Algorithmen werden den Kundenservice verändern

Covid-19 treibt Digitalisierung (Quelle unbekannt)

Sie haben bestimmt eine der vielen Grafiken gesehen, die in den sozialen Medien die Runde gemacht haben. Darin wird gefragt, ob es CEO, CFO oder Covid-19 waren, die die Digitale Transformation im Unternehmen vorangebracht haben. Bei allem Zugeständnis zu den Auswirkungen der Virus-Pandemie ist der Einfluss von Covid-19 dann aber doch eingeschränkt. Die Transformation durch die Digitalisierung lief bereits, die Pandemie hat sie allenfalls beschleunigt.

Die Arbeitsweise von Unternehmen hat sich verändert und verändert sich immer noch. In weiten Teilen der Welt wurden Kontaktsperren und andere Einschränkungen erlassen. Viele Unternehmen mussten ihre Geschäftsmodelle und -strategien überdenken. Deren relevanten Umwelten haben sich nachhaltig verändert. Um Geschäftskontinuität und Überleben zu gewährleisten, mussten auch sie sich ändern. Davon sind die unterschiedlichen Branchen verschieden stark betroffen. Technologie- und IT-Unternehmen sind es schon lange gewohnt, dass Mitarbeiter und Mitarbeiterinnen ihre Tätigkeiten aus dem heimischen Büro remote erledigen. Da haben die Lockdowns eine rasche Skalierung dieses Modells auf die ganze Belegschaft erfordert. Unternehmen aus eher traditionellen oder produzierenden Branchen haben das deutlich dramatischer erlebt. Wenn die Verwaltung noch papierbasiert funktioniert, ist die Bereitstellung von Aktenordnern und Eingangspost eine Herausforderung. Und eine Fertigungsstraße für Maschinenteile muss natürlich vor Ort bedient und bestückt werden.

Pandemie beschleunigt die digitale Transformation

Die größte Herausforderung bleibt jedoch die Gewährleistung eines überragenden Kundenerlebnisses, um in der neuen Normalität erfolgreich zu sein. Aktuelle Organisationsmodelle im Service basieren auf der Verfügbarkeit eines menschlichen Agenten, um Kundenanfragen zufriedenstellend zu lösen. Diese Servicekräfte interagieren mit Kunden und versuchen, deren Probleme zu verstehen und passende Lösungen dafür anbieten. Die von den Agenten verwendeten Vorgangsbearbeitungs-Systeme („Ticket“, „Incident“, „Case“ sind synonyme Bezeichnungen) erlauben es, Fälle zu erstellen und zu klassifizieren. Die können anschließend an die vermeintlich am besten qualifizierte bzw. verfügbare Person oder Team weitergeleiten werden. Nach dieser fachlichen Eskalation werden die Fälle dann auf der Grundlage von vorhandener Erfahrung und verfügbarem Wissen der Organisation gelöst.

Die Erfahrung zeigt, dass diese Modelle mit stark schwankenden Anfragevolumina nur schlecht skalieren und es durch die systembedingte Eskalation an Experteninnen und Experten häufig zu Verzögerungen und Backlogs kommt.

Digitalisierung und Algorithmen erhöhen die Wertaneignung der Kunden

Wenn die Umstände Unternehmen dazu zwingen, Kosten zu senken ohne die Servicequalität zu verringern, sind intelligente Konzepte gefragt. Es sind die Menschen in Support und Service, die mit ihrem Wissen und ihrer Erfahrung den Kontext von Kundenanfragen erfassen und geeignete Lösungen erarbeiten. Auf ihre Expertise zu verzichten, um Kosten zu sparen, ist ganz augenfällig falsch. Das Ziel muss hingegen sein, effektiver zu werden, um mit der gleichen Personalstärke mehr leisten zu können.

Hinzu kommt, dass das Verbraucherverhalten sich ebenfalls im Zuge der digitalen Transformation ändert. Kunden erwarten personalisierte Erlebnisse, schnellere Lösungszeiten und die Möglichkeit, auf ihre Anfragen auch rund um die Uhr Antworten zu erhalten. Hier können „Artificial Intelligence“ und „Machine Learning“ eine wesentliche Rolle bei der Neugestaltung von Servicemodellen spielen. Durch AI / ML können Routineaufgaben von den Algorithmen erledigt werden und so die Servicekräfte entlasten. Außerdem können den Kunden Self-Service-Kanäle zur Verfügung gestellt werden, in denen sie Informationen schnell selber finden. Anfragen an den Service müssen dann nur noch gestellt werden, wenn Kunden im Self-Service nicht fündig werden. Zu guter Letzt sind durch AI / ML neue Auswertungsfunktionen in Echtzeit möglich. Führungskräfte im Service sind so schneller als bisher in der Lage, den Support-Betrieb bei schwankenden Anfragezahlen zu optimieren. Der Betrieb lässt sich besser skalieren, um mehrere Produkt- oder Servicelinien zu unterstützen. In vielen Umfragen bestätigen Unternehmensvertreter folgende Kernziele beim Einsatz von smarten Algorithmen für besseren Kundendienst:

