KI: Klassifizierung von 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.

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 Neurale Netzwerk 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).
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!