Apa itu Perutean Perilaku Prediktif dan Bagaimana Cara Meningkatkan Pengalaman Pelanggan?

Siapa pun yang mengikuti VoIP atau bisnis akan memperhatikan bahwa kecerdasan buatan dan pembelajaran mesin membuat gelombang besar. Misalnya, banyak teknologi VoIP dan pusat kontak menggunakan analitik prediktif, dan banyak penyedia merilis asisten AI mereka sendiri.

Revolusi AI ini telah datang sejak lama, dan sementara banyak orang mungkin berpikir bahwa teknologi ini akan dingin dan impersonal, bagaimana jika itu bisa memberikan pengalaman yang lebih personal? Sudah ada platform AI IVR yang akan memandu pelanggan melalui sistem tanpa memerlukan agen, dan ini akan merampingkan perutean ke agen.

Pengalaman layanan pelanggan Anda adalah aspek bisnis Anda yang perlu terus ditingkatkan karena pelanggan menghargai perusahaan yang memprioritaskan kebutuhan mereka. Perutean perilaku prediktif adalah teknologi yang dirancang untuk menggunakan pencocokan berbantuan data untuk sangat mempersonalisasi pengalaman kontak pelanggan. Seperti alat prediksi lainnya, perangkat lunak untuk perutean perilaku prediktif menggunakan pembelajaran mesin untuk meningkatkan hasil pusat kontak.

• Apa itu Perutean Perilaku Prediktif?
• Bagaimana Perutean Perilaku Prediktif Meningkatkan Pengalaman Pelanggan?
  • Pelanggan Konten
  • Pelanggan yang Kesal
  • Pelanggan dengan Batasan Waktu
  • Penelepon berulang
• Bagaimana Merampingkan Interaksi Pelanggan-Agen?
  • Mengurangi Waktu Penanganan Panggilan
  • Meningkatkan Pengalaman Pelanggan
  • Perutean Panggilan Lebih Cepat dan Akurat
• Perutean Perilaku Prediktif Vs Perutean Panggilan Lainnya
  • Perutean Perilaku Prediktif dan IVR
  • Perutean Perilaku Prediktif dan Perutean Berbasis Keterampilan
  • Perutean Perilaku Prediktif dan Perutean Pusat Panggilan Langsung
• Cocokkan Pelanggan Dengan Agen Ideal Mereka untuk Hasil yang Lebih Baik

Apa itu Perutean Perilaku Prediktif?

Perutean perilaku prediktif adalah teknologi yang menggunakan algoritme untuk mencocokkan pelanggan dengan agen yang paling memenuhi syarat. Tidak seperti teknologi lain yang melakukan perutean prediktif berbasis AI, perutean perilaku prediktif menghubungkan agen dengan pelanggan berdasarkan kepribadian dan perilaku.

Perangkat lunak mengukur kecenderungan alami dan kebiasaan komunikasi baik penelepon dan agen sehingga interaksi organik dan positif bagi kedua belah pihak. Pertama, organisasi mengidentifikasi metrik pusat kontak untuk setiap agen yang menentukan hal-hal seperti disposisi, waktu penanganan rata-rata, atau seberapa luas pengetahuan mereka tentang masalah pelanggan.

Selanjutnya, sistem menggunakan data perangkat lunak pelacak panggilan untuk mencocokkan panggilan masuk ke databasenya guna mengidentifikasi gaya komunikasi dan kepribadian penelepon serta riwayat panggilan masuk mereka. Beberapa kriteria digunakan untuk melukis gambar seekspresif mungkin untuk penelepon. Rincian kami penyedia pelacakan panggilan Phonewagon dapat menjelaskan bagaimana perangkat lunak pusat panggilan ini meningkatkan jangkauan penjualan.

Cara kita berkomunikasi adalah indikator besar keadaan emosi dan kepribadian kita. Beberapa orang berkomunikasi menggunakan lebih banyak ekspresi dan memiliki sarana komunikasi yang lebih berbasis emosi. Lainnya, di sisi lain, pernyataan nilai guna saat berkomunikasi. Yang lain masih menginginkan fakta dan angka tertentu untuk dilanjutkan dengan menggunakan gaya bicara yang lebih logis.

