MODERN CONTACT CENTRE AI: พลังประสิทธิภาพและความเป็นไปได้

จากข่าวล่าสุดเกี่ยวกับ AI นั้น Generative AI เป็นรูปแบบเดียวของ AI ที่มีความสำคัญ และเป็นรูปแบบเดียวที่เกี่ยวข้องกับผลลัพธ์กับประสบการณ์ของลูกค้าและพนักงาน Generative AI คือ รูปแบบการเปลี่ยนแปลงของปัญญาประดิษฐ์ (AI) และการมี AI อยู่ในชุดเครื่องมือของศูนย์ติดต่อ ของคุณมีความสำคัญอย่างยิ่งในสภาพแวดล้อมทางธุรกิจที่ต้องการข้อมูลอย่างรวดเร็วเเบบนี้ อย่างไรก็ตาม ความสามารถในการแปลงข้อมูลและสร้างเนื้อหาเพิ่มเติมไม่ได้เป็นเพียงกรณีการใช้งานที่สำคัญเท่านั้น

ในกลุ่มนักวิทยาศาสตร์ข้อมูล เทคนิคบางอย่างยังคงต้องผ่านการทดสอบตามเวลา Algorithms 3 อันดับเเรก ที่ถูกใช้เเละไม่มีการเปลี่ยนแปลงในช่วงทศวรรษที่ผ่านมาเลย คือ: การวิเคราะห์การถดถอยเชิงเส้น (linear regression), การถดถอยทางโลจิสติก(logistic regression), และแผนผังการตัดสินใจ(decision trees) อัลกอริธึมเหล่านี้ถูกใช้งานมากที่สุด เพราะสามารถตอบคำถามสำคัญได้เช่น: “จะเกิดอะไรขึ้นต่อไป? และทำไม?"

ภายในศูนย์ติดต่อ AI จะถูกนำมาใช้เพื่อคาดการณ์และทำให้กระบวนการที่สำคัญเเบบอัตโนมัติ พร้อมเเสดงผลตอบแทนจากการลงทุน ROI ที่ได้รับการพิสูจน์แล้วก่อนที่ Generative AI จะมีโอกาสเกิดขึ้นได้

AI แบบคาดการณ์สำหรับเวิร์กโฟลว์อัตโนมัติอัจฉริยะ

เทคนิค AI แบบคาดการณ์ (Predictive AI) ถูกนำมาใช้เพื่อคำนวณผลลัพธ์ตามรูปแบบข้อมูลที่ได้เรียนรู้มา ตัวอย่างเช่น AI แบบคาดการณ์จะใช้ในการคำนวณแนวโน้มที่จะมีการสั่งซื้อของลูกค้ารายใดรายหนึ่งโดยพิจารณาจากพฤติกรรมการซื้อของลูกค้าจำนวนมากที่เคยซื้อสินค้ามาก่อน นอกจากนี้ยังสามารถใช้เพื่อเเบ่งกลุ่มลูกค้าออกเป็นกลุ่มๆ และในขณะที่การแบ่งส่วนในทางเทคนิคใช้อัลกอริธึมจัดเเยกและการจัดกลุ่ม (เทียบกับอัลกอริธึมคาดการณ์เเบบดั้งเดิม) แต่ก็สามารถขึ้นอยู่กับผลลัพธ์ที่ได้คาดการณ์ไว้เเล้วด้วย

เมื่อใช้ AI แบบคาดการณ์สำหรับระบบอัตโนมัติอัจฉริยะ ระบบจะสามารถเรียกใช้ AI ลูกพี่ลูกน้องที่ใกล้เคียงที่สุดได้ นั่นก็คือ Prescriptive AI ซึ่งบางครั้งจะถูกเรียกใช้เมื่อมีเหตุที่ต้องทำการตัดสินใจและมีหลายตัวเลือกที่เป็นไปได้ที่ต้องเลือก ตัวอย่างเช่น Genesys การกำหนดเส้นทางแบบคาดการณ์ ใช้ทั้งเทคนิคเชิงคาดการณ์และเชิงกำหนด เพื่อทำให้การเชื่อมต่อระหว่างลูกค้าและตัวแทนเป็นแบบอัตโนมัติตามโมเดลเชิงคาดการณ์ที่สร้างขึ้นโดยผ่าน Genesys AI

