met een hoog verloop onder service agents en een krappe arbeidsmarkt.

Data & AI in het KCC over drie assen

Waar ik zelf erg enthousiast van word is de opkomst van data en AI binnen customer service. Zo schreef mijn collega Veronika recent al over de lancering van Nuance voor Microsoft Dynamics 365 Customer Service. Zo zorgt Nuance Conversational IVR ervoor dat klachten, vragen en verzoeken van klanten succesvol worden afgehandeld met een spraakbot. De AI kan wensen en behoeften begrijpen en voert een dialoog met klanten zoals een echte service agent dat zou doen. Met Nuance Gatekeeper kun je klanten direct herkennen aan hun stem, zodra ze bellen naar een contact center. Daardoor hoeft een klant niet meer allerlei gegevens – zoals naam, postcode en laatste drie cijfers van een rekeningnummer – op te geven. En het helpt je om 95% sneller fraude te detecteren.

Natuurlijk begrijp ik de zorgen die mensen hebben over de ethiek van AI en de impact ervan op de werkgelegenheid. Ik zie het echter vooral als een kans om het werk van service agents uitdagender te maken en meer inzicht te krijgen in de prestaties van het contact center.

Inmiddels begrijpen we ook steeds beter waar de mogelijkheden van data en AI liggen binnen het contact center. Zo zie ik drie belangrijke assen waarop data en AI kan worden toegepast: operationeel, aansturend en voor verbetering op de lange termijn. Hieronder licht ik deze drie assen wat verder toe.

1. Operationeel: een virtuele assistent voor service agents

In veel contact centers hebben service agents moeite om informatie te vinden en te interpreteren. Door AI toe te passen op je data kun je agents ondersteunen om sneller tot de essentie te komen. Zo kan Copilot – de AI-tooling van Microsoft – bijvoorbeeld chat- en Teams-gesprekken samenvatten, waardoor agents snel relevante informatie kunnen vinden en sneller kunnen reageren op klanten. Daarnaast kan AI helpen om sneller informatie te vinden in data en sneller een reactie te geven (bijvoorbeeld door suggesties te doen voor antwoorden en e-mails). Daardoor verschuift de focus naar het daadwerkelijke klantcontact en het oplossen van het probleem. Denk dan aan hoeveel tijd het anders zou kosten om informatie te vinden en vervolgens een reactie uit te werken. Daarnaast geeft sentiment analyse een indruk over hoe het gesprek verloop.

Een ander aspect van data en AI op operationeel niveau is de sentimentanalyse. Met (near) realtime analyse kan je het sentiment van een gesprek achterhalen. Als het sentiment tijdens een gesprek afneemt, kan dit een indicatie zijn dat er iets mis is of dat de klant niet tevreden is. Op basis hiervan kan de agent zijn aanpak aanpassen om de klant beter van dienst te zijn en de hulpvraag op de juiste manier af te handelen.

Data en AI kan agents ook helpen bij het verstrekken van de juiste informatie op het juiste moment, waardoor ze productiever kunnen werken. Ook kan AI suggesties doen voor e-mails, waarbij zelfs ‘tone of voice’ en personalisatie worden toegepast om de communicatie nog beter af te stemmen op de verwachtingen van de klant.

2. Aansturing: controle over de dagelijkse processen

Met behulp van data en supervisors en managers van het contact center meer inzicht krijgen in verschillende aspecten van de operatie. Zo kan data veel zeggen over de drukte in het contact center, het aantal gesprekken dat wordt gevoerd en het sentiment van gesprekken analyseren en omzetten naar inzichten en aanbevelingen. Dit stelt managers in staat om proactief de wachtrij te monitoren en indien nodig in te grijpen. Waar het ook bij helpt is om te monitoren hoe gesprekken verlopen, of het sentiment beter wordt en op tijd in te grijpen.

Daarnaast kan AI helpen om de workload binnen het contact center te voorspellen op basis van historische en actuele data. Door bijvoorbeeld gemiddelde wachttijden en de omvang van de wachtrijen te monitoren, kunnen managers sneller beslissen om extra mensen in te zetten, de druk te verminderen en de klanten sneller en beter te kunnen helpen.

3. Verbetering op de lange termijn: analyseren en continu verbeteren

Naast de dagelijkse aansturing kunnen data en AI ook ondersteunen om de klantenservice op lange termijn te verbeteren. Bijvoorbeeld door inzicht te geven in welke kanalen het hoogst belast worden, hoeveel procent van de gesprekken goed opgelost worden of over welke thema’s mensen vaak contact opnemen. Met AI kun je patronen identificeren om de verwachte drukte op het contact center nauwkeurig te bepalen en je workforce planning beter af te stemmen. Bijvoorbeeld dat op maandag tussen 15.00 en 17.00 uur de meeste gesprekken plaatsvinden of dat een bepaald kanaal dan meer wordt gebruikt. Deze inzichten kun je gebruiken om de werkverdeling te verbeteren over alle kanalen heen.

Bij kwaliteitsmonitoring zien we nu vaak dat organisaties gesprekken terugluisteren. Dat is een behoorlijk tijdrovende en saaie klus. AI kan helpen om een aantal basiscontroles te doen, waardoor er meer op de essentie gefocust kan worden. Met AI kun je grote hoeveelheden historische gesprekken snel analyseren om te begrijpen hoe je service agents effectiever kunt coachen. Bijvoorbeeld om te onderbouwen waarom ze bepaalde woorden of zinnen vaker moeten gebruiken om de klanttevredenheid te verhogen. Daarnaast kun je ook analyseren waar de meeste klachten of vragen vandaan komen, om de selfservice van je organisatie te verbeteren en beter in te spelen op de behoeften van klanten.

Daarnaast kan AI je helpen om de routering te verbeteren, door fouten te ontdekken die de efficiëntie van het contact center beïnvloeden. Door hier meer inzicht in te krijgen, wordt het mogelijk om de workload beter te verdelen en klanten sneller aan de juiste expert te koppelen.

Conclusie

Kortom, het is duidelijk dat data en AI een grote rol kunnen spelen in het verbeteren van de operationele efficiëntie, het aansturen van dagelijkse processen en het faciliteren van verbetering op de lange termijn. Met data en AI kunnen organisaties service agents niet alleen ondersteunen bij hun werk, maar ook het werk uitdagender maken. Tegelijkertijd bieden data en AI managers en supervisors waardevolle inzichten om op de korte en lange termijn de klantenservice te verbeteren. Door data en AI op deze drie assen toe te passen, kunnen contact centers structureel slimmer omgaan met hun kennis en resources. Wie wil dat nou niet?