ai voor klantenservicereacties. ai voor klantenservicereacties is een concept-en-reviewtool die de eerste reactie schrijft voor je medewerker. het leest het openstaande ticket, haalt informatie uit eerdere reacties, productdocumentatie en beleid, en schrijft een concept in de toon van je team. de medewerker bewerkt het en verstuurt het. een mens blijft op het ticket betrokken.
je 12 medewerkers beginnen elke reactie met een leeg antwoordveld. dat is waar de tijd verloren gaat. het antwoord staat meestal al in een eerder ticket of een verzendbeleid-pdf. het voor de honderdste keer deze week opnieuw uittypen, in de juiste toon, is het deel dat de dienst opeet.
#wat doet een concept-en-reviewhulp voor reacties precies?
het schrijft het eerste concept, niet de definitieve reactie. zodra een ticket binnenkomt, leest de hulp het, zoekt het bijpassende antwoord in je geschiedenis en documentatie, en zet een geschreven reactie in het antwoordveld van de medewerker. de medewerker leest het, corrigeert wat niet klopt, en verstuurt. de klant praat nooit met het model. ze praten met je medewerker, die nu begint met een concept in plaats van een knipperende cursor op een lege regel.
hoe verschilt ai voor supportreacties van een klantgerichte chatbot?
een chatbot antwoordt de klant rechtstreeks en hoopt dat het beleid klopt. een reactiehulp antwoordt je medewerker. het schrijft een concept, de medewerker checkt het aan de hand van het account, bewerkt het en verstuurt het onder zijn eigen naam. de mens blijft betrokken bij elk ticket. niets gaat ongelezen de deur uit.
dat onderscheid is het hele ontwerp. een fout antwoord over een terugbetaling van een klantgerichte bot is een zichtbare misser, verstuurd naar iemand die al geïrriteerd is. een foute zin in een concept wordt door de medewerker onderschept voordat hij de deur uit gaat. het model stelt op. de mens beslist. de reviewstap is geen overhead, het is het product.
#hoeveel daalt de eerste-reactietijd nu echt?
bij het mid-market e-commerce cx-team waarvoor we dit bouwden, daalde de eerste-reactietijd bij ingewikkelde tickets met 40%. de hulp stelde concepten op basis van 4 jaar historische tickets, productdocumentatie en verzendbeleid-pdf's. de winst zat in de lastige tickets, de tickets waarbij een medewerker vroeger zes tabbladen opende en tien minuten las voordat er één woord werd getypt.
eenvoudige tickets gingen al snel. de wachtwoordreset, de waar-is-mijn-bestelling. het probleem zat in het ingewikkelde ticket dat een beleidsuitzondering nodig had en de formulering die je team echt gebruikt. stel die eerste versie op en het gemiddelde verschuift. de kwaliteit ging ook omhoog, omdat het concept de bron meebracht waar de medewerker anders naar moest zoeken.
mijn medewerkers beginnen niet meer met een leeg antwoordveld. ze bewerken en versturen nu.
#is dit niet hetzelfde als zendesk ai of intercom fin?
we are
wij bouwen een reactiehulp die concepten opstelt op basis van 4 jaar van je eigen tickets, productdocumentatie en verzendbeleid-pdf's, zodat het concept het antwoord meebrengt waar je medewerker vroeger naar zocht.
we aren't
wij leveren geen suggestievak dat alleen concepten opstelt op basis van de standaardmacro's die je al had geschreven, want daar stond het antwoord op een lastig ticket toch al nooit in.
zendesk ai, intercom fin en gorgias suggestions stellen concepten op basis van hun eigen macro's en helpcenterartikelen. handig voor de makkelijke tickets. maar de lastige tickets hebben het opgeloste ticket uit 2023 nodig en de beleids-pdf die sinds januari niemand meer heeft geopend. een concept dat je volledige geschiedenis leest, is een ander middel dan een concept dat alleen je macrolijst leest.
#wie is eigenaar van de reactiehulp nadat je hem hebt gebouwd?
- vaste scope, vaste prijs, en de code is van jou. onze bouwdienst levert de hulp en de repository op, geen abonnementsplek die je voor altijd huurt.
- training tijdens het traject, zodat je supportteam de hulp zelf draait, de toon bijstelt en nieuwe documenten toevoegt zonder ons opnieuw te bellen.
- hij zit achter de medewerker, dus op de dag dat je wilt veranderen hoe een reactie klinkt, past een medewerker het concept aan, niet de roadmap van een leverancier.
het punt van de overdracht is dat het middel niet verwatert zodra wij weggaan. je medewerkers voeden het elke dag met nieuwe tickets, waardoor het je toon blijft leren van de reacties die ze daadwerkelijk versturen. de reactiehulp is een van meerdere medewerker-gerichte bouwsels in ons klantenservicewerk. het combineert goed met retrieval en triage, die achter dezelfde medewerker zitten.
als je team van 12 verzuipt in het aantal reacties en je de eerste-reactietijd wilt verlagen zonder een chatbot voor je klanten te zetten, moeten we dit in kaart brengen. plan een discovery-gesprek van 30 minuten. we bekijken je tickethistorie, je documentatie en of een concept-en-reviewhulp de juiste aanpak is, voordat er een regel code wordt geschreven.