Keskiverto tukitiimi käyttää suhteettoman suuren osan viikostaan vastaamalla samoihin muutamaan kysymykseen. DigitalGeniuksen ja Canam Researchin kyselyssä pohjoisamerikkalaisille asiakaspalvelujohtajille 80 % vastaajista kertoi, että vähintään 20 % tiimin tiketeistä on toistuvia mutta helposti ratkaistavia. Jokainen tunti, jonka agentti käyttää kysymykseen “miten vaihdan salasanani”, on tunti, jota ei käytetä monimutkaiseen ongelmaan, joka todella vaati ihmisen harkintaa. Näin voit vähentää tukitikettien määrää tekoälyllä poistamalla tuon toistuvan tason, ja mitä se tarkoittaa tiimillesi.
Tikettien jakauman ongelma: mihin tukiaika todella kuluu
Useimmilla tukitiimeillä ei ole niinkään näkyvyysongelmaa vaan huomio-ongelma. Tiketit, joiden ratkaiseminen vaatii vähiten harkintaa, kuten salasanojen palautukset, “missä tilaukseni on”, perustason laskutuskysymykset ja pakettien erot, saapuvat samassa määrin tai suurempina kuin monimutkaiset. Jokainen niistä vaatii silti täyden kontekstin vaihdon: tiketin lukemisen, rutiinin tunnistamisen, saman vastauksen hakemisen muistista tai ohjeartikkelista ja vastaamisen.
Tuo DigitalGenius/Canam-kyselyn luku 80 % johtajista ja 20 % tiketeistä on alaraja, ei yläraja. Monet tiimit raportoivat toistuvan osuuden olevan huomattavasti suurempi. Ongelma kertautuu, koska se on näkymätön useimmissa tikettien koontinäytöissä.
Ne 20 kysymystä, jotka nielevät 80 % tukikapasiteetista
Useimmissa SaaS- ja verkkokauppatuen jonoissa pieni joukko kategorioita kattaa suurimman osan “toistuvasta” tasosta:
- Salasanojen palautukset ja tilin käyttöoikeusongelmat
- Tilauksen tila ja toimitusten aikataulut
- Laskutuskysymykset sekä pakettien ja hinnoittelun erot
- Palautus- ja hyvityskäytäntöjä koskevat kysymykset
- “Miten teen X” -kysymykset, jotka on jo käsitelty ohjekeskuksessa
- Perustason vianmääritysohjeet, jotka on dokumentoitu mutta joita asiakkaat eivät löytäneet
Kaikki nämä kategoriat tarvitsevat vain oikean tiedon toimitettuna nopeasti ja johdonmukaisesti, ei syvempää pohdintaa tai ihmisen harkintaa. Juuri tätä tietopohjaan nojaava chatbot hoitaa hyvin. Se toimittaa yksinkertaiset, tylsät ja selkeät vastaukset johdonmukaisesti ja laajassa mittakaavassa ilman, että kontekstin vaihtoon, hakemiseen tai vastauksen muotoiluun kuluu yhtä paljon aikaa ja vaivaa kuin ihmiseltä.
Valmis kasvattamaan liiketoimintaasi?
Aloita ilmainen kokeilujakso tänään ja näe tulokset muutamassa päivässä.
Miten tekoälychatbotit hoitavat toistuvan tason
Tietopohjachatbot noudattaa samaa silmukkaa jokaisessa keskustelussa. Se vastaanottaa asiakkaan kysymyksen luonnollisella kielellä, hakee yhdistetystä dokumentaatiostasi olennaisen vastauksen, pitää yllä koko keskusteluhistoriaa niin että jatkokysymykset ymmärretään kontekstissa, ja vastaa sisältöösi nojaavalla vastauksella. Kun kysymys jää tietopohjan ulkopuolelle, se eskaloituu ihmiselle arvaamisen sijaan.
Tuo silmukka on täsmälleen edellä kuvattu toistuva taso. Sen käyttöönotto tarkoittaa, että yhdistät olemassa olevat UKK-kysymyksesi, dokumentaation sekä verkkosivustosi ja ulkoiset verkkolähteet ja määrität kehotteen, joka ohjaa käyttäytymistä . Ei päätöspuuta, joka pitäisi käsikirjoittaa, eikä erillistä vastausta, jota pitäisi ylläpitää olemassa olevan dokumentaation ulkopuolella.