• Stärkung und Intensivierung von Kundenbeziehungen
• Rasche Skalierung des Support-Betriebs
• Verbessern des ROI einer Implementierung
• Verbesserte Entscheidungsfindung durch mehr Einblick in Anwenderbedarfe
• Geschäftsfunktionen verbessern

Wesentliche Anwendungsfälle für den Einsatz von Algorithmen im Service

Die Vorteile von AI / ML sind zwar für vorrangig für Servicekräfte und Kunden von Bedeutung, werden jedoch im gesamten System sichtbar. Folgende Szenarien geben einen Überblick, wo Algorithmen die Kundeninteraktion verbessern und die Produktivität der Service-Agenten erhöhen können.

Next Level Self-Service

In einer Welt, in der Produkte immer vergleichbarer und austauschbarer werden, bekommt der Kundenservice mehr und mehr Gewicht als Unterscheidungsmerkmal und wird letztlich kaufentscheidend. Service-Führungskräfte haben verstanden, dass sie ihre Dienste dem Kunden rund um die Uhr zur Verfügung stehen müssen. Anfänglich konnten Unternehmen dies erreichen, indem sie allgemeine Informationen über mehrere Wege, wie z.B. häufig gestellte Fragen und Antworten (FAQ), Videos zur Fehlerbehebung und Leitfäden bereitstellten. Mangelnde Personalisierung führte jedoch dazu, dass Kunden oft überfordert waren, was letztendlich zu Frustration führte. Eine Umfrage von Gartner ergab, dass nur ein kleiner Teil der Kunden in der Lage sei, ihre Probleme vollständig über Self-Service zu lösen. Oft fehlten die Fähigkeiten, alle Funktionen der Anbieter-Services wirklich auszunutzen. AI / ML kann diese Services auf eine höhere Ebene heben, indem die Bereitstellung dieser Informationen humanisiert wird. Sogenannte „Conversational Bots“, die Machine Learning und „Natural Language Processing“ verwenden, können damit viele Kundenanfragen bearbeiten: Sie recherchieren Transaktionen im Zusammenhang mit Konten, aktualisieren persönliche Informationen und führen einfache Aufgaben wie das Entsperren von Konten und das Zurücksetzen von Passwörtern aus. Sie können zudem komplexere Interaktionen nahtlos an einen menschlichen Service-Agenten übergeben und dazu die bereits gesammelten Daten übermitteln.

AI / ML-gestützte Communities

Kunden bevorzugen es, selber Informationen im Internet zu nachzuschlagen, bevor sie den Service-Desk kontaktieren. Das können Sie an sich selbst überprüfen: Wenn Sie Fragen zu Produkten oder Dienstleistungen haben, werden Sie vermutlich zunächst die Suchmaschine ihres Vertrauens benutzen und prüfen, was andere darüber wissen. Erst wenn das erfolglos war, geht der nächste Schritt zur Webseite des Anbieters und dann gegebenenfalls zu deren Serviceabteilung. Daher ist es wichtig, ein solides Community-Portal mit relevanten Informationen zu haben. Eine auf Algorithmen gestützte Community-Lösung kann die Absicht einer Anfrage erraten und die Suche des Kunden in einen bekannten Kontext setzen. Dazu vergleicht die Logik die Anfrage z.B. mit dem Transaktions- und Standortverlauf, dem Verhalten des Kunden und anderen Parametern. Als Ergebnis dieser Analyse schlägt der Algorithmus dann die relevantesten Antworten vor. Eine Community mit AI / ML-Unterstützung kann Informationen aus verschiedenen Quellen wie Produkthandbüchern, Schulungsvideos zusammenführen und sogar auf ähnliche Fragen verweisen, die bereits beantwortet wurden. Dadurch lässt sich die Neueröffnung zusätzlicher Serviceanfragen vermeiden, die Kundenzufriedenheit steigt und für die Mitarbeitenden im Service bleibt mehr Zeit für komplexe Anfragen.

