Phân tích kỹ thuật về sáu chức năng AI đã giảm 48,5% khối lượng công việc hỗ trợ. Tìm hiểu các vấn đề cụ thể mà mỗi chức năng giải quyết, cách tiếp cận triển khai và kết quả đo lường được từ người lãnh đạo vận hành hỗ trợ.
Jozef Štofira đã dành hơn 15 năm quản lý các đội ngũ kỹ thuật toàn cầu và mở rộng quy mô hỗ trợ trên hơn 100 thị trường, và hiện ông đang lãnh đạo vận hành hỗ trợ khách hàng tại Quality Unit. Bài thuyết trình mới nhất của ông tại E-commerce Mastermind không tập trung vào lý thuyết AI, mà vào các chức năng AI cụ thể mà đội ngũ LiveAgent đã triển khai bằng FlowHunt và các kết quả đo lường được mà họ đã đạt được.
Sau đây là phân tích của ông về sáu chức năng AI riêng biệt, cách mỗi chức năng giải quyết các điểm nghẽn hỗ trợ cụ thể và các cải tiến vận hành mà đội ngũ của ông đã ghi nhận.
Nếu bạn quan tâm đến câu chuyện triển khai AI hoàn chỉnh của LiveAgent với các chỉ số chi tiết, hãy xem câu chuyện thành công của LiveAgent của chúng tôi.
Nhiều đội ngũ hỗ trợ sẽ sớm hay muộn đối mặt với cùng một vấn đề: khối lượng ticket tăng nhanh hơn ngân sách. Cách tiếp cận truyền thống là mở rộng số lượng nhân viên tỷ lệ thuận với khối lượng ticket cuối cùng sẽ chạm đến các ràng buộc tài chính. Trong khi đó, các nhân viên hiện tại làm việc quá tải sẽ kiệt sức vì các câu hỏi lặp đi lặp lại tiêu tốn thời gian tốt hơn nên dành cho các vấn đề thực sự của khách hàng.
Cách tiếp cận của Jozef Štofira tập trung vào việc xác định các nhiệm vụ hỗ trợ nào mà máy móc có thể xử lý tốt hơn con người và lọc chúng ra. Mục tiêu cuối cùng là chuyển hướng sự chú ý của các nhân viên vào các tương tác có giá trị cao, nơi mà sự phán đoán, sự đồng cảm và chuyên môn của con người quan trọng nhất.
Jozef Štofira đã trình bày một triển khai AI có cấu trúc xung quanh các chức năng riêng biệt, mỗi chức năng nhắm vào một điểm nghẽn hỗ trợ cụ thể. Thay vì triển khai một “hệ thống hỗ trợ AI” nguyên khối, đội ngũ của ông đã triển khai các giải pháp trực tiếp giải quyết các điểm kém hiệu quả cụ thể.
Vấn Đề: Quá tải các câu hỏi lặp đi lặp lại, câu hỏi trước bán hàng và các yêu cầu thông tin chung không liên quan đến nhu cầu hỗ trợ sản phẩm thực sự.
Giải Pháp: Chatbot AI FlowHunt kết nối trực tiếp với tài liệu và cơ sở kiến thức của LiveAgent, chỉ được triển khai trên các trang có lưu lượng truy cập cao, độ phức tạp thấp.
Kết Quả: Giảm 48,5% khối lượng chat trực tiếp thủ công. LiveAgent đã giảm từ 3.500 cuộc trò chuyện hàng tháng yêu cầu nhân viên con người xuống còn 1.800. Chatbot hiện xử lý phần chênh lệch một cách tự động, lọc các câu hỏi và chỉ leo thang những câu hỏi thực sự cần chuyên môn của con người.
Quyết định quan trọng là tạo ra một chatbot không cố gắng xử lý mọi thứ. Nó chỉ tập trung vào việc chuyển hướng các câu hỏi cơ bản, tra cứu tài liệu và giúp khắc phục sự cố đơn giản, đồng thời ngay lập tức leo thang độ phức tạp Cấp 2 đến nhân viên con người.
Vấn Đề: Các bộ lọc spam truyền thống thất bại trước các tiếp cận lạnh tinh vi và các tin nhắn bán liên quan về mặt kỹ thuật không phải spam nhưng cũng không phải yêu cầu hỗ trợ hợp lệ.
