StartsideInspirationArtiklerAI inden for kundeservice – den komplette vejledning

Artificiell Intelligence inden for kundeservice – den komplette vejledning

Del

Del

I det forgange årti er der sket teknologiske fremskridt og udvikling inden for neurale netværker, maskinlæring, dyb læring og sprogbehandling.

Man finder digitale assistenter i hver eneste smartphone, og virksomhederne er vilde med chatbots. AI er også lovende inden for kundeservice. Men lever det op til forventningerne? Hvor realistisk er det, at man vil kunne basere sin kundeservice på AI, og hvad kan man forvente sig i nær fremtid?

Inden vi ser nærmere på AI-baseret kundeservice, så lad os forklare de vigtigste termer og koncepter, som AI-eksperter elsker at kaste om sig med.

Hvad er AI, ML, DL og NLP?

Kunstig intelligens (Artificial intelligence, AI): AI henviser til maskiner, der er i stand til at imitere “intelligent” adfærd. Det omfatter at foretage handlinger, som normalt kræver menneskelig intelligens, som f.eks. visuel opfattelse, talegenkendelse, beslutningstagning og oversættelse af forskellige sprog. AI er den samlede betegnelse for dette.

Lad os benytte eksemplet med en chatbot i kundeservice. Når en chatbot svarer på kundernes spørgsmål, imiterer den menneskelig adfærd, og vi kan derfor kalde det AI.

Men denne generelle betegnelse dækker over mange underområder, der kan adskilles skarpt fra hinanden. Her er de vigtigste:

Snæver eller generel AI

AI kan opdeles i to typer: snæver AI og generel AI.

Snæver AI er programmeret til at udføre en bestemt opgave ved at benytte informationer fra et særligt datasæt. Alle AI-applikationer, der bruges i øjeblikket, kategoriseres som snævre.

Generel AI er karakteriseret ved menneskelig intelligens og ville kunne udføre alle opgaver, som mennesker kan udføre – og mere til. Lige i øjeblikket er dette dog stadig science fiction.HAL 9000 er et eksempel på generel AI. Den kan lære, planlægge, afveje, kommunikere med naturlig sprogbrug og bruge disse færdigheder til enhver opgave, som om den havde en menneskelig (super)hjerne.

I vores brugsscenarie, hvor en kunde sender et spørgsmål til en chatbot, vil snæver AI kunne tjekke kundens spørgsmål i en database over ofte stillede spørgsmål og finde mulige løsninger i denne database.

Generel AI ville derimod kunne give personliggjorte, menneskelignende svar. Den ville kunne indsamle manglende detaljer, scanne internettet for relevant baggrundsinformation og skræddersy svaret til kunden på få sekunder. Og det er så langt vi er nået med ChatGPT.

Andre eksempler på snæver AI

“Rigid” AI: De regelbaserede (“forudprogrammerede”) chatbots, der i øjeblikket kan fås, er “statiske”. De “lærer” ikke noget af interaktioner. De fungerer i henhold til prædefinerede beslutningsstier.

En “statisk” chatbot kan stille dine kunder spørgsmål med flere svarmuligheder og derefter tilbyde svar eller udløse handlinger, såsom at sende en chat videre til en rigtig servicemedarbejder. Alt er baseret på en valgt rute.

Maskinlæring (ML): Hvis du bruger Spotify, YouTube eller Netflix kender du allerede til personliggjorte anbefalinger. Disse platforme bruger algoritmer, der analyserer data, lærer af dem og kommer med forudsigelser og klassifikationer af ting, du måske også vil kunne lide. Det er klassisk maskinlæring.

I vores eksempel med en chatbot, vil en algoritme baseret på maskinlæring analysere kundens spørgsmål, sammenligne det med tidligere forespørgsler og valide svar og vælge det, der strategisk er bedst.

Baseret på kundefeedback (dette besvarede mit spørgsmål/dette besvarede ikke mit spørgsmål) ved maskinen, om den har leveret et godt stykke arbejde eller ej. Hvis den giver et ubrugeligt svar, sender den spørgsmålet videre til en menneskelig kollega.

Ideelt set vil den så notere den menneskelige medarbejders svar og lære af det for at finde sin egen løsning til lignende spørgsmål i fremtiden. Fordelen ved chatbots, der fungerer i henhold til dette indhentningsbaserede princip, er, at svarene er forholdsvis troværdige, da chatbotten kun giver “godkendte” svar. På den anden side kan den kun håndtere enkle, direkte spørgsmål.

Deep Learning (Dyb Læring, DL): Dyb læring er en avanceret undertype af maskinlæring. Den gør det muligt for maskinerne at fremkomme med mere præcise forudsigelser – uden menneskelig hjælp. DL-applikationer benytter en lagdelt algoritmestruktur (kunstigt neuralt netværk) for at kunne drage konklusioner, der ligner dem i den menneskelige hjerne.

