Sammio

Software Robotics & AI

Robotiikka parantaa palvelun laatua jo nyt

elokuu 2, 2017

Inhimilliset virheet, kiire, copypastet, samat kysymykset ja samat vastaukset, työläästi löydetyt tiedot ja harvat tietäjät, monet järjestelmät, salasanat, ja sama työ uudelleen. Kuulostaako tutulta? Minä ainakin turhaudun, jos vielä jatkan.

Mitä konkreettisia apuja softarobotiikka ja koneoppiminen ovat tuoneet viime vuosina asiakaspalvelijan työhön ja sitä kautta asiakkaan parempaan palvelemiseen?

Asiakkaan ei nykyisin tarvitse enää pomppia palvelupisteeltä ja -henkilöltä toiselle, saati kerrata eilen tai viime viikolla tapahtuneita aiempia yhteydenottoja vieraalle asiakaspalvelijalle. Myös asiakaspalvelijan työ on muuttunut mielekkäämmäksi. Samalla työprosessien ja tuotosten mittaus sekä sitä kautta oppiminen ja optimointi ovat arkipäivää. Osaltaan tämän ovat mahdollistaneet robottityökalut, jotka ovat uuden ajan ”exceleitä”, kelpo työkalupakkeja, monikäyttöisiä ja melko joustavia.

Sähköpostin tai webbilomakkeen kautta tulleeseen viestiin tai chattiin on mahdollista vastata automaattisesti, ja tilanteet, joissa asiakaspalvelijaa todella tarvitaan homman hoitamiseksi, voidaan tunnistaa. Viesti ohjautuu vieläpä parhaalle mahdolliselle asiakaspalvelijalle tai ekspertille. Kiireelliset viestit voidaan poimia ja priorisoida, ja kun viestin lähettäjä tunnistetaan, asiakaspalvelijaa voidaan auttaa vastauksen personoinnissa noutamalla automaattisesti valmiiksi asiakkaan relevantti asiointihistoria asiakaspalvelijan tueksi. Selkeimmissä tapauksissa, kuten esimerkiksi saatavuuteen tai logistiikkaan liittyvissä tiedusteluissa, robotti vastaa nopeasti ja varmasti oikein ilman inhimillisen virheen mahdollisuutta.

Testipenkki käyttöön

Ohjelmistorobotiikka tukee myös uusien tuotteiden ja ominaisuuksien kehittämistä ja erityisesti testaamista. Asiakaspalvelijan toimintaahan voidaan simuloida ennakkoon määritellyissä käyttötapahtumissa monipuolisesti ja väsymättömästi robotin avulla. Robotti nopeuttaa ja varmentaa laatua sekä uusien toiminnallisuuksien kuormitustestauksessa, että laajempia toimintakokonaisuuksia integroitaessa. Vastaavaa ”testipenkkiä” voidaan käyttää myös asiakaspalvelun tuotantoympäristössä ilman, että asiakaspalvelijoiden aikaa kuluu käyttöönottoon liittyvien määritysten ja mahdollisten lisäsäätöjen varmentamiseen.

Jokaisessa kohtaamisesta syntyy dataa ja sitä tallentuu mahtavat määrät sekä itse asiakaspalvelussa, että taustatietona, kuten esim. asiakkaan käyttämiin tuotteisiin tai asiointihistoriaan liittyvää tapahtumatietoa. Tämän tiedon laatu ei aina ole paras mahdollinen, siinä voi olla esim. puutteita tai päällekkäisyyksiä, tai tarpeetontakin tietoa. Muutama merkittävä seikka liittyy myös EU:n tietosuojanormiin (GDPR), joka siirtymäajan jälkeen tulee pakolliseksi voimaan 25.5.2018. Esimerkiksi asiakkaan mahdollisuus tulla ”unohdetuksi” ja vaatimus yksilöivän asiakastiedon käyttämisestä ainoastaan ennalta määriteltyyn tarkoitukseen tulevat vaatimaan huolellisuutta ja jatkuvaa seurantaa. Tämän kokonaisuuden (osittainenkin) automatisointi ja väsymätön systemaattinen valvonta on kullan arvoista, sananmukaisesti!

Robojutustelua

Luonnollista kieltä ymmärtävät chatbotit toimivat jo kohtuullisesti, erityisesti jos kieli on englanti ja kohde rajattu, kuten ravintola, liikenne tms. Monenlaista asiointia voi helpottaa myös mobiilichatbotilla, joka kysyy hyödylliset esitiedot, ja vasta sitten avaa puhelun sopivimmalle asiakaspalvelijalle. Yleiskäyttöiset ”kaikkitietävät” botit antanevat tovin odottaa itseään, eikä ihminen-ihmiselle –kohtaamisia ehkä täysin kannatakaan yrittää korvata. Ei ehkä siltikään, vaikka chatbottien ”ekosysteemi” kasvaa koko ajan, ja kuka

tietää vaikka chatboteista tulisi tulevaisuudessa ”kaiken-asioinnin-asiantuntijarajapinta”, hieman samalla tavoin kuin eri mobiiliapplikaatiot nykyisin ovat monien arkisten askareiden rajapintana.

Miten meillä menee?

Asiakkaan palvelukokemuksen mittaaminen ja palautteen automaattinen tilastoiminen onnistuvat. Lisäksi nykyisin voidaan tulkita vapaamuotoisen tekstipalautteen antajan tekstiä. Tekstianalyysin avulla automaattisesti luokitellaan palautetta ja siten löydetään uusia kehityskohteita, ja myös tunnistetaan sellaisia palvelukohtaamisten vahvuuksia, joita kannattaa edelleen vahvistaa. Tämän seurauksena esim. NPS ei ole enää pelkkä numero ja trendi, vaan sitä kautta päästään pureutumaan myös syihin ja suunnittelemaan korjaavia toimenpiteitä koneanalyysin ehdottamana.

Miten asiakaspalvelija hyötyy koneoppimisesta tänään?

Koneoppimisen ja erityisesti tekoälykehityksen painopiste on ollut melko vahvasti teknologiassa ja menetelmissä, kun toisaalta visiot ovat jo muutaman tolpanvälin päässä superälyssä, joka peittoaa ihmisen tai koko ihmiskunnan älykkyyden mennen ja tullen. Käytännön älykkäät ratkaisut perustuvat vielä usein suurten tietomassojen huipputehokkaaseen laskentaan ja analyysiin, oppimiseenkin, mutta inhimillisen kaltainen äly antaa vielä hetken odottaa itseään. Ja ennen kuin jonain päivänä älystä tulee totta, yhteen tolpan väliin olisi hyvä istuttaa pieni moraalin siemen, ehkä installoida myös tunnebitti. Tai ehkä joku kehittää ensin Nemometrin (Natural emotions), jonka kautta tekoäly vasta päästetään isolle baanalle…

Asiakaspalvelija saa uutta energiaa aitoon asiakaskohtaamiseen, kun hän voi hyödyntää koneoppimista analysoimalla asiakkaan asiointihistoriaa ja oppimalla palvelukokemuksen laatumittareista. Teknologia orientoi asiakaspalvelijan nopeasti uuteen kontaktiin, jolloin personoitu kohtaaminen on tehokkaampi ja kummallekin miellyttävämpi kuin kymmenen markkinointikampanjaa. Myös yrityksen johto saa tukea ja asiakaslähtöistä perustetta kehitystoimenpiteiden priorisointiin ja päätöksentekoon. Ja kaikille tulee hyvä mieli.

Tomi Korpaeus
Senior Business Designer
Hallituksen puheenjohtaja
Provad Oy