KI: Klassifizierung von E-Mails und Sprachanfragen

Die Klassifizierung von Kundenanfragen ist ein sehr zeitaufwändiger Prozess, wenn sie nicht automatisiert wird. Richtig gehandhabt ist sie dagegen eine Möglichkeit zur enormen Effizienzsteigerung.

Hier gibt es mehrere Probleme zu lösen, die sowohl für digitale als auch für Sprachkanäle einigermaßen ähnlich sind.

Bei Sprachanfragen

1
Wenn Kunden das Anfragethema selbst wählen, liegen sie in höchstens 70% der Fälle richtig. Es sollten dabei nicht mehr als 4-5 Kategorien sein.
2
Das bedeutet, dass es im Pool der Anfragebearbeitung einen hohen Anteil an „Generalisten“-Agents gibt; wenn es keine hochwertige Klassifizierung gibt, ist es sinnlos, Fachexperten zu beschäftigen, die ja oft die ganze Bandbreite an Fragen beantworten würden.
3
Folglich sinkt die Geschwindigkeit der Problemlösung, und deswegen werden mehr Agents je tausend Anfragen benötigt.
4
Gleichzeitig sinkt auch das allgemeine Serviceniveau.
5
Ebenso wichtig ist, dass die Kunden bereits in der Verbindungsphase gestresst sind und ihre Zufriedenheit sinkt, während sie endlos zwischen den IVR-Ebenen wechseln.
6
Und schließlich verschwindet für Agents der Anreiz, sich weiterzubilden, wenn keine Aussicht darauf besteht, die entwickelten Fähigkeiten einzusetzen und eine bessere Bezahlung zu erhalten.

Es gibt eine Reihe von KI-Tools, um diese Art von Herausforderung zu bewältigen

1
Sie können mit der Einführung einer Stichworterkennung beginnen. Bereits in dieser Phase ist es möglich, die Qualität der Klassifizierung auf 80% für 10 Kategorien zu erhöhen.
2
Der nächste Schritt ist das Hinzufügen von maschinellem Lernen und die Erkennung natürlicher Sprache.
3
Der nächste Schritt danach ist die Einführung von Sprach-Bots, die schnell alle notwendigen technischen Informationen sammeln und dem Kunden mitteilen.
4
Sie können in diese Phase eine Genauigkeit von 85-95 % in 15-20 Kategorien erreichen.
5
Die Kunden sprechen in einer natürlichen Sprache. Sie brauchen nicht zu warten oder Anfragen zu wiederholen.
6
Der Anruf wird sofort an genau den Experten vermittelt, der am besten helfen kann.
Und außerdem erhalten Sie:
  • + Komfortable Plattformen zum Einrichten von Workflows und Erstellen von Bots
  • + Eine umfassende Berichterstattung
  • + Qualitätskontrollen
girl-with-laptop
dev-team
Nach Berechnungen unserer Kunden liegt der ROI solcher Implementierungen bei einem Jahr für Projekte mit mindestens 30 Agents. Dies wird erreicht durch:
  • worker
    Eliminierung von unqualifizierter Arbeit
  • profit
    Lohneinsparungen
  • agent
    Effektiven Einsatz von qualifizierten Experten als Agents
case

