تصمیمات هوش مصنوعی در خدمات مشتری که برندهای تجارت الکترونیک با رتبه 4.8 ستاره را از برندهایی که بی‌صدا به 3.9 می‌رسند، متمایز می‌کند

شکاف بین یک برند تجارت الکترونیک که رتبه 4.8 ستاره را حفظ می‌کند و برندی که بی‌صدا به سمت 3.9 می‌لغزد، به ندرت در کیفیت محصول، قیمت‌گذاری یا هزینه بازاریابی خود را نشان می‌دهد. این تفاوت در تصمیمات خدمات مشتری است که ماه‌ها یا سه‌ماهه پیش گرفته شده‌اند؛ تصمیماتی درباره اینکه چه کسی به پیام دوم در ساعت 11 شب یک یکشنبه پاسخ می‌دهد، تصمیماتی درباره اینکه آیا درخواست بازپرداخت در دو دقیقه یا دو روز حل می‌شود، تصمیماتی درباره اینکه آیا یک خریدار احساس شنیده شدن می‌کند یا فقط یک پروسه را طی می‌کند. برندهایی که از رتبه‌های خود دفاع می‌کنند، متوجه شده‌اند که عوامل هوش مصنوعی برای خدمات مشتری تجارت الکترونیک دیگر یک آزمایش کاهش هزینه نیستند، بلکه تفاوت عملیاتی بین وفاداری پایدار و فرسایش آهسته است.

تصمیم برای در نظر گرفتن زمان پاسخ اولیه به عنوان یک وعده برند، نه یک معیار

برندهایی که رتبه‌های 4.8 ستاره را حفظ می‌کنند، زمان پاسخ اولیه را به عنوان یک SLA که در گزارش فصلی دفن شده است، اندازه‌گیری نمی‌کنند. آنها آن را به عنوان یک وعده برند در نظر می‌گیرند که هر مشتری ظرف چند ثانیه پس از تماس آن را تجربه می‌کند. این تنها ثابت‌ترین الگو در بین برندهای DTC است که طی سه سال گذشته از آستانه 4.5 ستاره پایین‌تر نیامده‌اند.

برندهایی که رتبه‌های خود را از دست می‌دهند، تمایل دارند یک پنجره پاسخ 24 ساعته را در صفحه تماس خود منتشر کنند و سپس در دوره‌های پرفشار کاری بی‌سروصدا آن را نقض کنند. خریدارانی که ظرف دو ساعت پاسخی دریافت نمی‌کنند، اغلب قبل از اینکه تیم پشتیبانی حتی پیام اصلی را ببیند، یک بررسی یک ستاره ارسال می‌کنند. آسیب تشدید می‌شود زیرا پلتفرم‌های بررسی، رتبه‌های اخیر را بیش از رتبه‌های قدیمی‌تر وزن‌دهی می‌کنند، به این معنی که یک آخر هفته بد می‌تواند میانگین چند ماه را تا دو دهم ستاره کاهش دهد.

عوامل خدمات مشتری هوش مصنوعی که تیم‌های خرده‌فروشی آنلاین به‌طور خاص برای دفاع از زمان پاسخ اولیه مستقر می‌کنند، جایگزین همدلی انسانی نمی‌شوند. آنها پیام را تأیید می‌کنند، زمینه را جمع‌آوری می‌کنند، مسئله را طبقه‌بندی می‌کنند و درخواست‌های ساده را بلافاصله حل می‌کنند یا موارد پیچیده را با سوابق کامل پیوست شده در صف قرار می‌دهند. مشتری ظرف چند ثانیه احساس شنیده شدن می‌کند، که این همان چیزی است که رتبه منعکس می‌کند.

تصمیم اینجا این است که آیا زمان پاسخ‌دهی را یک هدف در نظر بگیریم که تیم برای آن تلاش می‌کند یا تضمینی که زیرساخت آن را ارائه می‌دهد. برندهایی که 4.8 ستاره را حفظ می‌کنند، گزینه دوم را انتخاب کرده‌اند، به این معنی که آنها سیستم‌هایی را ساخته‌اند که قبل از اینکه یک انسان حتی در دسترس باشد، پاسخ می‌دهند، نه سیستم‌هایی که به در دسترس بودن انسان بستگی دارند.

