대화형 AI가 브랜드가 human@scale을 지원하는 방법

디지털 메시지의 속도는 미쳤다

고객 서비스를 위해 제공하는 모든 디지털 채널은 고객의 필수 세그먼트를 지원하는 관문일 뿐만 아니라 엄청난 양의 새로운 메시지의 원천이기도 합니다. 에이전트는 고용하고 교육하는 데 비용이 많이 듭니다. 따라서 모든 메시지에 응답할 수 있는 충분한 상담원을 확보하는 것이 거의 불가능하기 때문에 많은 메시지가 응답되지 않습니다. 또한 대부분의 요청은 단순하고 반복적이며 에이전트는 글쎄, 인간입니다. 그들은 하루 종일 같은 단순한 대화를 반복하는 것을 좋아하지 않습니다. 번아웃은 발생하기 쉽고 고치는 데 비용이 많이 듭니다.

게다가 오늘날 고객들은 한 브랜드에서 다른 브랜드로 전환하는 것이 그 어느 때보다 쉽기 때문에 충성도가 낮습니다. 무시된 메시지는 누군가가 당신에게 다시 오는 것을 막는 데 필요한 전부일 수 있습니다. 무시당하는 느낌을 좋아하는 사람은 없습니다. 따라서 이 모든 디지털 볼륨을 대규모로 처리할 방법을 찾아야 합니다. 그리고 계속해서 문제에 더 많은 에이전트를 투입할 수는 없습니다.

일부 회사는 음성이나 이메일과 같이 많은 돈을 투자한 채널로 고객을 안내하여 이러한 디지털 문의를 관리할 에이전트와 기술의 부족을 해결하려고 합니다. 불행히도, 그것은 장기적으로 실행 가능하지 않습니다. 고객이 WhatsApp이나 소셜에서 먼저 연락을 했다면 기다리거나 이메일을 쓰고 싶지 않기 때문일 수 있습니다. 그들은 익숙한 채널을 사용하고 빠른 응답을 받기를 원합니다. 설상가상으로 비즈니스 관점에서 보면 사람들을 저렴한 채널에서 가장 비싼 채널로 안내하고 있어 비용이 증가합니다.

이 볼륨을 처리하기 위한 첫 번째 실행 가능한 단계는 고객에게 실시간으로 응답할 수 있는 안내형 대화 챗봇을 활성화하는 것입니다. 이러한 버튼 기반 챗봇을 통해 고객은 기본적인 질문에 대한 답변을 얻을 수 있습니다. 구축하기 쉽기 때문에 고객 셀프 서비스 솔루션을 찾고 있는 모든 비즈니스의 좋은 출발점이지만 궁극적인 경험을 제공하지는 못합니다. 그들은 인간과 같은 대화를 제공하기보다는 단순히 웹사이트 메뉴를 클릭하는 과정을 모방합니다.

확장성과 인간과 같은 경험을 모두 달성하기 위해 유일한 옵션은 고객이 자유 텍스트를 사용하여 대화할 수 있도록 하는 AI 기반 대화형 챗봇을 사용하는 것입니다. 하지만 성공적인 AI 기반 챗봇을 구축하는 것은 쉽지 않습니다. 즉각적인 응답을 제공할 필요가 없기 때문에 많은 챗봇 전략이 의미 있는 결과를 얻지 못합니다. 올바른 응답을 제공해야 합니다. 봇은 고객의 의도를 잘못 추측하거나 반복하도록 요청하는 경우 다른 사람에게 깊은 인상을 주지 않습니다.

올바른 대화 응답을 실행하기 위해 AI를 사용하여 고객 의도를 이해하는 것이 중요하지만 챗봇으로 대규모 고객을 진정으로 처리하기 위해 AI는 많은 전략에서 놓치고 있는 다른 중요한 역할을 가지고 있습니다.

의도를 발견하는 AI

대화형 봇 구축을 시작하기 전에 고객이 연락하는 이유를 이해해야 중요한 각 의도에 맞는 봇을 만들 수 있습니다. 즉, 수천 개의 고객 메시지를 살펴보고 테마, 제품, 문제 또는 기타 매개변수별로 클러스터링해야 합니다.