เมื่อลูกค้าเลือกที่จะเปิดใช้งานการกำหนดเส้นทางแบบคาดการณ์ พวกเขาเลือกดัชนีชี้วัด KPI ที่พวกเขาต้องการเพิ่มประสิทธิภาพ พวกเขาสามารถเลือก KPI ในเชิงปฏิบัติได้ เช่น เวลาในการจัดการโดยเฉลี่ย หรือสามารถเลือก KPI รายได้ เช่น "การขาย" เมื่อเลือก KPI แล้ว Genesys AI จะประเมินปัจจัยที่เป็นไปได้หลายร้อยรายการที่สามารถขับเคลื่อน KPI นั้นโดยพิจารณาจากโปรไฟล์ตัวแทน โปรไฟล์ลูกค้า โปรไฟล์ปฏิสัมพันธ์และอื่นๆ

ก่อนที่ลูกค้าจะเลือกใช้ข้อกำหนดโปรโตคอลกำหนดเส้นทางใหม่นี้ Genesys AI จะใช้รูปแบบของ AI ที่กำหนดสำหรับการประเมินผลประโยชน์ Perscriptive AI ถูกกำหนดไว้ ไว้ให้เป็นรูปแบบหนึ่งของ AI ที่จะใช้ข้อมูลเพื่อกำหนดวิธีการดำเนินการที่ดีที่สุดโดยพิจารณาจากปัจจัยหลายประการ การประเมินผลประโยชน์เป็นแอปพลิเคชันเฉพาะของ AI ที่จะส่งต่อผลดัชนีชี้วัด KPI ที่อาจเกิดขึ้นกับลูกค้าเมื่อนำมาใช้ การกำหนดเส้นทางแบบคาดการณ์จะมีผลกระทบเกือบจะในทันทีต่อ KPI ซึ่งถูกสร้างขึ้นมาเพื่อสิ่งนั้นตั้งแต่ต้นจนจบอยู่เเล้ว

AI เชิงคาดการณ์สำหรับข้อมูลเชิงลึก

การใช้การคาดการณ์สำหรับระบบอัตโนมัติเป็นแอปพลิเคชั่นหนึ่งของ AI ภายในศูนย์การติดต่อ แต่ไม่ใช่เพียงแอปพลิเคชั่นเดียวเท่านั้น ความสามารถในการคาดการณ์ผลลัพธ์จะสร้างโอกาสใหม่ๆ ให้กับผู้คนและระบบจะเรียนรู้ว่าลูกค้าหรือพนักงานมีแนวโน้มที่จะทำอะไรต่อไป ข้อดีอย่างหนึ่งของศูนย์ติดต่อ คือข้อมูลจำนวนมหาศาล ได้ถูกสร้างขึ้น

ความสามารถในการเปลี่ยนข้อมูลนี้เป็นข้อมูลเชิงลึกต้องใช้ความสามารถหลักหลายประการ:

• แพลตฟอร์มที่ปลอดภัยและข้อกำหนดการใช้งานข้อมูลโปรโตคอลซึ่งสอดคล้องกับแนวทางด้านจริยธรรมและกฎระเบียบที่เข้มงวด
• Built-in AI pipelines สามารถใช้ประโยชน์เพื่อเพิ่มความเร็วและความแม่นยำสูงสุด
• Domain knowledge เพื่อใช้ข้อมูลเชิงลึกใหม่กับกระบวนการที่มีอยู่ หรือสร้างกระบวนการใหม่ที่เกี่ยวข้อง มีประโยชน์ และคุ้มค่า

Predictive AI สามารถใช้ในลักษณะต่อไปนี้:

