Боты и автоматизация в технической поддержке
Обратите внимание, что эта статья 2020-го года, тогда создать, подключить и настроить бота для ответов клиентам было намного трудозатратнее, чем в 2024-м.
Если интересует конкретный кейс использования GPT-бота в чатах с клиентами из 2024-го года, то открывайте вот эту статью.
Наткнулась на видео с митапа, где обсуждали автоматизацию в саппорте. Ссылку на него добавила в конец статьи, а ниже записала несколько интересных мыслей из выступлений 👇
“Партнёрство бота с человеком гораздо эффективнее, чем замена”
Это цитата из первого доклада, и его я особенно рекомендую посмотреть — в нём интересный кейс, много цифр и очень красивое решение в помощь отделу поддержки. Что особенно круто, перед созданием бота ребята сопоставили ожидания и реальность, и это позволило не увести разработку в сторону погони за миражами и создания ненужного функционала.
Ожидания:
- бот сам сможет отвечать на простые вопросы, и этих вопросов много
- бот снизит нагрузку на техподдержку и сэкономит время людям
Реальность после исследования имеющихся чатов:
- за год разработки можно научить бота отвечать на 10% вопросов, а это всего лишь 2.5% от всего трафика
- только половину своего времени оператор тратит на ответ
Чувствуете разницу? 😅
Тэги/классификации для типов обращений
Классификации для тикетов — это уже классика, например, деление запросов на группы “question”, “problem”, “feature request” и т.п.
В одном из докладов прозвучала интересная мысль использовать для типов обращений именно тэги, так как иногда пользователь в одном обращении задаёт несколько вопросов из разных категорий, и поэтому проблематично отнести его запрос к какой-то одной.
Бонусные статьи в тему 🔥
- Как общаться с клиентами в чате
- Опросники для оценки качества технической поддержки
- Как повысить лояльность клиентов (часть 1: метрики)
- Как повысить лояльность клиентов (часть 2: причины плохого сервиса)
Ссылка на видео:
Теперь, затаив дыхание, вычёркиваю дни до второго митапа :)
