Video
Okay, prima di tutto, spieghiamo questo numero: 60% di automazione nel supporto clienti e-commerce. Non di più.
Quando ho creato EdgarBot, il mio obiettivo era quello di automatizzare il più possibile il supporto clienti senza sacrificare la qualità delle interazioni e la soddisfazione dei clienti.
Perché non si può automatizzare tutto, e sperare di mantenere alta la soddisfazione dei clienti solo perché l’AI sembra quasi “magica”.
Automatizzare il supporto clienti non significa solo ridurre i costi.
Per me, automatizzare il supporto clienti significa prima di tutto trovare un bilanciamento. Tra qualità e risparmio:
- Più automatizzi, più rismarmi.
- Ma se automatizzi troppo, la qualità del supporto ne risente.
Questo anche prima di parlare di Intelligenza Artificiale.
Da quando esiste internet e la tecnologia le aziende cercano di bilanciare qualità con automazione e risparmio.
L’AI non ha eliminato il bisogno di compromettere. Ha solo spostato il compromesso. Perché ora, automatizzare ha un costo minore sulla qualità del supporto clienti. In altre parole, puoi automatizzare di più senza sacrificare la qualità del supporto che offri. Ma a un certo punto, i sacrifici arrivano. Se automatizzi troppo, la qualità del supporto ne risentirà.
Perché solo il 60% di automazione?
Ed è per questo che nel titolo parlo di automatizzare il 60% del supporto clienti, non di più.
Perché dalla mia esperienza, quando automatizzi di più, la qualità inizia a risentirne.
Ed è qui che arriva il bilanciamento che devi cercare.
Ho già detto in un altro articolo che con EdgarBot il mio obiettivo non è di automatizzare qualsiasi interazione. Piuttosto, voglio automatizzare quanto possibile senza sacrificare la qualità del supporto offerto. EdgarBot è fatto per aziende che vogliono prima di tutto creare un’esperienza cliente eccezionale dall’inizio alla fine.
Secondo la mia esperienza, questo significa automatizzare il 60% del supporto clienti, non di più. Perché se automatizzi di più, rischi di infastidire il tuo cliente.
E questo numero è valido solo per gli e-commerce. Altri tipi di aziende hanno possibilità di automatizzazione inferiori, perché hanno interazioni più complesse e variegate. Per questo con EdgarBot ci siamo concentrati sugli e-commerce: è dove possiamo dare le i benefici maggiori.
Quindi, in questo articolo voglio parlare della roadmap per automatizzare il 60% del tuo supporto clienti. Che è il massimo che puoi automatizzare prima che la qualità del servizio inizi a risentirne.
Queste sono le stesse fasi che attraversano i nostri clienti quando lavorano con noi per implementare EdgarBot nel loro supporto clienti. Quindi in questo articolo, puoi scoprire anche come viene implementato il nostro software in un’azienda reale.
Roadmap: automatizzare il 60% del supporto clienti
Il percorso verso l’automatizzazione del 60% delle richieste di supporto clienti avviene in sette passi:
- Analisi dei ticket
- Raccolta delle informazioni
- Addestrare l’AI
- Test iniziale
- Implementazione tecnica
- Implementazione operativa
- Miglioramento continuo
Vediamoli.
1. Analisi dei ticket
Ogni implementazione di EdgarBot è unica, perché aziende diverse hanno bisogni diversi.
Non esiste una soluzione che vada bene a chiunque. Ogni implementazione deve essere adattata alle procedure e bisogni del cliente, e per questo bisogna partire da un’analisi dei ticket per capire il sistema migliore di implementare l’AI.
Dividere in categorie
Il primo passo che facciamo in qualsiasi implementazione, è quella di dividere in categorie i ticket che arrivano.
Questo è importante per due motivi:
- Allucinazioni: l’AI spesso si inventa cose, o “allucina”. Abbiamo notato che dividere un ticket in categorie riduce sensibilmente gli errori dell’AI.