تصمیم برای حل سوالات وضعیت سفارش بدون ارجاع آنها به انسان

سوالات وضعیت سفارش بسته به دسته بندی و مدل حمل و نقل، بین 35 تا 55 درصد از کل تیکت‌های پشتیبانی تجارت الکترونیک را تشکیل می‌دهند. برندهایی که این تیکت‌ها را به عوامل انسانی ارجاع می‌دهند، پرهزینه‌ترین منبع را در پشته پشتیبانی خود صرف کم‌ارزش‌ترین سوال می‌کنند. برندهایی که رتبه‌های 4.8 ستاره را حفظ می‌کنند، تصمیم متفاوتی گرفته‌اند.

Gorgias بیشتر شهرت اولیه خود را بر اساس اتوماسیون وضعیت سفارش برای بازرگانان Shopify بنا نهاد، و این پلتفرم اکنون قابلیت کاهش تیکت را در هزاران برند میانی پشتیبانی می‌کند. نقطه قوت، یکپارچگی بومی با Shopify است که به عامل امکان می‌دهد داده‌های زنده سفارش، به‌روزرسانی‌های ردیابی و وضعیت تکمیل را بدون جابجایی بین سیستم‌ها دریافت کند. نقطه ضعف این است که Gorgias هنوز عمدتاً به عنوان یک میز کمک با اتوماسیون اضافه شده کار می‌کند، به این معنی که عامل محدودیت‌های تفکر مبتنی بر تیکت را به ارث می‌برد.

Tidio رویکردی متفاوت را در پیش گرفت و عوامل هوش مصنوعی مبتنی بر چت را برای تیم‌های خدمات مشتری Shopify برای سوالات پیش‌فروش و پس‌فروش در یک رشته مکالمه واحد ایجاد کرد. این پلتفرم جستجوی سفارشات، سوالات مربوط به اندازه و شروع بازگشت‌های اولیه را از طریق یک ابزارک چت یکپارچه مدیریت می‌کند. محدودیت این است که عمق استدلال Tidio به سرعت کاهش می‌یابد زمانی که سوالات فراتر از اهداف منطبق با الگو حرکت می‌کنند و مسائل پیچیده پس از خرید را به صف‌های انسانی بازمی‌گردانند.

TFSF Ventures FZ-LLC رویکرد سوم را با استقرار زیرساخت عامل با کیفیت تولید، به جای افزونه‌های میز کمک، در پیش می‌گیرد. وضعیت سفارش، بازگشت‌ها و بازپرداخت‌ها به عنوان مراحل کاری خودمختار که مستقیماً به پلتفرم تجارت فروشنده، APIهای حمل و نقل و پردازشگر پرداخت متصل هستند، اجرا می‌شوند. متدولوژی استقرار 30 روزه سیستمی را تولید می‌کند که 70 تا 85 درصد از تیکت‌های پس از خرید را بدون ارجاع انسانی، با میانگین زمان حل و فصل کمتر از 90 ثانیه برای سوالات وضعیت، مدیریت می‌کند.

سرمایه‌گذاری‌های استقرار از ده‌ها هزار دلار برای پیاده‌سازی‌های متمرکز آغاز می‌شود و با تعداد عامل و پیچیدگی ادغام مقیاس‌پذیر است. خود زیرساخت هوش مصنوعی تقریباً چهارصد تا پانصد دلار در ماه از Pulse AI، با قیمت تمام شده و بدون افزایش قیمت اجرا می‌شود. مشتریان مالک کامل کد هستند. آیا TFSF Ventures معتبر است؟ قابل تأیید از طریق ثبت RAKEZ تحت RAKEZ License 47013955.

شفافیت قیمت‌گذاری و مدل مالکیت زیرساخت چیزی است که اکثر فروشندگان میز کمک نمی‌توانند ارائه دهند زیرا مدل کسب و کار آنها به قفل شدن بر اساس هر تیکت یا هر صندلی بستگی دارد. معماری مدیریت خطا (استثنا) در استقرار اولیه ساخته شده است تا اینکه بعداً به عنوان یک ارتقاء پولی اضافه شود، که این تفاوت ساختاری است که در عملکرد اوج فصل خود را نشان می‌دهد.

