Kecerdasan Buatan dalam Perkhidmatan Pelanggan, Chatbot dan Pengurusan Permintaan

Keuntungan:

• Keupayaan untuk mengklasifikasikan soalan pelanggan dengan kecerdasan buatan dan chatbot serta menyediakan draf dan panduan respons
• Keupayaan untuk menguji ketepatan respons automatik, skop liputan dan ambang peningkatan dengan dasar dan prosedur
• Memahami keperluan untuk peningkatan aduan, pampasan dan permintaan undang-undang manusia serta had chatbots

Perkhidmatan pelanggan dalam insurans ialah trafik yang tidak berkesudahan: soalan polisi, penjejakan status kerosakan, pembayaran premium, penjelasan perlindungan, permintaan pembatalan dan bayaran balik, aduan. Kebanyakan permintaan ini berulang dan bermaklumat; Sebahagian daripada mereka mempunyai akibat kewangan atau undang-undang. Kecerdasan buatan dan chatbot (perisian yang sepadan secara automatik dengan pelanggan, mengelaskan dan menjawab soalan) ialah alat yang berkuasa dalam mengurus trafik ini: ia mengklasifikasikan permintaan masuk, menghasilkan draf jawapan kepada soalan lazim dan mengarahkan pelanggan ke unit yang betul. Tetapi chatbot bukan pakar insurans; Menghasilkan keputusan sendiri mengenai isu-isu seperti perlindungan, jumlah pampasan, pembatalan-bayaran balik, dll. membawa risiko kedua-dua maklumat yang salah dan transaksi yang tidak dibenarkan. Dalam unit ini, anda akan mempelajari cara anda mengklasifikasikan dan membalas permintaan pelanggan dengan kecerdasan buatan, cara anda menguji respons automatik dengan dasar dan prosedur serta permintaan yang mesti ditingkatkan oleh manusia (diwakilkan kepada pekerja yang diberi kuasa).

Apakah yang dilakukan oleh chatbot dan di manakah ia berhenti?

Perkhidmatan pelanggan dikuasakan AI selamat untuk:

• Klasifikasi permintaan: Menentukan subjek mesej masuk (pertanyaan dasar, penjejakan kerosakan, pembayaran, aduan, pembatalan) dan mengarahkannya ke aliran yang betul.
• Maklumat: Menjawab soalan fakta seperti "Pada peringkat manakah fail kerosakan saya?", "Apakah saluran pembayaran premium?", "Bilakah polisi saya akan diperbaharui?"
• Draf respons: Menyediakan ejen dengan draf siap sedia untuk soalan kompleks (ejen membetulkan dan menghantar).
• Carian asas pengetahuan: Mencari dan meringkaskan maklumat yang berkaitan daripada prosedur dan Soalan Lazim.

Chatbot harus berdiri sendiri dan mewakilkan tugas berikut kepada manusia: tafsiran liputan, komitmen jumlah pampasan, pembatalan dan proses bayaran balik premium, penyelesaian aduan, permintaan undang-undang, transaksi yang memerlukan data sensitif. Ini mempunyai akibat kewangan/undang-undang dan memerlukan pertimbangan manusia yang cekap.

Perhatian: Jika chatbot membuat janji seperti "dasar anda akan melindungi ini" atau "amaun bayaran balik anda akan sebanyak ini", jika ini salah, syarikat akan terikat dan pelanggan akan terkilan. Isu-isu seperti skop dan jumlah harus dipertingkatkan kepada manusia.

Ambang peningkatan: bila hendak dipindahkan kepada manusia

Inti setiap reka bentuk chatbot ialah peraturan peningkatan. Ambang yang baik menghentikan automasi dan mengubah hala kepada pekerja yang diberi kuasa apabila:

1. Akibat kewangan: Pembatalan, bayaran balik, pampasan, perubahan premium.
2. Ulasan liputan: Soalan yang memerlukan tafsiran dasar, seperti "Adakah kerosakan ini akan dilindungi?"
3. Aduan dan rasa tidak puas hati: Situasi emosi yang memerlukan penyelesaian.
4. Kekaburan: Keyakinan rendah menjawab apabila chatbot tidak pasti.
5. Data/identiti sensitif: Transaksi yang memerlukan pengesahan dan data sensitif.
6. Kandungan undang-undang: Amaran, tuntutan mahkamah, pernyataan tuntutan undang-undang.