- Connessione a servizi esterni: ad esempio, nella classica domanda “dov’è il mio pacco?”. Qui l’AI deve connettersi a un servizio esterno (le API di Bartolini ad esempio) per cercare informazioni aggiornate. Ma per farlo, deve prima individuare la categoria esatta “richiesta info spedizione”.
Quindi ci troviamo con il cliente e mettiamo nero su bianco tutte le categorie in cui si potrebbero dividere i ticket.
Alcune categorie sono standard: domande sulla spedizione, domande frequenti, domande sui prodotti, eccetera. Altre sono specifiche: come usare l’area riservata dell’ecommerce, ad esempio.
Casi speciali
Non tutte le domande possono essere divise in categorie standard, la cui risposta può essere fornita da un’AI.
Ci sono casi speciali. Ad esempio, clienti aziendali che dovrebbero essere sempre contattati telefonicamente dal loro agente dedicato.
Questi sono ticket ai quali EdgarBot non dovrebbe mai rispondere. Quando queste categorie esistono è importante definirle, per dire a EdgarBot di non rispondere a questo tipo di richieste.
Questo è importante per evitare falsi positivi: EdgarBot che risponde a ticket ai quali non dovrebbe rispondere. Visto che EdgarBot è fatturato a consumo, questo processo permette all’azienda di risparmiare.
2. Raccolta delle informazioni
Raccogliere le informazioni è la parte più importante di tutto il processo.
“Garbage in, garbage out” si dice in informatica. Spazzatura dentro, spazzatura fuori.
La qualità di qualsiasi AI, compresa EdgarBot, è determinata principalmente dalla qualità dei dati che ha a disposizione.
In questo caso, la documentazione dell’azienda. Per questo è importante lavorare per reperire tutta la documentazione nella maniera migliore possibile, e trasformarla per renderla fruibile da un’intelligenza artificiale.
Questo è anche il passo che separa EdgarBot da molti altri software di intelligenza artificiale, soprattutto chatbot. Mentre altri servizi “self service” ti lasciano da solo nella fondamentale fase di raccolta della documentazione, noi di EdgarBot vogliamo lavorare a stretto contatto con il cliente.
E lo facciamo perché sappiamo quanto sia importante raccogliere documentazione nella maniera giusta per un’implementazione di successo.
Creare una lista delle documentazioni
Il primo passo è di creare una lista di tutta la documentazione presente in azienda.
Nella stragrande maggioranza degli e-commerce, la documentazione è sparpagliata in vari posti senza soluzione di continuità.
Alcune informazioni possono essere in un’area utenti, altre in un manuale PDF, altre in qualche video Youtube, altre possono essere in una documentazione interna o anche solo nella testa degli specialisti che lavorano al supporto da anni. Anche i ticket risolti in passato possono essere un’ottima fonte di informazioni, soprattutto per richieste ultra-specifiche per le quali non esiste nessuna documentazione.
Per questo parlo di “documentazioni” piuttosto che di documentazione al singolare. Perché ce ne sono diverse, tutte sparse.
Ma per permettere a EdgarBot di attingere dalla documentazione per rispondere ai clienti, tutte le informazioni devono essere raccolte e trasformate in un formato che l’AI può comprendere.
Questo può essere un buon momento per un e-commerce di mettere mano alla documentazione sparpagliata che si è accumulata nel corso degli anni, e riorganizzarla per renderla più semplice da consultare per i clienti.
Ma questo non è necessario. Se un’azienda preferisce utilizzare diversi canali per comunicare informazioni diverse ai clienti, possiamo creare un database unico solamente all’interno di EdgarBot.
L’importante è trovare tutte queste informazioni e trasformarle per EdgarBot. Ad esempio, i video Youtube sono trascritti in testo. Le informazioni solo presenti nella testa degli agenti esperti vengono scritte. Le procedure vanno formalizzate.
Revisione della documentazione
Quando iniziamo a lavorare sulla documentazione dei clienti, spesso ci accorgiamo che non tutto il materiale è di qualità.
