Acest truc vă va ajuta să descoperiți tendințe din datele dvs. de asistență

Până acum, majoritatea companiilor au creat un fel de instrument de autoservire pentru clienți. Fie că este vorba despre un chatbot, a site de ajutor, sau pur și simplu un motor de căutare, majoritatea companiilor au văzut valoarea în a permite consumatorilor să navigheze pe site-ul lor și să găsească singuri răspunsuri și produse. 

Este clar că aceste instrumente pot satisface nevoia de asistență imediată, precum și pot reduce volumul de muncă al agenților dvs. de servicii pentru clienți, pot îmbunătăți CSAT și vă pot simplifica operațiunile.

Totuși, există ceva mai mult instrumentele de autoservire pot face pentru tine?

O nouă sursă de date despre clienți

Canalele de asistență digitală, precum cele pe care tocmai le-am menționat, au un avantaj substanțial în comparație cu asistența telefonică sau personală: lasă o urmă.

Ele ne permit să înregistrăm toate activitățile și să generăm o cantitate mare de date din care putem trage concluzii și putem identifica modele și tendințe.

Sigur, ai putea face asta și cu asistență personală, dar ai avea nevoie de un angajat care să noteze motivul contactării suportului, comportamentul clientului, ce s-a întâmplat după ce solicitarea a fost închisă, cât de fericit a fost clientul. ajutorul primit... 

A face acest lucru manual ar fi extrem de consumator de timp. 

Cu toate acestea, majoritatea instrumentelor digitale vă permit să faceți acest lucru în mod natural, automat și practic fără efort din partea dvs. 

Cu toate acestea, simpla colectare a datelor nu are niciun beneficiu. Intrebarea ramane:

• Cum citim aceste date?
• Cum îl înțelegem?
• Ce ne poate spune și ce beneficii are? 
• Cum putem conduce schimbarea din ea?

Ce ne spun datele de asistență?

Aceasta este o întrebare dificilă. Depinde cu adevărat și cu adevărat de instrumentul de asistență pe care îl utilizați, de datele pe care le adună pentru dvs. și de provocările dvs. de afaceri. 

Instrumentele de asistență cu autoservire tind să vină cu metrici și tablouri de bord ale KPI pentru a înțelege ce se întâmplă. Acestea pot include:

• Numărul de apeluri/sesiuni de chatbot/căutări
• % de satisfacție cu privire la răspunsurile pe care le oferiți
• Numărul de întrebări fără răspuns
• Și un lung și altele.

Cu toate acestea, cele mai multe instrumente tind să arate și să înțeleagă doar o mică parte din datele pe care le adună, prin urmare, nu profită de întregul potențial al acestora. 

Coada lungă a cererilor dvs. de asistență

Să luăm un Chatbot AI ca exemplu.

Cunoaștem intenția din spatele majorității cererilor? 

Există tendințe printre aceste interogări?

Ce sunt cei mai interesați de clienți?

Majoritatea platformelor de chatbot oferă tablouri de bord cu date care arată primele 10, 50 sau 100 de solicitări solicitate de clienții dvs., dar ce rămâne cu restul? 

Primele 10 sau 50 de solicitări primite de orice instrument de asistență tind să fie scurte - de obicei vor avea nu mai mult de 2 cuvinte. Un exemplu ar putea fi a „anulează contul” cerere. 

Cu toate acestea, aceste solicitări comune reprezintă doar 20% din totalul interogărilor. Restul de 80% vor fi mai puțin frecvente și, de asemenea, mai lungi (4 cuvinte sau mai mult). Aceste cereri mai lungi sunt ceea ce se numește "interogări cu coadă lungă". 

Identificarea tendințelor printre primii 20% este de obicei mai ușoară. Interogările au unul sau două cuvinte, așa că este ușor să vedeți despre ce este vorba. Cu toate acestea, ce se întâmplă atunci când utilizatorii introduc interogări lungi pentru a-și exprima intenția? 