• ตัวแทนสามารถดูการคาดการณ์ผลลัพธ์สำหรับลูกค้าภายในบริบทในการโต้ตอบ ซึ่งให้ข้อมูลเชิงลึกเกี่ยวกับลูกค้าที่พวกเขาไม่มีตามปกติ และสามารถให้คำแนะนำในการสนทนาเพื่อทำให้มีความเป็นเฉพาะบุคคลมากขึ้น
• หัวหน้างานสามารถใช้ปริมาณการโทรและตัวเลขที่คาดการณ์ไว้เพื่อสร้างแผนทรัพยากรและกำหนดการที่ดีขึ้นเพื่อตอบสนองความต้องการของลูกค้า
• สามารถออกแบบเส้นทางเพื่อสร้างปฏิสัมพันธ์และการมีส่วนร่วม เพื่อดึงดูดลูกค้าในเชิงรุกด้วยข้อเสนอและข้อมูล เช่นการปรับเปลี่ยนในแบบเฉพาะบุคคลด้วยโปรแกรมบอท

Conversational AI : ความสามารถหลักสำหรับศูนย์ติดต่อสมัยใหม่

Conversational AI เป็นรากฐานใหม่ของศูนย์การติดต่อที่ทันสมัย การสนทนาอัตโนมัติ ผู้ช่วยเสมือนจริง โปรเเกรมบอทต่างๆ ทั้งหมดนี้เป็นวิธีการให้บริการตนเองอันชาญฉลาดผ่านช่องทางการมีส่วนร่วมทุกรูปแบบ สิ่งที่เริ่มต้นจากระบบเสียงตอบรับอัตโนมัติ IVR (กด 1 หากใช่ กด 2 หากไม่ใช่) ได้ถูกพัฒนาไปสู่ความสามารถของผู้บริโภคในการโต้ตอบกับแบรนด์โดยใช้ภาษาและคำพูดของตนเอง และได้รับการสนับสนุนตามเงื่อนไขของตนเอง

แม้ว่า Predictive AI จะเป็นส่วนสำคัญหลัก แต่ Conversational AI ก็เป็นรูปแบบหนึ่งของเทคโนโลยีที่เกิดขึ้นเพื่อช่วยให้การสนทนาต่างๆเป็นแบบอัตโนมัติ Conversational AI มีรากฐานเดียวกันกับ Generative AI แต่มีจุดสนใจที่แตกต่างกัน คือ การใช้สำหรับบอท และระบบภายใน IVR เพื่อเปิดใช้งานการสนทนาที่เป็นธรรมชาติและควบคุมได้ระหว่างลูกค้าและแบรนด์

การผสมผสาน Conversational AI เข้ากับ Predictive AI ได้ช่วยให้นักออกเเบบปรับแต่งการสนทนาตามข้อมูลเชิงลึกที่ไม่พร้อมใช้งาน ตัวอย่างเช่น หากลูกค้าได้แบ่งปันข้อมูลส่วนบุคคลของตน ก็เป็นเรื่องง่ายที่จะเพิ่มคำทักทายชื่อ - และอาจขยายระดับความเป็นส่วนตัวนั้นตามคุณลักษณะอื่น ๆ ที่สามารถระบุตัวตนได้ง่ายขึ้น

การสนทนาอาจเป็นดังนี้:

“สวัสดีบ๊อบ!” หรือ “สวัสดีบ๊อบ! หวังว่าคุณจะมีช่วงเช้าที่ดี”

“สวัสดีแซลลี่! หวังว่าคุณจะมีช่วงบ่ายที่ดี”

ด้วยข้อมูลเชิงลึกที่คาดการณ์ไว้ซึ่งผสมผสานเข้ากับการสนทนา ตอนนี้เรามี:

“สวัสดีบ๊อบ! สวัสดีตอนเช้า! ฉันสามารถช่วยคุณหาผลิตภัณฑ์ใหม่ได้หรือไม่”

“สวัสดีแซลลี่! สวัสดีตอนบ่าย! คุณทราบข้อเสนอส่วนลด 10% นี้หรือไม่”