Intelligentes Ticket-Routing und automatisierte Antworten

Viele Service-Abteilungen in Unternehmen sind nach wie vor abgestuft organisiert (Level 1-3). Die Mitarbeiterinnen und Mitarbeiter aus dem Level 1 haben in der Regel die Aufgabe, eingehende Tickets zu sichten und sie so zu klassifizieren, dass sie an das richtige Team weitergeleitet werden. Dies ist meist zeitaufwändig und kann schnell ausufern, wenn aufgrund einer anhaltenden Massenstörung eine Flut von Tickets eingeht. Mithilfe von AI / ML kann der gesamte Prozess des Markierens eingehender Tickets – auch von mehreren Kanälen – automatisiert werden. Darin inbegriffen ist die Erkennung der Absichten der Kunden (Was genau versuchten sie zu tun und worin bestand das Problem?), die Dringlichkeit der Anfragen einzuschätzen und sie effektiv an die richtig qualifizierten Spezialisten und Expertinnen weiterzuleiten. Idealerweise erfolgt diese Zuordnung über Kompetenzprofile, die wohl von den Mitarbeitenden selber gepflegt, aber auch automatisch durch Algorithmen ergänzt werden. Dazu gleichen diese die Einträge im Profil mit Informationen z.B. aus dem Ticketsystem, der Wissensdatenbank oder dem Feedbacksystem ab. Werden die im Profil aufgeführten Kompetenzen vom betreffenden Mitarbeiter nur reklamiert, oder sind sie durch entsprechende Lösungserfolge im Ticketsystem, verfasste Wissensartikel zum Thema oder das Feedback von Kunden und Kollegen belegt und bestätigt?

Befähigung von Agenten zur kognitiven Suche

Von Mitarbeitenden im Service wird heutzutage erwartet, dass sie mehr als nur Kundenanfragen beantworten. Sie sollen Kundenbeziehungen aufbauen und festigen, Leads generieren, Produktinformationen bereitstellen, Cross- und Up-Selling durchführen und Fürsprecher des Kunden innerhalb des Unternehmens sein. All dies kann nur ermöglicht werden, wenn sie mit den richtigen Informationen ausgestattet sind, die auch kontextbezogen sind. Knowledge Centered Service (KCS®) ist eine bewährte Vorgehensweise für erfolgreichen Kundensupport, der den jeweiligen Kontext der Kunden in der Verfassung von Wissensartikeln mit einfließen lässt. Die Verknüpfung von Kundenvorgängen mit zugehörigen Wissensartikeln schafft eine Relevanz von Frage-Antwort-Paaren, die das Anlernen der Algorithmen erfolgreicher macht. Daher rührt auch die Prognose von Gartner aus dem Jahr 2018, dass die Mehrheit der Projekte zu „künstlicher Intelligenz“ im ITSM-Umfeld daran scheitern werden, dass die Unternehmen in der Regel nicht über dieses fundierte Wissensmanagement verfügen. Die Berater haben in dem Zusammenhang explizit den Einsatz von KCS als Methodik zum Wissensmanagement im Service empfohlen.

Eine durch AI / ML ermöglichte kognitive Suche kann zusätzlich relevante Informationen einbringen, die in verschiedenen Quellen wie CRM-Systemen, Wissensdatenbank, Self-Service-Portal, Unternehmensintranet und Rich Media (Audio, Video etc.) gespeichert sind. All diese Quellen werden durchsucht und die Ergebnisse in einem leicht konsumierbaren Format präsentiert. Auf diese Weise können die Servicemitarbeiter relevante Informationen finden, ohne langwierig umfangreiche Suchergebnisse durchforsten zu müssen.

Kundenservice ist einer der Hauptbereiche, in denen Algorithmen erfolgreich eingesetzt werden und messbare Auswirkungen zeigt. In einer Zeit des personalisierten Kundenservices kann die Ausstattung einer CRM-Plattform mit AI / ML eine vielversprechende Möglichkeit sein, die Service-Organisation auf das nächste Level zu hieven und die Transformation in eine lernende Organisation einzuleiten. Eingebettet in ein strukturiertes Vorgehensmodell, einem neuen Führungsverständnis und der Orientierung an ein Kennzahlensystem, das den Kundennutzen in den Mittelpunkt der Betrachtung legt, gelingt der Übergang in die neue Normalität einer digitalisierten Welt.