Petua: Sebagai peraturan, arahkan chatbot "jika anda tidak pasti, jangan mengada-ada; katakan 'Saya akan menghubungkan anda dengan pakar tentang perkara ini'." Tingkah laku chatbot yang paling berbahaya ialah apabila ia dengan yakin menjawab sesuatu yang tidak diketahuinya.

Langkah demi langkah: Aliran perkhidmatan pelanggan selamat

1. Klasifikasikan permintaan. Tentukan topik dan segera.
2. Bezakan antara maklumat dan tindakan. Maklumat fakta → chatbot boleh menjawab; tindakan/keputusan → skala.
3. Uji respons terhadap prosedur/dasar. Respons chatbot hendaklah berdasarkan pangkalan pengetahuan dan bukan dibuat-buat.
4. Gunakan ambang peningkatan. Kewangan/undang-undang/skop/aduan → penyerahan kepada manusia.
5. Lindungi identiti dan privasi. Dalam pemprosesan sensitif, pengesahan dan perlindungan data adalah di sisi manusia.
6. Tinggalkan tanda anda. Simpan perbualan dan titik penyerahan; melindungi pengalaman dan kawalan pelanggan.

tiga kes mini

Kes 1 — Peningkatan yang betul. Seorang pelanggan menulis kepada chatbot, "Saya mahu membatalkan polisi saya dan mendapatkan semula premium saya." Daripada memproses pembatalan dan bayaran balik itu sendiri, chatbot memberikan maklumat umum tentang syarat pembatalan dan memajukan permintaan kepada wakil yang diberi kuasa. Wakil itu membuat pengiraan berdasarkan hari bayaran balik premium (bayaran balik bersamaan dengan hari polisi yang tidak digunakan): Kira-kira 5,600 TL bayaran balik kasar untuk baki 7 bulan premium 12 bulan 9,600 TL telah dijaringkan selepas potongan. Akan ada masalah jika chatbot melakukan amaun yang salah dengan sendirinya.

Kes 2 — Mencegah fabrikasi. Seorang pelanggan bertanya, "Adakah polisi insurans saya melindungi kerosakan tayar?" Daripada memberikan "ya/tidak" yang pasti terima kasih kepada peraturan "tidak pasti", chatbot berkata, "liputan mungkin berbeza-beza bergantung pada dasar anda; saya menghubungkan anda dengan salah seorang pakar kami." Pakar menyemak dasar; Dalam polisi ini, tayar dilindungi hanya jika ia rosak bersama dengan perlindungan lain. Jika chatbot berkata "ya" ia akan mewujudkan jangkaan yang salah.

Kes 3 — Kelajuan dalam rutin. 70% daripada soalan "Pada peringkat manakah fail kerosakan saya?" telah dijawab serta-merta oleh chatbot (dengan menarik status fail dari pangkalan pengetahuan). Ini membebaskan ejen daripada pertanyaan rutin dan membolehkan mereka memberi tumpuan kepada permintaan yang kompleks dan aduan. Purata masa tindak balas menurun dengan ketara; Terima kasih kepada ambang peningkatan, kualiti tidak menurun.

Empat gesaan yang boleh disalin

1) Klasifikasi permintaan:

Anda seorang pembantu perkhidmatan pelanggan insurans. Kelaskan mesej pelanggan di bawah: [mesej]Output: topik (pertanyaan dasar / penjejakan tuntutan / pembayaran / pembatalan-bayaran balik / aduan / sah / lain-lain), segera (rendah/sederhana/tinggi), dan "bolehkah chatbot menjawab atau adakah keputusan manusia meningkat" + rasional.

2) Respons bermaklumat (terhad):

Draf jawapan kepada soalan pelanggan berdasarkan pangkalan pengetahuan berikut: Soalan: [soalan] Pangkalan pengetahuan: [prosedur berkaitan/FAQ]Hanya berdasarkan pengetahuan dalam pangkalan pengetahuan; sesuai. Untuk bahagian yang memerlukan tindakan/keputusan seperti perlindungan, jumlah atau bayaran balik pembatalan, sebut "Saya akan menghubungi pakar kami".

3) Kawalan ambang peningkatan:

Audit perbualan berikut untuk peningkatan: [perbualan]Cari tanda yang memerlukan penyerahan kepada manusia: transaksi kewangan (pembatalan/bayaran balik/pampasan), ulasan skop, aduan, penyata undang-undang, data sensitif, kepercayaan rendah terhadap chatbot. Jika penyerahan diperlukan, nyatakan mengapa dan unit mana yang hendak dirujuk.

