IA: chiariamo che cos'è e come usarla con successo nella gestione dei clienti

Si è scritto tanto sull'intelligenza artificiale (IA) e su ciò che può fare per le aziende, i loro clienti e i dipendenti (così come per le altre componenti della società). Sfortunatamente, però, moltissimo materiale pubblicato sull'intelligenza artificiale sembra mirato a esaltarla eccessivamente oppure ne sottolinea solo gli aspetti negativi, confonde fin troppo le idee o non è chiaro. 

È comprensibile che ci siano così tante opinioni diverse, ma non è certo apprezzabile. Sovrastimare o sottovalutare ciò che l'intelligenza artificiale può fare per le imprese impedirà loro di usarla nel modo più efficace per offrire un servizio migliore ai clienti e creare valore. Per dare il nostro contributo, abbiamo voluto fare un po' di chiarezza e spiegare in che modo le aziende e i loro clienti possono trarre beneficio dall'utilizzo dell'intelligenza artificiale nella gestione dei clienti.

 

IA: SITUAZIONE ATTUALE

La prima cosa da capire è che l'intelligenza artificiale fa parte del nostro tempo, non è solo una previsione di magia futura. Secondo Gartner, , quasi un quarto dei CIO afferma di averla già implementata e alcuni sondaggi parlano di numeri più alti. 

Aggiungiamo, inoltre, che nove dirigenti tecnologici su dieci hanno riferito a Bain di considerare prioritaria l'introduzione dell'intelligenza artificiale e dell'apprendimento automatico nelle proprie aziende e linee di prodotti; il Covid, poi, ha convinto molte imprese ad accelerarne l'adozione.

 

COSA SIGNIFICA POTERLA USARE NELLA GESTIONE DEI CLIENTI 

Chiaramente, l'uso dell'intelligenza artificiale è molto vasto, il suo impiego non si limita alla gestione dei clienti, ma per il momento è su questo utilizzo che vogliamo concentrarci. Anche in questo ambito specifico, le possibili applicazioni sono numerose e, di seguito, ne prenderemo in considerazione solo alcune. Tutti gli esempi che proponiamo sono chiare opportunità per offrire un servizio migliore ai clienti che spaziano dal fornire risposte alle loro domande e soluzioni ai loro problemi in tempi più rapidi, fino alla personalizzazione delle offerte di vendita.

  • Ridurre i costi: i chatbot basati sull'intelligenza artificiale e l'elaborazione del linguaggio naturale (detta anche NLP dall'inglese Natural Language Processing) possono essere utilizzati in applicazioni automatizzate di assistenza ai clienti per controllare i costi e fornire al tempo stesso tempi di risoluzione elevati al primo tentativo. Secondo l'ultimo Sondaggio globale McKinsey sull'intelligenza artificiale,quando si tratta di ridurre i costi operativi attraverso l'implementazione dell'intelligenza artificiale, la tendenza più comune delle aziende è quella di automatizzare i contact center (che va di pari passo con il miglioramento dell'efficienza dei talenti e l'automazione del magazzino).
  • Avere un instradamento delle chiamate più efficace: utilizzando strumenti di IA e diverse fonti di dati (dai dati demografici ai dati specifici dei clienti), i fornitori del servizio di gestione dei clienti possono prevedere, ad esempio, quali agenti, quali tipologie di agenti o toni emozionali hanno più probabilità di offrire una risoluzione rapida e tempestiva oppure sono più in grado di conseguire una vendita, di generare un'alta soddisfazione del cliente o un basso punteggio di Customer Effort Score. I potenziali usi coprono una vasta gamma di processi aziendali tra cui l'assistenza clienti, le vendite e l'assistenza tecnica.
  • Fornire offerte e servizi personalizzati: l'intelligenza artificiale e l'apprendimento automatico, compreso l'uso della Speech Analytics, possono produrre una serie di informazioni predittive che permettono alle aziende e/o ai singoli agenti di creare offerte personalizzate. Anche in questo caso, le applicazioni abbracciano un'ampia gamma di processi diversi, dall'assistenza clienti, alle vendite, fino al recupero crediti.
  • Migliorare la valutazione dei lead e la generazione di lead nelle vendite o nelle vendite incrociate:utilizzando centinaia di variabili provenienti sia dai dati generali (ad esempio, i dati delle famiglie o i dati demografici) sia dai dati specifici dei clienti, i marchi possono identificarne le tendenze e usarle per vendere in modo proattivo o per perfezionare il loro approccio di vendita ai diversi clienti (ad esempio, contattandoli in un orario specifico o proponendo loro una particolare offerta). In contesti come quelli appena menzionati, l'aggiunta di strumenti IA di Speech Analytics può aumentare le opzioni dei marchi, i quali possono anche prevedere in tempo reale quali operatori dell'assistenza clienti potrebbero essere i più adatti per l'approccio cross-selling o upselling.
  • Ridurre il tasso di abbandono dei clienti: attraverso l'analitica predittiva basata sull'intelligenza artificiale, i marchi possono disporre di informazioni molto utili sulla propensione dei clienti all'abbandono. Le variabili utilizzate in queste analisi potrebbero includere i dati demografici (ad esempio l'età), le storie dei clienti e l'analisi degli agenti. Queste informazioni consentono alle aziende di comprendere meglio le caratteristiche dei clienti, i loro comportamenti o i segnali di avvertimento (e tra questi, i segnali relativi agli alti tassi di abbandono).
  • Migliorare le prestazioni degli agenti e ridurre il ricambio del personale: approcci simili a quelli citati sopra possono anche essere utilizzati per arricchire la formazione e il coaching del personale, in modo che i dipendenti comprendano meglio i clienti e i loro gusti. Si possono usare anche per migliorarne le competenze, così che sappiano gestire scenari diversi oppure si possono fornire loro strumenti che consentano di personalizzare le offerte dei clienti in tempo reale. Tutto questo a sua volta può contribuire ad aumentare la soddisfazione sul lavoro, le prestazioni e l'impegno, riducendo i tassi di abbandono del personale. I manager possono anche utilizzare le informazioni relative alle prestazioni degli agenti fornite dall'intelligenza artificiale per migliorare gli approcci di fidelizzazione e di ricompensa.

