Использование AI для отслеживания настроений клиентов
- в режиме реального времени

В частности, имеются шесть преимуществ внедрения искусственного интеллекта для анализа обратной связи, AI может:

1. показать, чего вам не хватает в ваших качественных опросах;
2. помочь обучить ваших сотрудников на основе того, что действительно важно для клиентов;
3. определить основные причины проблем;
4. фиксировать ответы клиентов в режиме реального времени;
5. определять и предотвращать снижение продаж;
6. определять приоритеты действий по улучшению качества обслуживания клиентов.

Чтобы добиться успеха, компаниям необходимо понимать, что думают и чувствуют их клиенты. Компании тратят огромное количество времени и денег на то, чтобы лучше узнать своих клиентов. Но, несмотря на огромные инвестиции, большинство фирм не умеют прислушиваться к клиентам. Однако это не из-за отсутствия попыток, а из-за того, что инструменты, которые они используют, и то, что они пытаются измерить, могут просто не соответствовать задаче. Два наиболее широко используемых показателя - удовлетворенности клиентов Customer Satisfaction Score (CSAT) и Net Promoter Scores (NPS) - не могут показать компаниям, что на самом деле думают и чувствуют клиенты, и даже могут не обратить внимания на серьезные проблемы.

Проблема в том, что эти опросы не могут выявить важные эмоциональные отклики и в результате упускают критически важную обратную связь. Мы обнаружили, что компании часто получают высокие оценки в опросах, даже когда их покупатели испытывают - серьезные проблемы с их продуктами или услугами - тем самым компании упускают важный момент. Эти опросы, скрывающие значительную неудовлетворенность клиентов, могут привести к тому, что компании будут терять клиентов, не зная почему.

Однако есть кладезь хороших данных, если вы знаете, где их искать и как их анализировать. Клиенты часто раскрывают свои истинные мысли и чувства в графе для комментариев, которые обычно предоставляются в конце опроса. В общем, содержание этих комментариев считается гораздо более надежным источником для прогноза поведения клиента. Тем не менее, они часто игнорируются, а порой они вообще не используются, обычно учитываются после подсчета основных баллов.

Хорошая новость заключается в том, что большинство компаний могут относительно быстро исправить эту оплошность. Мы разработали подход, основанный на искусственном интеллекте, который специалисты-практики могут использовать в качестве модели для соответствующей корректировки своих процессов обратной связи с клиентами.

Легко понять, почему количественные опросы стали популярными: они позволяют опросить огромное количество клиентов, и понять, как они себя чувствуют с продуктом компании. Качественные подходы, такие как фокус-группы или ручная обработка и анализ отзывов клиентов, слишком трудоемки для масштабирования. Теперь технологии изменили то, что возможно, и нужно наверстать как упущенную тактику.

Первое и самое важное изменение, которое следует сделать фирмам - это изменить направление, в которое они вкладывают средства при анализе настроений клиентов. Им следует начать с качественных комментариев, а затем обратиться к результатам своих количественных опросов. Если у вас применяются подходящие инструменты для анализа качественных данных (например, системы управления взаимоотношениями с клиентами, социальные сети, отзывы клиентов, электронные письма, заметки колл-центра, чат-боты и т.д.), то компания может вообще отказаться от количественных опросов.

Здесь могут помочь модели и инструменты искусственного интеллекта. Инструменты искусственного интеллекта еще не получили широкого распространения среди маркетологов и менеджеров по работе с клиентами, а те, которые доступны, обычно указывают только на положительные или отрицательные настроения. При исследовании мы использовали ориентированную на клиента структуру для извлечения и сопоставления ключевых слов, представляющих клиентский опыт (CX), со следующими параметрами:

• ресурсы (например: знания, система, продукт, навыки и т. д.);
• деятельность (например: установка, заказ, предоставление услуг и т. д.);
• контекст или ситуация влияющая на опыт (например: выходные дни);
• взаимодействия (например: звонки, чаты и т. д.);
• роль клиента (например: его предложения или нейтральный отзыв).

