Gevinster:
- Evne til at klassificere kundespørgsmål med kunstig intelligens og chatbot og udarbejde svarudkast og vejledning
- Evne til at teste nøjagtigheden af automatiske svar, dækningsomfang og eskaleringstærskel med politik og procedure
- Forstå behovet for menneskelig eskalering af klager, kompensation og juridiske anmodninger og grænserne for chatbots
Kundeservice inden for forsikring er en uendelig trafik: policespørgsmål, skadesstatussporing, præmiebetaling, dækningsforklaring, annullering og refusionsanmodninger, klager. Mange af disse anmodninger er gentagne og informative; Nogle af dem har økonomiske eller juridiske konsekvenser. Kunstig intelligens og chatbot (software, der automatisk korresponderer med kunden, klassificerer og besvarer spørgsmål) er kraftfulde værktøjer til at styre denne trafik: den klassificerer den indkommende anmodning, producerer udkast til svar på ofte stillede spørgsmål og leder kunden til den rigtige enhed. Men chatbotten er ikke en forsikringsekspert; At producere resultater på egen hånd vedrørende spørgsmål som dækning, kompensationsbeløb, annullering-refusion osv. indebærer risiko for både ukorrekte oplysninger og uautoriserede transaktioner. I denne enhed lærer du, hvordan du klassificerer og reagerer på kundeforespørgsler med kunstig intelligens, hvordan du tester automatiske svar med politikker og procedurer, og hvilke anmodninger der skal menneskeligt eskaleres (delegeret til en autoriseret medarbejder).
Hvad gør en chatbot, og hvor stopper den?
AI-drevet kundeservice er sikker for:
- Anmodningsklassificering: Bestemmelse af emnet for den indgående meddelelse (politikforespørgsel, skadessporing, betaling, klage, annullering) og diriger den til det korrekte flow.
- Information: Besvarelse af faktuelle spørgsmål såsom "På hvilket stadium er min skadesfil?", "Hvad er premium betalingskanalerne?", "Hvornår bliver min police fornyet?"
- Svarudkast: Giver agenten et færdigt udkast til et komplekst spørgsmål (agenten retter og sender).
- Vidensbasesøgning: Finde og sammenfatte relevant information fra proceduren og FAQ.
Chatbotten bør stå alene og uddelegere følgende opgaver til mennesker: dækningsfortolkning, forpligtelse til kompensationsbeløb, annullering og præmierefusionsproces, klageløsning, juridiske anmodninger, transaktioner, der kræver følsomme data. Disse har økonomiske/juridiske konsekvenser og kræver kompetent menneskelig dømmekraft.
OBS: Hvis chatbotten giver et løfte som "din police vil dække dette" eller "dit refusionsbeløb vil være så meget", hvis dette er forkert, vil virksomheden blive bundet, og kunden vil blive fornærmet. Spørgsmål som omfang og mængde bør skaleres til mennesker.
Eskaleringstærskel: hvornår skal man overføre til menneske
Hjertet i ethvert chatbot-design er eskaleringsregler. En god tærskel stopper automatisering og omdirigerer til den autoriserede medarbejder, når:
- Økonomisk konsekvens: Afbud, tilbagebetaling, erstatning, præmieændring.
- Dækningskommentar: Spørgsmål, der kræver politikfortolkning, såsom "Vil denne skade blive dækket?"
- Klage og utilfredshed: Følelsesmæssige situationer, der kræver løsning.
- Tvetydighed: Svar med lav tillid, hvor chatbotten er usikker.
- Følsomme data/identitet: Transaktioner, der kræver godkendelse og følsomme data.
- Juridisk indhold: Advarsel, retssag, juridiske krav.
Tip: Som regel skal du instruere chatbotten "hvis du ikke er sikker, så lad være med at finde på det; sig 'Jeg vil forbinde dig med en ekspert i dette'." Den farligste adfærd for en chatbot er, når den selvsikkert svarer på noget, den ikke ved.
Trin for trin: Sikkert kundeserviceflow
- Klassificer anmodningen. Bestem emnet og det haster.
- Skelne mellem information og handling. Faktuelle oplysninger → chatbot kan svare; handling/beslutning → skala.
- Test svar mod procedure/politik. Chatbot-svar skal være baseret på vidensbase og ikke opbygget.
- Anvend eskaleringstærskel. Økonomisk/juridisk/omfang/klage → overdragelse til menneske.
- Beskyt identitet og privatliv. Ved følsom behandling er autentificering og databeskyttelse på den menneskelige side.
- Sæt dit præg. Gem samtale- og overdragelsespunktet; beskytte kundeoplevelse og kontrol.
tre minisager
Case 1 — Korrekt eskalering. En kunde skrev til chatbotten: "Jeg vil annullere min politik og få min præmie tilbage." I stedet for selv at behandle annulleringen og tilbagebetalingen gav chatbotten generelle oplysninger om annulleringsbetingelserne og eskalerede anmodningen til den autoriserede repræsentant. Repræsentanten foretog en dagsbaseret beregning af præmietilbagebetalingen (tilbagebetaling svarende til de uudnyttede dage af policen): Ca. 5.600 TL bruttorefusion for de resterende 7 måneder af den 12-måneders præmie på 9.600 TL blev nettoført efter fradrag. Der ville være et problem, hvis chatbotten forpligtede et forkert beløb alene.
Tilfælde 2 — Forebyggelse af fabrikation. En kunde spurgte: "Dækker min forsikring dækskader?" I stedet for at give et definitivt "ja/nej" takket være "ikke sikker"-reglen, sagde chatbotten, "dækningen kan variere afhængigt af din politik; jeg forbinder dig med en af vores eksperter." Eksperten tjekkede politikken; I denne police var dækket kun dækket, hvis det var beskadiget sammen med en anden dækning. Hvis chatbotten havde sagt "ja" ville det have skabt den forkerte forventning.
