Miten tekoäly on muuttamassa asiakaspalvelukeskusten avainmittareita 

KPI-mittarit ovat aina kuuluneet asiakaspalvelukeskuksen tärkeimpiin johtamistyökaluihin. Niiden avulla organisaatiot voivat arvioida palvelun laatua, optimoida prosesseja ja tehdä perusteltuja päätöksiä asiakaspalvelun toiminnasta ja jatkuvasta kehittämisestä. 

Olet epäilemättä perehtynyt sellaisiin mittareihin kuin ongelman ratkaisu ensimmäisessä yhteydenotossa (FCR), keskimääräinen käsittelyaika (AHT) ja asiakastyytyväisyys (CSAT). 

Kun tekoäly integroituu yhä tiiviimmin asiakaspalveluun, asiakaskyselyiden käsittelytapa on kuitenkin muuttumassa. Vaikka ”ongelman ratkaiseminen ensimmäisessä yhteydenotossa” (First Contact Resolution) on edelleen yksi tärkeimmistä suorituskykyindikaattoreista, keskimääräisen käsittelyajan (Average Handle Time) merkitys on vähitellen vähenemässä. Kun tekoälyagentit laativat puhelun yhteenvetoja, tarjoavat tietoa reaaliajassa tai automatisoivat rutiinikyselyt kokonaan, keskustelun kesto kertoo yhä vähemmän palvelun todellisesta laadusta. 

Sen sijaan on kehitetty uusia mittareita, jotka on suunniteltu nimenomaan mittaamaan tekoälysovellusten menestystä asiakaspalvelussa. Organisaatioiden, jotka jo käyttävät tekoälyä asiakaspalvelukeskuksessaan tai suunnittelevat sen käyttöönottoa, tulisi ymmärtää nämä avainindikaattorit ja se, miten ne vaikuttavat liiketoiminnan tuloksiin. 

Tärkeimpiä ovat muun muassa: 

• Tekoälyn ratkaisuprosentti
  Kuinka monta asiakaskyselyä ratkaistaan kokonaan tekoälyn avulla? 

• Agent Assistin käyttöönottoaste
  Kuinka usein agentit tosiasiassa käyttävät käytettävissään olevia tekoälytyökaluja? 

• Tekoälyn hyväksymisaste
  Kuinka usein asiakaspalvelijat noudattavat tekoälyn antamia suosituksia ja ehdotuksia? 

• Puhelun jälkeisen työn vähentäminen
  Missä määrin tekoäly vähentää dokumentointiin ja puhelun jälkeisiin hallinnollisiin tehtäviin tarvittavaa työmäärää? 

Nämä KPI-mittarit eivät pelkästään osoita tekoälyn arvoa. Ne antavat myös tärkeää tietoa siitä, hyväksyvätkö sekä asiakkaat että työntekijät tekoälyratkaisut, ja kuinka paljon ne edistävät tehokkuutta ja palvelun laatua. 

Seuraavassa taulukossa esitetään jäsennelty katsaus avainmittareihin (KPI), joita voidaan nykyään käyttää mittaamaan tekoälyn menestystä asiakaspalvelukeskuksessa. Taulukossa selitetään paitsi mitä kukin avainmittari mittaa, myös miten sitä voidaan hyödyntää palvelun laadun ja toiminnan tehokkuuden parantamiseksi. 

 

