AI en customer experience, hoe werkt het?

AI kun je inzetten om de klantervaring te verbeteren. Dat klinkt misschien vaag, want hoe werkt dat dan? AI kun je inzetten als een extra stuk gereedschap om betere resultaten behalen. Mits je aan de juiste voorwaarden voldoet en een gedegen ontwikkelpad volgt.

Voorheen kon je als organisatie concurreren op prijs en bepaalde services, zoals een snelle levertijd. Tegenwoordig zijn dat soort zaken de norm en dus niet langer onderscheidend. Het doel ‘get the traffic in’, oftewel haal zoveel mogelijk bezoekers naar de webshop, is vervangen door ‘zorg voor een zo hoog mogelijke klanttevredenheidsscore’. Uiteraard is klanttevredenheid voor veel organisaties al sinds jaar en dag erg belangrijk, toch het blijkt niet altijd gemakkelijk – vooral voor traditionele bedrijven – om de ‘customer experience’ als uitgangspunt te nemen.

CX mindset

Natuurlijk, we kennen de Coolblue’s en Amazon’s, die op elk moment de focus hebben op de klantervaring. Dit kost echter wel tijd, middelen en een andere mindset. Er zijn grofweg twee manieren om een ‘customer experience mindset’ binnen de organisatie goed van de grond te laten komen. Je kunt elke medewerker op elk moment inprenten: ‘wij doen alles voor een fijne ervaring voor de klant’. Een voorbeeld hiervan is het bericht dat een bezorger van Picnic krijgt op het moment dat hij met zijn busje bij een klant arriveert. Bij elke stop wordt hij er op gewezen dat het een fijne ervaring moet worden voor de klant. Daarnaast kun je als organisatie zelf het goede voorbeeld geven. Als een organisatie zeer goed voor zijn werknemers zorgt, zal de medewerker zijn klanten ook prinselijk behandelen, zo is het idee.

Data vindt pijnpunten klantervaring

Data en AI kunnen de ‘CX mindset’ ondersteunen. Het klinkt misschien als een no-brainer, maar door via de data op te zoeken waar de pijnpunten voor de klant liggen, kun je ze sneller oplossen en zorgen voor een betere klantervaring. Kijk hierbij vooral naar de ontevreden klanten, want juist die ervaring wil je verbeteren. Neem als voorbeeld een fabrikant van relatief prijzige audio-apparatuur. Uit de data bleek dat slechts de helft van de klanten tevreden was met de aftersales service. Hier lag een relatief eenvoudig op te lossen probleem aan ten grondslag. Als een dure headphone niet goed functioneerde, kreeg een klant geen nieuw maar een refurbished product terug. Door dit proces aan te passen, steeg het aantal tevreden klanten naar 80 procent in negen maanden. Het MT, dat niet per se stond te springen om deze proceswijziging, kon met de data overtuigd worden. Bovendien werd er kritisch naar de budgetverdeling gekeken, want werd er niet teveel geïnvesteerd in acquisitie en te weinig gekeken naar klantretentie?

Voorwaarden

De kracht van het inzetten van data en AI is zoeken naar relatief kleine problemen en oog hebben voor processen met gelabelde data. AI is namelijk geen wondermiddel, je kunt het niet even aanzetten en verwachten dat het direct resultaat oplevert. Er zijn twee belangrijke voorwaarden voor een succesvolle inzet van AI.

Zorg voor een klein toepassingsdomein

Data is niet het nieuwe goud, zoals vaak wordt gesteld. Gelabelde data is dat wel. Het verschil zit ‘m in de menselijke inbreng, want bij gelabelde data heeft een mens de data een label gegeven. Het systeem is zelflerend, maar het moet wel de juiste data krijgen om ook daadwerkelijk te kunnen leren. Om bijvoorbeeld een kat te herkennen op een foto heeft een AI-toepassing minstens 10.000 gelabelde foto’s met een kat nodig. Met dit in het achterhoofd is het haast onmogelijk om voor alle processen binnen een organisatie AI in te zetten of zonder goed plan te roepen ‘doe mij maar een AI’. Ga op zoek naar een klein toepassingsdomein, waarvoor voldoende data beschikbaar is. Een voorbeeld hiervan is de afhandeling van vragen gesteld via een e-mail bij een verzekeraar. Gemiddeld werd een e-mail zeven keer geforward, voordat het bij de juiste persoon terecht kwam. Met behulp van AI werd een ‘classifier’ ontworpen om dit proces te versnellen. Voor dit enkele bedrijfsproces, het forwarden van mails, werd een methode voor labeling ontwikkeld, die ook werd toegepast op de historische data uit het e-mailarchief. Hierdoor kon de AI-toepassing snel leren en steeds beter worden in het classificeren en doorleiden van de mails naar de juiste medewerker.

Houd de ‘human in de loop’

Een andere belangrijke voorwaarde is dat er altijd een mens moet meekijken. Hoewel er allerlei prachtige oplossingen in het verschiet liggen, blijkt in de praktijk dat menselijke ondersteuning nog onontbeerlijk is voor een succesvolle AI-toepassing. Een voorbeeld hiervan is het automatisch vertalen van klantenservice-content voor buitenlandse markten. Stel je hebt een gaming-platform, maar minder dan een fte werk voor een servicemedewerker in de Turkse taal. Het is mogelijk om een vertaal-tool op basis van AI te koppelen aan de klantenservice-oplossing, zoals die van Zendesk. De Engelse content wordt door deze zelflerende tool vertaald naar het Turks, maar de laatste tien procent wordt nog gecontroleerd en zonodig aangepast door een freelance vertaler. Deze freelancer is cruciaal, omdat hij de onjuiste woorden, gekke spelling of bijzondere zinsconstructies corrigeert waarvan de AI-toepassing weer leert.

Ontwikkelpad

Naast bovenstaande voorwaarden is het belangrijk om een duidelijk ontwikkelpad te volgen als je AI wilt inzetten om de klantervaring te verbeteren. De adoptie van AI is een curve en het is logischerwijs niet aan te raden om aan het einde in te stappen. Begin met een eerste verkenning en stel daarna een roadmap op met waar je naartoe wilt. Ook dan is het niet de bedoeling dat je er volop inspringt, maar begin met een aantal showcases voordat je daadwerkelijk een product ontwikkeld. Veel organisaties denken al een heel eind op weg te zijn en stappen vol goede moed bij het ontwerp van de oplossing in om vervolgens alsnog de hele curve te doorlopen.

Maar laat dit jouw organisatie uiteraard niet afschrikken, want de belangrijkste tip is: ga aan de slag. Probeer een simpele chatbot uit en kijk of het voor jouw klantenservice resultaat oplevert. Onderzoek wat werkt en ga hier verder mee aan de slag.