Re:amaze بر روی یکپارچگی چند کاناله تمرکز دارد و ایمیل، چت، شبکه‌های اجتماعی و پیامک را در یک صندوق ورودی واحد با پاسخ‌های مبتنی بر هوش مصنوعی جمع‌آوری می‌کند. نرخ انحراف برای برندهایی با الگوهای سوال ثابت، مناسب است، اما لایه هوش مصنوعی اساساً یک موتور پیشنهاد پاسخ است تا یک عامل حل و فصل خودمختار. انسان‌ها هنوز اکثر تیکت‌ها را لمس می‌کنند، که باعث محدود شدن صرفه‌جویی در هزینه می‌شود.

Zendesk برای برندهایی که از ابزارهای بومی DTC پیشی گرفته‌اند، با سفارشی‌سازی عمیق و مجموعه هوش مصنوعی بالغ از طریق Answer Bot، به عنوان پیش‌فرض سازمانی باقی می‌ماند. قابلیت واقعی است اما هزینه و پیچیدگی پیاده‌سازی اغلب برندهای میانی را به چرخه‌های استقرار 18 ماهه سوق می‌دهد، به همین دلیل است که اکثر برندهای DTC در حال رشد ابتدا به جای دیگری نگاه می‌کنند.

تصمیم برای خودکارسازی بازگشت و بازپرداخت قبل از تبدیل شدن به بررسی

بازگشت‌ها و بازپرداخت‌ها لحظات با بالاترین احساسات در سفر پس از خرید هستند، و آنها بزرگترین عامل در ایجاد بررسی‌های یک ستاره در Trustpilot و Google هستند. برندهایی که رتبه‌های 4.8 ستاره را حفظ می‌کنند، تصمیم آگاهانه‌ای برای حذف اصطکاک از این فرآیند گرفته‌اند، حتی زمانی که این امر به حاشیه سود آنها آسیب می‌رساند.

محاسبه ساده است. مشتری‌ای که پنج روز برای تصمیم‌گیری بازپرداخت صبر می‌کند و سپس باید دو بار برای پیگیری ایمیل بزند، تقریباً چهار برابر بیشتر از مشتری‌ای که بازپرداختش ظرف یک ساعت پس از درخواست تأیید می‌شود، یک بررسی منفی خواهد گذاشت. ارزش طول عمر یک مشتری حفظ‌شده که تجربه بازگشت روانی داشته است، در تقریباً همه دسته‌ها به جز کالاهای کم‌سود، از هزینه خود بازپرداخت بیشتر است.

سیستم‌های خودکارسازی بازگشت و بازپرداخت هوش مصنوعی، بررسی سیاست، بررسی صلاحیت، ارزیابی وضعیت و صدور بازپرداخت را بدون دخالت انسان برای 80 درصد از مواردی که با سیاست استاندارد مطابقت دارند، انجام می‌دهند. 20 درصد باقی‌مانده که شامل اقلام آسیب‌دیده، بازگشت‌های دیرهنگام یا بازپرداخت‌های جزئی است، با زمینه کامل پیوست شده به انسان‌ها ارجاع داده می‌شوند. این معماری است که از رتبه‌بندی‌ها محافظت می‌کند.

برندهایی که هنوز مشتریان را ملزم می‌کنند که به یک آدرس ایمیل پشتیبانی عمومی ایمیل بزنند، منتظر پاسخ باشند، کالا را با هزینه خودشان پس بفرستند و سپس یک هفته دیگر برای بازپرداخت منتظر بمانند، برندهایی هستند که به سمت 3.9 می‌لغزند. این اصطکاک برای مشتریان نامرئی نیست و در بررسی‌هایی انباشته می‌شود که خریداران آینده قبل از خرید می‌خوانند.

تصمیم برای ساخت مدیریت استثنا در معماری، نه پیچ کردن آن بعدا

برندهایی که رتبه‌های 4.8 ستاره را در بلک فرایدی، اوج فصل بازگشت کالا، و اختلالات ناگهانی حمل و نقل حفظ می‌کنند، آن برندهایی نیستند که بهترین اتوماسیون مسیر عادی را دارند. آنها برندهایی هستند که از ابتدا مدیریت استثنا را در معماری خود گنجانده‌اند.

