News & Update

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...

ก่อนอื่นหากใครไม่รู้ว่า Experience Data คืออะไร? คลิกเลย ซึ่งการที่เรามี Experience Data(X-Data) ก็เป็นสิ่งที่ดี แต่ถ้าหากคุณไม่สามารถนำข้อมูล X-Data มาปรับใช้กับธุรกิจของคุณได้ มันก็อาจจะเสียเปล่า ดังนั้นวันนี้ Demeter ICT จะมาบอกถึงการนำเอา X-Data มาปรับใช้ในธุรกิจเพื่อเป็นการอัพเกรดการบริการของคุณ และสามารถสร้างประสบการณ์ที่ยอดเยี่ยมให้กับลูกค้าได้ ติดตามตัวชี้วัด และ เปรียบเทียบกับคู่แข่ง การปรับปรุงเปลี่ยนแปลงอะไรก็แล้วแต่ ต้องมาจากการวัดผลที่สามารถตรวจสอบได้ ดังนั้นทีมบริการลูกค้าก็มีตัววัดผลที่มุ่งเน้นไปที่ลูกค้าหลายตัว เพื่อดูความพึงพอใจของลูกค้าและนำเอาไปเปรียบเทียบกับคู่แข่งในอุตสาหกรรมเดียวกัน และนำมาปรับใช้ให้ดีกว่าคู่แข่งได้ ดังนี้ Net Promoter Score(NPS) คะแนนผู้สนับสนุนสุทธิ คือ คะแนนที่จะวัดความภักดีของลูกค้าด้วยการที่ถามว่า คุณจะแนะนำ องค์กรA, สินค้าB หรือ บริการC ให้กับเพื่อนหรือคนรู้จักของคุณหรือไม่ Customer Satisfaction(CSAT) ความพึงพอใจของลูกค้า คือ คะแนนที่จะวัดความพึงพอใจว่า ลูกค้ามีความพึงพอใจต่อสินค้าหรือบริการที่ได้รับในระดับใด Customer Effort Score(CES) คะแนนความพยายามของลูกค้า คือ คะแนนที่จะวัดความสะดวกในการใช้งานไม่ว่าจะด้วย การบริการหรือตัวสินค้าเอง แก้ปัญหาก่อนที่ส่งผลกระทบต่อกำไร หากคุณมีข้อมูล X-Data ของลูกค้า คุณจะสามารถรู้ถึงอารมณ์ของลูกค้าได้อย่างใกล้ชิด และสามารถแก้ไขปัญหาได้ก่อนที่เราจะควบคุมไม่ได้ และจะส่งผลถึงฟีดแบคหรือกำไรต่อไป ยกตัวอย่างเช่น ลูกค้ารายหนึ่งได้ซื้อสินค้าหรือบริการของเราไปแล้วเกิดมีปัญหา เราสามารถตรวจสอบ Social Media ได้ทันทีหากมีการกล่าวถึงคุณ เพื่อเป็นการยับยั้งปัญหาก่อนที่จะเกิดการแพร่ระบาด ปรับแต่งกระบวนการทำงาน และฝึกอบรมภายใน เมื่อคุณเก็บข้อมูล X-Data มากขึ้น คุณจะเริ่มเข้าใจ อารมณ์ ความคิด และความต้องการที่แท้จริงของลูกค้าได้ดียิ่งขึ้น ดังนั้นคุณสามารถนำเอาข้อมูล X-Data มาปรับกระบวนการทำงานบางอย่างขององค์กรให้ตรงกับความต้องการของลูกค้าได้ พร้อมทั้งเทรนพนักงาน เพื่อแลกเปลี่ยนข้อมูลที่พบเจอและให้เข้าใจถึงปรับเปลี่ยนกระบวนการทำงาน ยกตัวอย่างเช่น หากมีลูกค้าติดต่อมาหาคุณถามคำถามเดียวกันบ่อย ๆ คุณก็อาจจะเพิ่มตัวเลือกการช่วยเหลือตัวเอง(Self Service) กับคำถามนี้เพื่อให้ลูกค้าสามารถหาคำตอบด้วยตัวเองได้รวดเร็วยิ่งขึ้น เป็นการช่วยทั้งลูกค้าและตัวพนักงานเองด้วย ซึ่งการเก็บรวบรวมข้อมูล X-Data ก็จำเป็นที่จะต้องมีเครื่องมือที่มาช่วยให้การเก็บข้อมูลของคุณง่าย สะดวก และปลอดภัยยิ่งขึ้น ซึ่ง Zendesk ก็เป็นหนึ่งในซอฟท์แวร์หรือเครื่องมือหนึ่งที่ช่วยตอบโจทย์นี้ให้กับคุณได้ และยังมีฟีเจอร์อื่น ๆ อีกมากมายที่คุณอาจไม่เคยรู้...