Według statystyk, firmy e-commerce były liderami we wdrażaniu sztucznej inteligencji w 2022 roku. Dziś tempo wprowadzania AI tylko rośnie. 84% przedstawicieli e-commerce albo aktywnie implementuje AI, albo uważa to za priorytet. Co sprawia, że ten cyfrowy asystent jest tak atrakcyjny dla firm? Zespół Ringostat wyjaśnia korzyści płynące z wykorzystania sztucznej inteligencji na przykładzie przetwarzania połączeń w e-commerce.

Przykład 1: ocena tylko tych rozmów, które naprawdę wymagają analizy

Zespoły sprzedaży e-commerce często przetwarzają dziesiątki lub setki zapytań dziennie. I tutaj kierownictwo staje przed poważnym problemem. Z jednej strony niemożliwe jest kontrolowanie sposobu, w jaki menedżerowie komunikują się z klientami bez pełnego odsłuchiwania rozmów. Z drugiej strony, niemożliwe jest analizowanie tak dużej liczby połączeń. W związku z tym menedżer musi słuchać rozmów wybiórczo i zawsze istnieje szansa, że przegapi coś ważnego.

Wiedząc o tym problemie, programiści AI znaleźli sposób na jego rozwiązanie. Sztuczna inteligencja, w przeciwieństwie do ludzi, jest w stanie szybko analizować duże ilości informacji. Dzięki temu może wskazać dokładnie te połączenia, które wymagają uwagi kierownictwa.

Istnieją już rozwiązania wbudowane w telefonię w chmurze, które działają na tej zasadzie:

• wirtualna centrala telefoniczna nagrywa rozmowę;
• AI przepisuje nagranie na tekst i analizuje je;
• na podstawie znaczenia rozmowy wyciąga wnioski na temat ogólnego nastroju rozmowy, osobno nastroju klienta i menedżera;
• rejestruje nastrój każdej rozmowy w raportach telefonicznych.

W ten sposób menedżer lub supervisor może natychmiast zobaczyć dialogi, podczas których coś poszło nie tak. Wystarczy ustawić filtr, pokazujący tylko te rozmowy, w których klient jest rozczarowany. Może się tak zdarzyć na przykład, jeśli AI „zrozumie” z dialogu, że klient jest niezadowolony z jakości konsultacji. Albo klient jest zdenerwowany, ponieważ nie zaoferowano mu alternatywy dla produktu, którego nie ma w magazynie.

Istnieje jeszcze jeden sposób, aby kierownictwo rozumiało, na co należy zwrócić uwagę. Sztuczna inteligencja może wyciągać wnioski na temat tego, czy żądanie klienta zostało rozwiązane. Na przykład, jeśli klient:

• próbował dowiedzieć się, czy produkt jest odpowiedni do użytku w określonych warunkach, a menedżer nie potrafił udzielić odpowiedzi i obiecał sprawdzić to z kolegami;
• zadał kilka pytań, ale pracownik nie odpowiedział na wszystkie;
• zadzwonił, aby złożyć skargę na wadliwy produkt, ale menedżer nie zaoferował rozwiązania, takiego jak wymiana lub zwrot pieniędzy;
• chciał wymienić towar, ale nie otrzymał wyczerpujących informacji, jak to zrobić itp.

Słuchając takich rozmów, można dowiedzieć się, czy sytuacja była winą menedżera, czy też problem klienta jest naprawdę niemożliwy do rozwiązania. Na przykład, jeśli chce kupić produkt, którego nie sprzedajesz.

Przykład 2: kontrola centrum kontaktowego dla e-commerce działającego na różnych rynkach

Sztuczna inteligencja jest w stanie „wymazać granicę”, jeśli chodzi o analizę połączeń od mieszkańców różnych krajów.