Case: Russische Post

RussischePost
Unternehmen
Die Russische Post ist ein russisches Staatsunternehmen, Betreiber des staatlichen russischen Postnetzes und Mitglied des Weltpostvereins. Es ist einer der größten Postdienste der Welt, der 10 Makroregionen, 82 Regionen und mehr als 42.000 Niederlassungen in ganz Russland umfasst. Insgesamt hat die Russischen Post über 350.000 Mitarbeiter. Das Kundensupportzentrum ist für die Bearbeitung von Inbound-Anfragen aus ganz Russland zuständig.
Zusammenfassung
Kundensupportzentren der Russischen Post nutzen Sprachbots auf der Plattform Noda Erudite.
Effizienz
6-fache Kostenreduzierung für Anrufbearbeitung im Zusammenhang mit der Sendungsstatusüberprüfung.
Über das Projekt
Um Betriebskosten zu senken, sollte das Kundensupportzentrum der russischen Post interaktive Sprachbots einführen, die in der Lage sind, typische hochfrequente Anfragen zu bearbeiten und die Themen der Inbound-Anfragen zu identifizieren. Die Anzahl der Anfragen an das Kundensupportzentrum wächst im Durchschnitt um 50 % pro Jahr. Die Hälfte der Anfragen bezieht sich auf die Statusüberprüfung von Postsendungen (deren Volumen jährlich um 30 % wächst), und weitere 20 % auf die Anschriften von Postämtern. Im Rahmen dieses Projektes wurden drei Bot-Services mit folgenden Funktionen entwickelt:
1
Primärklassifizierung und Bestimmung des Themas von Inbound-Anrufen für anschließendes Routing.
2
Bereitstellung von Informationen über den Status der Postsendungen.
3
Bereitstellung von Informationen zu den Adressen und Öffnungszeiten der nächstgelegenen Postämter.
Sprachdienste sind so implementiert, dass bei Zweifeln an der Qualität der Spracherkennung der Anruf an einen Agent vergeben oder an das IVR-Menü weitergeleitet wird. Darüber hinaus kann der Kunde selbständig zu einem Callcenter-Agent wechseln, wenn er den Dialog mit dem Bot als schwierig empfindet.
Projektergebnisse
Die entwickelte Lösung verbessert die betriebliche Effizienz und verhindert gleichzeitig einen Burnout der Mitarbeiter im Kundensupportzentrum.
6-fache
gesenkt
wurden die Kosten für Anrufbearbeitung im Zusammenhang mit der Sendungsstatusüberprüfung
mehr als
30 Agents
wurden von Routinearbeiten entbunden und zur Betreuung komplexerer Projekte eingesetzt
jede
5. Anruf
von einem Bot bearbeitet, ohne Beteiligung eines Agents
500 000
Anrufe
Pro Monat werden etwa von Bots bearbeitet
bei 85%
der Anrufe
ermittelt der Bot erfolgreich das Anfragethema
100 000
Anrufe
verarbeitet den Bot und sendet Informationen über den Status der Postsendung
Der nächste Schritt bei der Entwicklung des Projekts wird die Anwendung eines verbesserten Sprachmodells und die Erstellung neuer Bot-Services für die Nachverfolgung von Paketen und die Berechnung von Lieferzeiten und Kosten sein.

Bei digitalen Anfragen

1
Kunden können ein Anfragethema etwa aus einem Menü im Anfrageformular auswählen, aber die Genauigkeit wird trotzdem nicht mehr als 70% betragen.
2
Gesonderte Mitarbeiter müssen sich um die Klassifizierung kümmern.
3
Da der für die Kategorisierung verantwortliche Agent nach der Weiterleitung nicht mehr für den Serviceprozess verantwortlich ist, ist es schwierig, Qualitätsstandards für den Service (Servicelevel) einzuführen.
4
E-Mails werden nicht richtig geroutet, was die Bearbeitungszeit erhöht. Manchmal kann eine E-Mail sogar verloren gehen, dann bleibt die Anfrage unbeantwortet. Dabei müssen einige Anfragen wie etwa Reklamationen innerhalb einer bestimmten Frist bearbeitet werden.
5
Es ist schlicht unmöglich, ein hochwertiges Berichtswesen einzuführen.
6
Diese Situation war während der Pandemie besonders ausgeprägt, als Remote-Dienstleistungen und digitale Kommunikation stark wuchsen.
7
Diese Situation droht unkontrollierbar zu werden, wenn die Zahl der Anfragen auf Zehntausende ansteigt – und das Problem wird nicht durch eine Aufstockung des Personals gelöst.
8
Gleichzeitig sinkt auch das allgemeine Serviceniveau.

Was kann und sollte man in einer solchen Situation tun?

1
Eine Stichworterkennung einführen. Bereits in dieser Phase ist es möglich, die Qualität der Klassifizierung auf 85 % für 10-15 Kategorien zu erhöhen.
2
Ein Ticketing-System implementieren. Wenn der Agent das Problem sofort lösen kann – hervorragend. Wenn nicht, erstellt er ein Ticket, das vom System gemäß der festgelegten Geschäftslogik und mit dem angegebenen Servicelevel weiterbearbeitet wird.
3
In dieser Phase werden bereits maschinelles Lernen und Fließtexterkennung genutzt.
4
Der nächste Schritt danach ist die Einführung von Text-Bots, die schnell alle notwendigen technischen Informationen sammeln und dem Kunden mitteilen.
5
Sie können in diese Phase eine Genauigkeit von 90-95 % in 10-20 Kategorien erreichen.
6
Der Kunde schreibt in einer natürlichen Sprache.
7
Er oder sie braucht Anfragen nicht zu wiederholen.
8
Basierend auf den Ergebnissen der Klassifizierung wird die Anfrage sofort an den Experten weitergeleitet, der am besten helfen kann.
9
Der nächste Schritt besteht darin, einen Teil der technischen Kommunikation an Bots zu delegieren, um die Bearbeitung von Anfragen weiter zu beschleunigen und den Menschen Routineaufgaben abzunehmen.
Darüber hinaus hat dieser Ansatz auch folgende Vorteile:
  • Er eignet sich perfekt für Home Office oder ortsunabhängiges Arbeiten.
  • Er ermöglicht die Implementierung und Überwachung von Servicelevels.
  • Das Feedback an den Kunden wird automatisiert, kann also nach der Ticketlösung automatisch (für digitale Kanäle) oder halbautomatisch (für Sprache) initiiert werden. Im letzteren Fall wird der Anruf an den Kunden in die Warteschleife des Contact-Centers gestellt.
home-work
office-work
Laut unserer Kunden erlaubt dieser Ansatz:
  • Auf einen Schlag 20 % der Arbeitskosten durch höhere Effizienz einzusparen.
  • Wachstumsprobleme ohne Qualitätseinbußen zu lösen.
  • Die Einführung eines dezentralen Betriebs (dies ist besonders wichtig für Unternehmen mit mehreren Niederlassungen oder Home Office).
case