Затем идентифицируются эмоции клиентов (радость, любовь, печаль, гнев и удивление), так и когнитивные реакции (комплименты, жалобы и предложения) в точках соприкосновения.

Например, один клиент дал 10 из 10 баллов по шкале CSAT. Однако он оставил такой комментарий: «Единственное, что нас немного разочаровало - это сам ремонт. Кажется, что каждый раз, когда они выходят из строя, их обслуживание превышает (определенную стоимость). Монтажники, похоже, изо всех сил пытаются диагностировать проблему, и это всегда кажется более дорогостоящим процессом ». Мы применили основанный на лингвистике подход к обработке естественного языка (NLP) для извлечения и сопоставления ключевых слов в этом комментарии. Например, слово: «ремонт» связан с «точками контакта», «монтажники» сопоставлены с ресурсами, «диагностика проблемы» классифицируется по видам деятельности, «немного разочарован» считается эмоцией печали, а такие термины, как «более определенной суммы», «дороже» - попадает в категорию жалоб.

Наконец, ИИ (AI) генерирует и преобразует ключевые функции в прогнозные переменные, которые могут обучить модель предсказывать, удовлетворены ли клиенты, нейтральны или есть жалобы, без использования количественных оценок опроса.

Алгоритмы ИИ могут захватывать специализированную лексику, используемую клиентами, и комбинировать их мнения, выраженные их собственными словами, с традиционными оценочными шкалами для получения более глубокого понимания. Эти идеи могут напрямую определять как краткосрочные, так и долгосрочные действия по удержанию клиентов.

Тестирование инструмента искусственного интеллекта на лонгитюдных данных об опыте клиентов, собранных из набора данных комментариев показало. Что те фирмы которые просят клиентов оценить их продукты с использованием традиционных показателей CSAT и NPS и ответить на открытый окончательный вопрос, в самом деле, не учитывают, то что замечает AI.

ИИ может изменить то, как компании думают и оценивают качество обслуживания клиентов, в частности выделяются шесть преимуществ.

Компании часто неверно оценивают, чего на самом деле хотят их клиенты. Мы обнаружили, что точки соприкосновения, которые действительно волнуют клиентов, могут не соответствовать ожиданиям компании. Важно отметить, что этот качественный подход, основанный на искусственном интеллекте, может показать вам, чего вам не хватает, и, следовательно, как это исправить.

Например, одна фирма фокусировалась только на продажах автозапчастей с установкой, путем оффлайн обслуживания в точках, а взаимодействие в основном происходило в мастерских, но клиентам обычно было важно, сколько им приходится платить. В результате этого понимания фирма смогла перенаправить свои ресурсы, часть ресурсов было направлено на удаленное обслуживание и продажи с онлайн записью на конкретное время.

Понимание того, как ваши клиенты работают с вашей фирмой, позволяет вам разработать индивидуальную программу обучения, чтобы научить сотрудников больше сопереживать клиентам, заботиться об их проблемах и беспрепятственно взаимодействовать с ними.

Например, сотрудники одной фирмы часто проявляли негибкость и мало заботились о жалобах клиентов. Основываясь на этом понимании, фирма обучила сотрудников на семинарах по работе с клиентами о ключевых идеях по обслуживанию: сочувствия клиентам, стратегии восстановления отношений с покупателем (что делать, когда что-то пошло не так в обслуживании) и о принятии корректирующих мер. Следуя этим действиям по улучшению качества обслуживания заказчиков, компания увидела рост удовлетворенности и улучшение отношения клиентов к фирме.

Чтобы решить проблему, вам нужно ее понять. Когда дело доходит до клиентского опыта, компании могут использовать аналитические данные, полученные с помощью искусственного интеллекта, чтобы определить не только проблемы, но и их причины.

В одном случае общение было главной проблемой. Полученные данные были использованы для восстановления отношений с клиентами, которые были идентифицированы как склонные к продолжению сотрудничества. Компания предприняла решительные действия. Ключевые менеджеры по работе с клиентами начали связываться с этими идентифицированными клиентами, чтобы действительно узнать, что их беспокоит. Затем компания пригласила ключевых клиентов на корпоративное мероприятие, чтобы на личных встречах обсудить причины сбоев в обслуживании.