Pembelajaran mesin menjadi semakin baik dalam mendeteksi nuansa percakapan modern ini dan mengelompokkan penelepon dan agen ke dalam kategori pencocokan yang sesuai. Saat Anda mencocokkan dua individu dengan gaya komunikasi yang serupa, Anda membuatnya mudah untuk membangun hubungan. Ini bahkan meningkatkan kemungkinan bahwa pelanggan dapat membeli dari perusahaan jika mereka terhubung dengan perwakilan pada tingkat pribadi.

Perangkat lunak perilaku menggunakan algoritme untuk mengelompokkan penelepon berdasarkan enam profil perilaku .

• Pelaku : Pelaku biasanya sangat menawan dan persuasif.
• Organizer : Ini adalah tipe kepribadian yang paling terorganisir dan logis.
• Penghubung : Penghubung menghargai percakapan dan sering kali hangat dan penuh kasih.
• Penasihat : Ini dianggap jeli dan teliti.
• Pemimpi : Pemimpi memiliki kepribadian artistik dan cenderung reflektif dan tenang.
• Asli : Tipe kepribadian ini orisinal dan spontan. Percakapan antara agen dan pelanggan bisa agak acak, tetapi perwakilan yang terampil dapat mengarahkan percakapan agar waktu penanganan tetap rendah.

Panggilan direkam secara real-time dan stereo, yang membuat identifikasi pihak yang terlibat menjadi lebih mudah. Kemudian, saat panggilan berlangsung, data rekaman panggilan audio ditranskripsi oleh perangkat lunak. Menggunakan analitik bahasa dan ucapan, analitik perilaku prediktif mengembangkan pola prediktif tentang penelepon. Ini menentukan di mana mereka termasuk dalam daftar ciri-ciri kepribadian yang disebutkan di atas dan juga menganggap sentimen panggilan mereka. Perangkat lunak pusat panggilan bahkan memecah isyarat kontekstual yang mungkin membantu agen – seperti tingkat kesusahan atau catatan pribadi tentang apa yang terjadi dalam kehidupan penelepon.

Mattersight memelopori teknologi ini pada tahun 2014 dan menjadi produk terpenting mereka. Perutean perilaku prediktif Mattersight memanfaatkan aspek percakapan ini untuk mengambil perutean panggilan ke arah yang benar-benar baru, memberikan analitik lanjutan tentang interaksi pelanggan dan kinerja agen.

Teknologi ini tidak hanya memfasilitasi komunikasi yang lebih baik antara agen dan pelanggan, tetapi juga membangun kumpulan data yang mengesankan yang dapat digunakan untuk merutekan pemanggil dengan lebih baik. Apakah penelepon merespons gaya agen tertentu dengan lebih baik? Apakah penelepon lebih cenderung menjadi sedikit cerewet di telepon? Kemudian perutean perilaku prediktif akan menetapkan panggilan ke perwakilan yang akan mengakomodasi kepribadian semacam ini pada panggilan berikutnya. Apakah penelepon hanya mencari solusi dengan cepat tanpa banyak kesulitan? Kemudian perutean perilaku prediktif akan mengenali ini dan mengirim panggilan ke perwakilan yang lebih bisnis.

Sistem memberikan persentase untuk setiap kemungkinan perutean potensial – semakin tinggi persentasenya, semakin baik kecocokannya. Seluruh proses dimulai setelah, bukan selama, kontak dengan penelepon, dan algoritme pembelajaran mesin menggabungkan semua informasi ke dalam database bersama yang menghubungkan ciri-ciri kepribadian setiap pelanggan.

