Blog
Automatyzacja obsługi klienta. Co oddać automatowi, a co zostawić ludziom
W wielu firmach obsługa klienta wygląda podobnie. Wspólna skrzynka, kilka osób, które na zmianę odpisują, i pytania, które wracają co tydzień: gdzie jest moja paczka, jak zwrócić towar, czy jest faktura, kiedy będzie dostępny produkt. Każda odpowiedź zajmuje dwie minuty. Razem zajmują pół etatu.
Pierwszy pomysł to zwykle chatbot na stronie. Czasem to dobry pomysł, częściej za wczesny. Zanim cokolwiek zautomatyzuję w obsłudze klienta, chcę wiedzieć, o co klienci naprawdę pytają, ile to zajmuje i które odpowiedzi coś klientowi obiecują. Od tego zależy, co może zrobić automat, a przy czym musi zostać człowiek.
Co to jest automatyzacja obsługi klienta
Automatyzacja obsługi klienta to oddanie maszynie powtarzalnych kroków w kontakcie z klientem: od przyjęcia zgłoszenia, przez przypisanie go do właściwej osoby, po wysłanie odpowiedzi albo powiadomienia o statusie. Część tych kroków załatwia zwykła reguła („jeśli w temacie jest numer zamówienia, sprawdź jego status”). Część wymaga modelu AI, bo trzeba zrozumieć, czego klient chce, z wiadomości napisanej własnymi słowami.
Kamila Kierzek-Mechło i Radosław Mechło w książce „Zatrudnij AI, odzyskaj czas” zwracają uwagę na korzyść, o której często się zapomina:
AI w obsłudze klienta działa też z drugiej strony – zbiera dane. Wie, które pytania powtarzają się najczęściej, co irytuje klientów, w którym miejscu procesu coś się zacina.
To moim zdaniem najcenniejsza część całego wdrożenia. Pytanie, które wraca sto razy w miesiącu, często znaczy, że coś jest niejasne na stronie, w mailu z potwierdzeniem albo w samym procesie. Czasem lepiej to naprawić, niż automatyzować odpowiedź.
Od czego zacząć: zmierz, zanim zautomatyzujesz
Autorzy tej samej książki radzą zacząć od pomiaru. Jeśli celem jest skrócenie czasu obsługi klienta, najpierw trzeba zmierzyć stan obecny, na przykład średni czas odpowiedzi, potem ustalić cel, a dopiero na końcu szukać narzędzia.
W praktyce robię to tak:
- Eksportuję wiadomości z ostatnich trzech miesięcy ze skrzynki albo systemu zgłoszeń.
- Grupuję je według tematu. Przy kilkuset wiadomościach można to zrobić ręcznie w arkuszu, przy kilku tysiącach pomaga model językowy, który przypisuje każdą wiadomość do jednej z kilkunastu kategorii.
- Dla każdej kategorii zapisuję liczbę wiadomości, średni czas odpowiedzi i to, czy odpowiedź wymaga dostępu do jakiegoś systemu: sklepu, magazynu, płatności.
- Zaznaczam kategorie, w których odpowiedź coś obiecuje: termin, zwrot pieniędzy, rabat, wyjątek od regulaminu.
Po takim przeglądzie zwykle widać, że kilka kategorii robi większość ruchu. Od nich zaczynam. Ile to kosztuje dzisiaj i czy automat się zwróci, liczę metodą z tekstu czy automatyzacja się opłaca.
Co oddać automatowi
Poniżej typowe kroki w obsłudze klienta i to, kto moim zdaniem powinien je wykonywać.
| Krok | Kto robi | Dlaczego |
|---|---|---|
| Potwierdzenie przyjęcia zgłoszenia | reguła | zawsze ta sama treść, nic nie obiecuje |
| Status zamówienia, przesyłki, płatności | reguła z dostępem do systemu | dane są w systemie, trzeba je tylko odczytać |
| Przypisanie tematu i osoby | model AI z zamkniętą listą kategorii albo reguła | wiadomości są pisane różnie, kategorie są stałe |
| Zebranie brakujących danych (numer zamówienia, zdjęcie, adres) | formularz albo automat | klient dostaje jedną prośbę zamiast kilku maili |
| Notatka dla konsultanta z historią klienta | agent AI z prawem odczytu | konsultant od razu ma kontekst |
| Szkic odpowiedzi na częste pytanie | model AI | szkic czyta i wysyła człowiek |
| Odpowiedź z terminem, rabatem, decyzją o zwrocie | człowiek | to wiążąca obietnica wobec klienta |
| Reklamacja i zdenerwowany klient | człowiek | tu liczy się rozmowa |
Najwięcej czasu oszczędzają zwykle pierwsze trzy wiersze tabeli. Klient, który pyta o status paczki, chce dostać numer przesyłki, i to szybko. Reguła, która odczyta status z systemu i od razu go wyśle, zrobi to szybciej i bez ryzyka pomyłki.
