‘Hé AI, hoe kan ik de ‘customer gap’ op mijn supportafdeling dichten?’

Zoals gebruikers van Alexa en Google Home weten, is een AI-assistent enorm handig. Je kunt haar vragen jouw favoriete Spotify-lijst aan te zetten, wat het weer wordt, of op zoek te gaan naar een recept voor appeltaart. Er zijn ook legio mogelijkheden om AI op de werkvloer in te zetten. Bij een klantenservice kan AI bijvoorbeeld prima bestaande lacunes dichten, om een ‘customer gap’ te voorkomen.

Als een klant contact heeft met een klantenservice, dan hebben ze daar logischerwijs verwachtingen bij. Denk aan een attente en kundige supportmedewerker, een duidelijke gecommuniceerde oplossing en klantvriendelijke attitude. Soms is dit ook precies wat de klant krijgt, soms ook niet. Het verschil tussen de klantverwachting en de klantervaring wordt ook wel de ‘customer gap’ genoemd. Het klinkt als een open deur, maar voor het dichten van de ‘customer gap’ is het bieden van een positieve klantervaring cruciaal.

Context bepalen

Een reden voor het ontstaan van een ‘customer gap’ is dat de context van het probleem onvoldoende helder is. Juist deze context is voor een supportmedewerker belangrijk, zodat hij de klant op een adequate manier kan helpen bij zijn probleem. In veel gevallen weet de klant niet precies welke details hij over zijn probleem moet delen. Dit legt de verantwoordelijkheid voor het in kaart brengen van de juiste context bij de supportmedewerker. ‘Soft skills’ zijn hierbij een belangrijke vereiste.

AI vóór contact met de supportmedewerker

AI en machine learning kunnen ook ondersteunen bij het oppikken van de emotie van een klant en het oplossen van een probleem. Bedrijven kunnen ‘natural language processing’ (NLP) inzetten. Hiermee wordt gewone taal omgezet in ‘machine language’, zodat er geautomatiseerd betekenis wordt gegeven aan wat een klant zegt of schrijft.

Neem bijvoorbeeld een bank die klanten bij de telefonische helpdesk vraagt op een bandje in te spreken wat het probleem of de vraag is. Door het toepassen van machine learning kan een supportafdeling al een aantal zaken vaststellen zonder de klant daadwerkelijk gesproken te hebben. Er wordt een inschatting gemaakt of er sprake is van een blije of boze klant aan de hand van het woordgebruik, de snelheid van spreken en de toonhoogte.

Daarnaast wordt de urgentie van een probleem bepaald door te filteren op bepaalde woorden. Bij ‘gestolen creditcard’ moet de bank logischerwijs snel in actie komen. Ook is het mogelijk om met dezelfde techniek de vraag te routeren naar de juiste medewerker of naar een self-service mogelijkheid. Zo komt de vraag over bedrijfshypotheken niet bij de algemene klantenservice terecht, maar bij een adviseur op dat gebied. En een klant die een tijdelijke reisverzekering wil afsluiten, krijgt te horen dat hij dat ook gemakkelijk via de app van de bank kan regelen.

AI tijdens contact met de supportmedewerker  

Daarnaast kan AI helpen bij het aanbieden van de juiste oplossing of antwoord op een probleem. ‘Laat me dat even voor je nazoeken’, is een veelgehoord antwoord als een klant een service-center belt. En dat is niet niet gek, want het is voor een supportmedewerker haast onmogelijk om alle ins-and-outs te weten van het steeds veranderende product of assortiment. In een moderne en snel opererende organisatie is het dikwijls lastig om alle updates bij te houden, te weten naar welke afdeling een ticket het best doorverwezen kan worden of welke self-service mogelijkheden er zijn.

Een virtuele assistent kan hierbij helpen, omdat deze geautomatiseerde collega precies op het juiste moment de juiste informatie of antwoordsuggesties kan leveren. Neem een leverancier van fitnessapparatuur. Een supportmedewerker krijgt een vraag van een sportschooleigenaar waarom een bepaalde functie op zijn apparaat uit 2015 niet meer werkt. Een virtuele assistent kan dan direct een overzicht van de aanpassingen in de software van de afgelopen tijd en de suggestie voor een specifieke update weergeven.

Als de organisatie gebruikmaakt van een interne help-guide, dan is het ook mogelijk om de virtuele assistent hierin te integreren, zodat een supportmedewerker snel en eenvoudig kan zoeken in de interne documentatie. Het voordeel van een virtuele assistent is dat het niet alleen een zoekhulp is, maar door het zelflerende vermogen ook de juiste informatie verstrekt. Voorwaarde hiervoor is dat er genoeg data is, zodat de machine ook daadwerkelijk kan leren.

Houd de machine in de gaten

Artificial intelligence is vooral nuttig om de nuances binnen de klantenservice aan te scherpen. Het is geen wondermiddel om alle problemen op te lossen. Zorg dus voor focus op de grote problemen, die direct zorgen voor meer efficiëntie en investeer niet onnodig in state-of-the-art oplossingen. Er zijn namelijk ook voorbeelden te noemen, waarbij de inzet van AI niet direct het gewenste resultaat opleverde. Zo stuurde een bedrijf 80 procent van zijn klanten die een vraag stelden via e-mail direct naar een self-service pagina met antwoorden. De antwoordsuggesties sloten echter niet aan bij de klantvraag, omdat er te weinig data was waar de machine van kon leren. Bovendien belandden de klanten die klikten op ‘nee, mijn vraag is niet beantwoord’ op de stapel ‘opgeloste problemen’. Dit zorgde uiteraard voor veel ontevreden klanten, slechte klantscores en een toegenomen customer gap.

AI bij een supportafdeling is vergelijkbaar met Alexa of Google Home: het is een assistent die het leven gemakkelijker maakt. Met slimme technieken zoals NLP, chatbots en virtuele assistenten krijgen supportmedewerkers een hulpmiddel om efficiënter te werken. En voor klanten levert het ook voordelen op, want zijn zullen sneller geholpen worden met de juiste oplossing door de juiste medewerker. Maar houd de machine wel in de gaten en focus op bepaalde processen, want AI is geen wondermiddel dat je zonder gedegen voorbereiding en voldoende data direct kunt inzetten.