Концепция долга доверия: как оценивать реальный вклад AI в клиентский сервис
У исследователей Alibaba вышла интересная работа о том, как вмешательство человека влияет на результаты клиентского сервиса с использованием AI.
647 сотрудников поддержки, более 680 тысяч диалогов. Они изучали ограниченную автоматизацию: только 5,8% обращений потенциально могли обрабатываться AI, а не о полностью автономную поддержку.
1. Когда AI решал вопрос самостоятельно, без подключения оператора, диалог становился короче на 64,6%, но оценка клиента снижалась на 0,86 балла из 5. Тут все ок, мы знаем, что оценивать успешность автоматизации только по сокращению времени обработки недостаточно, важно еще качество обслуживания.
2. Разница между техническими и эмоциональными эскалациями.
При технической эскалации продолжительность диалога увеличивалась на 19,1%, но статистически значимого изменения клиентской оценки не было.
При эмоциональной эскалации диалог становился длиннее на 40,8%, клиентская оценка снижалась на 0,93 балла, а вероятность повторного обращения по той же проблеме в течение семи дней увеличивалась на 6%.
Клиент всё больше раздражался, а операторы, наоборот, проявляли меньшую заинтересованность: отправляли меньше сообщений, реже самостоятельно искали информацию и предлагали решения. Хотя именно в этот момент клиенту особенно нужны внимание и помощь.
Здесь стоит отдельно работать с подготовкой сотрудников к сложным эмоциональным ситуациям: сохранять вовлечённость, искать решение и максимально гибко стараться, когда клиент уже недоволен.
Способность восстановить отношения после неудачного взаимодействия с AI — это часть клиентского опыта, которая порой важнее качества первоначального сервиса.
В связке AI + human важно учитывать эмоциональное состояние клиента, а не только техническую возможность решить его вопрос.
Интересные вопросы: Кто владеет клиентской проблемой после ошибки AI? Не тикетом, не очередью и не моделью, а восстановлением результата и доверия. Если клиенту приходится заново объяснять проблему и проходить те же процедуры, мы просто переложили часть работы на него.
Как считать стоимость восстановления после ошибок автоматизации? AI может успешно закрывать обращения и улучшать показатели производительности. Но если клиент возвращается, требует дополнительных ресурсов или отказывается от продукта, экономику автоматизации стоит пересчитать.
Мне здесь интересна концепция долга доверия. Компания накапливает его каждый раз, когда формально завершает взаимодействие, но оставляет клиенту дополнительную работу, раздражение или неопределённость. Этот долг не всегда виден в операционных метриках. Клиент может не обратиться повторно, а просто перестать пользоваться продуктом или не продлить договор. Это мой любимый отток.
В управлении сервисом я бы отдельно смотрела на то, насколько рано AI распознаёт необходимость передачи оператору, умеют ли сотрудники восстанавливать отношения после неудачной автоматизации и что происходит с клиентами после таких ситуаций. Это поможет снижать тот самый долг доверия.
@bizservis