Saat penelepon berikutnya menelepon, perutean perilaku prediktif kemudian membutuhkan waktu kurang dari satu detik untuk mencari nomornya, menentukan kepribadian penelepon berdasarkan interaksi sebelumnya, dan mencocokkan sifat yang ditentukan dengan agen yang memiliki kebiasaan komunikasi serupa. Karena database dibagikan, data yang dikumpulkan dari satu klien dapat digunakan dalam interaksi klien lain – jumlah pelanggan yang menelepon adalah semua yang diperlukan untuk merutekan panggilan dengan lebih baik berdasarkan kepribadian dan sentimen.

Bagaimana Perutean Perilaku Prediktif Meningkatkan Pengalaman Pelanggan?

Untuk mempertahankan pelanggan, mereka perlu memiliki pengalaman yang menyenangkan dengan merek, yang merupakan alasan di balik perutean perilaku prediktif. Sementara sistem lain mempertimbangkan rute berdasarkan algoritme, perutean perilaku prediktif mengirimkan panggilan keluar dengan mempertimbangkan kepuasan pelanggan dan agen.

Pelanggan Konten

Tidak setiap penelepon memiliki masalah stres; pada kenyataannya, beberapa pelanggan mungkin ingin mendapatkan informasi atau membuat perubahan pada layanan mereka dan ingin berbicara dengan seseorang. Dengan perutean perilaku prediktif, sistem menggunakan algoritme, data sentimen, dan riwayat kontaknya untuk merutekan panggilan ke agen yang lebih cenderung sesuai dengan kepribadian dan disposisi pelanggan saat ini. Misalnya, jika pelanggan bertele-tele dan memiliki kecenderungan untuk keluar dari skrip dan lebih banyak berbicara, maka sistem akan memilih perwakilan yang akan merespons gaya yang lebih ramah ini.

Sistem perutean perilaku prediktif bekerja bersama-sama dengan solusi lain seperti sistem IVR, perangkat lunak CRM, dan perutean berbasis keterampilan untuk menyediakan perwakilan dengan semua data terkait untuk panggilan. Dengan interaksi yang lebih menarik, pengalaman pelanggan yang positif dijamin lebih mungkin terjadi.

Contoh interaksi dari perwakilan dapat dimulai dengan, “Halo! Apa kabarmu hari ini?"

Pelanggan yang Kesal

Pelanggan yang mengalami kesalahan dalam penagihan atau layanan juga menginginkan penyelesaian yang cepat dan agar bisnis mengetahui masalah tersebut. Perutean perilaku menggunakan isyarat suara dan percakapan sebelumnya untuk mengenali saat penelepon kesal atau marah saat melakukan perutean. Ketika mendeteksi keadaan emosional ini, karyawan akan mengetahuinya melalui petunjuk di layar sebelum dia melakukan kontak.

Dengan informasi ini, agen akan siap untuk meminta maaf dan menawarkan solusi tepat di awal percakapan. Hal ini akan membuat perusahaan terkesan lebih tanggap terhadap permasalahan pelanggannya. Karena penelepon yang marah atau kesal membutuhkan logika dan kecermatan, sistem dapat mengarahkan panggilan ke agen yang termasuk dalam tipe kepribadian "penyelenggara".

Contoh interaksi dari perwakilan dapat dimulai dengan, “Halo. Saya melihat bahwa Anda mengalami masalah dengan penagihan atau (layanan) kami. Izinkan saya meluangkan waktu sejenak untuk meminta maaf karena Anda harus melalui ini. Mari kita selesaikan ini dengan cepat. ”

Pelanggan dengan Batasan Waktu

Terkadang, seorang penelepon menjangkau dengan tenggat waktu yang sangat ketat. Pelanggan yang mencari resolusi membutuhkan repetisi yang langsung dan to the point saat di telepon. Percakapan yang panjang dan berlarut-larut dengan obrolan yang berlebihan hanya akan menurunkan persepsi pelanggan tentang perusahaan. Berdasarkan isyarat verbal dan riwayat panggilan sebelumnya, perutean perilaku prediktif mencocokkan pelanggan dengan perwakilan yang lebih langsung dan bisnis untuk menyelesaikan masalah secepat mungkin.