สิ่งนี้เป็นไปได้แล้ว เนื่องจาก Predictive AI ได้ช่วยให้เราสามารถระบุได้ว่าคุณบ๊อบมีแนวโน้มที่จะซื้อผลิตภัณฑ์ใหม่มากกว่าคนอื่นๆ ถึง 90% นอกจากนี้ยังทราบด้วยว่า Sally ลังเลใจเกี่ยวกับการซื้อและสามารถผลักดันข้อเสนอต่างๆ ต่อไป แม้ว่าตัวอย่างเหล่านี้จะใช้ชื่อจริง ซึ่งบ่งบอกถึงความสัมพันธ์และข้อมูลที่เราเข้าถึงไม่ได้เสมอไป แต่การปรับเปลี่ยนในแบบของคุณและการคาดคะเนโดยไม่ต้องระบุลักษณะเฉพาะก็เป็นไปได้เช่นกัน

การสนทนาควรช่วยได้มากกว่าแค่ทำให้พอใจเท่านั้น

เมื่อคุณพยายามให้บริการลูกค้า เป้าหมายคือการช่วยให้ลูกค้ารายนั้นแก้ไขปัญหาได้อย่างรวดเร็วและแม่นยำโดยที่ลูกค้าไม่ต้องเปลืองแรงมากนัก และเมื่อลูกค้าถูกถามถึงสิ่งที่พวกเขาให้ความสำคัญมากที่สุด รายงาน “สถานะของประสบการณ์ของลูกค้า” จาก Genesys พบว่าพวกเขาต้องการคำตอบที่รวดเร็วเป็นอันดับแรก (55%) และพวกเขาต้องการรับบริการตลอดเวลาตามช่องทางที่พวกเขาเลือก (62%) สายที่หลุด ช่องทางบริการถึงทางตัน และอุปสรรคในการให้บริการของมนุษย์ ล้วนเป็นเรื่องที่น่าหงุดหงิดทั้งสิ้น และความยุ่งยากในการให้บริการนั้นเป็นเรื่องทางอารมณ์ โดย 26% ของลูกค้ากล่าวว่าพวกเขาสูญเสียความอดทนในระหว่างการโต้ตอบ และ12% ก็พบว่าประสบการณ์การบริการที่ไม่ดีทำให้พวกเขาเสียใจร้องไห้

การมีอินเทอร์เฟซสีสันสดใส เพลงสนุกๆ และมุกตลกที่สร้างโดย AI นั้นไม่เพียงพอที่จะชดเชยกับสายที่หลุดไป การได้รับคำตอบผิด หรือแย่กว่านั้นคือ ไม่มีคำตอบเลย 1 ใน 3 ของผู้บริโภคกล่าวว่าพวกเขาหยุดทำธุรกิจกับแบรนด์หลังจากการมีปฏิสัมพันธ์ด้านบริการเชิงลบ

โซลูชัน AI การสนทนาได้รับการฝึกอบรมเพื่อให้การตอบสนองตามบริบทที่แม่นยำตามข้อมูลเฉพาะโดเมนที่ได้รับการพิสูจน์แล้ว วิธีแก้ปัญหาเหล่านี้มักจะเป็นมากกว่าการสนทนาธรรมดาๆ ขณะที่พวกเขากำลังใช้ AI เพื่อทำความเข้าใจคำถามแล้วตอบกลับตามนั้น พวกเขายังสามารถ:

• ช่วยเหลืองานติดตามผล เช่น การกำหนดเวลาการนัดหมาย จากนั้นเกิดกระบวนการแจ้งเตือนขึ้น
• ดึงข้อมูลจาก CRM หรือระบบปฏิบัติการอื่นๆ เพื่อจัดให้มีการอัพเดตสถานะหรือข้อมูลอื่นๆ
• รวบรวมและตรวจสอบข้อมูลด้วยการสนทนา จากนั้นใช้ข้อมูลนั้นในการโต้ตอบ
• เปลี่ยนไปใช้ช่องทางการสนับสนุนอื่นๆ ทั้งแบบเสมือนจริงหรือแบบมนุษย์ โดยที่การสนทนาและบริบทยังคงอยู่

