Müşteri Hizmetleri Yapay Zekâ Yazılımı: Uygulamalı Değerlendirme Rehberi

Müşteri hizmetleri yapay zekâ yazılımı yanıt taslakları hazırlayabilir, rutin soruları yanıtlayabilir, işleri yönlendirebilir veya müşterilerin birini beklemeden bilgi bulmasına yardımcı olabilir. Bu özellikler bir ürün demosunda birbirine benzer görünebilir. Önemli farklar, yazılımı kendi destek sorularınız, bilgi kaynaklarınız ve ekip iş akışınızla test ettiğinizde ortaya çıkar.

Bu rehber, yapay zekâ destekli bir müşteri hizmetleri platformunu değerlendirmek için pratik bir yöntem sunar. Kaynak materyalin kalitesine, insan kontrolünün düzeyine, yapay zekâ yanıtından bir kişiye geçiş yoluna ve kullanıma alımdan sonra gereken operasyonel çalışmalara odaklanır.

Değiştirmek istediğiniz müşteri hizmetleri çalışmasıyla başlayın

Özellik listesiyle başlamayın. Küçük bir destek durumu grubuyla başlayın. Yapay zekânın nerede yardımcı olması, nerede ise doğrudan işlem yapması gerektiğine karar verebilmek için bu durumları risk ve tekrarlanma sıklığına göre ayırın.

• Sık karşılaşılan, düşük riskli sorular: çalışma saatleri, hesapta gezinme, teslimat politikaları ve onaylanmış belgelerde zaten yanıtı bulunan diğer sorular.
• Bağlam gerektiren sorular: sipariş ayrıntıları, dosyalar, konuşma geçmişi veya çeşitli kaynaklardan edinilen bilgileri gerektiren durumlar.
• Yargı gerektiren durumlar: şikâyetler, istisnalar, iadeler, güvenlik endişeleri ve üslubun veya politika yorumunun önem taşıdığı durumlar.
• Operasyonel işler: bir talep atamak, öncelik belirlemek, etiket eklemek veya bir konuşmayı doğru gruba yönlendirmek.

Her durum için yapay zekânın üstlenmesini istediğiniz rolü belirleyin. Yapay zekâ, bir User'ın incelemesi için yanıt önerebilir, onaylanmış içerikten bir yanıt gönderebilir, bir kişiye devretmeden önce bilgi toplayabilir veya müşteriye yazmadan talebi yönlendirebilir. Bu ayrım, yaygın bir değerlendirme hatasını önler: tüm otomasyonları aynı riski taşıyormuş gibi ele almak.

Her yanıtın hangi temele dayandığını kontrol edin

Bir yanıt, arkasındaki bilgi kadar güvenilirdir. Her tedarikçiden yazılımın hangi kaynakları kullanabildiğini, bu kaynakların nasıl güncellendiğini ve bir User'ın bir yanıtın kaynağını belirleyip belirleyemeyeceğini göstermesini isteyin.

Bilgi iş akışını, yanıtın kendisi kadar yakından inceleyin. İçeriği kimlerin ekleyebileceğini veya onaylayabileceğini, çelişen belgelerin nasıl ele alındığını ve yazılım bir yanıtı desteklemek için yeterli bilgi bulamadığında ne olduğunu öğrenin. Kullanışlı bir sistem, belirsizliği akıcı bir dille gizlemek yerine görünür hâle getirmelidir.

Ekibinizin daha önce çözdüğü gerçek sorulardan bir test seti oluşturun. Açık sorulara, belirsiz ifadelere, yazım hatalarına, güncelliğini yitirmiş varsayımlara ve bir üst seviyeye aktarılması gereken taleplere yer verin. Her sonucu olgusal destek, bütünlük, üslup ve sistemin doğru eylemi seçip seçmediği açısından puanlayın.

Her otomasyon düzeyinde insan kontrolünü değerlendirin

Yapay zekâ yardımı ile otonom yanıtlar farklı iş akışlarıdır. Bir taslak, müşteriye ulaşmadan önce bir User'ın yanıtı inceleyip düzenlemesine olanak tanır. Otomatik bir yanıt ise daha sıkı bilgi kontrolleri, açık istisnalar ve güvenilir bir geri dönüş yolu gerektirir.

