CTI論壇(ctiforum.com) （編譯/老秦）： 現代聯(lián)絡(luò )中心力求比以往任何時(shí)候都更高效、更有生產(chǎn)力和更有利可圖，因此領(lǐng)導者轉向技術(shù)來(lái)提高績(jì)效也就不足為奇了。但并非所有解決方案都是平等的--雖然協(xié)作 AI 顯著(zhù)改善了組織的整體運營(yíng)，但惰性人工智能卻非常普遍，而且用處不大。
為了幫助您避免低效解決方案的時(shí)間和費用，我們將繼續突出您應該躲避的危險信號。在聯(lián)絡(luò )中心系列的惰性人工智能的第二部分中，我們將討論座席體驗。
沒(méi)有座席，聯(lián)絡(luò )中心就無(wú)法存在，而快樂(lè )的座席表現得更好。那么，為什么許多建立在 AI 之上的聯(lián)絡(luò )中心解決方案非常關(guān)注座席表現，但從不考慮座席體驗呢？
為確保您在實(shí)施新系統時(shí)對座席體驗產(chǎn)生積極影響，請留意這些表明惰性人工智能的陷阱。
惰性人工智能專(zhuān)注于輸出，忽略參與
無(wú)論他們的組織如何衡量績(jì)效，每個(gè)聯(lián)絡(luò )中心的領(lǐng)導者都想要更高效的座席。但是，如果沒(méi)有高參與度，就不可能存在高績(jì)效。
事實(shí)上，敬業(yè)的員工作為一個(gè)整體具有更好的工作成果。在聯(lián)絡(luò )中心，座席感覺(jué)有能力解決客戶(hù)問(wèn)題的可能性高出 3.3 倍，留在工作崗位上的可能性高出 8.5 倍。
盡管有這個(gè)廣為人知的事實(shí)，但聯(lián)絡(luò )中心軟件很少以參與為目標。相反，它堅定地關(guān)注座席績(jì)效的特定方面。
例如，解決方案的主要目標可能是通過(guò)強制執行腳本來(lái)提高客戶(hù)滿(mǎn)意度和合規性。 AI 可能會(huì )在通話(huà)期間向座席發(fā)送警報以保持腳本，跟蹤每個(gè)座席的成功率和輪班后的腳本使用情況，并向經(jīng)理提供該數據。
但是，這如何改善座席體驗以保持座席參與他們的工作呢？高達 42% 的座席錯誤是由于座席緊張或無(wú)聊造成的。僅設計用于跟蹤座席的一舉一動(dòng)的系統肯定無(wú)法解決這些問(wèn)題。
更積極參與的軟件可以實(shí)時(shí)跟蹤每個(gè)座席的腳本使用情況，創(chuàng )建一個(gè)持續更新的團隊范圍的排行榜，并在輪班結束時(shí)為表現最好的座席提供獎勵。這種游戲化同時(shí)推動(dòng)了動(dòng)力、參與度和積極成果。
盡管目標可能相同，但惰性人工智能讓這個(gè)過(guò)程對座席感到壓抑；使用主動(dòng)式 AI 游戲化體驗會(huì )帶來(lái)更好的性能，并且只會(huì )讓工作變得更有趣。
惰性人工智能隔離座席，助長(cháng)斷開(kāi)連接
盡管整天與人交談，但座席在工作中仍會(huì )感到孤獨。團隊合作意識和與經(jīng)理快速互動(dòng)的能力至關(guān)重要。
讓座席感覺(jué)得到資深員工網(wǎng)絡(luò )的支持對于敬業(yè)度和績(jì)效非常重要。事實(shí)上，57% 的座席可以在幾分鐘內聯(lián)系到他們的主管，他們表示對他們的工作非常滿(mǎn)意（反過(guò)來(lái)也更加投入）。
盡管聯(lián)絡(luò )中心的聯(lián)系很重要，但惰性人工智能常常讓座席感到更加孤立。一些解決方案在通話(huà)期間向座席發(fā)送自動(dòng)警報；這些警報由特定類(lèi)型的異議等事件觸發(fā)，并從預設列表中提供建議以管理情況。
但是，如果這些預設的見(jiàn)解沒(méi)有奏效，或者一開(kāi)始就沒(méi)有相關(guān)性，會(huì )發(fā)生什么？惰性人工智能讓座席別無(wú)選擇，只能在沒(méi)有任何有意義的指導的情況下白手起家地度過(guò)艱難的電話(huà)。
協(xié)作 AI 從最好的座席那里學(xué)習，將這些習慣擴展到整個(gè)團隊，并在每次通話(huà)中為座席提供指導和洞察力，他們實(shí)際上需要完成更多的銷(xiāo)售。
協(xié)作 AI 還可以識別諸如反對之類(lèi)的事件，并且提供高度具體的方法來(lái)實(shí)時(shí)克服它們。這些建議是基于過(guò)去的成功。如果所有其他方法都失敗了，協(xié)作 AI 允許座席在他們仍在通話(huà)時(shí)與經(jīng)理聯(lián)系。座席可以在不中斷對話(huà)流程的情況下請求實(shí)時(shí)協(xié)助。