Przy kategoriach pilnuję tej samej zasady co przy automatyzacji formularza Google. Model wybiera tylko z listy, której nie może rozszerzyć, a wiadomość, której nie umie przypisać, trafia do człowieka. Lepiej, żeby automat oddał dziesięć wiadomości do ręcznego przejrzenia, niż żeby jedną reklamację uznał za pytanie o fakturę.
Reguła oparta tylko na adresie nadawcy też potrafi się mylić. W mojej porównywarce wiadomości z serwisu do wpłat trafiały automatycznie do systemu zgłoszeń jako wpłata. Ten sam serwis wysyłał z tego samego adresu newslettery, więc newsletter też był traktowany jak wpłata. Reguła musi sprawdzać treść, nie tylko nadawcę.
Co zostawić ludziom
Wszystko, co klientowi coś obiecuje, zostaje przy człowieku. Termin dostawy, którego nie ma w systemie, zgoda na zwrot po terminie, rabat za kłopot, wyjątek od regulaminu. Jeśli automat albo chatbot powie to klientowi, firma będzie musiała się z tego wywiązać. Tę zasadę rozpisałem szerzej we wpisie o human in the loop, razem z tabelą, przy których krokach stawiam akceptację.
Przy człowieku zostają też rozmowy, w których klient jest zdenerwowany. Szybka automatyczna odpowiedź na reklamację potrafi rozzłościć bardziej niż odpowiedź po kilku godzinach od konkretnej osoby. Automat może tu pomóc w tle: zebrać historię zamówień klienta, wcześniejsze wiadomości i status sprawy, żeby konsultant nie musiał tego szukać.
Ważne jest też przekazanie sprawy. Autorzy „Zatrudnij AI” piszą o chatbotach, które, gdy rozmowa przekracza ich kompetencje, „płynnie przekazują sprawę do człowieka bez konieczności powtarzania całej historii od nowa”. Jeśli klient po rozmowie z botem musi wszystko opisać drugi raz, automatyzacja tylko wydłużyła mu drogę.
Chatbot na stronie: kiedy ma sens
Chatbot ma sens, gdy duża część pytań dotyczy informacji, które już są na stronie albo w systemie: godziny, dostawa, zwroty, dostępność, status. Wtedy klient dostaje odpowiedź od razu, także w nocy i w weekend.
Kilka zasad, których się trzymam:
- chatbot mówi wprost, że jest AI, czego wymaga też unijny AI Act, o którym piszę przy polityce AI w firmie,
- odpowiada tylko na podstawie wskazanych źródeł: regulaminu, FAQ, danych z systemu,
- nie podaje cen, terminów ani warunków, których nie ma w tych źródłach,
- przy pytaniu spoza listy tematów od razu proponuje kontakt z człowiekiem,
- każda rozmowa jest zapisywana, a ktoś raz w tygodniu przegląda te, które skończyły się przekazaniem do człowieka.
Ostatni punkt to ta druga strona, o której piszą autorzy. Rozmowy, w których bot się poddał, pokazują, czego brakuje w FAQ, na stronie albo w samym procesie.
Jak mierzyć efekty
Przed wdrożeniem zapisuję kilka liczb, a po miesiącu porównuję je z nowymi:
- czas pierwszej odpowiedzi,
- czas do rozwiązania sprawy,
- liczba wiadomości na jedną sprawę (im więcej, tym więcej dopytywania),
- odsetek spraw zamkniętych bez udziału człowieka,
- odsetek spraw, które wróciły, bo pierwsza odpowiedź nie pomogła.
Ostatnia liczba jest najważniejsza. Jeśli automat zamyka dużo spraw, ale klienci wracają z tym samym pytaniem, oszczędność jest pozorna.
Kiedy automatyzacja obsługi klienta się nie sprawdzi
Gdy wiadomości jest mało. Kilka maili dziennie da się obsłużyć ręcznie, a szablony odpowiedzi w skrzynce wystarczą. Koszt budowy i utrzymania automatu nie zwróci się szybko.
Gdy proces jest nieuporządkowany. Jeśli w firmie nie ma ustalone, kto decyduje o zwrocie i w jakim terminie, automat tego nie ustali. Zrobi szybciej to samo zamieszanie. Najpierw warto spisać proces, potem go automatyzować.
Gdy relacja jest produktem. W firmach, w których klient płaci właśnie za kontakt z konkretną osobą, automat może przygotować dane i szkic, ale odpowiedzi powinien pisać człowiek.
Masz skrzynkę pełną powtarzalnych pytań i nie wiesz, od których zacząć? Napisz do mnie. Zaczniemy od eksportu wiadomości z trzech miesięcy i listy kategorii.