I stedet for at baseret svaret på indhentning af tidligere valide svar kan chatbotten skabe sine egne svar og udveksle individuelle beskeder med kunden. F.eks. kan den stille modspørgsmål, undersøge mere osv. Det kræver en meget større database i modsætning til simple maskinlæringstilgange.

Natural Language Processing, NLP: Den måde, folk er i dialog med hinanden på, gennem tale og skrift, kaldes naturligt sprog. Sprogteknologi er en teknologi, der hjælper computere med at forstå vores naturlige sprog.

I vores eksempel med en kundeforespørgsel ville NLP lade chatbotten oversætte spørgsmålet til computersprog (kommandoer) og formulere outputtet (svaret) vha. meningsfulde menneskelige termer.

Det skyldes, at NLP bryder sproget op i brudstykker for at forstå, hvordan hvert af dem arbejder sammen. Hvis du skulle give forskellige dele af en sætning forskellige farver i de små klasser, så kender du til processen. Målet med NLP er at tage rå sproglige data og bruge lingvistik og algoritmer til at afkode tekster og betydninger, så der kan opnås resultater, der giver mening.

Hvis du f.eks. scroller ned gennem din spammappe og lægger mærke til, at mange emnelinjer følger det samme mønster, så er det fordi NLP har ansvaret for det. Det identificerer visse ord som spamindhold for at afgøre, om e-mailen skal sendes til indbakken eller i affaldsmappen.
Teknologien har udviklet sig betragteligt i de senere år, hvilket ses ved applikationer som Siri og Alexa.

Den praktiske chatbotvejledning til virksomheder

Se, hvordan chatbots fungerer, hvad de kan gøre for dig, og hvordan du kan oprette en – og find ud af, om de stjæler vores arbejde.

Sådan bruger du AI med succes i din virksomhed

AI kan gøre en stor forskel inden for kundeservice. Når intelligente systemer bliver implementeret og brugt korrekt, kan de forbedre din virksomheds image, lette arbejdet for dit serviceteam og reducere supportomkostninger med op til 30 %. Disse er de bedste måder at bruge AI på i din organisation.

AI i kundeservice

Svar på ofte stillede spørgsmål

Kunder forventer hurtig support. For at lette presset på dine medarbejdere kan du bruge en chatbot til at svare på de mest almindelige forespørgsler. En anden mulighed er at oprette en interaktiv FAQ-side. Det tager ikke alene presset fra dit serviceteam, men giver også dine kunder mulighed for at hjælpe sig selv. AI hjælper med at forbedre brugerens selvbetjeningsoplevelse ved at identificere nøgleord og lede efter passende svar i vidensdatabasen. Mens kunden stadig er i færd med at indtaste sin forespørgsel, anbefaler systemet relevante sider og giver forslag baseret på kundens henvendelse.

Chatbots og FAQ-sider kan også hjælpe dig med at identificere populære søgetermer, så du bliver klar over, hvad dine kunder oftest falder over.

Automatiserede tekstforslag og beskeder

Et AI-baseret system hjælper dig med at oprette og sende automatiserede svar på enkle spørgsmål. AI-chatbots kan arrangere møder og sende påmindelser på en næsten menneskelig facon. AI-systemer kan oprette emnelinjer og beskeder, der er målrettet bestemte målgrupper ved at analysere, hvor succesfulde tidligere ordkombinationer har været.

De kan også hjælpe med at lave meddelelser på de sociale medier og vurdere deres succes, inden de overhovedet bliver udsendt. For at være aktiv uden for åbningstiden kan AI sende straksbeskeder eller lede dine kunder hen til din livechat, din FAQ- eller kontaktside. Og hvis du er usikker på, hvornår det er bedst at skrive til dine kunder, så kan du bruge programmer som Seventh Sense Software. Det viser, hvornår dine kunder normalt åbner deres e-mails. Ret imponerende (og nyttig) indsigt!

Få lavet rutineopgaverne

Kunstig intelligens kan træde til ved alle de opgaver, der enten er for kedelige eller for tidskrævende. Særligt chatbots er hverdagens helte. Ud over at svare på generelle spørgsmål kan chatbots videresende sager til medarbejdere, sende beskeder videre, opdatere kundeprofiler og foreslå passende produkter.

Intelligente AI-chatbots som dem fra Lime Connect træner sig selv næsten automatisk. Skab en central vidensdatabase, indtast basale oplysninger, og lad chatbotten lære for hver forespørgsel takket være DL-algoritmer og GPT-4-integration.

Hvis en kunde stiller mere komplekse spørgsmål eller har forespørgsler, der overstiger chatbottens viden, sender AI-chatbotten ganske enkelt dialogen videre til en ledig medarbejder i teamet.

AI inden for marketing

Analysering af kundesynspunktet

Livechat-dialoger og interaktioner på de sociale medier og vurderingsplatforme siger meget om, hvad folk mener om dit brand. Maskinintelligens hjælper dig med at analysere det hele.

