고객 지원을 위해 챗봇을 사용해야 합니까?

챗봇이 트렌드를 시작하고 소셜 미디어 피드를 인수하기 시작했을 때, 초기에 챗봇에 대한 대부분의 경험이 해결된 것보다 더 많은 문제를 생성했기 때문에 우리 중 많은 사람들이 이것이 단지 또 다른 단계라고 생각했을 것이라고 확신합니다. 우리는 '봇 과대 광고'를 철저히 조사했습니다. 고객이 봇이나 챗봇과 대화하기를 원했나요? 커뮤니케이션의 미래는 봇에 맞춰져 있습니까? 아니면 회사가 인간 상호 작용을 통해 보다 개인화된 고객 지원을 추진하는 것을 보게 될까요? 처음부터 저는 봇에 팔리지 않았습니다. 시도한 모든 봇은 저를 짜증나게 했습니다.

따라서 연구가 완전히 다른 그림을 보여주었을 때 매우 흥미로웠습니다. 6,000명의 글로벌 소비자를 대상으로 한 최근 연구에 따르면 90%의 사람들이 브랜드와 커뮤니케이션하기 위해 메시징을 사용하는 것을 선호한다고 밝혔습니다. 이 외에도 봇은 시간이 지남에 따라 느리지만 점점 지능화되기 시작했으며, 한때 봇이 내 비행기에 나를 체크인했습니다.

2017년이 우리에게 배운 것이 있다면 소비자 기대치는 높아지고 있지만 브랜드는 종종 뒤쳐지고 있다는 것입니다. 기술의 발전에도 불구하고 고객 지원은 일반적으로 실시간이 아닌 느렸고 마지막으로 고객의 질문을 '티켓'으로 전환하고 몇 시간 또는 며칠 후에 고객에게 다시 연락하여 고객이 다시 방문해야 했습니다. 지원 에이전트 사이에서. 프로세스가 먼저고 고객이 두 번째인 것 같습니다.

증가하는 소비자 기대/경험이라는 딜레마에 봇이 어떻게 적합합니까?

시나리오부터 시작하겠습니다.

“월요일 새벽 3시입니다. 제품 디자인 엔지니어인 Maria는 새로운 인체공학적 조절식 스탠딩 책상 프레젠테이션을 준비하고 있습니다. 주말이 훌쩍 지나가고 지금이 위기의 시간입니다. 그녀는 프레젠테이션을 마무리해야 합니다. Maria는 제품 디자인 애플리케이션을 열고 로그인 프로세스를 시작합니다. 애플리케이션에서 활성화 코드를 요청합니다. Maria는 미친 듯이 이메일과 클라우드 저장소에서 코드를 검색하지만 아무 것도 찾지 못합니다. 그녀는 CAD 설계 소프트웨어 회사의 고객 서비스 번호로 전화를 걸어 연중무휴 지원을 제공합니다. 녹음된 인사말이 전화에 응답하자 Maria는 당황하기 시작합니다.

그런 다음 그녀는 회사 웹 사이트에서 가상 에이전트와 통신할 수 있는 옵션을 확인합니다. 5분 이내에 봇은 그녀의 질문을 이해하고 그녀의 영숫자 코드에 액세스하는 과정을 안내합니다. Maria가 앱에 코드를 입력하고 프레젠테이션에 필요한 파일을 검색할 때 안도의 물결이 그녀를 덮쳤습니다.”

고객에게 실시간으로 지원 제공

경쟁에서 앞서 나가기 위해서는 종종 기업이 지체 없이 고객에게 즉각적으로 대응해야 합니다. 경쟁업체가 고객을 확보할 수 있도록 지원하기 위해 설립된 회사가 얼마나 많은지 나는 여전히 놀랍지 않습니다. 즉, 그들이 의도적으로 또는 무의식적으로 고객이 자신의 지원을 찾도록 하고 여전히 수집하고 있다는 것입니다. 문의 양식을 통해 문제를 지원합니다.

봇은 지속적으로 온라인 상태이며 실시간으로 고객의 질문에 즉시 응답합니다. . 봇이 질문에 성공적으로 대답할 수 없는 경우 대화를 상담원에게 라우팅하거나 전체 팀을 사용할 수 없는 경우 고객의 세부 정보를 캡처하고 세부 정보를 올바른 지원 상담원에게 전달할 수 있습니다. 고객을 즉시 확인하십시오.