Giải Pháp: Phân tích AI về ngữ cảnh và ý định thay vì khớp từ khóa. Hệ thống đánh giá xem tin nhắn đến có đại diện cho nhu cầu hỗ trợ thực sự hay nên tự động đóng.
Kết Quả: Với khối lượng hơn 2.000 ticket hàng tháng, điều này loại bỏ 3-6 giờ thời gian nhân viên thuần túy hàng tháng dành cho việc xem xét spam thủ công.
Sự khác biệt là các hệ thống dựa trên quy tắc tìm kiếm các mẫu, trong khi AI đánh giá ý định. Một email bán hàng lạnh có thể không kích hoạt các từ khóa spam dựa trên quy tắc, nhưng rõ ràng không phải là yêu cầu hỗ trợ cần sự chú ý của nhân viên.
Vấn Đề: Phân loại thủ công dưới áp lực thời gian dẫn đến sự không nhất quán và khoảng trống. Trước khi triển khai AI, 15% ticket không được phân loại, tạo ra các điểm mù trong phân tích hỗ trợ và phân bổ nguồn lực.
Giải Pháp: Phân tích AI tự động và gán danh mục thông qua API ngay khi ticket vào hệ thống.
Kết Quả: Loại bỏ hoàn toàn các ticket không được phân loại (từ 15% xuống 0%). Với khối lượng vượt quá 10.000 ticket, đó là tiết kiệm 14-28 giờ hàng tháng.
Tác động rộng hơn là lãnh đạo hỗ trợ hiện có dữ liệu chính xác, đầy đủ cho phân tích xu hướng, lập kế hoạch năng lực và đo lường hiệu suất đội ngũ—dữ liệu trước đây bị hỏng bởi phân loại thủ công không nhất quán.
Vấn Đề: Khách hàng thường xuyên gửi yêu cầu hỗ trợ thiếu thông tin thiết yếu cần thiết để giải quyết. Nhân viên xem xét thủ công, xác định khoảng trống và yêu cầu thông tin bổ sung, điều này làm chậm giải quyết và tiêu tốn năng lực.
Giải Pháp: Chatbot FlowHunt thực hiện kiểm tra xác thực trên các yêu cầu đến. Chatbot xác định thông tin thiếu và ngay lập tức yêu cầu nó. Đối với các yêu cầu hoàn chỉnh và hợp lệ, hệ thống cung cấp xác nhận tức thì và định tuyến phù hợp.
Kết Quả: Tiết kiệm 5-10 giờ hàng tháng với khối lượng hơn 600 yêu cầu, cộng với cải thiện đáng kể trải nghiệm khách hàng thông qua phản hồi tức thì thay vì yêu cầu làm rõ bị trễ.
Khách hàng hiện nhận được hướng dẫn tức thì về những gì cần thiết, thay vì chờ đợi nhân viên yêu cầu thêm thông tin. Điều này tăng tốc đáng kể thời gian giải quyết tổng thể.
Vấn Đề: Ngay cả khi nhân viên phải tự xử lý ticket, thời gian bị lãng phí vào việc soạn thảo phản hồi, tìm kiếm tài liệu và đảm bảo giọng điệu thương hiệu nhất quán và độ chính xác kỹ thuật.
Giải Pháp: Bản nháp phản hồi do AI của FlowHunt tạo ra kéo thông tin liên quan từ cơ sở kiến thức mà không cần đầu vào thủ công từ nhân viên. Tất cả những gì còn lại phải làm là xem xét, thay đổi và gửi. Ngay cả đối với các phản hồi phức tạp, nhân viên chỉ cần cung cấp hướng dẫn ngắn gọn mà AI mở rộng thành câu trả lời hoàn chỉnh, được định dạng chuyên nghiệp.
Kết Quả: Tiết kiệm 2-3 phút mỗi phản hồi. Với hơn 4.000 phản hồi hàng tháng yêu cầu mức độ tham gia này, tiết kiệm khoảng 166 giờ hàng tháng.