Mitä tuen laadulle tapahtuu, kun tekoäly ottaa tason 1 kuorman
Se riippuu todella siitä, millä “laatua” mitataan. Itse toistuvalla tasolla laatu yleensä paranee, sillä chatbot antaa saman oikean vastauksen joka kerta sen sijaan, että vastaus vaihtelisi hieman sen mukaan, kuka agentti tiketin otti tai kuinka väsynyt hän oli päivän 40. tiketin kohdalla.
Myös tiketeillä, jotka jäävät ihmisen hoidettaviksi , on varaa parantaa laatua juuri siksi, että niitä on vähemmän kilpailemassa samasta huomiosta. Myös henkilöstön pysyvyys on syytä ottaa vakavasti. Insignia Resourcesin raportoimat kontaktikeskusten vaihtuvuustiedot asettavat vuosittaisen vaihtuvuuden 40-45 %:iin, ja yhden agentin korvaaminen maksaa noin 10 000-20 000 dollaria. Toistuva, yksitoikkoinen tikettityö on hyvin dokumentoitu syy tähän vaihtuvuuteen. Mikään tästä ei vaadi henkilöstön vähentämistä. IBM:n vuoden 2025 tutkimus 412 yrityksessä havaitsi nimenomaan, että tekoälyn tuomat kustannussäästöt tason 1 tuessa syntyivät pois ohjatusta tikettimäärästä, ei agenttien määrän vähentämisestä.
Liity uutiskirjeellemme
Saa uusimmat vinkit, trendit ja tarjoukset ilmaiseksi.
Tukiautomaation ROI:n laskeminen
Gartnerin vuoden 2025 tiedot asettavat tekoälyn ratkaiseman tiketin kustannukseksi noin 0,50-1,05 dollaria, kun infrastruktuuri ja lisenssit huomioidaan. Forresterin vuoden 2025 arvio ihmisen hoitamasta tiketistä on 8-12 dollaria, kun agentin palkka, edut, koulutus ja yleiskulut lasketaan mukaan. Tämä on 12-24-kertainen kustannusero tikettiä kohden toistuvien kysymysten päässä, joka ei vaadi ihmiskontaktia tai monimutkaista harkintaa.
McKinseyn vuoden 2025 tutkimus parhaaseen neljännekseen kuuluvista toimijoista havaitsi heidän saavuttaneen 53 %:n kustannusvähennykset, ja kaikki palautui operatiiviseen kurinalaisuuteen. Viikoittaiset tietopohjan päivitykset, tekoälyn ohjaaminen hoitamaan tikettien pois ohjausta sen sijaan että vaadittaisiin täyttä itsenäistä ratkaisua kaikkeen, ja nimetty sisäinen omistaja tekoälyn suorituskyvylle.
Hinnoittelupuolella kiinteähintainen työkalu poistaa vielä yhden muuttujan laskelmasta kokonaan. FlowHuntin Pro-paketti maksaa kiinteän 120 €/kk riippumatta siitä, kuinka moni toistuvista tiketeistä ohjataan pois, sen sijaan että veloitettaisiin ratkaisukohtaisesti volyymin mukaan.
Käyttöönotto: julkaisu pienin, testattavin askelin
Siirtyminen tyhjästä käyttöön otettuun chatbotiin ei vaadi monen kuukauden käyttöönottoprojektia, mutta se ei myöskään ole “yhdistä ja poistu kahdeksi päiväksi” -prosessi. Jaa se pieniin askeliin ja testaa jokaisen vaiheen jälkeen, joka muuttaa sitä, mitä botti todella osaa tehdä – ei vain kerran aivan lopussa.
1. Yhdistä ensin eniten liikennettä keräävä sisältösi . Aloita tärkeimpien UKK-kysymystesi ja katsotuimpien ohjeartikkeleidesi crawlausaikatauluista sen sijaan, että lataisit koko dokumentaatiokirjastosi kerralla. Tänne toistuva taso keskittyy, ja se antaa sinulle jotain, mitä vasten testata lähes välittömästi.