Case: Globus Baumärkte

Globus-Baumärkte-case
Unternehmen
Globus ist eine der größten Baumarkt-Ketten in Deutschland mit 14 Baumärkten und 4 Online-Shops.
Zusammenfassung
Es war notwendig, die Anzahl der bearbeiteten Anfragen zu verdoppeln, ohne das Personal aufzustocken.
Effizienz
Das Problem wurde gelöst, es werden über 1.000 E-Mails pro Tag bearbeitet.
Über das Projekt
Die Situation der Globus Baumärkte war folgende: Es bestehen insgesamt 4 Onlineshops und ein zentraler Kundenservice für die Bearbeitung von Anfragen der Onlineshopkunden. Für den Online-Verkauf erschienen Anfragen als E-Mails und wurden zentral mit Outlook bearbeitet. Dabei gingen manche E-Mails verloren und es bestand kein einheitlicher Standard für die Qualität der Bearbeitung. Es war unmöglich, einzelne Aufträge nach zu verfolgen. Darüber hinaus verlangte die Erweiterung der Geschäfte nach Möglichkeiten auch eine Massenbearbeitung von E-Mails, die es einfach und komfortabel für die Mitarbeiter im Kundenservice zu gestalten gilt. Die Zielsetzung war, 1 000+ E-Mails pro Tag zu bearbeiten.
Die Anforderungen waren
  • ein zentralisiertes System zur Bearbeitung der Anfragen aufzubauen
  • den Workflow der Bearbeitung der Kundenanfragen im Einklang mit den geltenden Regeln und Standards zu realisieren. Die Anfragen müssen nach bestimmten Prinzipien gekennzeichnet werden, um eine effiziente Steuerung der Anfrageströme und die Qualitätskontrolle zu gewährleisten
  • mit einem automatisierten E-Mail-Interface die Zusammenarbeit mit allen externen Teilnehmern, die am Workflow beteiligt sind (Kunden, Lieferanten, Innendienste usw.) zu erleichtern
  • für die Mitarbeiter, die mit der Bearbeitung der Anfragen zu tun haben, eine bequeme und effiziente Oberfläche einzurichten. Alle Operationen müssen in höchstem Maße automatisiert werden und das System muss Massenbearbeitung ermöglichen, Textvorlagen für Rückmeldungen zur Verfügung stellen und die Darstellung aller zu bearbeitenden Daten und Steuerungselemente muss ergonomisch sein
  • sowie die Kontrollmittel und die Berichterstattung in den notwendigen Metriken darzustellen
Lösung
  • die Noda ITSM (installiert on-premises) Service Management Platform
  • jede neue Anfrage, die per E-Mail reinkommt, erstellt im System automatisch ein neues Ticket
  • in der Phase der Ticketerstellung findet eine automatisierte Kategorisierung der Anfragen statt
  • alle neuen Kommunikationsabläufe, die mit dem konkreten Ticket in Verbindung stehen, werden automatisch dem Kontext der Anfrage hinzugefügt. Das ermöglicht dem Mitarbeiter eine effiziente Umsetzung der Kundenwünsche unter Nutzung aller verfügbaren Daten
  • die dem Kunden übermittelten Nachrichten werden automatisch oder halb automatisch erstellt
  • und für die Kontrolle der entsprechenden Metriken können out of the box Berichte von Noda ITSM mit minimaler Individualisierung benutzt werden
Projektergebnisse
Die gestellten Aufgaben wurden mit der Software realisiert:

  • das System wurde innerhalb von 6 Wochen eingerichtet;
  • der gewünschte Workflow ist realisiert und die Bearbeitungszeiten der Anfragen wird auf allen Etappen kontrolliert und entspricht den Vorgaben;
  • und die Kontrollmittel sowie die Berichterstattung wurden zur Verfügung gestellt.
SoftBCom besitzt die nötige Erfahrung und die Tools, um Kundenservice-Projekte auf Basis von KI und maschinellem Lernen aufzubauen
data-has-a-better-idea
  • Beliebige Komplexität
  • Sprache oder Text
  • Schrittweise Implementierung von Projekten von einfachen bis hin zu komplexen Lösungen
  • Pay-per-Use
  • Cloud / On-Premise
Kontaktieren Sie uns für eine Live-Demo!