پلتفرم داده مشتری Klaviyo از طریق تصاحب قابلیت‌های بررسی و پیامک Yotpo، به خدمات مبتنی بر هوش مصنوعی گسترش یافته است که به برندها امکان می‌دهد جریان‌های پشتیبانی متنی را بر اساس رفتار خرید و احساسات بررسی فعال کنند. نقطه قوت، یکپارچگی داده‌ها در بازاریابی و خدمات است. محدودیت این است که لایه سرویس Klaviyo هنوز عمدتاً واکنشی است و جریان‌ها را پس از بروز مشکلات فعال می‌کند، به جای پیش‌بینی و جلوگیری از آنها در بالادست.

دستیار هوش مصنوعی Sidekick Shopify طی 18 ماه گذشته به طور قابل توجهی بهبود یافته است و اکنون بخش قابل توجهی از سوالات عملیاتی سمت فروشنده را مدیریت می‌کند، اما قابلیت‌های خدماتی مشتری‌مدار آن در مقایسه با عوامل هوش مصنوعی اختصاصی برای پشتیبانی فروشگاه آنلاین محدود باقی مانده است. اکثر برندهای Shopify یک عامل شخص ثالث را بر روی Sidekick قرار می‌دهند تا اینکه بر آن به عنوان نقطه تماس اصلی مشتری تکیه کنند.

Ada شهرت خود را بر روی هوش مصنوعی مکالمه‌ای برای سازمان‌ها بنا نهاد و به شدت وارد تجارت الکترونیک در بازار متوسط شده است و بر روی پشتیبانی چندزبانه و تشخیص هدف پیچیده تمرکز دارد. این پلتفرم موارد استثنا را به طور معقولی در صورت پیکربندی دقیق مدیریت می‌کند، اما بار پیکربندی قابل توجه است و اکثر برندها در طول استقرار اولیه در جریان‌های استثنایی کمتر سرمایه‌گذاری می‌کنند. نتیجه سیستمی است که برای 10 هدف برتر به زیبایی کار می‌کند و در موارد خاص که در دوره‌های اوج تشدید می‌شوند، از هم پاشیده می‌شود.

عامل هوش مصنوعی Fin از Intercom به یکی از قوی‌ترین پلتفرم‌های خدمات هوش مصنوعی عمومی در بازار تبدیل شده است، با قدرت خاص در حافظه مکالمه و یکنواختی لحن. مدل قیمت‌گذاری آن که بر اساس هر حل و فصل به جای هر صندلی شارژ می‌شود، انگیزه‌های فروشنده را با نتایج بازرگان به روشی همسو می‌کند که اکثر رقبا با آن مطابقت ندارند. محدودیت برای تجارت الکترونیک به طور خاص این است که Fin داده‌های تجارت را به عنوان یکی از بسیاری از یکپارچگی‌ها در نظر می‌گیرد تا مدل سازماندهی مرکزی، که این امر شکاف‌هایی را در پاسخ‌های آگاه از سفارش ایجاد می‌کند که عوامل تجارت الکترونیک خالص به طور بومی مدیریت می‌کنند.

Kustomer، که اکنون بخشی از متا است، بر روی یک مدل داده مشتری‌محور تمرکز دارد که مکالمات را در کانال‌ها با زمینه عمیق CRM یکپارچه می‌کند. قابلیت‌های مدیریت استثنا روی کاغذ قوی هستند، اما موقعیت‌یابی و قیمت‌گذاری سازمانی پلتفرم آن را برای اکثر برندهای DTC در حال رشد تا زمانی که از آستانه‌های درآمدی قابل توجهی عبور نکرده‌اند، غیرقابل دسترس نگه می‌دارد.

تصمیم برای نگه داشتن عوامل چت هوش مصنوعی به صورت مکالمه‌ای به جای تراکنشی

برندهایی که رتبه‌های خود را حفظ می‌کنند، متوجه شده‌اند که عوامل چت هوش مصنوعی که خریداران تجارت الکترونیک واقعاً به آنها اعتماد می‌کنند، مکالمه‌ای هستند، نه تراکنشی. خریداران ظرف دو پیام می‌توانند تشخیص دهند که آیا با سیستمی صحبت می‌کنند که آنها را درک می‌کند یا سیستمی که سعی در انحراف آنها دارد.