Фирмы должны фиксировать, как клиенты относятся к услуге, посредством дискретных эмоций: радость, любовь, удивление, гнев, печаль, страх - и уметь извлекать когнитивные ответы, концептуализированные через оценки клиентов (например: жалобы, комплименты и предложения) в режиме реального времени. Важно фиксировать обратную связь в реальном времени, поскольку эмоциональные и когнитивные реакции могут со временем исчезнуть, а детали взаимодействия, вероятно, будут забыты. Анализ ИИ позволяет компаниям переосмыслить свою текущую программу измерения качества обслуживания клиентов.

Например, одна из фирм, с которыми мы работаем, тестирует важные точки взаимодействия и встраивает специальные механизмы обратной связи в каждую из них для анализа данных в реальном времени с использованием разработанной нами модели искусственного интеллекта.

Фирмы могут сегментировать клиентов на основе расчета уровня затрат на их привлечения, и уровня повторных заказов приходящихся на одного клиента, а применяя NPS с эмоциональными откликами, определить потенциал снижения уровня продаж. В одной из рассматриваемых компаний мы выявили клиентов, которые, несмотря на высокие оценки CSAT или NPS, не редко бывало, отказывались от повторных покупок. Мы продемонстрировали фирме, что если эти так называемые «довольные» клиенты уйдут навсегда, то, вероятно, компании это обойдется дорого в виде потерянных будущих продаж. Это понимание может предупредить фирму о любом потенциальном снижении продаж и помочь сократить издержки, связанные с потерей клиентов и приобретением новых клиентов. Обнаружение того момента, когда покупатель опустился до более низкой категории повторных покупок, позволило фирме оперативно вмещаться, чтобы не потерять лояльность покупателя насовсем.

Наконец, компании могут использовать собранную информацию для диагностики основных факторов, вызывающих боль у клиентов, а затем определить первоочередные причины, требующие внимания. Это позволит менеджерам отдела продаж перестать выполнять определенные действия (собирать жалобы), а начать совершать новые действия (формировать предложения) и продолжать предпринимать проактивные действия в отношении клиентов.

Этот процесс можно систематизировать и автоматизировать, чтобы компании могли в режиме реального времени видеть, как работают определенные области, углубляться в детали и вмешиваться в любые возникающие проблемы. Анализ также дает сотрудникам возможность видеть весь путь, позволяя сотрудникам организации иметь одинаковое представление о клиенте, так что в случае возникновения проблем все непосредственные сотрудники могут видеть, что произошло, и действовать соответствующим образом.

Клиентский опыт теперь является основным отличием компании от ей подобных конкурирующих организаций. Поскольку сегодня многие клиенты используют интеллектуальные сервисы в режиме реального времени и удобные приложения, компании могут все больше собирать в реальном времени точные данные о поездках клиентов, вместо того, чтобы полагаться на упрощенные, одномерные способы измерения качества обслуживания клиентов. Объединение этих идей, полученных из прямых комментариев клиентов, с анализом клиентских транзакций и данные из других источников, могут предоставить компаниям индивидуальный обзор клиентского опыта.

Реализуя модель, основанную на искусственном интеллекте, подобную той, которую мы описали выше, компании могут отслеживать качество обслуживания клиентов в режиме реального времени и генерировать аналитические данные, которые позволят поставщикам услуг обеспечить бесперебойное обслуживание клиентов и своевременно вмешиваться для эффективного восстановления услуг. Следовательно, организации могут использовать данные, полученные не только из собственных точек соприкосновения, но и из внешних точек соприкосновения в цифровых, физических и социальных каналах с основными целями постоянного и упреждающего использования клиентского опыта с целью удержания клиентов и достижения лояльности клиентов и долгосрочного роста.

Читайте анонсы наших статей:

Почитать наши архивные публикации можно и в Yandex Q