Machine Learning ในแง่ของการบริการลูกค้ามักถูกใช้ในการอำนวยความสะดวกให้กับลูกค้าในอีกระดับหนึ่งที่สูงกว่า และการเพิ่มประสิทธิภาพการทำงานของเจ้าหน้าที่ฝ่ายซัพพอร์ต เครื่องมือ Customer Analytics ที่มุ่งเน้นการซัพพอร์ตร่วมกับเทคโนโลยี Machine Learning เองกำลังได้รับความนิยมที่เพิ่มมากขึ้นอย่างมาก เนื่องจากมักเป็นแอปพลิเคชันที่ใช้งานได้ง่ายและประสบความสำเร็จในอุตสาหกรรมต่างๆ ล่าสุด Gartner คาดการณ์ว่าภายในปี 2021 กว่า 15% ของการมีปฏิสัมพันธ์ในการบริการลูกค้าจะถูกรับมือด้วย Artificial Intelligence (ปัญญาประดิษฐ์) โดยสมบูรณ์ ทว่าสวนทางกับความนิยมที่เพิ่มมากขึ้น ปฏิเสธไม่ได้ว่ายังคงมีความกังขาเกี่ยวกับการใช้งานเทคโนโลยีเอไอ โดยเฉพาะ Machine Learning
ในบทความนี้ เราจะมาเคลียร์ข้อกังขาในแง่ของการใช้ Machine Learning ร่วมกับการบริการลูกค้ากัน
ส่งต่อข้อมูลเชิงลึก
ก่อนอื่น มาดูคำจำกัดความของ Machine Learning กันก่อน :
Machine Learning เป็นประเภทหนึ่งของเทคโนโลยีเอไอที่ใช้อัลกอริทึมหลายชั้นเพื่อ “เรียนรู้” จากการประมวลผลข้อมูล ในขณะที่ปัญญาประดิษฐ์เป็นคำที่ใช้โดยทั่วไปในการจำลองความฉลาดของมนุษย์ Machine Learning จะเกี่ยวข้องกับวิธีการที่เครื่องได้รับข้อมูล เข้าใจกฎระเบียบการทำงานในแบบที่ควรจะเป็น และวิธีการที่จะประมวลผลดีขึ้นเรื่อยๆ เมื่อเวลาผ่านไป
แอปพลิเคชัน Machine Learning ที่ใช้งานแล้วได้ผลดี มักจะเป็นเชิงอุตสาหกรรมที่มีการประมวลผลข้อมูลจำนวนมากเข้ามาเกี่ยวข้อง หรือมีขั้นตอนที่จำเป็นต้องใช้การตัดสินใจอย่างชาญฉลาด จริงอยู่ที่สมองของคนเราอาจไม่สามารถรองรับข้อมูลมหาศาลได้เท่าอัลกอริทึม แต่ก็แน่นอนว่ามีสิ่งที่มนุษย์ทำได้ดีกว่าอย่างการรับมือกับลูกค้าที่อารมณ์เสียโดยตรง ในส่วนแง่ของประสิทธิภาพการบริการลูกค้านั้น เจ้าหน้าที่ซัพพอร์ตที่เป็นคนจริงๆ แล้วก็มีข้อมูลครบแน่น ก็ยังคงเป็นที่ชื่นชอบสำหรับการบริการลูกค้ามากกว่าอยู่ดี
มุ่งเน้นที่ Self-Service
จากแบบสำรวจพบว่า 81% ของลูกค้าจะชอบหาทางแก้ปัญหาด้วยตัวเองก่อนสอบถามไปยังเจ้าหน้าที่ซัพพอร์ต ดังนั้นในหลายๆ องค์กรจึงได้มีการเพิ่มบริการ Self-Service ด้วยหวังว่าจะสามารถส่งมอบประสบการณ์ลูกค้าที่ดีขึ้นได้ หนึ่งในวิธีการที่ง่ายที่สุดในการทำ Self-Service ก็คือการสร้างระบบฐานความรู้
Self-Service เป็นกรณีที่มีการใช้งานแอปพลิเคชัน Machine Learning เข้าช่วยที่พบเห็นได้ทั่วไปในปัจจุบัน ไม่ว่าจะเป็น Chatbots, Virtual Assistants และเครื่องมือเสริม AI อื่นๆ ที่สามารถ “เรียนรู้” และจำลองการโต้ตอบเจ้าหน้าที่บริการลูกค้าได้ บางแอปพลิเคชันก็นิยมใช้เป็น Deep Learning ซึ่งเป็น Machine Learning ที่ประมวลผลได้ลึกซึ้งยิ่งกว่า เพื่อให้ได้ผลลัพธ์ที่แม่นยำและสามารถช่วยเหลือผู้ใช้งานได้มากขึ้น
แล้ว Machine Learning ช่วยยกระดับการบริการลูกค้าได้อย่างไร?