Zatrudnianie operatorów mówiących w ojczystym języku na rynkach zagranicznych nie stanowi problemu, ale kontrolowanie ich jest znacznie trudniejsze. Trzeba szukać osobnego supervisora dla każdego kraju, co nie zawsze jest uzasadnione. Zwłaszcza jeśli dany obszar dopiero się rozwija i nie ma zbyt wielu połączeń od lokalnych klientów.

Dzięki sztucznej inteligencji nie jest to już problemem. Jak wspomnieliśmy powyżej, takie rozwiązania przekształcają rozmowy audio na tekst. Ale są one również w stanie przetłumaczyć dialogi na język angielski.

Przykładowo, przełożony z Polski może z łatwością analizować rozmowę operatora w języku niemieckim, po której następuje dialog w języku rumuńskim lub włoskim. Przełożony musi jedynie zrozumieć angielskie napisy, które są automatycznie dodawane do rozmowy. Na przykład w ten sposób szef sprzedaży Ringostat wykorzystuje naszą sztuczną inteligencję do kontrolowania przetwarzania połączeń menedżerów pracujących w Bułgarii.

Transkrypcje są szczególnie przydatne, gdy supervisor musi przeanalizować tylko te dialogi, które dotyczyły konkretnego produktu. Lub gdy trzeba sprawdzić, czy menedżer wspomniał w rozmowie o promocji, rabacie, darmowej dostawie itp. Wystarczy ustawić filtr dla żądanej frazy, a raport wyświetli tylko te rozmowy, w których została ona wspomniana.

Przykład 3: Poziom zaawansowany — analizowanie rozmów według dziesiątek parametrów

Przy podstawowych ustawieniach sztuczna inteligencja może zrobić znacznie więcej. Może na przykład wykryć błędy popełnione przez menedżera lub doradzić najlepsze kolejne kroki. Może na przykład dokładniej przeanalizować oferty konkurencji, aby podkreślić zalety sklepu internetowego. Lub zadzwonić, gdy określony produkt pojawi się w sklepie.

Jednak już teraz AI pozwala na indywidualną konfigurację pod kątem potrzeb konkretnej firmy. Dzięki temu można uzyskać kompleksową ocenę wydajności centrum kontaktowego. Nie według ogólnych parametrów, ale według tych, które są fundamentalnie ważne w procesach biznesowych. Na przykład jeden z naszych klientów, firma konsultingowa, która pomaga firmom e-commerce budować działy sprzedaży, zwróciła się do Ringostat o takie rozwiązanie.

Przyjrzyjmy się, jak sztuczna inteligencja może działać w takich warunkach.

1. Firma musi określić, które zdania lub pytania menedżer musi wypowiedzieć podczas rozmowy. Na przykład musi się przywitać i podać nazwę firmy, rozpoznać potrzeby klienta, zapytać, skąd klient dowiedział się o sklepie internetowym itp.

2. Po rozmowie AI sprawdzi dialog ze skryptem rozmowy. Jeśli menedżer powie właściwą frazę, rozwiązanie przyzna 1 punkt, jeśli nie, przyzna 0 punktów.

3. Na koniec rozmowy sztuczna inteligencja przyzna łączną liczbę punktów. Jest to kolejny sposób na szybkie znalezienie dialogów, na które warto zwrócić uwagę.

4. Sztuczna inteligencja może również ocenić całą wydajność operatora, analizując wyniki jego rozmów.

   
   

   Takie podejście pozwoli zidentyfikować problemy, z którymi regularnie borykają się niektórzy pracownicy. Zauważając to w porę, można poprawić umiejętności menedżera i zwiększyć konwersję z rozmowy telefonicznej na sprzedaż.

   Przykład 4: niedaleka przyszłość — chatbot, który uczy się na podstawie doświadczeń Twojego zespołu

   Istnieją już chatboty oparte na sztucznej inteligencji, które mogą odciążyć zespół sprzedaży. Takie rozwiązania nie tylko znają odpowiedzi na najczęściej zadawane przez klientów pytania. Rozumieją również „korzyść” zapytania dla firmy z kontekstu rozmowy, segmentują leady i decydują, które z nich przekazać pracownikowi na żywo. Takie podejście pozwala wyeliminować niedocelowy ruch i zapewnić podstawowe odpowiedzi na pytania bez udziału człowieka.

