Dengan semakin matangnya teknologi conversational AI, banyak perusahaan yang menyambut gagasan untuk menerapkan bot yang dapat memahami bahasa secara alami dan kemudian menyelesaikan pertanyaan pelanggan yang paling sering — seperti yang dapat dilakukan oleh agen manusia. Tim contact center melihat ROI yang signifikan karena bot dapat menangani pertanyaan-pertanyaan yang berulang di berbagai saluran saat tim contact center menghadapi banyak masalah — dan memiliki sumber daya agen yang terbatas. Namun, seberapa baik kinerja bot ini di lingkungan nyata selalu menjadi perhatian.
Anda mungkin pernah mengalaminya sendiri. Anda memerlukan bantuan dengan rekening bank Anda. Pilihannya adalah Anda bisa menghubungi langsung call centernya, atau Anda bisa menggunakan bot yang mungkin disediakan oleh bank anda. Keuntungan bot adalah selalu aktif dan selalu siap menjawab pertanyaan Anda. Data menunjukkan sebenarnya bahwa pelanggan sangat terbuka untuk berinteraksi dengan bot. Namun, lebih jauh dari itu sebenarnya masih ada keraguan untuk menggunakan bot.
Banyak pelanggan telah memiliki pengalaman bot yang buruk. Bot terkenal karena menanyakan pertanyaan yang sama berulang-ulang, seperti: Maaf, saya tidak mengerti itu. Bisakah Anda mengulanginya? Atau paling parahnya: Maaf. Saya tidak mengerti. Untuk memberikan empati dalam skala besar, perusahaan seharusnya tidak membuat hambatan untuk melayani pelanggan. Bot yang efektif seharusnya membuat pelanggan jadi ingin berinteraksi. Mereka bekerja dengan pelanggan — bukan melawan mereka.
Dan untuk membuat bot yang efektif, perusahaan sebaiknya mempertimbangkan 5 hal berikut ini:
1. Jangan Menebak Niat Pelanggan Anda
Inti dari bot adalah manajemen niat. Saat pelanggan berkomunikasi dengan bot melalui ucapan atau teks, bot menerapkan model bahasa alami untuk memahami makna pernyataan tersebut. Bahasa alami bisa rumit. Pelanggan dapat mengemas banyak informasi ke dalam satu pertanyaan; apa yang pelanggan katakan tidak selalu menyampaikan apa yang dia maksud.
Pembuat bot menghabiskan waktu berjam-jam untuk menemukan hal-hal yang mungkin akan dikatakan pelanggan untuk menyampaikan maksud, seperti “status pesanan” atau “pembayaran tagihan”. Ini bisa memakan waktu lama dan penuh dengan kesalahan. Seringkali, pembangun memulai dengan sekumpulan kecil ucapan (kemungkinan pernyataan) dan menambahkan lebih banyak dari waktu ke waktu. Tentu saja, itu berarti pengguna bot awal dihadapkan dengan respon yang ditakuti: “Maaf, saya tidak dapat memahami maksud Anda”
Solusinya adalah mengambil pendekatan berbasis data. Menggunakan data dari interaksi sebelumnya untuk memahami bagaimana pelanggan mengutarakan permintaan mereka — dan ini dapat memberi Anda pandangan tentang apa yang ditanyakan itu. Ini menjadi semakin kritis ketika dunia bergerak online dan volume permintaan layanan pelanggan meningkat.
Mengambil pendekatan berbasis data aktual untuk membuat dan memperbarui model bot, pada gilirannya, akan membuat bot yang lebih akurat. Mereka akan memahami dan menjawab pertanyaan dengan benar pertama kali — tanpa meminta klarifikasi tanpa akhir.
2. Ada sentuhan pribadi
Pelanggan tidak menyukai bot yang berpura-pura menjadi manusia. Mereka tahu bahwa mereka sedang berinteraksi dengan mesin; mereka tidak suka merasa tertipu. Konon, berbicara dengan robot bisa jadi tidak nyaman dan sulit. Pelanggan terkadang mengulangi informasi yang sama – seperti usia, atau nomor rekening mereka – karena robot tidak mengetahui siapa mereka – dan robot tidak mengingat apa yang mereka katakan.
Membuat interaksi menjadi pribadi berarti menggunakan data kontekstual untuk mendorong percakapan. Cari peluang untuk mempersonalisasi pengalaman. Berikut beberapa contohnya:
- Jika pelanggan sudah masuk ke sistem, jangan tanyakan nomor rekeningnya. Jika mereka cukup mempercayai Anda untuk memberi Anda data mereka, gunakan itu.
- Jika Anda sudah meminta data pelanggan selama percakapan, jangan memintanya lagi. Ingat apa yang mereka katakan.
- Memahami konteks. Jika pelanggan telah melihat suatu produk dan bertanya tentang ukuran, jangan memberi mereka jawaban umum tentang kemungkinan ukuran yang Anda bawa. Buatlah jawaban yang relevan.
