Hvorfor Machine Learning nemt kan være den nye bedste ven

[KRØNIKE] I forbrugernes era er der stadig nye måder at optimere kundeoplevelserne med designprocesser og metoder for at levere en positiv kundeservice og forblive effektiv ud fra et forretningsperspektiv?

At trække værdien ud af de store mængder kundeindsigt er fortsat den største udfordring. Antallet af kundeforespørgsler øges – salgs-, marketing- og kundeserviceteam kan simpelthen ikke følge med. Det resulterer i, at virksomhederne ikke overholder betingelserne i SLA’er, mangler muligheden for at øge konverteringsfrekvensen og taber kunder.

Det er her, hvor machine learning (ML) kommer i spil. ML-baserede platforme, giver mulighed for at håndtere forespørgsler, trække skjulte fordele ud af kundedata ved at prioritere anmodninger og sørge for at de kommer i de rigtige hænder, med alle værdifulde data lige ved hånden, reducering af responstid med mere.

Ekstra salg og indtjening

Lad mig give et par eksempler. Forestil dig et firma, der sælger flybilletter online. Det er afgørende at vide, hvilke af kunderne der sandsynligvis, faktisk gennemfører transaktionen, og hvem der vil købe billetter med den bedste indtjening for firmaet. Faktisk opnåede onlinevirksomheden en 17% omsætningsvækst på kun 6 måneder, fordi ML assisterede med at finde de kvalitets kundeemner, der primært skulle behandles af salgsteamet.

Som i så mange tilfælde handler det meget om, hvordan vi bruger vores tid og på hvilke aktiviteter. Ikke alle har det samme rentable resultat.

Et andet eksempel er en elektronik-servicevirksomhed til reparation og vedligeholdelse. De kan få op til 3000 reparationsordrer dagligt. Selvom de fleste er under garanti og derfor ikke specielt interessante med hensyn til indtjening, udvikler op til 20% af dem sig til sager, der ikke længere falder ind under garantien og bliver derfor høje indtjeningsmuligheder.

Maskinindlæring er i stand til at opdage og klassificere typer af sager og sørg for, at alle får behørig opmærksomhed og ekspertressourcer.

Fokus og tempo

Ved at spare tid på at analysere og kategorisere anmodninger og vurdere nødvendige aktiviteter, sparer det ikke kun virksomheder penge, de kan også opnå en mere effektiv ressourcekontrol, løfte serviceniveauet samt holde kunderne glade ved at levere en bedre og problemfri kundeoplevelse, som enten matcher eller overgår deres forventninger. Et finansielt og brand bygning drømmescenario.

Salgsmæssigt er det også kendt, at et hurtigt svar er nøglen til salg. Det samme gælder for enhver online kundeforespørgsel. Nogle eksempler viser, at konverteringsfrekvensen kan fordobles, hvis en mulighed følges op inden for 15 minutter efter anmodningen.

Kend dine kundeemner

Hovedproblemet er at afgøre forskellen på kunderne. Det kan naturligvis hævdes, at en kunde ikke er kunde, før de foretager et faktisk køb.

Men der er store forskelle i ders intentioner – nogle kigger bare – vinduesshopper – andre er klar til at lukke aftalen, hvis de er tilfredse med det, de ser og hører. Maskinlæring er i stand til at definere, hvem der er hvad ved hjælp af tekstanalyser i e-mails og forespørgsler, hvor der kan søges på adfærdsmønstre – for eksempel kan visse ord være indikatorer for behov, ønsker, krav eller stærk utilfredshed.

Maskinlæring er den perfekte frontløber for alle forespørgsler, uanset om det er salg eller service. Det kan hjælpe med at tildele de bedste ressourcer og den mest effektive forespørgselshåndtering. Og bedst af alt – medarbejderne behøver ikke at føle sig truede. ML erstatter dem ikke, men gør deres jobs mere relevante og effektive ved at hjælpe med ellers trivielle opgaver.

Av: Stefan Pedersen, adm. Direktør, WaveAccess Nordics