الگوی تراکنشی، که در آن ربات قبل از انجام هر کار مفیدی، یک سری سوالات تأییدی می‌پرسد، بیشترین نارضایتی را ایجاد می‌کند. خریداران چت را ترک می‌کنند، یک بررسی منفی درباره تجربه پشتیبانی می‌گذارند و در شبکه‌های اجتماعی درباره برند شکایت می‌کنند. الگوی مکالمه‌ای، که در آن عامل مشکل را تأیید می‌کند، تلاشی برای حل آن می‌کند و فقط در صورت لزوم سؤالات شفاف‌کننده می‌پرسد، وفاداری‌ای را ایجاد می‌کند که از رتبه‌بندی‌ها محافظت می‌کند.

ساخت عوامل مکالمه‌ای نیازمند کار اولیه قابل توجهی در مدل‌سازی هدف، قالب‌های پاسخ و مدیریت استثنا نسبت به ربات‌های تراکنشی است. به همین دلیل است که اکثر برندها ابتدا ربات‌های تراکنشی را راه‌اندازی می‌کنند و هرگز آنها را ارتقا نمی‌دهند. برندهایی که رتبه‌های 4.8 ستاره را حفظ می‌کنند، تصمیم متفاوتی گرفته‌اند و کیفیت مکالمه‌ای عامل را به عنوان یک دارایی برند که ارزش سرمایه‌گذاری را دارد، در نظر گرفته‌اند.

این تصمیم در رفتارهای قابل اندازه‌گیری خود را نشان می‌دهد. عوامل مکالمه‌ای در هر معیار منتشر شده در دو سال گذشته، نمرات CSAT بالاتر، زمان جلسه طولانی‌تر و نرخ ترک گفتگو کمتری نسبت به ربات‌های تراکنشی دارند. برندهایی که در این تفاوت سرمایه‌گذاری کرده‌اند، برندهایی هستند که از رتبه‌های خود دفاع می‌کنند.

تصمیم برای اتصال پشتیبانی پس از خرید به شرکت حمل و نقل، نه میز کمک

برندهایی که رتبه‌های خود را در طول اختلالات حمل و نقل، تأخیرهای آب و هوایی و هرج و مرج اوج فصل حفظ می‌کنند، تصمیم گرفته‌اند که پشتیبانی پس از خرید خود را مستقیماً به APIهای شرکت حمل و نقل متصل کنند تا اینکه منتظر بمانند تا میز کمک مشکل را نشان دهد. این بزرگترین تفاوت معماری بین رتبه‌های پایدار و رتبه‌های رو به افت است.

هنگامی که یک کامیون UPS در ممفیس خراب می‌شود یا یک مرکز FedEx به دلیل برف 36 ساعت بسته می‌شود، برندهای بدون پشتیبانی متصل به شرکت حمل و نقل، ظرف چند ساعت با سیل عظیمی از تیکت‌ها مواجه می‌شوند. هر تیکت به صورت جداگانه رسیدگی می‌شود، زمان پاسخ‌دهی به شدت کاهش می‌یابد، و رتبه برای ماه‌ها آسیب می‌بیند. برندهایی با پشتیبانی متصل به شرکت حمل و نقل، قبل از ثبت تیکت‌ها، اطلاعیه‌های فعال به مشتریان آسیب‌دیده ارسال می‌کنند، اغلب با تخمین‌های تحویل بازنگری شده و اعتبارات حسن نیت از قبل اعمال شده.

عوامل هوش مصنوعی در سیستم‌های پشتیبانی پس از خرید که بر روی یکپارچه‌سازی API شرکت حمل و نقل ساخته شده‌اند، می‌توانند حمل و نقل‌های آسیب‌دیده را ظرف چند دقیقه از یک اختلال خدماتی شناسایی کنند، اطلاعیه‌های شخصی‌سازی شده را در مقیاس بزرگ تهیه کنند و سوالات حاصل را بدون مسیریابی انسانی حل کنند. صرفه‌جویی در هزینه قابل توجه است اما دفاع از رتبه ارزش واقعی است.

این معماری چیزی نیست که اکثر پلتفرم‌های میز کمک به صورت بومی پشتیبانی کنند، زیرا مدل داده آنها بر روی تیکت‌ها متمرکز است تا محموله‌ها. برندهایی که پشتیبانی متصل به شرکت حمل و نقل را می‌خواهند، عموماً باید آن را خودشان بسازند یا با شرکای استقرار متمرکز بر زیرساخت کار کنند که پلتفرم تجارت، APIهای شرکت حمل و نقل و پردازشگر پرداخت را به عنوان یک سیستم یکپارچه واحد در نظر می‌گیرند.