KPI	Tekoälyn hillintäaste	Agent Assistin käyttöönottoaste	Tekoälyn hyväksymisaste	Puhelun jälkeisten töiden vähentäminen (ACWR)
Mitä mitataan?	Niiden asiakaskyselyjen osuus, jotka on ratkaistu kokonaan tekoälyn avulla ilman asiakaspalvelijan puuttumista asiaan.	Niiden vuorovaikutusten prosenttiosuus, joissa asiakaspalvelijat käyttävät aktiivisesti tekoälyn apua.	Niiden tekoälyn suositusten prosenttiosuus, jotka asiakaspalvelijat tosiasiallisesti hyväksyvät ja käyttävät.	Asiakaskontaktien jälkeiseen dokumentointiin, seurantatyöhön ja CRM-järjestelmän päivityksiin käytetyn ajan väheneminen.
Mitä oivalluksia se tarjoaa?	Osoittaa, kuinka tehokkaasti itsepalvelu- ja automaatioratkaisut toimivat. Nousevat luvut viittaavat onnistuneeseen automaatioon. Laskevat luvut voivat viitata tietopuutteisiin, prosessiongelmiin tai asiakkaiden heikkoon hyväksyntään.	Mittaa tekoälytyökalujen käyttöönottoa ja käyttöä päivittäisessä toiminnassa. Alhaiset luvut viittaavat usein koulutustarpeisiin, heikkoon käytettävyyteen tai siihen, että työkalujen arvo koetaan vähäiseksi.	Ilmaisee, luottavatko asiakaspalvelijat tekoälyn tuottamiin suosituksiin. Korkeat hyväksymisasteet viittaavat osuviin ja laadukkaisiin ohjeisiin. Laskevat hyväksymisasteet ovat usein varhainen varoitusmerkki laatuongelmista.	Osoittaa tekoälyn tuomat suorat tuottavuusparannukset. Tarjoaa usein selkeimmän näytön tekoälyinvestointien tuottoasteesta (ROI) asiakaspalvelukeskuksessa.
Suositeltu seurantatiheys	Viikoittaintai päivittäin suurten volyymien ympäristöissä. Segmentoi myös aiheen, kanavan ja käyttötapauksen mukaan.	Kuukausittain sekä merkittävien käyttöönottojen tai ominaisuuspäivitysten jälkeen.	Viikoittain. Kriittisten prosessien osalta suositellaan jatkuvaa seurantaa.	Päivittäin tai viikoittain, mieluiten yhdessä laatuun liittyvien KPI-mittareiden kanssa.
Kehityskohteet	Laajenna tietopohjaa, optimoi keskusteluvirtoja, integroi taustaprosesseja, kouluta uusia intenttejä, analysoi eskalointisyitä.	Järjestetään koulutusta, parannetaan käytettävyyttä, integroidaan tekoäly entistä tiiviimmin työnkulkuihin ja viestitään eduista tehokkaammin.	Parannetaan tietopohjaa, optimoidaan malleja, otetaan huomioon agenttien palaute, analysoidaan hylättyjä suosituksia ja koulutetaan tekoälyä säännöllisesti.	Käytä automaattisia puheluyhteenvetoja, automatisoi CRM-prosessit, automatisoi tikettien luominen ja ota käyttöön asiakaspalvelijoiden avustusominaisuudet.
Tyypillinen liiketoiminnallinen hyöty	Kustannusten alentaminen automaation avulla	Tekoälyinvestointien tehokkaampi hyödyntäminen	Luottamuksen kasvu tekoälyä kohtaan ja palvelun laadun parantuminen	Parempi tuottavuus ja nopeampi sijoitetun pääoman tuotto (ROI)

 

Mitkä tekoälyteknologiat ovat näiden uusien asiakaspalvelukeskuksen KPI-mittareiden taustalla? 

Edellä mainittuja avainmittareita voidaan mitata ja niihin voidaan vaikuttaa vain, kun käytössä on sopivat tekoälyteknologiat. Nykyaikaiset asiakaspalvelukeskukset eivät enää tyydy pelkästään perinteisiin chatbotteihin. Nykyään tekoäly tukee koko asiakaskokemusta sekä asiakaspalvelijan työpöytää monenlaisten älykkäiden sovellusten avulla. 

Yleisimpiä tekniikoita ovat muun muassa:  

• Keskusteleva tekoäly 

Keskusteleva tekoäly mahdollistaa automatisoidut asiakaskontaktit ääni- ja tekstikanavien kautta. Esimerkkejä ovat verkkosivustojen chatbotit, viestisovellusten virtuaaliassistentit sekä puhelinjärjestelmissä käytettävät äänibotit. Luonnollisen kielen ymmärtämisen (NLU) avulla nämä järjestelmät pystyvät tunnistamaan asiakkaan tarkoituksen, tarjoamaan tietoa ja monissa tapauksissa hoitamaan kokonaisia prosesseja ilman ihmisen osallistumista. 

Nämä teknologiat muodostavat perustan esimerkiksi AI:n hillintäasteen kaltaisille mittareille. 

• Agent Assist 

Agent Assist -ratkaisut tukevat asiakaspalvelijoita asiakaskeskustelujen aikana. Tekoäly analysoi keskusteluja reaaliajassa ja tarjoaa aiheeseen liittyviä tietokirjoituksia, vastausehdotuksia, suositeltuja jatkotoimia sekä prosessiohjeita. Tämän ansiosta asiakaspalvelijat voivat vastata nopeammin, tarjota yhdenmukaisempaa palvelua ja löytää tarvittavat tiedot vaivattomammin. 

