מדוע LifeScan מתעד 100% משיחות שירות הלקוחות - ו"מקשיב" את כולן

מדוע LifeScan מתעד 100% משיחות שירות הלקוחות - ו"מקשיב" את כולן

בכל פרק של הפודקאסט Service Intel של Aquant, אנחנו יושבים עם מנהיגים שמעלים את הרף ויוצרים חוויות מדהימות ללקוחות שלהם. שמות מובילים אלה בתעשייה הסכימו כולם לשתף את מה שהם למדו על ניווט בנוף השירות של ימינו כדי שהמאזינים שלנו יוכלו לא רק לקבל השראה, אלא גם ליישם תוכניות שירות משלהם להעלאת בר.

איהאב גולדשטיין מ-LifeScan הצטרף אלינו לפרק האחרון כדי לדון כיצד כולנו יכולים להשתמש טוב יותר בבינה מלאכותית כדי להיות פרואקטיביים עם נתוני שיחות. הוא משמש כסמנכ"ל גלובלי לאסטרטגיה ותובנות תחרותיות וראש שירות לקוחות בחברת המכשור הרפואי ואומר שיש כל כך הרבה פוטנציאל לא מנוצל שמסתתר בהקלטות שיחות שירות לקוחות. איהאב משתף כיצד הצוות שלו משתמש בבינה מלאכותית כדי לשפר את התאימות בקנה מידה גדול, לתמוך במחקר שוק ועוד. 

המשך לקרוא כדי לקבל כמה נקודות מרכזיות מהשיחה שלנו.
 

איסוף נתונים אינו זהה להבנת נתונים אלה

מקובל להקליט שיחות מטעמי תאימות. אך איסוף נתונים מקריאות שירות לקוחות אינו זהה להבנת נתונים אלה ומינוף שלהם לביצוע שיפורים מרכזיים בארגון השירות שלך. 

זה לא סוד שאנחנו צריכים נתונים כדי לתמוך בקבלת החלטות וחברות רבות כבר משלמות כדי לגשת למסדי נתונים כדי להבין ולפעול על פי מגמות בתעשייה. אבל, אומר איהאב, מה אם הייתם מתייחסים גם להקלטות שיחות כאל מחקר שוק? מה אם ראית תוצאה בלתי צפויה מקמפיין והשתמשת בנתוני שיחות כדי להבין מה השתבש במקום לשלוח חבורה של אנשים לערוך ראיונות עם לקוחות בטלפון או פנים אל פנים? אלה מסוג הדברים שאיהאב חושב עליהם ב-LifeScan. זהו שינוי פרספקטיבה שמגיע עם תוצאות מצוינות.
 

האזן בקנה מידה גדול - ובזמן אמת

כמובן, האזנה לכל הקלטות השיחות האלה תהיה בלתי אפשרית. מנקודת מבט של ציות, אומר איהאב, מנהל איכות נדרש להאזין לשלוש עד חמש שיחות לכל סוכן כדי לוודא שהוא פועל לפי הפרוטוקול. אבל LifeScan מקבל בין 20,000 ל-30,000 שיחות בחודש, כך ששלוש עד חמש שיחות לכל סוכן הן טיפה בים. 

החברה ישבה על אוצר בלום של נתונים המפרטים מה הלקוחות עושים ומה הם אומרים על המוצרים, המסרים, השירות והמודעות הכוללת למותג של LifeScan בשוק - מדינה אחר מדינה ואזור אחר אזור. לכן הם פנו לבינה מלאכותית כדי לתמלל הקלטות לטקסט ולנתח אותן ביעילות (ובמהירות), לספק תובנות ולעזור לחברה להשתפר בדרכים משמעותיות.

מינוף AI לא רק עוזר ל- LifeScan להשתפר לאחר השלמת שיחות שירות הלקוחות. איהאב וצוותו חושבים גם כיצד זה יכול לעזור לסוכנים לעשות עבודה טובה יותר בזמן אמת. לדוגמה, זה עוזר לנציגים להסתגל במהירות בהתבסס על משוב ולשנות את הגישה שלהם בשיחה הבאה שיש להם - במקום לחכות עד שתהיה להם בדיקה מתוכננת עם הממונה עליהם. 
 

להבין טוב יותר כיצד הלקוחות מרגישים בפועל - ולבצע שיפורים ברורים

לעיתים, ישנם פערים בין כרטיסים המוגשים מהמגרש לבין מה שהלקוחות אומרים בפועל על המוצרים והשירותים שלכם. זוהי גישה מסורתית להסתכל על רשומות שירות כדי להבין את שביעות רצון הלקוחות, אבל אלה רק לעתים רחוקות לספר את כל הסיפור. 

כשהצוות של איהאב התחיל למנף תובנות מנתוני שיחות, הם הסתכלו גם על סקר הלקוחות האוטומטי שהוגדר כעת לאחר כל שיחה. זו הייתה קבוצת השאלות הרגילה הקשורה לציון המקדם נטו: רמת מאמץ, רמת שביעות רצון ופתרון שיחה ראשונה. לכן הוא פעל לשיפור הסקר על ידי שאילת שאלות נוקבות יותר - במיוחד אלה שמפרידות בבירור בין שביעות רצון מהשירות לבין שביעות רצון המוצר. 

כמובן, עדכון הסקר גם נתן דיוק רב יותר ללקוחות שהיו להם סיבות לגיטימיות לספק ציון נמוך. הרבה מזה היה סביב מוצר ואחריות, אבל חלק היה גם על השירות עצמו. המידע הברור איפשר לאיהאב לפעול על פי ציונים נמוכים יותר עם משוב והכשרה מפורטים של הסוכנים, ולתקן ביעילות רבה יותר את כל מה שהיה צריך לשפר.

נכון לעכשיו, ניטור שיחות מתרחש ב-100% מקריאות השירות ב-LifeScan, כאשר בינה מלאכותית מנתחת כל אחת מהן ומדווחת על כוונות ורגשות. כדי לשמוע עוד על אופן השימוש בבינה מלאכותית ב-LifeScan, האזן לשיחה המלאה שלנו עם Ehab. והירשם לפודקאסט Service Intel כדי שלא תחמיץ אף אחת מהשיחות הקרובות שלנו עם מובילים בתעשיית השירותים.