Điều này cũng có tác động tích cực đến đào tạo. Các nhân viên mới hơn có thể ngay lập tức tạo ra các phản hồi cấp độ chuyên gia nhờ truy cập cơ sở kiến thức toàn diện thông qua AI, loại bỏ căng thẳng khi phải đọc tài liệu một cách điên cuồng.
Vấn Đề: Xác định khi nào tự động hóa nên xử lý một tương tác so với khi nào cần sự chú ý của con người, và đảm bảo chuyển tiếp mượt mà không buộc khách hàng phải lặp lại thông tin.
Giải Pháp: Xác định các quy tắc leo thang để xác định khi nào chatbot FlowHunt trả lời độc lập so với khi nào nó chuyển đến nhân viên con người. Lịch sử cuộc trò chuyện và ngữ cảnh hoàn chỉnh được chuyển với mỗi lần chuyển giao.
Kết Quả: Khách hàng trải nghiệm chuyển tiếp liền mạch. Nhân viên nhận được ngữ cảnh đầy đủ và có thể tiếp tục cuộc trò chuyện một cách tự nhiên thay vì bắt đầu từ đầu.
Chức năng này không phải về việc tối đa hóa tỷ lệ phần trăm tự động hóa, mà là tối ưu hóa ranh giới giữa những gì máy móc xử lý và những gì con người xử lý, đảm bảo mỗi bên hoạt động trong lĩnh vực mạnh của họ.
Bắt đầu dùng thử miễn phí ngay hôm nay và xem kết quả trong vài ngày.
Jozef đã bao gồm một ví dụ về cách sáu chức năng này tích hợp trong suốt chu trình yêu cầu hỗ trợ hoàn chỉnh, từ liên hệ ban đầu của khách hàng đến giải quyết:
Giai Đoạn 1: Tiếp Nhận Thông Minh
Khi khách hàng bắt đầu liên hệ, hai chức năng AI kích hoạt ngay lập tức. Chống spam đánh giá xem đó có phải là nhu cầu hỗ trợ thực sự hay nên tự động đóng. Đồng thời, phân loại tự động phân tích nội dung và gán các thẻ phù hợp trước khi bất kỳ xem xét nào của con người xảy ra.
Việc lọc tuyến đầu này đảm bảo các nhân viên chỉ thấy các yêu cầu hỗ trợ hợp lệ đã được phân loại đúng cách để định tuyến và ưu tiên.
Giai Đoạn 2: Xử Lý Chat Kết Hợp
Chatbot FlowHunt quản lý các cuộc trò chuyện đến và trả lời trực tiếp các câu hỏi đơn giản. Khi độ phức tạp vượt quá khả năng của bot hoặc khách hàng yêu cầu rõ ràng hỗ trợ của con người, leo thang thông minh chuyển cuộc trò chuyện đến nhân viên trực tiếp với ngữ cảnh đầy đủ.
Điều này tạo ra một hệ thống phân tầng nơi AI xử lý những gì nó có thể, và con người xử lý những gì họ nên, với chuyển giao liền mạch đảm bảo khách hàng không bao giờ trải nghiệm ma sát tại điểm chuyển tiếp.
Giai Đoạn 3: Tăng Tốc Nhân Viên
Đối với các yêu cầu cần xử lý của con người, trợ lý trả lời được hỗ trợ bởi FlowHunt có sẵn trong cửa sổ phản hồi. Nó có thể tạo bản nháp phản hồi bằng cách sử dụng thông tin liên quan từ tài liệu và cung cấp cho nhân viên một điểm khởi đầu hoặc giảm đáng kể thời gian dành cho nghiên cứu câu trả lời.
Trong khi đó, tự động hóa xử lý các xác nhận thông thường và phản hồi tiêu chuẩn, chẳng hạn như xác nhận yêu cầu demo, mà không cần bất kỳ sự tham gia nào của nhân viên.
Giai Đoạn 4: Vòng Lặp Học Tập Liên Tục
Giai đoạn cuối cùng liên quan đến việc trích xuất các khoảng trống kiến thức được xác định trong các tương tác do con người xử lý. Khi các cuộc trò chuyện chatbot tiết lộ các câu hỏi mà AI không thể trả lời từ tài liệu hiện có, hệ thống ghi lại giải pháp chuyên gia do nhân viên con người cung cấp.
