利用人工智能和机器学习的力量降低联络中心成本

人工智能和机器学习的概念已经存在了一段时间，但我们刚刚开始看到它们改变我们开展业务的方式的能力。

这些技术可用于改进您的许多业务流程和功能，但其效果在客户服务领域最为明显。具体而言，如果应用得当，它们可以帮助降低与运行联络中心相关的成本，同时还可以帮助您提供改善的客户体验。

为了让您了解为何会出现这种情况，请考虑以下方式将AI和机器学习集成到您的联络中心流程中。

客户体验

我们都知道，提供优质的客户体验是取悦客户和赢得忠诚度的关键，而客户服务在实现这一重要目标方面处于独特的地位，主要是因为它与客户有如此多的直接联系。

AI和机器学习服务（例如Amazon Connect）可以帮助您实现此目的（但前提是您有合适的合作伙伴以正确的方式实施）。

请考虑以下示例：

你在机场......

...并且您的航班已被取消。

航空公司地勤服务人员告诉所有乘客不要在服务台排队，而是打电话给客户服务部门重新安排航班。

当您打电话时，不必须浏览IVR菜单并向至少一个人工座席解释问题，而是自动座席（例如Amazon Lex）这样说，

"嗨！我们发现您的航班已被取消。下一班航班将于明天上午9点起飞。你要预订座位吗？"

从联络中心的角度来看，其结果是双重的：首先，客户几乎可以立即解决他们的问题，而且不会感到沮丧；第二，你解决了问题，而不需要涉及人工座席，这可以节省你的时间和金钱。

可以添加更多步骤以使您的客户满意。例如，对于忠诚的客户，您可以指示Lex提供机场优惠券，以免给他们的航班带来不便并同时可以带来折扣。

如果没有人工智能，客户可能会遇到更令人沮丧的体验，这可能会导致他们发誓永远不再与您做生意。但是因为他们的问题很快得到解决，他们更有可能再次拥抱你，并告诉朋友和家人他们在一个令人沮丧的经历中获得的优质客户服务。

人工智能与机器学习背后的技术

Amazon Connect提供一些令人兴奋的技术，包括Amazon Transcribe和Amazon Comprehend。

Transcribe允许您以文本格式而不是语音捕获客户和座席之间的有价值数据，以便更快更好地进行分析。例如，识别重复的关键字和主题，以更新自助服务工具，例如"常见问题解答"页面。

Comprehend是一种自然语言处理（NLP）服务，它使用机器学习来查找文本中的见解和关系。例如，运行情绪分析来判断哪些客户对他们收到的服务感到满意，哪些客户不满意。

从这个意义上说，人工智能和机器学习应该被视为使你的座席能够做得更好的工具。许多人将这些技术视为人的替代品，但事实并非如此。没有什么能比人性化更好，但在使用AI和机器学习时，您的联络中心座席将更好地提供可以增强您的客户体验的服务级别。

更有效的外呼

客户服务并不总是被视为销售的驱动力。但这种情况正在发生变化，尤其是现在客户体验变得如此重要。

人工智能和机器学习可以帮助您实现这一目标。例如，假设您正在为银行工作，并且您了解到在线应用程序中的中断率很高。AI可以配置为向放弃应用程序的人发送电子邮件，询问他们是否存在问题，或者他们是否需要帮助来完成该过程。

这个额外的联系人向客户表示关心，这个帮助可能足以推动他们完成应用程序，或者至少可以更好地了解客户未完成应用程序的原因。

此外，由于该过程是完全自动化的，因此不需要额外的资源。在过去，您可以采用上述策略，但是您需要人们独立地与那些放弃申请的人联系。这不仅需要更多的时间，而且还会消耗您的资源，通常使得努力是不值得的。

但是，通过AI和机器学习，您可以比以往更快速有效地识别问题并解决问题。

边际收益 = 提高效率和降低成本

边际收益的概念已经彻底改变了一些体育运动。同样的方法也可以用于商业。

边际收益的学说都是关于任何过程中的小的渐进式改进，当它们全部加在一起时，会产生显着的改进。

我们稍微暗示了这一点，但现在是时候深入了解人工智能和机器学习如何帮助您降低运行联络中心的成本而不牺牲您提供的服务。

没有AI

为了说明这一点，让我们考虑信用卡行业的以下客户询问。

客户已达到信用额度。

他们已付款以结清部分欠款，以便他们可以进行更多购买。

但系统需要2-3天才能完成处理，因此在结清之前，客户将无法使用该卡。

他们没有意识到这一点，他们打电话给联络中心，询问为什么他们不能使用他们的卡。

联络中心座席让他们了解了2-3天的结算时间，并在他们再次尝试使用该卡之前检查他们的额度。

通话结束。

虽然这是一个非常简单快速的联络中心座席处理查询，但如果每月有10，000次这样的呼叫，会发生什么？即使每次通话需要30秒，也需要83个小时的座席时间来处理。

在边际收益的主题中，如果您有这种类型的查询的多个示例，该怎么办？如果您自动完成所有这些操作，那么在时间和成本方面会产生巨大的收益。

利用AI

现在让我们看一下使用AI技术的相同场景。

和以前一样，客户致电联络中心询问他们为何无法使用他们的卡。

AI看到客户的额度已接近其限制，因此提出了一个合理的问题，"我可以看到您最近在为您的卡付款。你的查询与此有关吗？"

客户回答"是"，以便自动座席继续。

"好。此付款需要2-3天才能处理结算。你希望我发给你一个文本信息吗？"

客户回答"是"。

通话结束。

客户得到相同的信息，但呼叫从未到达座席，因此可以节省资源以处理更复杂的呼叫。文本警报是一个如何使客户高兴并确保他们不会进行相同查询呼叫以请求状态更新的例子。

升级到在线座席始终是一种选择，但对于像这样的简单客户查询，需要考虑自动化。

重要的是要记住，任何未达到座席但具有积极结果的客户查询将节省时间和金钱，同时也令客户满意。

结论

对于人工智能和客户服务中的机器学习而言，这是可能的艺术。我们在这里举了几个例子，但可能性真的是无穷无尽的。

每项业务都将面临挑战，因此相同的技术将以不同的方式使用，但业务成果保持不变，提高效率并改善客户体验。

为了使AI和机器学习对您的客户服务运营产生实际影响，需要正确实施。

您需要咨询和专业知识来帮助您充分利用这些技术的强大功能，并将它们与您现有的基础架构和流程分层。只有这样，他们才能提高您的业务效率。