   
   W przyszłości system ten zostanie ulepszony poprzez naukę ze wszystkich możliwych źródeł informacji. Załóżmy, że firma posiada dokumentację produktu lub bazę wiedzy o swoich produktach, dane dotyczące połączeń telefonicznych i rozmów na czacie. Sztuczna inteligencja zbada charakterystykę produktu i przyjmie techniki z wysoko ocenianych dialogów. Pozwoli jej to obsługiwać klientów równie dobrze jak człowiek, a czasem nawet lepiej. W końcu rozwiązanie cyfrowe nie cierpi na wahania nastroju, nieuwagę czy zapominalstwo.

   
   Chatboty oparte na sztucznej inteligencji mogą być również wykorzystywane do dodatkowych zadań.

   1. Automatyczna klasyfikacja zapytań według tematu. Pozwoli to szybko znaleźć wszystkie dialogi na ten sam temat. Na przykład dotyczące zwrotu towarów lub zakupów hurtowych. Dzięki temu kierownik działu sprzedaży będzie mógł przeanalizować takie żądania i opracować optymalny scenariusz rozmowy dla menedżerów.
   2. Rozpoznawanie i rozwiązywanie problemów klientów. AI będzie w stanie zidentyfikować słowa kluczowe i frazy w rozmowie, które wskazują, że klient ma jakieś trudności. Na przykład, jeśli klient powie, że „produkt nie odpowiada opisowi”, rozwiązanie automatycznie utworzy prośbę o zwrot.
   3. Pomaganie klientom w wyborze produktu odpowiadającego ich potrzebom. Chatbot może zapytać klienta o jego budżet, cele i zainteresowania, a następnie zaoferować listę odpowiednich produktów.
   4. Zamawianie. Często klienci nie rozumieją, jak zamówić produkt, nawet jeśli strona internetowa jest wystarczająco przyjazna dla użytkownika. Albo nie mają czasu i ochoty robić tego samodzielnie. Sztuczna inteligencja może poprosić klienta o podanie danych kontaktowych, adresu dostawy i metod płatności, a następnie automatycznie złożyć zamówienie.

   Wnioski: jakie możliwości daje sztuczna inteligencja centrom kontaktowym i działom sprzedaży e-commerce?

   1. Automatyczna analiza połączeń. Sztuczna inteligencja może szybko i dokładnie analizować duże ilości danych połączeń, aby zidentyfikować problematyczne momenty w komunikacji między menedżerami a klientami. Dzięki temu menedżerowie centrów kontaktowych mogą szybko uzyskać informacje na temat tego, gdzie należy podjąć działania w celu poprawy jakości usług.
   2. Kontrola centrów kontaktowych działających na rynkach międzynarodowych. Sztuczna inteligencja może przetłumaczyć tekst rozmowy na język angielski, co pozwala przełożonym monitorować pracę operatorów pracujących w różnych krajach.
   3. Zaawansowana analiza rozmów. AI można skonfigurować tak, by analizowała rozmowy indywidualnie pod kątem konkretnych potrzeb firmy. Pozwala to uzyskać kompleksową ocenę wydajności centrum kontaktowego i zidentyfikować problemy, które byłyby niemożliwe do wykrycia przy użyciu standardowych ustawień.
   4. Odciążenie działu sprzedaży. W przyszłości sztuczna inteligencja będzie wykorzystywana do szerszego zakresu zadań związanych z obsługą klienta. Na przykład chatboty oparte na sztucznej inteligencji będą w stanie zapewnić klientom bardziej spersonalizowaną pomoc, rozwiązywać ich problemy, a nawet składać zamówienia.

\