Thông tin này trở thành nền tảng cho các bài viết cơ sở kiến thức mới, mở rộng khả năng của chatbot theo thời gian mà không yêu cầu phát triển cơ sở kiến thức thủ công. Hệ thống học hỏi từ mọi tương tác mà nó không thể tự động hóa hoàn toàn.
Đội ngũ LiveAgent không triển khai cả sáu chức năng cùng lúc. Giống như Michal Lichner đã phác thảo trong hướng dẫn triển khai AI của mình , họ triển khai từng bước, bắt đầu với các chức năng có tác động cao nhất, độ phức tạp thấp nhất trước và tiếp tục với việc theo dõi hàng ngày tất cả các chức năng.
Chatbot được ra mắt ban đầu trên các phần cụ thể của trang web nơi lưu lượng truy cập bị định hướng sai nặng nề nhất, chẳng hạn như blog và trang thuật ngữ, thay vì các trang hỗ trợ sản phẩm quan trọng. Điều này cho phép đội ngũ tinh chỉnh lời nhắc, mở rộng FAQ và xác thực hiệu suất trước khi mở rộng sang các tình huống hỗ trợ kỹ thuật hơn.
Phân loại tự động đến tiếp theo, giải quyết vấn đề tính toàn vẹn dữ liệu trước mắt gây hại cho phân tích hỗ trợ. Khi phân loại chính xác đã được thiết lập, các chức năng khác phụ thuộc vào định tuyến và ưu tiên phù hợp có thể xây dựng trên nền tảng đó.
Trợ lý trả lời được triển khai cuối cùng trong số các chức năng hướng đến khách hàng, sau khi đội ngũ đã xây dựng niềm tin vào khả năng của AI trong việc duy trì giọng điệu thương hiệu và độ chính xác kỹ thuật thông qua các triển khai ít hiển thị hơn.
Mỗi chức năng trải qua giám sát hàng ngày trong giai đoạn triển khai ban đầu. Đội ngũ tinh chỉnh lời nhắc hệ thống, mở rộng cơ sở kiến thức và điều chỉnh các quy tắc leo thang dựa trên các tương tác thực tế của khách hàng thay vì các tình huống lý thuyết.
Nhận các mẹo, xu hướng và ưu đãi mới nhất miễn phí.
Các chức năng AI tích hợp trực tiếp với cơ sở hạ tầng helpdesk LiveAgent hiện có thông qua kết nối API thay vì yêu cầu thay thế hệ thống hoàn toàn. Điều này cho phép triển khai từng bước mà không làm gián đoạn các hoạt động đang diễn ra.
Tích hợp cơ sở kiến thức sử dụng tài liệu công ty được phê duyệt làm nguồn sự thật thay vì dựa vào đào tạo AI chung. Điều này giảm đáng kể rủi ro ảo giác và đảm bảo các phản hồi nhất quán, chính xác phù hợp với các chính sách và thủ tục thực tế của công ty.
Hệ thống leo thang sử dụng các quy tắc được xác định thay vì ra quyết định xác suất. Khi các kích hoạt cụ thể xảy ra—khách hàng yêu cầu rõ ràng hỗ trợ của con người, độ tin cậy của AI giảm xuống dưới ngưỡng, độ phức tạp cuộc trò chuyện vượt quá các tham số được xác định—chuyển giao xảy ra tự động với chuyển giao ngữ cảnh hoàn chỉnh.
Xác thực yêu cầu hoạt động thông qua khớp mẫu và kiểm tra trường bắt buộc thay vì cố gắng hiểu các phong cách giao tiếp khách hàng tùy ý. Cách tiếp cận thực dụng này giải quyết 90% các đệ trình không đầy đủ mà không có độ phức tạp của hiểu ngôn ngữ tự nhiên.
Suy ngẫm về triển khai, Štofira cũng xác định các điều kiện tiên quyết phải tồn tại trước khi AI có thể mang lại những kết quả này:
Kiến Thức Được Tổ Chức: Tài liệu toàn diện, được duy trì tốt là rất quan trọng. AI không thể tổ chức ma thuật kiến thức bộ lạc rải rác. Nó cần thông tin có cấu trúc, dễ tiếp cận để làm việc.