4) Jawab draf untuk perwakilan (soalan kompleks):

Minta wakil akaun merangka jawapan kepada soalan kompleks berikut:Soalan: [soalan] Dasar/prosedur berkaitan: [tampal]Draf sopan dan jelas; Tandai skop/jumlah tuntutan dengan nota "ejen mesti mengesahkan". Membuat ayat dengan komitmen yang pasti.

Gesaan lemah / Gesaan kuat

Lemah: "Biarkan chatbot menjawab setiap soalan pelanggan dan selesaikan transaksi."

Masalah: Meninggalkan tugas zon merah seperti pembatalan/bayaran balik/liputan kepada automasi; risiko maklumat salah dan transaksi yang tidak dibenarkan.

Güçlü: "Biarkan chatbot menjawab soalan fakta berdasarkan pangkalan pengetahuannya; terjemahkan liputan, jumlah, bayaran balik pembatalan dan aduan kepada manusia; jika tidak pasti, jangan buat-buat, tetapi sambungkannya kepada pakar."

Sebab ia bagus: Rutin dipercepatkan, keputusan berisiko diserahkan kepada orang ramai, rekaan dihalang.

carta perbandingan

Jenis permintaan

chatbot

manusia

kenapa

Pertanyaan status fail

Balasan

—

maklumat fakta

Saluran pembayaran premium

Balasan

—

Maklumat

Komen skop

Meningkat

memutuskan

Tafsiran dasar

Pembatalan/bayaran balik

Maklumat + skala

membuat transaksi

Keputusan kewangan

aduan

Meningkat

menyelesaikan

Kepuasan/undang-undang

tuntutan undang-undang

Meningkat

undang-undang/pakar

akibat undang-undang

Kesilapan biasa

• Mendapatkan chatbot untuk melakukan. Pernyataan yang mengikat seperti "dasar anda akan melindunginya" atau "bayaran balik anda akan sebanyak ini."
• Menetapkan ambang peningkatan dengan lemah. Meninggalkan tuntutan kewangan/undang-undang dalam automasi.
• Tidak membuat peraturan "Saya tidak pasti". Pembuatan yakin chatbot tentang perkara yang tidak diketahuinya.
• Berkongsi maklumat sensitif tanpa pengesahan. Memberi maklumat polisi/kerosakan kepada orang yang tidak dibenarkan.
• Jangan tinggalkan jejak. Melemahkan audit dan hak pelanggan dengan tidak merakam perbualan dan titik penyerahan.

Secara ringkasnya

Dalam perkhidmatan pelanggan, kecerdasan buatan dan chatbot mengklasifikasikan permintaan, menjawab soalan fakta dan menghasilkan draf respons; tetapi tafsiran skop, jumlah, pembatalan-bayaran balik, aduan dan permintaan undang-undang adalah bersaiz manusia. Wujudkan ambang peningkatan yang kukuh dan peraturan "jika anda tidak pasti, buat"; mengesahkan data sensitif; Jejaki setiap perbualan. Percepatkan kerja rutin, tetapi serahkan setiap keputusan yang mempunyai akibat kewangan dan undang-undang kepada orang yang kompeten.

Tugasan permohonan

Tulis lima sampel mesej pelanggan yang berbeza (satu pembayaran balik batal, satu soalan liputan, satu status kes, satu aduan, satu pembayaran). Kelaskan setiap satu dengan nombor segera 1 dan tentukan "chatbot atau manusia". Nilaikan keputusan: adakah ambang peningkatan berfungsi dengan betul? Jika ia tersalah klasifikasi, sila tulis bagaimana anda akan mengukuhkan gesaan.

senarai semak

• [ ] Saya telah mengklasifikasikan permintaan mengikut topik dan mendesak.
• [ ] Saya membuat pembezaan maklumat/proses; Saya skala proses.
• [ ] Saya mendasarkan respons chatbot pada pangkalan pengetahuan; Saya menghalang rekaan itu.
• [ ] Saya menyediakan ambang peningkatan untuk kewangan/undang-undang/skop/aduan.
• [ ] Saya menambahkan peraturan "Jika anda tidak pasti, hubungi pakar".
• [ ] Saya menyerahkan pengesahan dan perlindungan data kepada manusia dalam transaksi sensitif.
• [ ] Saya merakam perbualan dan titik penyerahan.