人工智能和機器學習的概念已經存在了一段時間，但我們剛剛開始看到它們改變我們開展業務的方式的能力。

這些技術可用于改進您的許多業務流程和功能，但其效果在客戶服務領域最為明顯。具體而言，如果應用得當，它們可以幫助降低與運行聯絡中心相關的成本，同時還可以幫助您提供改善的客戶體驗。

為了讓您了解為何會出現這種情況，請考慮以下方式將AI和機器學習集成到您的聯絡中心流程中。

客戶體驗

我們都知道，提供優質的客戶體驗是取悅客戶和贏得忠誠度的關鍵，而客戶服務在實現這一重要目標方面處于獨特的地位，主要是因為它與客戶有如此多的直接聯系。

AI和機器學習服務（例如Amazon Connect）可以幫助您實現此目的（但前提是您有合適的合作伙伴以正確的方式實施）。

請考慮以下示例：

你在機場......

...并且您的航班已被取消。

航空公司地勤服務人員告訴所有乘客不要在服務臺排隊，而是打電話給客戶服務部門重新安排航班。

當您打電話時，不必須瀏覽IVR菜單并向至少一個人工座席解釋問題，而是自動座席（例如Amazon Lex）這樣說，

"嗨！我們發現您的航班已被取消。下一班航班將于明天上午9點起飛。你要預訂座位嗎？"

從聯絡中心的角度來看，其結果是雙重的：首先，客戶幾乎可以立即解決他們的問題，而且不會感到沮喪；第二，你解決了問題，而不需要涉及人工座席，這可以節省你的時間和金錢。

可以添加更多步驟以使您的客戶滿意。例如，對于忠誠的客戶，您可以指示Lex提供機場優惠券，以免給他們的航班帶來不便并同時可以帶來折扣。

如果沒有人工智能，客戶可能會遇到更令人沮喪的體驗，這可能會導致他們發誓永遠不再與您做生意。但是因為他們的問題很快得到解決，他們更有可能再次擁抱你，并告訴朋友和家人他們在一個令人沮喪的經歷中獲得的優質客戶服務。

人工智能與機器學習背后的技術

Amazon Connect提供一些令人興奮的技術，包括Amazon Transcribe和Amazon Comprehend。

Transcribe允許您以文本格式而不是語音捕獲客戶和座席之間的有價值數據，以便更快更好地進行分析。例如，識別重復的關鍵字和主題，以更新自助服務工具，例如"常見問題解答"頁面。

Comprehend是一種自然語言處理（NLP）服務，它使用機器學習來查找文本中的見解和關系。例如，運行情緒分析來判斷哪些客戶對他們收到的服務感到滿意，哪些客戶不滿意。

從這個意義上說，人工智能和機器學習應該被視為使你的座席能夠做得更好的工具。許多人將這些技術視為人的替代品，但事實并非如此。沒有什么能比人性化更好，但在使用AI和機器學習時，您的聯絡中心座席將更好地提供可以增強您的客戶體驗的服務級別。

更有效的外呼

客戶服務并不總是被視為銷售的驅動力。但這種情況正在發生變化，尤其是現在客戶體驗變得如此重要。

人工智能和機器學習可以幫助您實現這一目標。例如，假設您正在為銀行工作，并且您了解到在線應用程序中的中斷率很高。AI可以配置為向放棄應用程序的人發送電子郵件，詢問他們是否存在問題，或者他們是否需要幫助來完成該過程。

這個額外的聯系人向客戶表示關心，這個幫助可能足以推動他們完成應用程序，或者至少可以更好地了解客戶未完成應用程序的原因。

此外，由于該過程是完全自動化的，因此不需要額外的資源。在過去，您可以采用上述策略，但是您需要人們獨立地與那些放棄申請的人聯系。這不僅需要更多的時間，而且還會消耗您的資源，通常使得努力是不值得的。

但是，通過AI和機器學習，您可以比以往更快速有效地識別問題并解決問題。

邊際收益 = 提高效率和降低成本

邊際收益的概念已經徹底改變了一些體育運動。同樣的方法也可以用于商業。

邊際收益的學說都是關于任何過程中的小的漸進式改進，當它們全部加在一起時，會產生顯著的改進。

我們稍微暗示了這一點，但現在是時候深入了解人工智能和機器學習如何幫助您降低運行聯絡中心的成本而不犧牲您提供的服務。

沒有AI

為了說明這一點，讓我們考慮信用卡行業的以下客戶詢問。

客戶已達到信用額度。

他們已付款以結清部分欠款，以便他們可以進行更多購買。

但系統需要2-3天才能完成處理，因此在結清之前，客戶將無法使用該卡。

他們沒有意識到這一點，他們打電話給聯絡中心，詢問為什么他們不能使用他們的卡。

聯絡中心座席讓他們了解了2-3天的結算時間，并在他們再次嘗試使用該卡之前檢查他們的額度。

通話結束。

雖然這是一個非常簡單快速的聯絡中心座席處理查詢，但如果每月有10，000次這樣的呼叫，會發生什么？即使每次通話需要30秒，也需要83個小時的座席時間來處理。

在邊際收益的主題中，如果您有這種類型的查詢的多個示例，該怎么辦？如果您自動完成所有這些操作，那么在時間和成本方面會產生巨大的收益。

利用AI

現在讓我們看一下使用AI技術的相同場景。

和以前一樣，客戶致電聯絡中心詢問他們為何無法使用他們的卡。

AI看到客戶的額度已接近其限制，因此提出了一個合理的問題，"我可以看到您最近在為您的卡付款。你的查詢與此有關嗎？"

客戶回答"是"，以便自動座席繼續。

"好。此付款需要2-3天才能處理結算。你希望我發給你一個文本信息嗎？"

客戶回答"是"。

通話結束。

客戶得到相同的信息，但呼叫從未到達座席，因此可以節省資源以處理更復雜的呼叫。文本警報是一個如何使客戶高興并確保他們不會進行相同查詢呼叫以請求狀態更新的例子。

升級到在線座席始終是一種選擇，但對于像這樣的簡單客戶查詢，需要考慮自動化。

重要的是要記住，任何未達到座席但具有積極結果的客戶查詢將節省時間和金錢，同時也令客戶滿意。

結論

對于人工智能和客戶服務中的機器學習而言，這是可能的藝術。我們在這里舉了幾個例子，但可能性真的是無窮無盡的。

每項業務都將面臨挑戰，因此相同的技術將以不同的方式使用，但業務成果保持不變，提高效率并改善客戶體驗。

為了使AI和機器學習對您的客戶服務運營產生實際影響，需要正確實施。

您需要咨詢和專業知識來幫助您充分利用這些技術的強大功能，并將它們與您現有的基礎架構和流程分層。只有這樣，他們才能提高您的業務效率。