מיליוני אינטראקציות בחודש, והסיבות האמיתיות שבגללן לקוחות עזבו היו קבורות בהקלטות ובתמלילי צ'אט שאף אחד לא יכול היה להאזין להם או לקרוא אותם. בקרת האיכות הסתכמה בדגימה ידנית של 1%. הפעלנו AI על הכול, והכשלים סוף סוף צפו.
כשמוקד מקבל מיליוני פניות בחודש, רוב התובנה העסקית קבורה בתוך הקלטות שמע ותמלילי צ'אט שאף אדם לא יכול להקשיב להם או לקרוא אותם.
הנטישה עלתה ואותן תלונות חזרו שוב ושוב, אבל מנהלי השירות לא הצליחו להבין מה באמת מציק ללקוחות או איפה התהליך משתבש. כל התמונה שלהם נשענה על דגימה ידנית של כ-1% מהשיחות, מה שהשאיר את הארגון כמעט עיוור לחלוטין למגמות כשל, לחוסר שביעות רצון ולנקודות הכאב האמיתיות של המנויים.
העיוורון הזה עלה ביוקר. כשצצה תקלה מערכתית (באג בממיר, שגיאת חיוב), לקח להנהלה ימים לזהות את המגמה, ורק אחרי שהמוקד כבר הוצף באלפי לקוחות זועמים. ובקרת האיכות, שנשענה על שתי שיחות מדגם לנציג בחודש, הייתה דלה מכדי לשקף ביצועים אמיתיים או לתפוס פערי ידע קריטיים.
כל שיחה, צ'אט והודעה מתומללים, מדורגים לפי סנטימנט, ומקושרים לשורש הבעיה.
חיברנו את מרכז הדאטה הארגוני למנוע שמתמלל ומנתח אוטומטית, בזמן אמת, כל אחת מהקלטות הקול, הודעות הצ'אט, המיילים והפניות ברשתות, אותם 99% שאיש מעולם לא נגע בהם.
המודל קורא דפוסי שיחה ומעריך את הטון של הלקוח ואת רמת התסכול שלו, כך שאי-שביעות רצון שעולה הופכת לאות מדיד במקום לאנקדוטה.
המערכת מקבצת אוטומטית את הגורמים ומציפה את שורש הבעיה (למשל, ”5,000 שיחות השבוע היו בגלל קושי בצימוד השלט החדש“) כך שמנהלים רואים את הבעיה עצמה, לא רק את הנפח.
המערכת מעלה התראות על חריגות ומנפיקה דוחות תובנה יומיים, עם המלצות קונקרטיות לתקן תהליך במוקד או תקלה מול הנדסה וכספים, עוד לפני שהבעיה מתגלגלת לכדור שלג.
מעבר מדגימה לניתוח של 100% אומר שבקרת האיכות מכסה כל אינטראקציה, ומאפשרת משוב וליווי מדויקים ואישיים לכל נציג במקום פסק דין משתי שיחות בחודש.
ה-AI מקשיב, מודד ומסמן; המנהלים וצוותי ההנדסה והכספים מחליטים מה לשנות. הוא הופך אוקיינוס של שיחות לרשימה קצרה של דברים ששווה לתקן. אדם עדיין מתקן אותם.
הכשלים נתפסו מוקדם, והשיחות החוזרות פסקו.
תקלות תפעוליות ושגיאות חיוב זוהו ותוקנו תוך שעות במקום ימים, מה שמנע גלים עצומים של שיחות, ופניות חוזרות בגלל אותה בעיה ירדו ב-25%, כי שורש הבעיה תוקן במערכות הליבה, לא רק טופל במוקד.
המעבר מדגימה לניתוח של 100% הפך את בקרת האיכות לליווי מדויק ואישי לכל נציג, והעלה את מדדי הנאמנות ושביעות הרצון (NPS ו-CSAT) ב-30%.
הערך נולד מקריאת אותם 99% שפעם היו בלתי נראים, מהפיכת אוקיינוס בלתי-נשמע של שיחות לרשימה מדורגת של בעיות אמיתיות שאפשר לתקן. זו אותה משמעת בדיוק שמאחורי עבודת ארכיון התוכן שלנו, להפוך חומר שאי אפשר לחפש בו לחומר שאפשר, רק שהפעם היא מכוונת לשיחות עם לקוחות במקום לספריית וידאו. האנשים עדיין מחליטים מה לתקן; ה-AI רק מוודא ששום דבר חשוב לא נשאר קבור.
נציגים של חברת תקשורת גדולה השאירו לקוחות בהמתנה כדי לחפור בחמש מערכות, וה-CSAT הידרדר. עוזר AI מעוגן על המסך חתך את החיפוש תוך כדי שיחה ב-42% והעלה CSAT מ-56% ל-77%.
לפרויקט המלא ← קופיילוט מכירות · SaaSלפלטפורמת תוכנה לקח 3 חודשים להכשיר נציג שעדיין נתקע באמצע שיחה. קופיילוט מכירות בזמן אמת עם דפי מסרים מכירתיים ומאמן AI קיצרו את החניכה ל-3 שבועות והעלו עסקאות לנציג ב-150%.
לפרויקט המלא ←
Reef TRH