Ini adalah karakteristik perilaku yang penting ketika bekerja di industri seperti layanan keuangan dan industri teknologi, di mana klien kekurangan waktu.

Contoh interaksi dari perwakilan dapat dimulai dengan, “Halo. Sepertinya Anda perlu saya untuk menyesuaikan (nama layanan). Biarkan saya membuat Anda bersiap sehingga Anda dapat menjalani hari Anda. ”

Penelepon berulang

Masalah dengan beberapa sistem perutean lainnya adalah bahwa mereka cenderung mengulang beberapa percakapan yang sama, yang mengganggu penelepon. Saat penelepon mencari penyelesaian untuk masalah yang sudah ada sebelumnya, sistem akan mencatat hal ini, mengukur sentimen dan keadaan emosional penelepon, dan mengarahkannya dengan benar ke agen yang sesuai dengan kebutuhan mereka. Agen akan sepenuhnya siap dengan riwayat panggilan dan akan mengambil di mana panggilan terakhir berakhir. Ini menggambarkan perhatian terhadap detail yang tidak biasa dalam pengalaman layanan pelanggan, dan pelanggan akan menyadarinya.

Contoh interaksi dari perwakilan dapat dimulai dengan, “Hai! Bagaimana (masalahnya) sejak kami berbicara dengan Anda Jumat lalu? Saya tahu Anda telah berbicara dengan (nama agen) sebelumnya – apakah keadaan membaik sejak saat itu?”

Bagaimana Merampingkan Interaksi Pelanggan-Agen?

Pelanggan ingin merasa bahwa merek yang berinteraksi dengan mereka memahami dan menghargai mereka. Algoritme pemasangan teknologi ini dibuat untuk menciptakan pengalaman yang lebih menyenangkan antara agen dan pelanggan. Dengan perutean perilaku prediktif, kriteria seperti jenis bahasa yang digunakan oleh penelepon membantu bisnis memahami penelepon dan meningkatkan perjalanan pelanggan mereka. Ini akan memupuk hubungan jangka panjang. Berikut adalah beberapa manfaat lain untuk mengadopsi jenis solusi ini ke semua jenis pusat kontak.

Mengurangi Waktu Penanganan Panggilan

Sementara lebih rinci, interaksi pribadi mungkin tampak seperti mereka akan meningkatkan waktu penanganan di pusat panggilan, tetapi ini tidak selalu terjadi. Yang benar adalah, perutean perilaku prediktif meningkatkan kualitas interaksi pelanggan dan agen, dan sebagai hasilnya, waktu penanganan berkurang berkat kepribadian kedua pihak yang saling melengkapi. Perutean perilaku prediktif adalah sistem yang dirancang untuk meningkatkan hubungan antara penelepon dan agen, dan ini biasanya membuat percakapan lebih ramping dan menyelesaikan masalah lebih cepat.

Sebagai contoh, CVS yang menggunakan sistem Mattersight, CVS mampu mengurangi waktu menangani panggilan dengan pelanggan sebesar 8,4%. Mereka juga dapat menggunakan data untuk meningkatkan efisiensi interaksi pelanggan/agen.

Meningkatkan Pengalaman Pelanggan

Dengan hubungan yang mudah, pelanggan cenderung jauh lebih positif selama survei kepuasan pelanggan. Perutean cerdas bertenaga AI juga membuat interaksi yang lebih alami dengan agen dan menyediakan gudang data pemanggil yang diumpankan ke perwakilan sehingga pelanggan merasa diakui. Bahkan dalam situasi di mana penelepon memiliki waktu terbatas dan membutuhkan efisiensi, sistem akan mengenali ini dan akan memilih agen yang memenuhi kebutuhan penelepon.