2. Tee ensimmäinen testikierros heti. Kysy botilta muutama todellinen historiallinen kysymys heti, kun ensimmäinen sisältöerä on sisällä, ennen kuin määrität mitään muuta. Tämä vahvistaa, että haku todella toimii, ennen kuin rakennat sen päälle lisää.
3. Määritä kehote, persoona ja tervetuloviesti. Aseta sävy vastaamaan sitä, miten tiimisi todella puhuu asiakkaille. Tervetuloviestin saaminen oikein on tärkeämpää kuin miltä se näyttää – se on asiakkaalle ensimmäinen merkki siitä, että hän puhuu jollekin, joka todella tuntee tuotteen.
4. Määritä ihmiskäden siirto ja varatoiminto. Tämä on se vaihe, joka houkuttaa jättämään väliin ja joka on kallein jättää väliin. Päätä, mihin eskaloitu keskustelu pitäisi päätyä, ja kytke se: FlowHuntin LiveAgent-integraatio siirtää keskustelun automaattisesti ihmisagentille, kun tekoäly havaitsee vastaamattoman kysymyksen tai negatiivisen sävyn, ja sama malli laajenee Intercomiin , Slackiin tai mihin tahansa muuhun, mitä tiimisi käyttää integraatiokirjaston kautta. Jos et ole vielä valmis kytkemään reaaliaikaista siirtoa, tukisähköpostin tai tikettilinkin jakaminen suoraan chatissa on hyväksyttävä aloituspiste – kohtele sitä kuitenkin väliaikaisratkaisuna, joka päivitetään, ei pysyvänä suunnitelmana.
5. Testaa eskalaatiopolku erikseen. Kysy jotain, jonka tiedät jäävän kattamatta, ja varmista, että siirto todella laukeaa ja päätyy sinne, minne odotat. Tämä on eri testi kuin vaiheessa 2 – se, että botti vastaa oikein, ei kerro mitään siitä, mitä tapahtuu, kun se ei osaa vastata.
6. Yhdistä lisää lähteitä. Kun ydin-UKK-taso on testattu ja eskalaatio toimii, laajenna toissijaisella dokumentaatiolla, tuoteoppailla, käytäntösivuilla tai Schedules-pohjaisella crawlauksella sisällölle, joka päivittyy itsestään. Testaa uudelleen jokaisen merkittävän lisäyksen jälkeen sen sijaan, että lataisit kaiken kerralla.
7. Ota käyttöön ja seuraa, mitä eskaloidaan. Julkaise se verkkosivustollasi tai tukiportaalissasi. Se, mikä eskaloituu jälkeenpäin, on suora kartta siitä, mitä tietopohjastasi vielä puuttuu – kohtele sitä priorisoituna tehtävälistana, ei pelkkänä lokina.
Laajempaa katsausta rakentamisen ja ostamisen väliseen valintaan tämän yhden työnkulun ulkopuolella saat artikkelista räätälöityjen tekoälychatbottien rakentaminen tukitiimeille . Ensimmäisen version julkaiseminen ei myöskään lopeta prosessia – McKinseyn parhaan neljänneksen tuloksiin yltävät tiimit kohtelevat tietopohjaa jotain sellaisena, mitä he päivittävät viikoittain, eivät jotain sellaisena, minkä he perustavat kerran ja jättävät rauhaan.
Yhteenveto
Tukitikettien toistuva taso ei ole henkilöstöongelma vaan reititysongelma. Samat 20 kysymystä eivät tarvitse suurempaa tiimiä vastaamaan niihin nopeammin; niiden täytyy lakata päätymästä ihmiselle lainkaan. Tietopohjaan nojaava chatbot, joka otetaan käyttöön pienin, testatuin askelin yhden suuren käyttöönoton sijaan, tekee juuri sen: se imee toistuvan volyymin, eskaloituu rehellisesti oikealle kanavalle, kun se ei voi auttaa, ja tarkentuu aina, kun lisäät jotain sen yhdistettyyn sisältöön. Katsotpa matematiikkaa tikettikohtaisen kustannuksen, agenttien vaihtuvuuden tai sen kautta, kuinka monta tuntia vapautuu tiketeille, jotka todella vaativat ihmisen harkintaa, suunta on sama.
Ota asiakaspalveluchatbot käyttöön ja selvitä, kuinka suuren osan toistuvasta tasostasi se voi ottaa pois niskastasi, jo tänään.