Değerlendirme sırasında tedarikçiden şu yolları göstermesini isteyin:

1. Bir User doğru bir taslağı inceler ve gönderir.
2. Bir User taslağı düzeltir ve konuşmaya devam eder.
3. Onaylanmış bilgiler eksik olduğu için yapay zekâ yanıt vermeyi reddeder.
4. Bir self servis konuşması, bağlamı korunarak bir talebe dönüşür.
5. Otomatik bir işlem, talep geçmişinde görünür.

Ayrıca sistemin kullanıma alınmasından sonra kimin sorumlu olacağına karar verin. Birinin bilgileri gözden geçirmesi, başarısız yanıtları incelemesi, değişiklikleri onaylaması ve otomasyonun işi gerçekten ilerletip ilerletmediğini, yoksa yalnızca gizleyip gizlemediğini takip etmesi gerekir.

yapay zekâ müşteri hizmetleri yanıtlarını güncel tutma

Ayrı bir yapay zekâ penceresini değil, destek iş akışının tamamını test edin

Müşteri desteği hâlâ sahiplik, durum, öncelik, dahili görüşme ve raporlama gerektirir. Yapay zekânın, ekibinizin konuşmaları zaten yönettiği yerde bu faaliyetlere uyup uymadığını test edin.

Gerçek bir destek posta kutusunu veya güvenli bir test posta kutusunu bağlayın. Gelen iletilerin takip edilebilir taleplere dönüştüğünü, yanıtların beklenen adresten gönderildiğini ve birden fazla User'ın bir sonraki işlemden kimin sorumlu olduğunu görebildiğini doğrulayın. İş akışınızda ekler veya hesap verileri önemliyse, bunları hazırlanmış bir demoya güvenmek yerine teste dâhil edin.

Ardından devirleri test edin. Self servis başarısız olduğunda müşterinin tüm sorunu baştan anlatması gerekmemelidir. Bir User, devredilmeden önce toplanan ilgili ayrıntılarla birlikte ilk soruyu ve önceki yanıtları görebilmelidir.

Günlük çalışmayı yansıtan bir puanlama tablosu kullanın

Kısa bir puanlama tablosu, ürün karşılaştırmalarını daha az öznel hâle getirir. Her ürünü aynı sorulara ve aynı örnek konuşmalara göre değerlendirin.

• Yanıt kalitesi: Yanıt, onaylanmış bilgilerle örtüşüyor ve asıl soruyu yanıtlıyor mu?
• Kontrol: İncelenmiş taslaklar, otomatik yanıtlar, yönlendirme ve yalnızca insan müdahalesi seçenekleri arasında seçim yapabiliyor musunuz?
• Geri dönüş: Yazılım yanıt veremediğinde bir kişiye ulaşmak için açık bir yol oluşturuyor mu?
• Bilgi operasyonları: Ekibiniz kaynak içeriği inceleyebiliyor, onaylayabiliyor, güncelleyebiliyor ve kullanım dışı bırakabiliyor mu?
• Posta kutusu iş akışı: Sahiplik, durumlar, notlar, bildirimler ve konuşma geçmişi açık mı?
• Ölçüm: Hacmi, yanıt sürelerini, tekrarlanan konuları ve otomatik işlemlerin sonuçlarını takip edebiliyor musunuz?
• Benimseme: User'lar bir önerinin neden göründüğünü anlayabiliyor ve talepten ayrılmadan öneriyi düzeltebiliyor mu?

Ürünleri incelemeden önce kategorilere ağırlık verin. Çoğunlukla e-posta üzerinden çalışan küçük bir ekip, uzun bir kanal listesinden ziyade posta kutusuyla uyuma ve hızlı benimsemeye daha fazla değer verebilir. Hassas veya karmaşık durumlarla çalışan bir ekip ise incelenmiş taslaklara, bilgi onayına ve insanlara geri dönüşe daha fazla ağırlık verebilir.