 

CONSIDERANDO TUTTI QUESTI ASPETTI, LA DOMANDA SORGE SPONTANEA: PERCHÉ TUTTE QUESTE OPINIONI CONTRASTANTI SULL'INTELLIGENZA ARTIFICIALE?

Sebbene le applicazioni IA come quelle che abbiamo citato sopra siano state chiaramente studiate per una finalità e siano state collaudate, ci stupisce vedere un certo scetticismo e l'ambiguità con cui si tratta di questo argomento in ambienti di ricerca e nei commenti dei media. Per esempio, la stessa Bain che ha affermato che il 90% dei dirigenti tecnologici vede l'intelligenza artificiale come una priorità ha anche scoperto che quasi nove intervistati su dieci non sono soddisfatti dell'attuale approccio all'intelligenza artificiale della propria azienda.

Potrebbero esserci molte ragioni per spiegare la cautela o lo scetticismo delle persone nei confronti degli attuali approcci all'intelligenza artificiale. Uno di questi è che si aspettano troppo dall'intelligenza artificiale e dai dati: vorrebbero che gli algoritmi rivelassero verità e soluzioni nascoste, quando in realtà mostrano piuttosto dei "modelli". Per citare (e tradurre) un recente articolo apparso su Mind Fintech “A model created on the basis of machine learning can be efficient in prediction or categorization  … but will not explain the phenomenon it is supposed to predict or realize.”

Le aziende che capiscono questa distinzione hanno maggiori possibilità di sfruttare al meglio il potenziale dell'IA, in quanto la vedono come un supporto alla strategia e non come un suo sostituto. Prendiamo l'esempio della riduzione del tasso di abbandono dei clienti menzionato sopra: l'intelligenza artificiale può aiutarvi a identificare e analizzare la propensione all'abbandono, ma non fornirà necessariamente una strategia innovativa per affrontare il problema con successo. È qui che entrano ancora in gioco gli umani.

 

CAPIRE I PROBLEMI E LE BARRIERE 

Un'altra questione che le aziende devono ancora capire meglio è che la qualità dei risultati dell'intelligenza artificiale dipende dalla qualità dei dati inseriti. È il cosiddetto GIGO (garbage in, garbage out), in pratica: "se inseriscono dati errati, si ottengono risultati inattendibili". I problemi potrebbero riguardare la pulizia dei dati (vale a dire, la presenza di errori nei dati), l'etica dei dati (ad esempio, algoritmi o set di dati contenenti pregiudizi) o la tempistica (i dati precedenti il Covid o risalenti al periodo del Covid, per esempio, potrebbero non essere più appropriati una volta tornati alla situazione normale). 

I problemi potrebbero anche essere legati ai silos organizzativi. In precedenza abbiamo menzionato l'uso di dati specifici del cliente e di dati specifici dei clienti finali per l'analisi predittiva. Idealmente, questi dati forniranno una visione olistica delle interazioni dei clienti con il marchio, quindi non mostreranno solo la loro attività con i team della gestione dei clienti, ma anche il loro comportamento con altre realtà del business: vendite, marketing, finanza, negozi o uffici in prima linea. Le aziende che sono in ritardo con l'integrazione back-end e front-end e non vedono i dati dei clienti in modo olistico stanno perdendo l'opportunità di migliorare l'uso dell'intelligenza artificiale.

 

INDIVIDUARE I PROCESSI E LE PERSONE PIÙ ADATTE 

Altre due ragioni comuni che spiegano lo scetticismo nei confronti dei risultati dell'IA riguardano i processi e le persone. 

Per quanto riguarda i processi, forse le aziende utilizzano pochissimo l'intelligenza artificiale (ad esempio, per cercare di automatizzare un singolo processo esistente) oppure ne fanno un uso eccessivo (ad esempio per reinventare il loro intero business). "Nessuno di questi percorsi… può fornire il livello o la velocità di cambiamento richiesto dalle aziende per crescere e prosperare nell'era digitale", è questo il verdetto di McKinsey verdict.

Quanto alle persone, le aziende potrebbero non avere le capacità interne per implementare l'IA con successo. Per citare ancora Bain: "Investire in modo produttivo sull'intelligenza artificiale è complesso. Farle fare effettivamente ciò che serve alle aziende può essere impegnativo e molti dirigenti non credono di poter riuscire in questo intento".

Le soluzioni a questi problemi sono tre:

  • Rivolgersi agli esperti, ai fornitori del settore BPO della gestione dei clienti che già utilizzano strumenti e processi basati su IA.
  • Essere chiari e mirati nella scelta degli obiettivi: stabilire, ad esempio, se si vogliono ottimizzare i costi, se si vuole ridurre l'abbandono dei clienti o generare lead migliori e, in ogni caso, precisare un obiettivo specifico. 
  • Prepararsi a sostenere i processi di IA con il necessario cambiamento organizzativo, ad esempio con una migliore integrazione tra back-end e front-end o integrando i dati provenienti da tutte le attività.

 

Il team di Comdata può aiutarvi a mettere in atto tutte e tre queste soluzioni.

Lavora con noi

Unisciti a noi e diamo forma al domani insieme

FACCIAMO ACCADERE LE COSE

Non essere timido, saremo contenti di aiutarti

Di cosa vuoi discutere?

Torna su