Il problema maggiore riguarda la documentazione obsoleta: informazioni non più rilevanti.
Un’AI non fa altro che imparare dalle informazioni fornite. Ma non può sapere se un’informazione è vera o falsa, questo dobbiamo dirglielo noi.
Uno degli errori principali che si possono fare qui, è di buttare tutte le informazioni in pasto a EdgarBot.
Invece, è importante selezionare solo le informazioni giuste. Quelle che sappiamo essere rilevanti. Se diamo a EdgarBot documentazione obsoleta o sbagliata, la prenderà come buona e risponderà male ai clienti.
Annotare la documentazione mancante
C’è un altro problema comune quando si parla di documentazione: la documentazione mancante. Ossia informazioni che non sono scritte da nessuna parte.
Questo è comune, ad esempio, con le informazioni che gli agenti conoscono “per esperienza”, ma non sono mai state formalizzate.
Quando capitano questi casi di documentazione mancante, si possono fare due cose:
- Trattarla come un caso speciale (e istruire EdgarBot a non rispondere affatto);
- Creare la documentazione mancante (meglio).
3. Addestrare l’AI
Quando la documentazione è pronta, è il momento di istruire l’AI!
Questo avviene in vari passi.
Suddivisione della documentazione in categorie
Il primo passo è di assegnare una categoria a tutti i documenti che abbiamo recuperato. Ad esempio, il manuale per prodotto X andrà nella categoria “domande prodotto X”.
Questo è importante perché l’AI si confonde spesso. Fa errori. Confonde categorie. Per questo usiamo un sistema a due passi: prima EdgarBot sceglie la categoria del ticket, poi risponde attingendo solo dalla documentazione assegnata a quella categoria.
Trasformazione dei documenti
Il primo passo è di trasformare la documentazione raccolta in precedenza in un formato che l’AI può interpretare. Il che significa testo accompagnato da embedding vettoriali.
Tutti i video, podcast, articoli, infografiche, PDF, database eccetera, vanno tutti trasformati in testo.
Gli embedding vettoriali permettono a un’AI come EdgarBot di immagazzinare una quantità immensa di informazioni e di ricercare l’informazione necessaria in maniera rapida ed economica. Ma ha un problema: tutte le informazioni devono essere pre-processate.
Questo significa che il sistema non può essere usato per informazioni dinamiche, come lo stato attuale di una spedizione. Per questo, usiamo un sistema diverso…
Connessione a software esterni
Quando abbiamo scelto le categorie, le abbiamo divise in due classi:
- Informazioni statiche;
- Informazioni dinamiche.
Le informazioni statiche sono quelle che non cambiano mai, o cambiano lentamente. Ad esempio il manuale di un prodotto.
Le informazioni dinamiche sono invece quelle che cambiano costantemente, come lo stato della spedizione di un cliente.
Per le informazioni statiche, usiamo il già citato database precompilato. Ma per le informazioni dinamiche, dobbiamo integrare un’API. Ad esempio, se un cliente chiede dov’è il suo pacco, dobbiamo connetterci al server di Bartolini tramite API per ricevere le informazioni aggiornate sullo stato di spedizione.
Quando EdgarBot ha queste informazioni, può rispondere al cliente.
Addestramento del motore
Ora abbiamo tutte le informazioni. Abbiamo:
- Le categorie in cui dividiere ogni ticket (più varie eccezioni);
- Un database per ogni categoria di ticket;
- Una serie di categorie nelle quali è necessario chiamare le API;
- Delle categorie “speciali” per le quali EdgarBot non deve rispondere.
Per la creazione di qualsiasi tipo di intelligenza artificiale, il 90% del lavoro è la raccolta dei dati. Per questo abbiamo dedicato così tanto tempo a parlare di come categorizzare i ticket e raccogliere le informazioni in maniera strutturata.
Fatto questo, addestrare un modello di EdgarBot specifico per l’azienda prende solo poche ore di lavoro.
