Egy ügyfélkérdés önmagában apróságnak tűnik. Megválaszoljuk, és megyünk tovább. Ha viszont ugyanaz a kérdés újra meg újra felbukkan e-mailben, telefonon vagy egy értékelésben, érdemes jobban odafigyelni rá.
A visszatérő kérdések gyakran a működésünk egy hiányos vagy nehezen érthető pontjára utalnak, ezért az ügyfél-visszajelzések elemzése sokszor többet elárul, mint gondolnánk – írja blogbejegyzésében a VOSZPort.
Honnan érkeznek az ügyfél-visszajelzések?
A visszajelzések ritkán gyűlnek össze egy helyen, jellemzően az alábbi forrásokból érkeznek:
Az egyszeri megjegyzést érdemes elkülöníteni a visszatérő problémától, hiszen egy indulatos vélemény még nem jelent általános elégedetlenséget. A gyakoriság ugyanakkor nem minden: egy súlyos hiba akkor is elsőbbséget kaphat, ha eddig csak egyetlen ügyfél jelezte.
Kell-e AI az ügyfélpanaszok elemzéséhez?
Nem mindig. Ha havonta néhány rövid jelzés érkezik, egy táblázat és pár saját kategória gyorsabb megoldás, mint egy AI-eszköz beállítása és az eredményeinek ellenőrzése. A mesterséges intelligencia akkor hasznos, amikor több csatornán sok szöveg gyűlik össze, és az ügyfelek ugyanazt a problémát sokféleképpen fogalmazzák meg.
Mielőtt AI-hoz fordulnánk, az adatkezelést is rendezni kell. A GDPR adattakarékossági elve szerint csak a cél eléréséhez szükséges személyes adat kezelhető, ezért neveket és elérhetőségeket ne másoljunk általános AI-eszközbe, és ellenőrizzük a szolgáltató adatkezelési feltételeit. A név törlése önmagában még nem teszi anonimmá az ügyleírást, hiszen egy rendelésszám vagy egy egyedi részlet is elárulhatja, kiről van szó.
Így segít az AI a panaszok csoportosításában
Az ügyfélvélemények rendszerezésében az AI afféle első szűrőként dolgozhat. Felismerheti például, hogy a „Hol látom a számlámat?” és a „Nem kaptam meg a bizonylatot” ugyanarra a problémára utal, így egy témába sorolja őket. Ha egy üzenetben két probléma szerepel, mindkettőt jelölheti, a bizonytalan eseteket pedig külön listába gyűjtheti. A következtetéseket azonban az eredeti jelzések alapján nekünk kell levonnunk.
Hogyan ellenőrizzük az eredményt?
A generatív modellek magabiztosan is tévedhetnek, ezért az ügyfél-visszajelzések elemzése nem ér véget az AI összefoglalójánál. Ugyanaz a mondat más-más gondot is takarhat: a „még mindig nem jött meg a csomag” mögött futárkésés éppúgy állhat, mint egy elsikkadt szállítási értesítés. Néhány szempont az ellenőrzéshez:
A felismeréstől a javításig
Első lépésként válasszunk ki egyetlen, jól körülhatárolt problémát, például egy félreérthető tájékoztatást vagy egy ismétlődő ügyintézési akadályt. Rögzítsük, mit változtatunk, ki felel érte és mi a határidő, majd néhány hét múlva nézzük meg, felbukkan-e újra ugyanaz a kérdés. Ha igen, jöhet a következő kör.
A teendők nyomon követésében egy CRM is segíthet. A VOSZPort CRM-jében az ügyfelek adatai mellett a hozzájuk kapcsolódó feladatok és projektek is rögzíthetők, így a változtatás felelőse és határideje egy helyen látható az érintett ügyféllel.
Amit sokan kérdeznek, az a vállalkozás kommunikációjáról is elárul valamit. Nézze át a közelmúlt megkereséseit, és keressen egy pontot, ahol világosabban fogalmazhatna! Regisztráljon ingyenesen a VOSZPortra, és tegye rendezetté ügyfélkapcsolatait!