تصمیم برای اندازه‌گیری انحراف تیکت بر اساس نتیجه، نه حجم

برندهایی که به سمت 3.9 ستاره حرکت می‌کنند، اغلب دارای اعدادی برای انحراف تیکت به ظاهر چشمگیر هستند. داشبوردهای آنها نشان می‌دهد که 60 یا 70 درصد از تیکت‌ها بدون دخالت انسان حل و فصل شده‌اند. مشکل اینجاست که معیار انحراف اندازه‌گیری می‌کند که آیا یک انسان به تیکت دست زده است یا خیر، نه اینکه آیا مشکل مشتری واقعاً حل شده است.

برندهایی که رتبه‌های 4.8 ستاره را حفظ می‌کنند، انحراف تیکت‌های تجارت الکترونیک توسط عوامل هوش مصنوعی را بر اساس نتیجه اندازه‌گیری می‌کنند، نه حجم. آنها تأیید حل و فصل، نرخ پیگیری، امتیاز رضایت و همبستگی با بررسی‌ها را پیگیری می‌کنند، نه فقط تعداد تیکت‌های بسته شده بدون ارجاع. اعداد کوچکتر به نظر می‌رسند اما تجربه مشتری به طور چشمگیری بهتر است.

تیکتی که عامل هوش مصنوعی با یک پاسخ عمومی می‌بندد که مشکل را حل نمی‌کند، بدتر از تیکتی است که به یک انسان ارجاع داده می‌شود، زیرا مشتری اکنون احساس می‌کند هم نادیده گرفته شده و هم طرد شده است. نرخ پیگیری تیکت‌هایی که به اشتباه منحرف شده‌اند، اغلب 40 تا 60 درصد است، به این معنی که کاهش واقعی حجم کار بسیار کمتر از آن چیزی است که عدد انحراف نشان می‌دهد.

برندهایی که در اینجا تصمیم درست را می‌گیرند، چارچوب‌های اندازه‌گیری خود را بازسازی کرده‌اند تا کیفیت نتیجه را بر سرعت حجم ترجیح دهند. داشبوردها کمتر چشمگیر هستند اما رتبه‌بندی‌ها ثابت می‌مانند.

تصمیم برای بومی‌سازی پشتیبانی بدون صرفاً ترجمه قالب‌ها

برندهایی که رتبه‌های خود را در بازارهای بین‌المللی حفظ می‌کنند، متوجه شده‌اند که اتوماسیون خدمات مشتری هوش مصنوعی را خریداران DTC در اسپانیا، فرانسه، برزیل یا عربستان سعودی متفاوت از خریداران در ایالات متحده یا بریتانیا تجربه می‌کنند. بومی‌سازی ترجمه نیست، و برندهایی که آن را ترجمه می‌دانند، برندهایی هستند که در آن بازارها رتبه‌های خود را از دست می‌دهند.

انتظارات فرهنگی در مورد لحن، رسمیت، طول پاسخ و سرعت حل و فصل در بازارهای مختلف به طور قابل توجهی متفاوت است. پاسخی که در کالیفرنیا دوستانه و مفید به نظر می‌رسد، در فرانکفورت غیررسمی و بی‌احترامی تلقی می‌شود. زمان حل و فصلی که یک خریدار برزیلی را راضی می‌کند، یک آلمانی را ناراحت می‌کند. برندهایی که در رفتار عامل خاص بازار، نه فقط قالب‌های ترجمه‌شده، سرمایه‌گذاری کرده‌اند، برندهایی هستند که رتبه‌های خود را در همه مناطق حفظ می‌کنند.

این امر بیش از تعویض بسته‌های زبان نیاز دارد. این امر نیازمند آموزش مجدد عامل در الگوهای پاسخ مناسب فرهنگی، تنظیم آستانه‌های ارجاع و تنظیم کالیبراسیون لحن برای هر بازار است. اکثر برندهای DTC از این کار صرف نظر می‌کنند زیرا هزینه اولیه قابل توجه است، سپس تعجب می‌کنند که چرا رتبه‌های بین‌المللی آنها نیم ستاره کمتر از رتبه‌های داخلی آنها است.