1. Chatbot
หากพูดถึงเทคโนโลยีเอไอใน Customer Service สิ่งแรกๆ ที่ผลุบเข้ามาในความคิดของใครหลายๆ คนก็คงไม่พ้น Chatbots ด้วยความสามารถในการจำลองบทสนทนาและการแก้ไขคำร้องที่ง่ายดายได้ ทำให้ Chatbots เป็น Customer Service Solution ที่มีผลการตอบรับดีเลิศ Machine Learning ช่วยให้ Chatbots รู้ได้ว่าเวลาไหนที่ต้องการการตอบรับที่ต้องเจาะจงเป็นพิเศษ อย่างเวลาไหนที่ต้องใช้ข้อมูลสำคัญจาก Users หรือเวลาไหนที่ควรปล่อยให้เจ้าหน้าที่จริงๆ มารับมือ
2. Virtual assistants
Virtual assistants หรือ ผู้ช่วยเสมือนจะแตกต่างจาก Chatbots ตรงที่ผู้ช่วยเสมือนจะไม่จำลองการสนทนากับเจ้าหน้าที่ แต่จะเจาะจงไปที่ส่วนใดส่วนหนึ่งของ Customer Journey ว่ามีจุดไหนที่จะสามารถช่วยเหลือลูกค้าได้บ้าง เมื่อรวมกับความสามารถของ Machine Learning ผู้ช่วยเสมือนจะสามารถรู้ได้ว่าข้อมูลแบบไหนที่ควรส่งต่อไปยังเจ้าหน้าที่ (หรือบันทึกไว้ใช้ในโปรแกรมวิเคราะห์) และสามารถปรับปรุงการให้ความช่วยเหลือของตัวเองได้
ยกตัวอย่าง Answer Bot ของ Zendesk ที่จะช่วยแนะนำได้ว่าลูกค้าที่มีคำร้องไหนควรจะเข้าชมบทความไหน และยังช่วยเจ้าหน้าที่ในการค้นหาบทความที่ต้องการได้อีกด้วย
3. Content Creation
เกือบ 40% ของลูกค้ากล่าวว่าการค้นหาด้วยตนเองในฐานความรู้ก็ไม่อาจช่วยให้พวกเขาค้นเจอบทความที่ต้องการได้ Machine Learning สามารถช่วยในการวิเคราะห์ข้อมูลที่มาจาก Tickets และเปลี่ยนให้เป็นข้อมูลเชิงลึกที่นำไปใช้ได้จริงให้กับเจ้าหน้าที่ในการปรับแต่งบทความช่วยเหลือนั้นๆ ข้อมูลเชิงลึกนี้ยังชี้ให้เห็นว่า Users มีการบอกเล่าปัญหาของตนเองยังไง และหากว่าคำบรรยายนั้นคล้ายคลึงกับคอนเทนต์ที่มีในฐานความรู้ เจ้าหน้าที่ก็สามารถใช้การแนะนำนั้นและปรับปรุงบทความ ทำให้ลูกค้าค้นหาได้ง่ายขึ้น
4. Predictive analytics
Customer Service จำเป็นต้องมีระบบวิเคราะห์วัดผล เพื่อที่จะได้รู้ข้อบกพร่องและนำมาปรับปรุงเพิ่มประสิทธิภาพ Machine Learning สามารถเข้าช่วยในการคาดการณ์ในระดับที่ลึกยิ่งขึ้น โดยใช้ข้อมูลจากการโต้ตอบระหว่างเจ้าหน้าที่กับลูกค้าในการประเมินว่าจะมีผลลัพธ์อย่างไรเกิดขึ้นในอนาคต ระบบวิเคราะห์คาดการณ์ยังสามารถช่วยในการเจาะข้อมูลเชิงลึกที่เจ้าหน้าที่อาจพลาดไปแบบเรียลไทม์ได้อีกด้วย
อย่างในกรณีของเครื่องมือคาดคะเนความพึงพอใจของ Zendesk (Zendesk’s Satisfaction Prediction tool) จะช่วยในการคาดการณ์คะแนน CSAT ของลูกค้า การมีข้อมูลเชิงลึกนี้ช่วยให้ฝ่าย Customer Service ส่งมอบประสบการณ์ที่ดีขึ้นให้กับลูกค้าได้
ที่มา : Zendesk
- สอบถามรายละเอียดเพิ่มเติม ราคา Zendesk พร้อมโปรโมชันพิเศษ โทร. 02-030-0066
- 096-804-5482 (คุณยิ่ว), 097-187-7302 (คุณเล็ก), 092-262-0475 (คุณตอง)
- support@dmit.co.th
Official LINE