Secara keseluruhan, sistem memberikan keserbagunaan yang dibutuhkan banyak pusat kontak untuk menjaga tingkat kepuasan pelanggan (CSAT) mereka tetap tinggi – setiap penelepon menerima bantuan individual. Ketika hubungan terjalin antara agen dan penelepon, pelanggan akan merasa lebih nyaman, yang berarti interaksi yang efisien dan perjalanan pelanggan yang lebih baik.

Perutean Panggilan Lebih Cepat dan Akurat

Menurut NICE inContact, 95% pelanggan dialihkan secara acak tanpa perutean perilaku prediktif. Ini berarti bahwa sistem ini terkadang memantulkan pelanggan ke departemen yang salah. Perutean yang tidak tepat dijamin akan mengurangi kualitas pengalaman pelanggan, terutama karena ini akan menambah menit interaksi. Interaksi yang diperpanjang juga akan mengurangi efisiensi agen yang melakukan panggilan salah rute.

Dengan perutean perilaku prediktif, algoritme pembelajaran mesin sangat tepat dan akan mengarahkan panggilan secara cerdas tidak hanya menggunakan data kepribadian dan sentimen tetapi juga data riwayat panggilan.

Perutean Perilaku Prediktif Vs Perutean Panggilan Lainnya

Perutean perilaku prediktif menghadirkan kelincahan yang lebih tinggi dan menggabungkan Big Data ke dalam pengalaman pusat kontak. Karena menggunakan semua informasi yang dikumpulkan tentang penelepon untuk menyediakan kecocokan organik dengan agen, itu akan berintegrasi dengan sistem yang ada dengan relatif mudah. Berikut adalah beberapa sistem perutean yang akan ditingkatkan oleh perutean perilaku prediktif dengan perutean berbasis analitiknya.

Perutean Perilaku Prediktif dan IVR

IVR dirancang untuk memandu pelanggan melalui sistem menggunakan dial tone multi-frequency (DTMF), suara, dan AI. IVR menyediakan pelanggan dengan pembayaran tagihan dan fungsi penjadwalan tanpa perlu berbicara dengan agen.

Perutean perilaku prediktif memberikan solusi holistik yang memperhitungkan semua interaksi dengan penelepon, bahkan dari catatan IVR. Dengan algoritmenya, ini akan dengan cepat menentukan apakah pelanggan gelisah selama kontak sebelumnya dengan agen atau selama pengalaman layanan mandiri.

Sistem perutean perilaku prediktif berkomunikasi dengan sistem IVR untuk melukiskan gambaran pemanggil dan menghubungkannya dengan agen optimalnya. Apakah pelanggan terdengar singkat saat mereka menggunakan suara? Apakah mereka menekan "0" sebelum mendengarkan opsi telepon? Apa saja isyarat verbal dalam nada suara mereka? Pemodelan perilaku dan riwayat panggilan dapat sangat membantu penelepon untuk mencocokkan dengan agen yang tepat.

Perutean Perilaku Prediktif dan Perutean Berbasis Keterampilan

Perutean berbasis keterampilan adalah teknologi yang menempatkan agen ke dalam kelompok tertentu berdasarkan keterampilan mereka. Sistem IVR kemudian mengarahkan pelanggan ke kelompok agen tertentu berdasarkan kebutuhan mereka. Dengan teknologi ini, penelepon dikirim ke spesialis ketika masalah mereka rumit. Ini adalah sistem yang membawa kemudahan karena pertanyaan dan masalah kompleks dapat diselesaikan dengan cepat. Perutean berbasis keterampilan mengurangi waktu penanganan karena penelepon lebih jarang terpental, dan pelanggan menyukainya.

Tetapi bagaimana perbandingannya dengan perutean perilaku prediktif?

Perutean perilaku prediktif adalah sistem yang memanfaatkan Big Data untuk memahami kepribadian pelanggan, tetapi karena solusinya menggunakan AI, itu juga menggabungkan beberapa aspek perutean berbasis keterampilan. Akibatnya, perutean perilaku prediktif dapat berfungsi sebagai lapisan tambahan yang meningkatkan sistem yang ada untuk mengirim pelanggan ke agen yang memenuhi syarat. Mereka tidak hanya akan mencapai agen yang tahu bagaimana menangani masalah mereka, tetapi mereka juga akan dapat terhubung dengan mereka secara pribadi juga.