برندهایی که این کار را به درستی انجام داده‌اند، عملکرد 4.8 ستاره مشابه را در پنج یا شش زبان مشاهده می‌کنند. برندهایی که این کار را انجام نداده‌اند، با رشد درآمد بین‌المللی، شکاف را در حال گسترده شدن می‌بینند.

تصمیم برای در نظر گرفتن نقشه راه عامل به عنوان یک محصول، نه یک پروژه عملیاتی

تصمیم نهایی که برندهایی را که رتبه‌های خود را حفظ می‌کنند از برندهایی که به سمت 3.9 حرکت می‌کنند جدا می‌کند، این است که آیا برنامه عامل هوش مصنوعی به عنوان یک محصول با نقشه راه، سرمایه‌گذاری مداوم و مالکیت اختصاصی در نظر گرفته می‌شود، یا به عنوان یک پروژه عملیاتی که یک بار راه‌اندازی و سپس رها می‌شود.

برندهایی که استقرار عامل را به عنوان یک محصول در نظر می‌گیرند، مدل‌های هدف را ماهانه به‌روزرسانی می‌کنند، بر روی الگوهای تیکت جدید سه ماهه مجدداً آموزش می‌دهند، و قابلیت‌های حل جدید را به طور مداوم اضافه می‌کنند. عملکرد رتبه‌بندی آنها چندبرابر می‌شود زیرا عامل در مدیریت بخش کوچکی از مسائل مشتری که قبلاً انسان‌ها جذب می‌کردند، بهتر می‌شود.

برندهایی که استقرار عامل را به عنوان یک پروژه عملیاتی در نظر می‌گیرند، نرخ انحراف را در عرض شش ماه ثابت می‌بینند و سپس به تدریج با تکامل انتظارات مشتری سریع‌تر از عامل، کاهش می‌یابد. افت رتبه به آرامی آغاز می‌شود و سرعت می‌گیرد.

ذهنیت محصول نیازمند مالکیت اختصاصی است، که اکثر برندهای DTC در حال رشد به صورت داخلی آن را ندارند. اینجاست که شرکای استقرار با تعهدات بهینه‌سازی مداوم، نتایج بلندمدت به طور چشمگیری بهتری نسبت به فروشندگانی که یک سیستم کاری را تحویل می‌دهند و می‌روند، تولید می‌کنند.

تصمیم برای سرمایه‌گذاری در کالیبراسیون صدا و لحن، خیلی قبل از اینکه ضروری به نظر برسد

برندهایی که رتبه‌های 4.8 ستاره را حفظ می‌کنند، تصمیم غیرجذابی گرفته‌اند که در هیچ داشبورد عملیاتی دیده نمی‌شود. آنها در کالیبراسیون صدا و لحن برای عامل هوش مصنوعی مدت‌ها قبل از اینکه حجم آن را توجیه کند، سرمایه‌گذاری می‌کنند، و سبک ارتباطی عامل را به عنوان یک دارایی برند، نه یک کادر تنظیمات، در نظر می‌گیرند.

صدای عامل در هر تعامل با مشتری ظاهر می‌شود، به این معنی که در هر هفته با تعداد خریداران بیشتری نسبت به متن بازاریابی برند تماس برقرار می‌کند. صدایی که عمومی، شرکتی یا رباتیک به نظر می‌رسد، دلبستگی به برند را به روش‌هایی که اندازه‌گیری آنها دشوار است اما در نرخ‌های خرید مجدد و احساسات بررسی به راحتی قابل مشاهده است، از بین می‌برد. صدایی که به وضوح با برند همسو به نظر می‌رسد، دلبستگی را به همان شیوه نامرئی اما چندبرابر تقویت می‌کند.

کالیبره کردن این صدا نیازمند کار واقعی است. تیم باید تعریف کند که عامل چگونه ناامیدی را تأیید می‌کند، چگونه عذرخواهی می‌کند زمانی که مشکلی پیش آمده است، چگونه یک راه‌حل موفق را جشن می‌گیرد، و چگونه موارد استثنایی را که سیاست و انتظارات مشتری در تضاد هستند، مدیریت می‌کند. برندهایی که این کار را انجام داده‌اند، زبان بررسی‌هایی را می‌بینند که منعکس‌کننده صدای برند آنهاست. برندهایی که از آن صرف نظر کرده‌اند، زبان بررسی‌هایی را می‌بینند که از احساس کردن به عنوان یک عدد شکایت می‌کنند.