반복적인 질문

우리가 고객으로부터 지속적으로 듣는 한 가지가 있다면 "하루에도 여러 번 받는 동일한 질문에 대한 응답을 어떻게 자동화합니까?"입니다.

이것은 봇이 실제로 진화한 곳입니다. 회사로서 우리는 하루에 35번 이상 아래 두 가지 질문을 받았습니다.

• 당신의 가격은 얼마입니까?
• 이 제품을 환불할 수 있습니까?

봇을 사용하지 않으면 상담원은 계속해서 같은 질문에 답하고 추가 지원이 필요한 고객을 긴 대기열에 남겨두고 대개 좌절감을 느끼고 결국 떠나게 됩니다.

유럽의 한 통신 회사에서 챗봇은 일련의 일반적인 고객 쿼리에 대한 파일럿 프로그램에 사용되었습니다. 그것은 상호 작용 자체의 82%를 해결했으며 인간 에이전트의 실시간 개입과 결합할 때 통계를 상호 작용의 88%로 높였습니다. 이 수준의 성능은 약 5주간의 챗봇 교육 후에 도달했습니다.

올바른 지원 에이전트에게 대화 보내기

일단 내 네트워크 공급자 'T-mobile'에 전화를 걸고 7명의 다른 지원 담당자와 이야기했고 예, 매번 내 문제를 설명했습니다. 나는 그들이 '훈련 및 품질' 목적으로 그 녹음을 사용하기를 정말로 바랍니다 . 그러나 우리 대부분이 이 고통을 경험했다고 확신합니다. 전부는 아니지만 일부 챗봇은 질문을 이해하고 질문에 답변하는 데 가장 적합한 지원 에이전트에 대한 지식을 가지고 있습니다. 이는 답을 알 수 없는 경우에도 질문 내용을 이해하는 NLP(자연어 처리)를 사용하여 작동합니다.

비용

챗봇을 사용하면 상담원이 더 복잡한 문의를 처리하는 데 시간을 할애하는 동시에 더 나은 서비스를 제공하고 증가하는 지원 요구 사항을 처리하는 데 필요한 상담원 수를 줄일 수 있습니다. 많은 조직에서 이로 인해 지원 팀이 더 복잡한 문의를 처리하도록 교육하고 봇이 어려움을 겪는 고객을 처리하기 위해 더 나은 기술을 갖춘 지원 팀을 개발하게 되었습니다.

챗봇은 모든 상호 작용에서 학습합니다.

팀이 클수록 전반적으로 일관성을 유지하는 것이 더 어려워지고 많은 경우 동일한 질문에 다른 답변이 제공됩니다. 전화를 국제전화로 한 번 설정해 보았는데 $955만 청구되었습니다! 내 질문에 대해 두 가지 다른 답변을 얻었습니다. 하나는 물론 추가 비용이 들지 않을 것이라고 말하고 다른 하나는 추가 비용이 들지 않을 것이라고 말했습니다( 물론 청구서를 받은 후였습니다).

그럼에도 불구하고 봇은 FAQ와의 일관성을 유지하기 위한 훌륭한 도구임이 입증되었으며 조직이 고객에게 제공되는 답변이 정확한지 또는 수정이 필요한지 분석할 수 있도록 합니다.

아래 이미지에서 봇이 사용하는 질문과 답변을 볼 수 있으며 고객이 묻는 질문이 포함된 '제안' 목록을 볼 수 있으며 올바른 정보를 제공하면서 일관성을 높이기 위해 검토가 필요할 수 있습니다.

마지막 생각

전반적으로 챗봇은 계속 존재하는 것으로 보이며 이를 부인할 수 없습니다. 챗봇을 구현할 때 고려해야 할 두 가지 중요한 요소는 첫째, 챗봇의 한계와 할 수 있는 것과 할 수 없는 것을 이해하는 것입니다. 둘째, 봇이 질문에 올바르게 대답하고 있고 봇이 대답하기 위해 고군분투하는 질문을 알고 있는지 확인하기 위해 일주일에 1-2시간을 팀 구성원에게 할애합니다.