오늘날 메시지의 양으로 인해 인간이 수동으로 수행할 수 없습니다. 따라서 처리할 의도에 대한 대부분의 결정은 직관을 기반으로 이루어지며 대부분의 경우 많은 요청 유형을 고려하지 않고 결과적으로 제공하지 않습니다.

대신 비지도 또는 반 지도 AI 모델을 사용하여 모든 과거 메시지를 스캔하고 발생하는 모든 대화 동인을 발견해야 합니다. 데이터는 직관이 아니라 자동화할 대상에 대한 결정을 주도해야 합니다. 효과적인 봇을 구축하려면 시간과 리소스가 필요하므로 가장 큰 영향을 미칠 사용 사례에 투자해야 합니다.

챗봇을 만드는 AI

셀프 서비스를 제공하려는 요청이 식별되면 해당 요청을 해결할 대화 흐름을 실제로 설계해야 합니다. 이 프로세스는 시간이 많이 소요될 수 있으며 고객에게 가장 좋은 답변 방법을 추측하는 것은 최적의 솔루션을 제공하지 못할 수 있습니다. 좋은 소식은 상담원이 이미 이러한 요청을 여러 번 해결했기 때문에 모든 과거 대화를 분석하여 최고의 고객 경험을 제공한 답변을 식별할 수 있다는 것입니다.

그러나 다시 말하지만, 이 작업은 인간이 달성하기에는 벅찬 일입니다. AI 모델을 활용하여 고객과 상담원 간의 전체 대화를 분석하여 잠재적인 워크플로에 대한 데이터 기반 권장 사항을 제공하고 구축 중인 챗봇이 최적의 경험을 제공하도록 합니다.

챗봇을 개선하는 AI

챗봇을 구축하는 것은 반복적인 프로세스입니다. 처음 배포할 때는 완벽하지 않습니다. 첫날부터 대화의 80%를 포함하지 않습니다.

가장 많이 반복되는 요청에 대한 봇을 만드는 것부터 시작해야 합니다. 그러나 시간이 지남에 따라 억제 목표에 도달하기 위해 더 많은 사용 사례에 적용 범위를 추가해야 합니다. 또한 6개월 전에 사실이었던 것이 더 이상 사실이 아닐 수도 있습니다. 시간이 지나면 고객은 귀하가 처리해야 하는 몇 가지 새로운 유형의 요청을 받게 될 것입니다.

그러나 다시 볼륨이 문제입니다. 챗봇 상호 작용은 배포 후 빠르게 추가되며 어디에서 성공하고 실패하는지 이해하려면 이러한 모든 대화를 분석해야 합니다.

이 작업은 인간에게는 불가능하지만 AI에게는 이상적입니다. AI는 어떤 상호 작용이 고객에게 최고의 만족을 줬는지, 어떤 메시지가 폴백으로 이어졌는지 등을 분석할 수 있습니다. 그런 다음 개선 영역을 찾아내고 가장 큰 영향을 미치는 오류에 대해 경고할 수 있습니다. 정기적인 수정과 인간의 재교육을 통해 챗봇은 고객이 원하는 것을 점점 더 일관되게 제공하는 데 더 똑똑해질 것입니다.

아무도 무시당한다고 느끼게 하지 마세요

전통적인 채널에서 현대적인 채널로의 전환은 여러 가지 이유로 좋은 소식입니다. 최신 채널은 운영 비용이 더 저렴하고 상담원이 더 쉬우며 메시지의 양이 아무리 많아도 AI가 쉽게 분석할 수 있는 형식으로 되어 있어 고객에 대해 더 많이 배우고 대화형 봇을 통해 대규모로 고객을 행복하게 만드는 방법을 알 수 있습니다.

Modern Care용 대화형 AI 및 봇이 챗봇 전략의 모든 중요한 단계에서 AI를 사용하여 장기적인 성장과 성공을 보장하는 방법에 대해 알아보세요.