Agent Assistin käyttöönottoprosentin ja tekoälyn hyväksymisasteen kaltaiset mittarit on suunniteltu arvioimaan näiden ratkaisujen tehokkuutta. 

• Generatiivinen tekoäly 

Generatiivinen tekoäly pystyy luomaan, tiivistämään ja jäsentämään sisältöä. Asiakaspalvelukeskuksissa sitä käytetään yleisesti puhelumuistiinpanojen, keskusteluyhteenvetojen, sähköpostiluonnosten ja CRM-merkintöjen automaattiseen luomiseen. 

Tämä tekniikka parantaa huomattavasti puhelun jälkeisten toimenpiteiden tehokkuutta ja vaikuttaa suoraan esimerkiksi puhelun jälkeisen työn vähentämiseen (After Call Work Reduction). 

• Puheanalytiikka ja keskusteluanalytiikka 

Nämä teknologiat analysoivat keskusteluja automaattisesti ja muuntavat puhutut vuorovaikutukset jäsennellyksi dataksi. Ne pystyvät tunnistamaan aiheita, mielipiteitä, tilanteiden kärjistymisiä, sääntörikkomuksia ja muita keskeisiä indikaattoreita, tarjoten arvokasta tietoa asiakaskontaktien laadusta. 

Ne toimivat usein myös Agent Assist -toimintojen ja automatisoitujen keskusteluyhteenvetojen tietopohjana. 

• Tietohallinta- ja tiedonhakujärjestelmät 

Jotta tekoäly voi antaa luotettavia vastauksia, sen on päästävä käsiksi tarkkoihin ja ajantasaisiin tietoihin. Nykyaikaiset tietohallinta-alustat keskittävät tuotetiedot, prosessidokumentaation, toimintaperiaatteet ja usein kysyttyjen kysymysten sisällön, mikä varmistaa, että sekä asiakkaat että työntekijät pääsevät käsiksi tarvitsemiinsa tietoihin. 

Tämän tietokannan laatu vaikuttaa suoraan lähes kaikkiin tekoälyyn liittyviin avainmittareihin. 

• Työnkulun ja prosessien automatisointi 

Monet tekoälysovellukset tuottavat suurimman hyödyn silloin, kun ne eivät pelkästään tarjoa tietoa, vaan pystyvät myös suorittamaan tehtäviä. Esimerkkejä ovat tapaamisten aikatauluttaminen, tilannetiedustelut, salasanojen nollaaminen, sopimusten muuttaminen ja tikettien luominen.  

Integroimalla tekoälyn CRM-, ERP- ja lippujärjestelmiin voidaan automatisoida kokonaisia palveluprosesseja ja parantaa asiakaspalvelun tehokkuutta merkittävästi. 

 

Johtopäätös: Jos käytät tekoälyä, tarvitset uusia mittareita 

TPerinteiset asiakaspalvelukeskuksen avainmittarit, kuten FCR, CSAT ja palvelutaso, ovat edelleen välttämättömiä työkaluja palvelun laadun ja toiminnan suorituskyvyn hallinnassa. Kun tekoälystä tulee kuitenkin asiakaspalvelun keskeinen osa, nämä mittarit eivät enää yksinään riitä arvioimaan nykyaikaisten palveluyritysten menestystä. 

Uudet avainmittarit, kuten tekoälyn ongelmanhallinta-aste, agenttien avustustoimintojen käyttöönottoaste, tekoälyn hyväksymisaste ja puhelun jälkeisen työn vähenemä, tarjoavat tarvittavan läpinäkyvyyden tekoälyhankkeiden todellisen liiketoiminnallisen arvon mittaamiseen. Niiden avulla organisaatiot voivat osoittaa sijoitetun pääoman tuoton (ROI), tunnistaa käyttöönoton haasteet varhaisessa vaiheessa ja löytää mahdollisuuksia jatkoptimointiin. 

Tämän vuoksi asiakaspalvelukeskusten johtajien kannattaa tarkastella kriittisesti nykyistä KPI-viitekehystään. Mittaatteko jo, käytetäänkö tekoälyratkaisujanne todella? Tiedättekö, luottavatko työntekijät tekoälyn tuottamiin suosituksiin? Voitteko osoittaa selkeästi tekoälyn vaikutuksen tuottavuuteen ja palvelun laatuun? 

Jos näin ei ole, saattaa olla aika miettiä mittausstrategiaasi uudelleen. Loppujen lopuksi vain sitä voidaan parantaa, mitä mitataan, ja juuri siinä piilee avain tekoälyn täyden potentiaalin hyödyntämiseen asiakaspalvelussa.