Daha geniş kapsamlı otomasyondan önce sınırlı bir kullanıma alım gerçekleştirin

Bir posta kutusuyla, bir User grubuyla veya dar kapsamlı tek bir soru kategorisiyle başlayın. Talep hacmi, ilk yanıt süresi, çözüm süresi, yeniden açılma oranı ve üst seviyeye aktarılma oranı için bir başlangıç ölçümü belirleyin. Ardından bu ölçümleri pilot dönemle karşılaştırın.

Yalnızca ortalamaları değil, örnekleri de inceleyin. Müşteriler eksik bilgi alıyorsa veya User'lar taslakları düzeltmek için daha fazla zaman harcıyorsa daha hızlı yanıt bir iyileşme değildir. Başarısızlık örüntülerinin bir listesini tutun ve her birinin daha iyi bilgi, bir iş akışı değişikliği veya otomasyon kapsamından çıkarılma gerektirip gerektirmediğine karar verin.

Ekip, yazılımın neye yanıt verdiğini, neyin taslağını hazırladığını, neyi yönlendirdiğini ve hangi durumları her zaman bir kişiye devrettiğini açıklayabildikten sonra kapsamı genişletin. Bu ortak anlayış, agresif bir otomasyon hedefinden daha kullanışlıdır.

Deskhero bu değerlendirme çerçevesine nasıl uyuyor?

Deskhero, paylaşımlı bir ekip gelen kutusunu yapay zekâ tarafından önerilen yanıt taslaklarıyla birleştirir. Taslaklar; SSS içeriği, dahili bilgi, taranmış web sitesi sayfaları, önceki talepler ve desteklenen ekler gibi çalışma alanı bilgilerini kullanabilir. User'lar taslakları inceler ve gönderir. İş akışını yapay zekâ yanıt taslakları sayfasında inceleyebilirsiniz.

Daha kontrollü otomasyon için Deskhero, yalnızca onaylanmış herkese açık SSS'ye dayanan, isteğe bağlı e-posta otomatik yanıtları sunar. Yapay zekâ sohbet botu da yanıtlarını onaylanmış herkese açık SSS'den alır ve çözülemeyen bir soruyu talep olarak devredebilir. Her ikisi de 100 SSS yanıtı onaylandıktan sonra etkinleştirilebilir. Paylaşımlı gelen kutusunda atama, gruplar, durumlar, öncelikler, etiketler, dahili notlar, bahsetmeler, bildirimler, yönlendirme ve talepleri birleştirme özellikleri bulunur.

Bu yaklaşım değerlendirme ölçütlerinizle örtüşüyorsa, müşteri hizmetleri yapay zekâ yazılımı genel bakışı; posta kutusunun, bilginin, incelenmiş taslakların, otomasyonun ve insanlara geri dönüşün birlikte nasıl çalıştığını gösterir. Pilot puanlama tablonuzu oluşturmadan önce talep otomasyonu iş akışını ve destek istatistiklerini de inceleyebilirsiniz.

Seçim yapmadan önce yanıtlanması gereken sorular

• Hangi müşteri sorularına otomatik yanıt verilebilir?
• Hangi konuşmalar her zaman bir User tarafından incelenmelidir?
• Müşteriye sunulacak yanıtlar için hangi kaynaklar onaylanmıştır?
• Bu kaynakları kim güncel tutar ve çelişkileri kim çözer?
• Yapay zekâ yanıt veremediğinde müşteri ne yaşar?
• Devir sırasında User'a hangi bağlam ulaşır?
• Sunumun fayda sağlayıp sağlamadığını hangi başlangıç ölçümleri gösterecek?
• Ekibiniz bir otomasyonu ne kadar hızlı duraklatabilir veya kapsamını daraltabilir?

Doğru müşteri hizmetleri yapay zekâ yazılımı, yalnızca en çok metni yazan ürün değildir. Destek iş akışınıza uyan, güvendiğiniz bilgileri kullanan, doğru kontrolleri sunan ve müşterilere bir kişiye ulaşmak için açık bir yol veren üründür.