Scelta del tono di voce
Una volta creato il modello, va scelto un tono di voce.
Al contrario di altri modelli di AI, EdgarBot genera da zero una risposta adatta alla situazione di ogni singolo cliente. Questo permette una personalizzazione estrema, superiore a quella di tool simili.
Questo significa che bisogna anche scegliere un tono di voce per EdgarBot. Il tono di voce deve adattarsi al brand. Alcune aziende vogliono essere più formali e complete, mentre altre preferiscono un tono di voce conversazionale e informale.
Dopo aver addestrato il motore, è il momento di scegliere un tono di voce. Ad esempio, nella nostra demo di BauStore, un fittizio e-commerce per cani, abbiamo istruito EdgarBot a parlare come se fosse un cane.
4. Test iniziale
Ora il modello è pronto, ma non è perfetto. Prima di implementarlo sul supporto cliente, visibile per gli agenti, va testato.
Questo perché l’AI non è perfetta. A volte è imprevedibile. L’unico modo per sapere se l’addestramento è andato a buon fine, è provare.
La precisione che vogliamo ottenere con EdgarBot è del 90%. In altre parole vogliamo che quando risponde, risponda bene il 90% delle volte. Per arrivare a questo livello di precisione, servono diversi passaggi. Solo così possiamo arrivare al 60% di automazione che ci prefiggiamo.
Test sintetici su ticket passati
Il primo test si fa su ticket passati con la “suite di test” di EdgarBot. Si prende un campione di ticket reali arrivati in passato, e si attiva EdgarBot per vedere come avrebbe risposto. Poi, l’AI di EdgarBot si “autovaluta” per vedere se la risposta è soddisfacente o meno. Se la risposta non è soddisfacente, viene segnalata al responsabile dell’implementazione (qualcuno nel nostro team) per valutare se è un problema di addestramento, di documentazione, di categoria sbagliata, o altro.
Con questo sistema possiamo testare migliaia di ticket in poche ore, senza scomodare un essere umano.
Test manuali
Una volta che abbiamo ottenuto una qualità di risposta soddisfacente con i test sintetici, passiamo il controllo a un supervisore umano per i test manuali.
Se il test sintetico è fatto da noi di EdgarBot, il test manuale è eseguito dal cliente. Quindi tramite un’interfaccia può “chattare” con il suo modello di EdgarBot, testare vari ticket, e fare domande come se fosse un cliente.
Questo passo è importante perché noi, pur facendo il possible per tesare quanti più casi diversi possibile, non abbiamo il polso completo sulla situazione del cliente. Quindi ci sono casistiche che noi non possiamo prevedere e automatizzare senza l’aiuto del cliente.
Risoluzione bug
Questi due tipi di test porteranno sempre alla scoperta di bug e problemi da risolvere.
Nessun sistema nasce perfetto. Tanto meno un’AI, che ha letteralmente miliardi di parametri da configurare.
Quindi, bisogna risolvere i bug. Alcuni di questi sono stati individuati con i test sintetici, altri con i test manuali del cliente. Con l’AI la risoluzione dei bug è un’arte quanto una scienza, perché è impossibile sapere a priori cosa andare a modificare. Bisogna testare.
5. Implementazione tecnica
Arrivati a questo punto, il modello di AI è pronto per essere usato.
- Ci sono diverse categorie, alcune con informazioni statiche (database), altre con informazioni dinamiche (connessione a servizi esterni);
- Le documentazioni sono state trasformate in testo e inserite nel modello AI;
- Il tono di voce è stato scelto;
- Tutti i percorsi sono stati testati, i bug trovati e risolti.
Ora abbiamo un modello funzionante, pronto ad automatizzare il 60% del supporto clienti di un e-commerce.
Ma non possiamo fermarci qui. Perché per un’implementazione di successo, dobbiamo rendere l’utilizzo di EdgarBot semplice e immediato.
Ed è per questo che il prossimo passo è l’implementazione tecnica. Ossia, integrare il modello nel software di supporto clienti che il cliente già utilizza.