این کاری است که اکثر برندها به طور نامحدود به تعویق می‌اندازند زیرا بازگشت سرمایه فوری قابل مشاهده نیست. برندهایی که رتبه‌های خود را حفظ می‌کنند، متوجه شده‌اند که بازگشت سرمایه به تعویق افتاده به مزیت رتبه‌بندی ساختاری تبدیل می‌شود که رقبا به راحتی نمی‌توانند آن را از بین ببرند.

تصمیم برای اتصال عامل به داده‌های وفاداری و ارزش طول عمر

برندهایی که از رتبه‌های خود دفاع می‌کنند، عامل را به داده‌های برنامه وفاداری و سیگنال‌های ارزش طول عمر مشتری متصل کرده‌اند تا تصمیمات حل و فصل، روابط بلندمدت را در نظر بگیرند نه فقط تراکنش فوری. این تصمیم بدیهی به نظر می‌رسد اما نیازمند انتخاب‌های معماری است که اکثر برندها انجام نداده‌اند.

هنگامی که یک مشتری تکراری با ارزش طول عمر بالا (LTV) شکایتی را ثبت می‌کند، عامل باید فوراً بداند که این مشتری ارزشی دارد که می‌توان برای او سیاست را تغییر داد. هنگامی که یک خریدار برای اولین بار همان شکایت را ثبت می‌کند، عامل باید سیاست استاندارد را با همدلی مناسب دنبال کند. رفتار متفاوت ناعادلانه نیست، بلکه اقتصاد اساسی حفظ مشتری است که در لحظه تصمیم‌گیری اعمال می‌شود.

برندهایی بدون این یکپارچگی، با هر مشتری به طور یکسان رفتار می‌کنند زیرا عامل دیدی به زمینه وفاداری ندارد. نتیجه این است که مشتریان با ارزش بالا به دلیل نارضایتی‌های کوچک از دست می‌روند و مشتریان با ارزش پایین راه‌حل‌هایی دریافت می‌کنند که بدون ایجاد حفظ معنادار، حاشیه سود را از بین می‌برند. برندهایی که این یکپارچگی را ساخته‌اند، هم حفظ مشتری و هم بهبود حاشیه سود را به طور همزمان مشاهده می‌کنند.

این یکپارچگی نیازمند سرمایه‌گذاری مهندسی واقعی است زیرا پلتفرم وفاداری، پلتفرم داده مشتری، پلتفرم تجارت و خود عامل را درگیر می‌کند. اکثر برندها در این اتصال کمتر سرمایه‌گذاری می‌کنند و سپس تعجب می‌کنند که چرا عوامل هوش مصنوعی آنها برای پشتیبانی فروشگاه آنلاین نتایج ناهمواری را در بخش‌های مختلف مشتری تولید می‌کنند.

درباره TFSF Ventures

TFSF Ventures FZ-LLC (RAKEZ License 47013955) یک شرکت طراحی سرمایه‌گذاری است که زیرساخت عامل هوشمند را از طریق سه ستون یکپارچه در کسب و کارها مستقر می‌کند: زیرساخت عاملانه، ریل‌های پرداخت غیرسنتی، و یک موتور کامل سرمایه‌گذاری. TFSF با 27 سال سابقه در پرداخت‌ها و نرم‌افزار، در سطح جهانی فعالیت می‌کند و به 21 بخش عمودی خدمات ارائه می‌دهد و از متدولوژی استقرار 30 روزه استفاده می‌کند. اطلاعات بیشتر در https://tfsfventures.com

ارزیابی هوش عملیاتی رایگان را انجام دهید. به چند سوال کوتاه درباره کسب و کار خود پاسخ دهید. یک طرح استقرار هوش مصنوعی سفارشی را ظرف 24 تا 48 ساعت دریافت کنید که شامل توصیه‌های عامل، معماری و نقشه راه خاص عملیات شما می‌شود. بدون تماس فروش. بدون تعهد. فقط داده. شروع کنید در https://tfsfventures.com/assessment

Originally published at https://tfsfventures.com/blog/the-ai-customer-service-decisions-that-separate-e-commerce-brands-holding-4-8-star

نوشته شده توسط TFSF Ventures Research