ในสถานการณ์การบริการ สิ่งสำคัญคือบอทต้องเข้าใจขีดจำกัดของตนเอง เข้าใจเงื่อนไขของลูกค้า และสามารถช่วยลูกค้าแก้ไขปัญหาได้โดยการให้การสนับสนุน หรือค้นหาบุคคลที่สามารถทำได้ หากบอทสามารถเเค่เดาคำตอบได้ ให้ข้อมูลผิด หรือพยายามเปลี่ยนเรื่อง มันจะเป็นอุปสรรคต่อการบริการ ไม่ใช่เซอร์วิทบอท

เฟรมเวิร์กการสร้างบอทจำเป็นต้องมีรากฐานสำหรับการสร้างมูลค่า ตัวอย่างเช่น ควรช่วยให้ผู้ใช้ทางธุรกิจสามารถสร้างบอทที่สามารถตอบคำถาม ช่วยเหลือในการทำธุรกรรม หรือทำหน้าที่เป็นเจ้าหน้าที่อำนวยความสะดวกด้านบริการได้ จำเป็นต้องเปิดใช้งานจุดเปลี่ยนผ่านไปยังตัวแทนและตัวเร่งการประเมินผล เช่น การค้นหาชุดสนทนาในอดีตและความรู้ที่ใช้ใน AI

เมื่อ Generative AI เข้ามามีบทบาท

เมื่อสามารถเข้าถึงโมเดล Generative AI ได้ สำหรับการใช้งานภายในโซลูชันซอฟต์แวร์ระดับองค์กร พวกเขาได้แนะนำความสามารถในการทำงานกับเนื้อหา (เอกสาร การสนทนา ฯลฯ) ในรูปแบบใหม่ ในแพลตฟอร์มประสบการณ์ลูกค้าบนคลาวด์สมัยใหม่ Generative AI จะถูกนำมาใช้เพื่อแยกบุคคล (ใคร ,อะไร) ออกจากการสนทนาและความรู้สึก มันยังสามารถใช้เพื่อสรุปบทสนทนาเเบบอัตโนมัติ

มีบันทึกมากมายเกี่ยวกับ Generative AI แล้ว และเป็นเรื่องที่เราจะสำรวจต่อไปเกี่ยวกับการมอบประสบการณ์ที่ยอดเยี่ยมแก่ลูกค้าและพนักงาน

โซลูชัน AI ที่ดีที่สุดสำหรับธุรกิจไม่ใช่โซลูชันที่มี AI ประเภทเดียวฝังอยู่ เเต่เป็นสิ่งที่ทั้งมีประโยชน์และใช้งานได้

วิธีที่มีประโยชน์:

• เร่งกระบวนการโดยไม่รบกวนกระบวนการ
• ปรับให้เหมาะสมกับขอบเขตของโซลูชันโดยรวม
• มองเห็นได้ ควบคุมได้ และสามารถปรับให้เข้ากับความต้องการทางธุรกิจได้
• ไม่สร้างความเสี่ยงใหม่ให้กับธุรกิจ

วิธีที่ใช้งานได้:

• มีกลยุทธ์การดำเนินงานที่กำหนดไว้
• คุ้มค่าและมีผลตอบเเทน ROI ที่พิสูจน์แล้ว
• มีระยะเวลาการดำเนินการที่วัดผลได้
• ไม่ต้องลงทุนจำนวนมากกับผู้เชี่ยวชาญ

AI แบบคาดการณ์ การสนทนา และแบบสร้างสรรค์ ล้วนเป็นสิ่งที่ต้องปรับเข้ากับกลยุทธ์สำหรับองค์กรที่ต้องการผสมผสานนวัตกรรม ประสิทธิภาพ และระบบอัตโนมัติอัจฉริยะเข้ากับกลยุทธ์การมีส่วนร่วมของลูกค้า

เรียนรู้เพิ่มเติมเกี่ยวกับ Genesys AI คลิก