通過(guò)使座席更容易在他們需要的時(shí)候獲得他們需要的幫助，協(xié)作 AI 激發(fā)了一種社區意識。惰性人工智能孤立座席，讓他們感到孤立無(wú)援。
惰性人工智能降低了定制的優(yōu)先級
對于惰性人工智能，每個(gè)座席都是一樣的--它們從相同的平臺獲得相同的腳本，沒(méi)有個(gè)性化的空間。
但座席并不完全相同。他們有自己的溝通方式和偏好，決定了他們的參與度。問(wèn)題是，惰性人工智能專(zhuān)注于關(guān)鍵性能指標，而不允許進(jìn)行那種增強座席體驗的定制。
一個(gè)解決方案可能會(huì )通過(guò)測試不同的短語(yǔ)和多個(gè)劇本的推出來(lái)努力提高客戶(hù)滿(mǎn)意度和首次呼叫解決率。通過(guò)這種方式，它可以收集有關(guān)哪個(gè)劇本最有效的數據，并將其擴展到整個(gè)團隊。
雖然這種方法在理論上是有效的，但它沒(méi)有考慮到座席的個(gè)性。如果座席對腳本項目的措辭不滿(mǎn)意，他們可能會(huì )改寫(xiě)它或完全跳過(guò)它。
協(xié)作 AI 可以收集有關(guān)哪些短語(yǔ)最有效的數據，并將其擴展到整個(gè)團隊。同時(shí)，它允許每個(gè)座席調整腳本以適應他們的風(fēng)格。基于意圖的語(yǔ)音處理意味著(zhù)無(wú)需拘泥于腳本的精確語(yǔ)言，但是當座席發(fā)現完全不同的方法對他們個(gè)人更有效時(shí)，他們可以對腳本進(jìn)行更改。最重要的是，協(xié)作 AI 將從這些變化中學(xué)習。
除了這些功能定制選項之外，協(xié)作 AI 還允許座席通過(guò)更新顏色和圖標以匹配他們的風(fēng)格來(lái)改變他們系統的外觀(guān)和感覺(jué)。惰性人工智能將每個(gè)智能體視為眾多智能體中的一個(gè)，但為了增強智能體體驗，解決方案需要將每個(gè)智能體識別為同類(lèi)中的一種。
惰性人工智能未能解決限制
座席在通話(huà)中出錯的最大原因是他們只是忘記了他們應該說(shuō)的話(huà)。事實(shí)上，幾乎四分之一的座席錯誤是由于記憶失誤造成的。
考慮到這一事實(shí)，難怪如果座席覺(jué)得劇本壓力大，他們更有可能離職。畢竟，座席只是人類(lèi)--不能合理地期望他們記住龐大、復雜的套牌或每個(gè)潛在問(wèn)題的答案。盡管如此，一些使用惰性人工智能解決方案仍無(wú)法靈活地實(shí)時(shí)提供正確的指導或信息。
當聯(lián)絡(luò )中心軟件依賴(lài)于不太高級的功能（如關(guān)鍵字觸發(fā)器）時(shí)，它會(huì )使座席在呼叫時(shí)容易受到攻擊。如果客戶(hù)或座席沒(méi)有使用正確的語(yǔ)言，關(guān)鍵字匹配 AI 可能無(wú)法識別對話(huà)中的轉折點(diǎn)。這迫使座席依靠記憶來(lái)提供答案或降級緊張的呼叫。
相反，協(xié)作 AI 會(huì )傾聽(tīng)整個(gè)對話(huà)并更好地理解細微的交互。當他們確信解決方案將始終如一地引導他們完成通話(huà)時(shí)，座席就可以忘記記憶的壓力。
惰性人工智能可能聲稱(chēng)可以實(shí)時(shí)指導座席，但它是不一致的。這會(huì )導致座席神經(jīng)緊張，最終無(wú)法解決座席在通話(huà)中最大的問(wèn)題：記憶。為了給座席信心、讓他們參與腳本并減少錯誤，解決方案需要每次都實(shí)時(shí)提供正確的提示。
使用協(xié)作 AI 策劃座席體驗
座席體驗在惰性人工智能中處于次要地位，但在協(xié)作 AI 解決方案中它處于前沿和中心位置。敬業(yè)的座席表現更好，因此協(xié)作 AI 采用整體方法通過(guò)針對座席體驗和績(jì)效來(lái)增強聯(lián)絡(luò )中心的運營(yíng)。
在尋找可以改變您的聯(lián)絡(luò )中心的平臺時(shí)，請記住尋找可以增強座席體驗的功能。記住這些惰性人工智能的跡象；如有疑問(wèn)，請尋找實(shí)時(shí)功能。
作為行業(yè)領(lǐng)先的實(shí)時(shí)指導解決方案，Balto 了解與構建高效協(xié)作 AI 相關(guān)的挑戰。我們也知道，如果支持沒(méi)有實(shí)時(shí)到達，那么就為時(shí)已晚。實(shí)時(shí)提供即時(shí)有意義的支持、增強座席體驗并提高組織績(jì)效。
聲明：版權所有 非合作媒體謝絕轉載
原文網(wǎng)址：https://www.balto.ai/blog/lazy-ai-in-the-contact-center-part-2-neglecting-agent-experience/