La nostra filosofia, con EdgarBot, è di non voler aggiungere un’altra interfaccia. Quindi non esiste un “pannello di controllo” per EdgarBot, o una “dashboard”. Tutte le funzionalità vengono integrate direttamente nel CRM di supporto clienti già usato dall’azienda.
Questo significa che EdgarBot si integra direttamente con:
- Zendesk
- Freshdes
- Hubspot
- Helpscout
- Eccetera
Uno dei grandi vantaggi di EdgarBot è quello di non essere legato a un solo software. Si può integrare con qualsiasi sistema di gestione di supporto clienti, a patto che questo sistema supporti integrazioni via API (la stragrande maggioranza).
Questa integrazione permette di fare due cose che automatizzano ancora di più il supporto clienti:
- Chiamare EdgarBot automaticamente quando arriva un nuovo ticket (importante vista la lentezza di EdgarBot);
- Creare una bozza di risposta direttamente nel CRM, pronta per essere approvata dall’agente.
6. Implementazione operativa
L’implementazione tecnica è solo la prima parte, poi serve l’implementazione operativa.
Implementazione operativa significa formare gli agenti del supporto cliente all’utilizzo di EdgarBot.
Perché quello che ho visto con diversi clienti, è che gli agenti tendono ad ignorare le risposte di EdgarBot e rispondere per conto loro.
Questo aumenta il numero di errori, fa collassare l’efficienza di un agente e spesso porta a risposte di qualità più bassa.
La paura degli agenti è che l’AI sia lì per sostituirli. Questo può anche essere vero per alcuni dei nostri concorrenti. Ma per noi di EdgarBot, l’AI serve ad aiutare l’essere umano, non a sostituirlo.
Quindi in questo passo prima di tutti dissipiamo i dubbi degli agenti e le loro preoccupazioni. Poi passiamo a spiegare come utilizzare EdgarBot al meglio, quando ascoltarlo, come controllare le risposte che dà, e come riportare un errore.
Quest’ultimo passaggio è particolarmente importante, perché non dobbiamo dimenticarci del…
7. Miglioramento continuo
Perché è impossibile creare un sistema perfetto al primo colpo.
Con il passare delle settimane e dei mesi, è naturale che un cliente si renda conto di alcune categorie che potrebbero essere perfezionate, materiale che può essere aggiunto, e altri passaggi che possono essere automatizzati.
Non si parte mai dal 60%. Quello è l’obiettivo. La prima implementazione raramente porta a un’automazione superiore al 50%. Gli ultimi punti percentuali si raggiungono con analisi, ottimizzazione ed espansione delle responsabilità di EdgarBot.
Quindi si continua a monitorare la qualità delle risposte, e gli agenti diventano con il tempo dei supervisori dell’AI. Supervisori che controllano le risposte e suggeriscono miglioramenti nel corso dei mesi e anni.
Conclusione
Quindi è così che si raggiunge il 60% di automazione nel supporto clienti di un e-commerce.
In breve, le tre fasi sono:
- Raccolta e gestione della documentazione;
- Creazione del modello e risoluzione bug;
- Miglioramento continuo.
Altri nostri concorrenti potrebbero avere dei processi leggermente diversi. Ad esempio, potrebbero usare un sistema automatico e self-service invece che dialogare e lavorare insieme ad ogni cliente come facciamo noi. O magari, usano una loro interfaccia piuttosto che integrarsi con il CRM già usato da un’azienda.
Ma tutti i sistemi di AI funzionano più o meno alla stessa maniera, quindi anche i passi per implementarle saranno bene o male quelli.
La cosa più importante da ricordare sempre è:
La qualità di un’AI per il supporto clienti dipende al 90% dalla qualità dei dati che vengono forniti.
Per questo buona parte del nostro lavoro con i clienti si focalizza sul raccogliere i dati dalle fonti più disparate, e strutturarli nella maniera migliore per permettere a EdgarBot di automatizzare il più possibile.