Case 3 - Hastighed i rutinen. 70 % af spørgsmålene "På hvilket tidspunkt er min skadesfil?" blev besvaret øjeblikkeligt af chatbot (ved at trække filstatus fra videnbasen). Dette frigjorde agenter fra rutinemæssige forespørgsler og gav dem mulighed for at fokusere på komplekse anmodninger og klageanmodninger. Den gennemsnitlige svartid faldt markant; Takket være eskaleringstærsklen faldt kvaliteten ikke.
Fire kopierbare prompter
1) Efterspørgselsklassificering:
Du er forsikringskundeserviceassistent. Klassificer kundebeskeden nedenfor: [meddelelse]Output: emne (politikforespørgsel / kravsporing / betaling / annullering-refusion / klage / juridisk / andet), haster (lav/middel/høj) og "kan chatbotten svare eller er det menneskeligt eskaleret" beslutning + begrundelse.
2) Informationssvar (begrænset):
Udarbejd et svar på et kundespørgsmål baseret på følgende vidensbase:Spørgsmål: [spørgsmål] Vidensbase: [relateret procedure/FAQ]Baser kun på viden i videnbasen; montering. For den del, der kræver handling/beslutning såsom dækning, beløb eller annullering-refusion, skal du sige "Jeg kontakter vores ekspert".
3) Kontrol af eskaleringstærskel:
Revider følgende samtale for eskalering: [samtale]Se efter tegn, der kræver overdragelse til menneske: finansiel transaktion (annullering/refusion/kompensation), omfangskommentar, klage, juridisk erklæring, følsomme data, ringe tillid til chatbotten. Hvis overdragelse er påkrævet, angiv hvorfor og til hvilken enhed der skal henvises.
4) Svarudkast til delegeret (komplekst spørgsmål):
Få en kontorepræsentant til at udarbejde et svar på følgende komplekse spørgsmål:Spørgsmål: [spørgsmål] Relateret politik/procedure: [indsæt]Udkast høfligt og klart; Marker krav om omfang/beløb med en "agent skal bekræfte"-notat. At lave en sætning med et bestemt engagement.
Svag prompt / Stærk prompt
Svag: "Lad chatbotten besvare kundens alle spørgsmål og fuldfør transaktionerne."
Problem: Overlader rød-zone opgaver som annullering/refusion/dækning til automatisering; risiko for misinformation og uautoriserede transaktioner.
Güçlü: "Lad chatbotten besvare faktuelle spørgsmål baseret på dens vidensbase; oversæt dækning, beløb, annullering-refusion og klage til mennesker; hvis den ikke er sikker, så lad være med at finde på det, men forbind det til en ekspert."
Hvorfor det er godt: Rutine accelererer, risikable beslutninger går til folk, fabrikation forhindres.
sammenligningsdiagram
Anmodningstype
chatbot
menneske
Hvorfor
Forespørgsel om filstatus
Svar
—
faktuelle oplysninger
Premium betalingskanal
Svar
—
Information
Omfangskommentar
Eskalerer
bestemmer
Politik fortolkning
Afbestilling/refusion
Information + skala
foretager transaktioner
Økonomisk resultat
klage
Eskalerer
løser
Tilfredshed/lov
lovkrav
Eskalerer
juridisk/ekspert
juridisk konsekvens
Almindelige fejl
- Få chatbotten til at forpligte sig. Bindende udsagn som "din politik vil dække det" eller "din refusion vil være så meget."
- Indstilling af eskaleringstærsklen svagt. Overlader det økonomiske/retlige krav i automatisering.
- Ikke at lave "Jeg er ikke sikker"-reglen. Chatbottens selvsikre fremstilling af det, den ikke ved.
- Deling af følsomme oplysninger uden godkendelse. At give oplysninger om politik/skade til en uautoriseret person.
- Efterlad ingen spor. Svækkelse af revisions- og kunderettigheder ved ikke at optage samtalen og overdragelsespunktet.
Sammenfattende
I kundeservice klassificerer kunstig intelligens og chatbot anmodningen, besvarer faktuelle spørgsmål og producerer svarudkast; men omfangsfortolkningen, beløbet, annullering-refusion, klager og juridiske anmodninger er på menneskelig størrelse. Etabler en stærk eskaleringstærskel og en "hvis du ikke er sikker, så gør det op"-regel; autentificere følsomme data; Spor hver samtale. Fremskynd rutinearbejdet, men overlad enhver beslutning, der har økonomiske og juridiske konsekvenser, til en kompetent person.
Ansøgningsopgave
Skriv fem forskellige eksempler på kundebeskeder (én annullering-refusion, ét dækningsspørgsmål, én sagsstatus, én klage, én betaling). Klassificer hver enkelt med prompt nummer 1 og beslut "chatbot eller menneske". Evaluer resultaterne: fungerer eskaleringstærsklen korrekt? Hvis det er forkert klassificeret, så skriv venligst, hvordan du vil styrke prompten.
tjekliste
- [ ] Jeg har klassificeret anmodningerne efter emne og hastende karakter.
- [ ] Jeg gjorde forskellen mellem information og proces; Jeg skalerede processen.
- [ ] Jeg baserede chatbot-svaret på videnbasen; Jeg forhindrede fremstillingen.
- [ ] Jeg har opsat eskaleringstærskel for økonomisk/juridisk/omfang/klage.
- [ ] Jeg tilføjede reglen "Hvis du ikke er sikker, kontakt en ekspert".
- [ ] Jeg overlod autentificering og databeskyttelse til mennesker i følsomme transaktioner.
- [ ] Jeg optog samtalen og overdragelsespunktet.