Perutean Perilaku Prediktif dan Perutean Pusat Panggilan Langsung

Seperti perutean perilaku prediktif, perutean langsung menggunakan algoritme dan data untuk mengarahkan pelanggan ke departemen yang tepat. Misalnya, jika pelanggan terlambat membayar, sistem perutean ini akan menentukan bahwa penelepon harus dikirim ke departemen penagihan. Demikian pula, pelanggan baru mungkin dikirim untuk mendukung atau ke departemen pemasaran.

Semuanya didasarkan pada info pelanggan dengan perutean pusat panggilan data-directed, yang menjadikannya sistem yang sangat berguna di pusat kontak yang ingin meningkatkan efisiensi. Misalnya, mengirimkan pelanggan baru ke departemen pemasaran akan membuat upselling layanan tambahan baru menjadi jauh lebih organik. Demikian pula, mengirimkan jenis pelanggan yang sama ke dukungan juga akan memastikan bahwa tidak ada hambatan dalam layanan di bulan-bulan pertama yang sangat penting itu. Perutean yang efisien, dan oleh karena itu meningkatkan retensi pelanggan adalah alasan utama sistem ini.

Perutean pusat panggilan langsung sering disebut perutean cerdas, tetapi tidak didukung oleh AI seperti perutean perilaku prediktif. Perutean perilaku prediktif akan meningkatkan pengalaman perutean langsung dengan juga merutekan panggilan ke agen yang tepat. Bahkan dalam interaksi dengan agen penagihan, personalisasi yang ditingkatkan akan membuat pengalaman pelanggan menjadi lebih positif. Misalnya, jika pelanggan dalam penagihan ditagih karena kesalahan, maka perutean perilaku prediktif akan menangkap ketidakpuasan pelanggan melalui isyarat verbal dan mengarahkan panggilan ke agen yang dapat memperbaiki masalah tersebut.

Cocokkan Pelanggan dengan Agen Ideal Mereka Untuk Hasil yang Lebih Baik

Di seluruh industri contact center, teknologi ini dipandang sebagai perubahan paradigma karena penggunaan big data dan potensinya untuk menambah pengalaman pelanggan. Teknologi perutean yang digerakkan oleh AI secara aktif menganalisis pelanggan dan data mereka dan memberi mereka pengalaman kontak yang lebih menyenangkan.

Ini tidak hanya menguntungkan pelanggan, tetapi juga memungkinkan agen untuk berbicara lebih alami dan terhubung dengan penelepon di saluran lain, dan lebih banyak perwakilan konten berarti retensi agen yang lebih baik. Menjaga pelanggan tetap senang juga memberikan manfaat moneter yang luas karena pelanggan konten dengan hubungan yang sehat dengan merek tetap setia lebih lama.

Teknologi ini mengurangi waktu penanganan dan memberikan pemahaman yang lebih baik tentang perjalanan pelanggan, menjadikannya pelengkap penting untuk perangkat lunak pusat panggilan Anda yang lain. Perutean perilaku prediktif adalah aspek lain dari peningkatan dampak yang dibawa oleh solusi cloud berbasis AI ke pusat kontak. Alat untuk penilaian prospek, panggilan prediktif, dan layanan pelanggan semuanya ada di sini, dan perutean perilaku prediktif mungkin merupakan teknologi yang akan memiliki dampak paling penting di pusat kontak.

Setiap organisasi yang ingin meningkatkan kepuasan pelanggan mereka harus mempertimbangkan untuk menerapkan solusi perutean perilaku prediktif karena memiliki pelanggan dan berinteraksi lebih dalam membantu retensi pelanggan.

Mencari lebih banyak solusi yang dapat meningkatkan perjalanan pelanggan? Lihat panduan kami tentang antrian prioritas panggilan dan skor prospek prediktif.