Định Nghĩa Quy Trình Rõ Ràng: Các quy tắc leo thang, lược đồ phân loại và mẫu phản hồi phải được xác định rõ ràng. AI cần cấu trúc để hoạt động trong đó, không phải hướng dẫn mơ hồ về “phán đoán tốt”.
Cam Kết Lặp Lại: Hiệu suất hiện tại là kết quả của hàng tháng tinh chỉnh, không phải triển khai ban đầu. Đội ngũ cam kết theo dõi hàng ngày, cải thiện lời nhắc liên tục và mở rộng FAQ liên tục dựa trên các tương tác thực tế của khách hàng.
Khả Năng Tích Hợp: Khả năng kết nối các chức năng AI với các hệ thống hiện có thông qua API đã làm cho triển khai từng bước trở nên khả thi. Nếu không có điều này, đội ngũ sẽ phải đối mặt với việc thay thế hệ thống tất cả hoặc không có gì quá rủi ro để thử.
Kỳ Vọng Thực Tế: Ban quản lý hiểu rằng AI sẽ yêu cầu thời gian học tập và sẽ không đạt được hiệu suất cao ngay lập tức. Sự kiên nhẫn này cho phép đội ngũ tối ưu hóa đúng cách thay vì từ bỏ các hệ thống khi có dấu hiệu đầu tiên của sự không hoàn hảo.
Bài thuyết trình kết thúc với một đề cập ngắn gọn về các hướng đi trong tương lai mà đội ngũ của ông đang khám phá. Chúng bao gồm mở rộng khả năng trợ lý trả lời AI cho các ticket dựa trên email ngoài chat, phát triển quy trình làm việc tự động biến đổi các tương tác hỗ trợ đã giải quyết thành các bài viết cơ sở kiến thức và mở rộng xử lý ticket tự động sang các kênh giao tiếp bổ sung bao gồm WhatsApp và các nền tảng truyền thông xã hội.
Khung này cung cấp hướng dẫn thực tế cho các nhà lãnh đạo hỗ trợ đang đánh giá nơi bắt đầu với AI.
Điều quan trọng là bắt đầu bằng cách xác định các tương tác hỗ trợ có khối lượng cao nhất, lặp đi lặp lại nhất của bạn. Chúng đại diện cho các mục tiêu ban đầu tốt nhất vì thành công dễ đạt được nhất và tác động có thể đo lường được nhất. Cách tiếp cận này sẽ giúp bạn tránh kiệt sức sớm. Hãy nhớ không mong đợi sự hoàn hảo ngay từ đầu, mà phải theo dõi hiệu suất và tìm không gian để cải thiện. Chỉ với các quy tắc rõ ràng, nguồn kiến thức đầy đủ và một vòng lặp học tập, AI mới thực sự bắt đầu mang lại lợi ích cho các hoạt động hỗ trợ của bạn.
Kết quả của LiveAgent chứng minh rằng AI trong hỗ trợ khách hàng hoạt động khi được triển khai một cách chu đáo với các tiêu chí thành công rõ ràng và kỳ vọng thực tế. Câu hỏi không phải là liệu AI có thể cải thiện các hoạt động hỗ trợ hay không, mà đúng hơn là liệu các đội ngũ có thể cam kết với cách tiếp cận có hệ thống, từng chức năng một làm cho những cải thiện đó bền vững hay không.
Khung vận hành của Jozef cho thấy cách các chức năng AI hoạt động trong thực tế, xử lý thực tế hàng ngày của hỗ trợ khách hàng ở quy mô lớn. Nếu bạn quan tâm đến triển khai AI phức tạp, hãy xem các bài viết khác của chúng tôi từ loạt bài:
Lộ trình triển khai của Michal Lichner đã thiết lập nền tảng chiến lược—nơi tập trung nỗ lực AI và cách chuẩn bị nội dung và quy trình một cách có hệ thống trước khi triển khai.
Cơ sở hạ tầng kỹ thuật của Viktor Zeman đảm bảo rằng một khi bạn đã tự động hóa các hoạt động hỗ trợ, khách hàng thực sự có thể khám phá bạn thông qua tìm kiếm được trung gian bởi AI và các giao thức thương mại.