Inden for sociale medier er det ofte særligt svært at forstå kundesynspunktet, da det bliver tilkendegivet i ustrukturerede kommentarer og beskeder. Firmaer som Brandwatch sporer, hvor sundt dit brand er, og hvor synligt det er (ikke kun efter navn, men også efter logo) og rapporterer om ændringer i kundesynspunktet. Hvordan fungerer det? AI aflæser kundesynspunktet ved at analysere trends og måle på beskedtendenser, mønstre og ordvalg. Hvis du planlægger at oprette et Customer Health Score (kundesundhedsscore) kan en kundesynspunktanalyse være utroligt værdifuld, når risiko-kunder skal prioriteres, eller når der er brug for at afdække mersalgspotentiale.

Kundekvalifikation

AI-software som Salesmachine hjælper dit kundeserviceteam med at fokusere på kvalificerede kundeemner ved at give forskellige prospekter forskellige scorer. Salesmachine analyserer de potentielle typer risici og kundeadfærd for dine medarbejdere, så de kan arbejde mod at få lukket prøveperioder og salg.

Dette niveau af AI lærer nok om dit kundesegment til at kunne lave en kundesundhedsscore. Det sparer dine medarbejdere for at skulle bruge tid på selv at analysere forskellige metrikker, hvilket kan være en længerevarende proces.

Er der også ulemper forbundet med AI-understøttet kundeservice?

Der er mange ufuldstændige løsninger. Billige “ned-fra-hylden”-chatbots gør det muligt for både større og mindre firmaer at lave en bot med få enkelte klik, automatisere sagsoprettelse og sende e-mails på vegne af firmaet. Disse systemer bliver ofte solgt som “intelligente” eller “smarte”, selvom de kræver en del manuelt arbejde. Datafødning og træning kan tage måneder, ja endda år. Og fejl er nærmest uundgåelige, indtil systemet er kørt ind. Er dine kunder tålmodige nok til at klare det?

Når man vælger en udbyder til automatiseret support, er det derfor tilrådeligt at sikre sig, at der kan integreres basale AI-funktioner, så man på den måde kan imødekomme kundernes forventninger – helst inden for få uger i stedet for måneder og år. En god AI kan være dyr (men det behøver den ikke være). Det kan være dyrt at bygge sin egen intelligente platform. Det er lidt ligesom at bygge sin egen PC i stedet for at købe en færdigbygget – det er cool, men ikke nødvendigvis det værd.

Avancerede løsninger som Lime Connects AI Automation Hub med en GPT-4-chatbot kan fås til virksomheder for omkring 400 EUR pr. måned. Det betyder, at de kun koster en brøkdel af prisen for en hjemmelavet løsning, og de leverer et direkte investeringsafkast (ROI).

Reddit

Sådan kommer du i gang med kunstig intelligens inden for kundeservice

Et samlet kundemeddelelses- og supportautomatiseringssoftware som Lime Connect giver dig det AI-værktøjssæt, der gør det muligt for dig at bygge en selvlæringsvidensbase med få trin. De tre AI-moduler i vores AI Automation Hub gør det muligt at få 24/7-selvbetjening på din hjemmeside: AI-chatbot med GPT-4, Smart FAQ og dynamiske kontaktformularer.

Vores GPT-4-chatbot bruger den mest avancerede AI-teknologi i verden og er derfor i stand til på kreativ vis at kombinere input fra din vidensdatabase og give kunderne fuldstændigt personliggjorte svar. Supportbotten kan oven i købet huske konteksten for chatten, så den kan også kategorisere opfølgende spørgsmål korrekt. En anden særlig funktion er, at den kan svare på flere spørgsmål i én besked. I dette tilfælde detekterer botten, at der er tale om flere emner, gennemsøger databasen efter den nødvendige information og svarer på spørgsmålene i én sammenhængende besked. Det øger ikke blot din løsningsrate, men det giver også dine kunder en fuldstændig naturlig chatoplevelse.

Smart FAQ er en responsiv selvbetjeningsportal, der hjælper kunderne med selv at løse deres problemer. Det AI-baserede autofuldførelse forsøger at svare på brugerens spørgsmål, mens vedkommende skriver. Den oplister populære emner i toppen, så brugerne hurtigt kan finde det, de har brug for.

Vores forslag i kontaktformularen forbedrer din eksisterende kontaktformular med en dynamisk forslagsfunktion. AI forsøger at svare på kundens spørgsmål baseret på vedkommendes input, allerede inden formularen indsendes. Som med Smart FAQ bliver svaret foreslået brugeren, mens der tastes. Alle kundechats og hver eneste interaktion fodrer din AI med viden og gør den stadigt stærkere.

Lime Connect tilbyder en 14-dages prøveperiode, så du kan få en fornemmelse af vores kundemeddelelsesplatform og AI Automation Hub. Når du er tilfreds, vil vi med glæde hjælpe dig med at blive klar til rejsen mod AI i kundeservice.

Ønsker du at komme i kontakt med os?

Der er ingen tid at spilde! Lad os finde den løsning, der vil hjælpe dig med at få flere kunder og gøre eksisterende til loyale ambassadører i dag.