- Kesalahan ketik yang benar. Jika pelanggan memasukkan tanggal yang tidak mungkin atau nilai yang tidak sesuai dengan rentang, jangan hanya mengatakan “Saya tidak mengerti tanggapan Anda” di akhir. Kenali kesalahannya dan bantu mereka memperbaikinya. Kita semua sibuk dengan rentang perhatian yang terbatas; jangan membuat interaksi lebih sulit dari yang seharusnya.
Untuk membangun bot yang memungkinkan personalisasi, bot harus dapat memanfaatkan data yang telah disediakan pelanggan.
3. Hindari jalan buntu
Bot hanya bisa melakukan banyak hal; ketika mereka mencapai akhir dari kemampuan mereka, pengalaman terburuk bagi pelanggan adalah jalan buntu. Ini terasa seperti kebalikan dari empati.
Salah satu cara untuk menghindari mengarahkan pelanggan ke jalan buntu adalah memastikan mereka dapat beralih dari bot ke agent langsung. Cara yang kurang nyaman adalah membuat bot mengatakan: “Saya tidak dapat membantu Anda. Hubungi XXX-XXX-XXXX“. Sementara itu menghilangkan jalan buntu, itu membebani pelanggan. Pelanggan harus melakukan panggilan sendiri dan sering meninggalkan interaksi tanpa resolusi. Selain itu, untuk skenario tersebut, bot sering terputus. Jika pelanggan menghubungi agent, maka agent tidak akan menyadari interaksi sebelumnya. Demikian pula, bot tidak akan mengetahui interaksi agent apa pun yang telah terjadi.
Transfer yang empatik harus berjalan mulus, dan terasa seperti kelanjutan interaksi. Bot harus secara otomatis menempatkan pelanggan ke dalam antrian agent saat interaksi memanggilnya. Dengan predictive routing, kecerdasan buatan (AI) kemudian digunakan untuk mengarahkan pelanggan ke agent terbaik untuk hasil yang diinginkan. Interaksi lebih berhasil karena pelanggan secara otomatis terhubung ke agent dengan keterampilan yang tepat, daripada diteruskan secara manual dari agent ke agent.
4. Konteks adalah Raja
Untuk bot, konteks adalah segalanya. Menurut kamus Oxford-Inggris, konteks adalah “keadaan yang membentuk latar untuk suatu peristiwa, pernyataan, atau gagasan, dan dalam pengertian yang dapat sepenuhnya dipahami dan dinilai.” Perhatikan bahwa kata “dipahami” dan “dinilai” adalah bagian dari definisi. Bot yang tidak efektif gagal karena mereka tidak mengerti; dan mereka tidak dapat menilai apa yang diminta pelanggan. Konteks memberi model bahasa yang mendorong bot memiliki kemampuan untuk memahami makna di balik permintaan pelanggan.
Konteks lebih dari sekadar data pelatihan. Konteks adalah riwayat interaksi dan kemampuan bot untuk “melihat” di mana pelanggan berada dalam customer journey mereka. Dan dengan teknologi menggunakan data untuk memprediksi tindakan terbaik berikutnya, termasuk kebutuhan untuk melibatkan bot atau transfer ke agent.
Saat bot mentransfer interaksi ke agent, bot mengambil konteks interaksi itu dan meneruskannya ke agent. Ini berarti pelanggan tidak perlu mengulangi sesuatu. Dengan menyediakan transisi yang mulus dan berbasis data ini, bot bukanlah strategi untuk menggantikan manusia. Sebaliknya, bot membebaskan agen dari tugas rutin sehingga mereka dapat memecahkan masalah yang lebih kompleks. Ini mengurangi stres bagi agent dan meminimalkan frustrasi mereka dalam menjawab pertanyaan yang sama berulang kali.
5. Bot tidak boleh berdiri sendiri
Bot yang berdiri sendiri dan tidak terhubung yang buta terhadap customer journey tidak seefektif bot yang dapat mengenali di mana pelanggan berada dan mengetahui ke mana arah pertanyaan pelanggan. Bot yang memberikan Anda informasi yang sama yang baru saja Anda dapatkan akan membuat frustrasi. Bot yang melakukannya terus-menerus akan digunakan sebagai contoh layanan pelanggan yang salah.
Banyak solusi DIY dapat membuat bot. Bot DIY ini dapat dilatih untuk melakukan banyak hal, tetapi tanpa kemampuan untuk bekerja dalam konteks customer journey, mereka tetap diam — tidak menyadari perjalanan pelanggan. Bot ini sering kali muncul secara acak, memberikan jawaban atas pertanyaan yang tidak dimiliki pelanggan.
Sebelum memilih alat pembuat bot, perusahaan harus memastikan bahwa mereka dapat mengakses data interaksi secara real time, data historis tentang pelanggan, dan semua konteks yang diperlukan untuk memastikan bot ini terintegrasi dengan erat dan mengetahui customer journey nya. Apa yang mungkin tampak seperti solusi mudah dapat dengan cepat menjadi implementasi yang sangat kompleks ketika perusahaan ingin mengintegrasikan data.
Saat memikirkan waktu untuk implementasi, pertimbangkan berapa banyak upaya yang perlu Anda keluarkan untuk mendapatkan data interaksi ke dalam format yang dapat dipahami bot Anda. Pastikan data dapat dibaca; kinerja tidak menurun, dan data Anda tidak terganggu.