Cùng nhau, ba quan điểm này tạo thành một bức tranh hoàn chỉnh: lập kế hoạch chiến lược, thực thi vận hành và cơ sở hạ tầng kỹ thuật cho thương mại điện tử trong môi trường thương mại được trung gian bởi AI.
Sáu chức năng bao gồm: (1) Chatbot AI để chuyển hướng các câu hỏi Cấp 1, (2) Chống spam thông qua phân tích ngữ cảnh, (3) Phân loại tự động để đảm bảo tính toàn vẹn dữ liệu, (4) Xác thực yêu cầu và kiểm tra tính đầy đủ, (5) Trợ lý trả lời để tăng tốc phản hồi, và (6) Leo thang thông minh và chuyển giao. Mỗi chức năng nhắm vào một điểm nghẽn vận hành cụ thể thay vì cố gắng chuyển đổi AI nguyên khối.
Triển khai từng bước, từng chức năng một, bắt đầu với các tương tác có khối lượng cao nhất, lặp đi lặp lại nhất. Triển khai từng chức năng riêng lẻ, xác thực thành công bằng các chỉ số đo lường được, sau đó mở rộng. Bắt đầu với các khu vực như chat trang blog hoặc phân loại tự động nơi thành công dễ đạt được nhất, xây dựng niềm tin trước khi giải quyết các tình huống hỗ trợ kỹ thuật. Lên kế hoạch cho hàng tháng tối ưu hóa, không phải vài ngày triển khai.
Các điều kiện tiên quyết thiết yếu bao gồm: cơ sở kiến thức được tổ chức, dễ tiếp cận với tài liệu toàn diện; định nghĩa quy trình rõ ràng cho các quy tắc leo thang và lược đồ phân loại; khả năng tích hợp API với các hệ thống helpdesk hiện có; cam kết theo dõi hàng ngày và cải tiến lặp đi lặp lại; và kỳ vọng thực tế rằng hiệu suất hiện tại đòi hỏi hàng tháng tinh chỉnh, không phải hoàn hảo ngay lập tức.
Chu trình tích hợp tất cả các chức năng: Giai đoạn 1 (Tiếp Nhận Thông Minh) sử dụng chống spam và tự động phân loại để lọc và định tuyến yêu cầu. Giai đoạn 2 (Tăng Tốc Nhân Viên) kích hoạt trợ lý trả lời cho bản nháp phản hồi và tự động hóa các xác nhận thông thường. Giai đoạn 3 (Chat Kết Hợp) kết hợp xử lý chatbot với leo thang thông minh đến nhân viên con người. Giai đoạn 4 (Vòng Lặp Học Tập) ghi lại các khoảng trống kiến thức từ các tương tác của con người để mở rộng khả năng AI theo thời gian.
Maria là một copywriter tại FlowHunt. Là một người yêu ngôn ngữ, hoạt động trong các cộng đồng văn học, cô ấy hoàn toàn nhận thức được rằng AI đang thay đổi cách chúng ta viết. Thay vì chống lại, cô tìm cách giúp xác định sự cân bằng hoàn hảo giữa quy trình làm việc với AI và giá trị không thể thay thế của sáng tạo con người.
Xây dựng cùng sáu chức năng AI đã biến đổi đội ngũ hỗ trợ của LiveAgent—chuyển hướng chatbot, chống spam, tự động phân loại, xác thực yêu cầu, hỗ trợ trả lời và leo thang thông minh.
Khám phá cách Đội Hỗ Trợ của LiveAgent triển khai chatbot AI của FlowHunt để tự động phân loại ticket, bàn giao thông minh cho nhân viên và tiết kiệm 5-7 phút m...
Hướng dẫn kỹ thuật để thành thạo tích hợp nâng cao FlowHunt với LiveAgent, bao gồm kiểm soát ngôn ngữ, ngăn chặn markdown, lọc spam, quản lý phiên bản API, lựa ...
FlowHunt cho phép tự động hóa AI dễ dàng với nền tảng không cần lập trình, trao quyền cho người dùng tạo ra các công cụ tùy chỉnh. Được thành lập bởi QualityUni...
Đồng Ý Cookie
Chúng tôi sử dụng cookie để cải thiện trải nghiệm duyệt web của bạn và phân tích lưu lượng truy cập của mình. See our privacy policy.