Să reutilizam exemplul lui „anulează contul'. Ce se întâmplă dacă utilizatorul spune „Nu mai vreau să folosesc acest serviciu' in schimb?

Intenția ar putea fi exact aceeași, totuși, cererea nu include aceleași cuvinte și va fi dificil pentru echipa ta să o identifice ca fiind același tip de solicitare la scară largă.

Majoritatea instrumentelor de autoservire și Platforme AI conversaționale nu au motor semantic suficient de puternic pentru a înțelege limbajul natural și sensul real. Prin urmare, ei nu pot identifica aceste cereri ca având aceeași intenție. 

Acest lucru creează câteva probleme:

• Prima problemă este că majoritatea solicitărilor cu coadă lungă nu vor fi înțelese și, prin urmare, vor rămâne fără răspuns. Dacă un utilizator tastează 'Sunt dezamăgit pentru că tehnicianul nu a venit și nu mai vreau să apelez în continuare la serviciile dvs.', 
• A doua problemă este că, dacă sistemul nu înțelege semnificația din spatele tuturor solicitărilor, cu greu poate grupa interogări cu aceeași intenție și poate identifica tendințe.

La Inbenta, folosim a tip unic de IA care înțelege cu adevărat interogările privind semnificația lor. În plus, am creat mediul perfect pentru ca dvs. și echipa dvs. să înțelegeți cererile clienților la scară.

Identificarea automată a tendințelor de suport cu clustering semantic

După cum am văzut, majoritatea AI de conversație iar software-ul de asistență cu autoservire vă va afișa doar primele 100 de solicitări. 

Dacă am spune că există o modalitate de a analiza cererile mai lungi, împreună cu cele mai scurte, și de a le grupa după sens?

Clusterizarea semantică a lui Inbenta grupează interogări de căutare echivalente din punct de vedere semantic — cuvinte, expresii și propoziții — în grupuri bazate pe semnificație. 

Un instrument de vizualizare vă permite să vedeți diferitele subiecte/subiecte din interogările grupate.

Mai jos puteți vedea un exemplu dintr-un eșantion mic de date, la Inbenta:

1. În acest prim ecran vedem subiectele principale din toate interogările (lungi sau scurte). Inbenta analizează nu primele 10, 50 sau 100, ci primele 20,000 de interogări.

2. Putem săpă din ce în ce mai adânc dacă este nevoie. De exemplu, unul dintre subiectele principale este „chatbot”. Dacă vrem să vedem ce fel de interogări fac utilizatorii noștri cu privire la chatbot, putem doar să facem clic pe cercul „chatbot” și vom vedea mai multe informații:

3. Dacă ne uităm mai aproape de cercul din centru, putem vedea valori relevante, cum ar fi numărul de ori a fost întrebat, de câte ori chatbot-ul a găsit un răspuns la interogare etc.

Cum beneficiază asta strategia mea de asistență?

Analiza interacțiunilor cu clienții poate aduce o mulțime de beneficii afacerii dvs. Cu toate acestea, cele mai importante pe care am dori să le evidențiem sunt următoarele:

• Identificați tendințele. Analizând cu ușurință conținutul cu clustere semantice, puteți identifica tendințele și solicitările clienților dvs., indiferent de modul în care aceștia se exprimă. 
• Identificați lipsurile de conținut și subiectele fără răspuns. Puteți filtra clusterele pentru a afișa numai subiecte fără răspuns sau pur și simplu puteți analiza rata de răspuns pentru un cluster pentru a identifica unde nu oferiți niciun răspuns și pe ce conținut ar trebui să vă concentrați în continuare pentru a maximiza autoservirea.
• Înțelegeți ce contează cel mai mult pentru clienții la scară. A vedea de câte ori utilizatorii au căutat un anumit subiect vă va oferi o imagine mai bună asupra subiectelor de interes pentru clienții dvs.

Începeți cu analiza conversațională și chatbot

Încercați gratuit platforma Inbenta timp de 14 zile și obțineți acces la modulul nostru de chatbot, unde puteți naviga în gruparea sa semantică.

Consultați articolele noastre similare