Tikettien reititys tekoälyllä, nopeampi triage asiakaspalveluun

Useimmissa asiakaspalvelutiimeissä ongelma ei ala siitä, ettei kukaan osaisi ratkaista asiakkaan asiaa. Ongelma alkaa paljon aiemmin. Viesti tulee sisään, joku lukee sen, miettii mihin se kuuluu, kenelle se pitäisi ohjata ja kuinka kiireinen se on. Tätä vaihetta kutsutaan triageksi, vaikka moni ei käytä sanaa ääneen.

Kun triage tehdään käsin, se syö aikaa juuri niiltä ihmisiltä, joiden pitäisi ratkaista ongelmia. Tekoälyllä rakennettu tikettien reititys poistaa tästä työstä suuren osan, mutta vain jos logiikka on fiksu eikä perustu pelkkään avainsanabingoon.

Mitä tikettien reititys tekoälyllä oikeasti tarkoittaa?

Kyse ei ole vain siitä, että viesti menee kansioon A tai B. Hyvä AI-triage tekee vähintään neljä asiaa:

1. tunnistaa aiheen 2. arvioi kiireellisyyden 3. tunnistaa oikean omistajan tai tiimin 4. kirjaa tarvittavan kontekstin jatkokäsittelyä varten

Jos nämä neljä toimivat, tiketti päätyy heti oikeaan paikkaan ja ratkaisu alkaa aikaisemmin.

Mistä AI tekee päätelmän?

Viestin sisältö

Ensimmäinen taso on itse teksti. Mitä asiakas pyytää, mikä on ongelman tyyppi ja onko viestissä merkkejä reklamaatiosta, käyttökatkosta, laskutusongelmasta tai myyntimahdollisuudesta?

Asiakaskonteksti

Pelkkä viestin teksti ei aina riitä. Sama pyyntö voi olla eri prioriteetin asia riippuen siitä, onko kyseessä avainasiakas, uusi liidi, sisäinen käyttäjä vai kertaluonteinen kuluttaja.

SLA ja liiketoimintasäännöt

AI ei saa toimia irrallaan palvelulupauksista. Jos tietyt asiakkuudet, tuotelinjat tai häiriötyypit vaativat nopean vasteen, reitityksen pitää ymmärtää tämä.

Historiatieto

Jos asiakkaalla on avoin tiketti samasta asiasta, AI:n pitäisi osata yhdistää uusin viesti aiempaan kontekstiin. Muuten syntyy päällekkäisiä jonoja ja sekava asiakaskokemus.

Missä tilanteissa AI-triage tuottaa eniten arvoa?

Suurin hyöty syntyy yleensä silloin, kun yhteydenottoja on paljon ja ne jakautuvat usealle omistajalle. Tyypillisiä tilanteita ovat:

• verkkokaupan toimitus- ja palautuskysymykset
• SaaS-tuotteen tuki, jossa osa asioista kuuluu tekniselle tiimille ja osa asiakkuusvastuulle
• taloushallinnon kysymykset, joissa osa viesteistä on laskutusta ja osa käyttötukea
• kenttäpalvelu, jossa huolto, varaosat ja ajanvaraus elävät samassa inboxissa

Mitä enemmän väärä reititys aiheuttaa viivettä, sitä arvokkaammaksi automaatio muuttuu.

Mitä dataa käyttöönotto tarvitsee?

Tämä on kohta, jossa moni oikaisee liikaa. AI ei tarvitse täydellistä dataa, mutta se tarvitsee järkevän pohjan.

Vähintään tarvitaan:

• historiallisia tikettejä tai esimerkkiviestejä
• selkeä lista tiimeistä tai omistajista
• rajatut aiheluokat
• säännöt kiireellisyydelle
• tieto siitä, miten onnistumista mitataan

Jos nykyiset kategoriat ovat epäselvät, ne kannattaa siivota ennen käyttöönottoa. Muuten mallille opetetaan huono rakenne.

Yleisimmät virheet reitityksessä

Liian hienojakoinen luokittelu

Jos järjestelmä yrittää päätellä heti 30 eri alaluokkaa, tarkkuus kärsii. Aloita yläluokista ja tarkenna vasta kun dataa kertyy.

Ei palautesilmukkaa

Jos väärin ohjautuneet tiketit eivät koskaan palaudu opetusaineistoksi, laatu ei parane. Hyvä AI-triage tarvitsee viikoittaisen korjauskierroksen.

Reititys ilman toimivaa omistajuutta

Jos tiimeillä ei ole selkeää vastuujakoa, AI ei voi korjata asiaa. Se vain toimittaa epäselvän työnjaon nopeammin oikealta näyttävään paikkaan.

Keskitytään vain säästöön

Triage ei ole onnistunut, jos tikettejä kyllä siirtyy automaattisesti mutta asiakas joutuu kertomaan asian kahdesti. Laatu on yhtä tärkeä kuin nopeus.

Käyttöönotto vaiheittain

Hyvä malli on usein tämä:

Vaihe 1: yksi inbox tai yksi asiaryhmä

Valitse selkeä virta, jossa volyymia on riittävästi. Esimerkiksi toimituskyselyt tai sisääntuleva tuotetuki.

Vaihe 2: luokittelu ja omistaja

Opeta AI tunnistamaan muutama pääluokka ja oikea tiimi. Älä lisää heti kaikkea muuta.

Vaihe 3: priorisointi

Kun perusreititys toimii, lisää kiireellisyys ja SLA-logiikka.

Vaihe 4: vastausehdotukset ja yhteenvedot

Tässä kohtaa AI alkaa säästää aikaa myös käsittelyn aikana, ei vain ennen sitä. Tätä voi tukea esimerkiksi Zendesk AI:n käytännön hyödyillä.

Mitä kannattaa mitata?

Oleellisia mittareita ovat ainakin:

• väärin reititettyjen tikettien määrä
• aika ensimmäiseen omistajaan
• SLA-rikkomusten osuus
• agentin triageen käyttämä aika
• ratkaisuajan muutos per asiaryhmä

Jos vain tikettimäärä näkyy, johdat liian karkealla tasolla.

Yhteenveto

Tikettien reititys tekoälyllä ei ole hieno lisäominaisuus vaan tapa poistaa manuaalista triagea asiakaspalvelun alkupäästä. Se toimii parhaiten silloin, kun aiheluokat ovat järkevät, omistajuus on selkeä ja käyttöönotto tehdään vaiheittain.

Jos haluat yhdistää reitityksen chatbotteihin, puheluihin ja tietopohjaan saman palveluprosessin alle, katso asiakaspalvelun automaation palvelu. Kysy lisää myös suoraan - ota yhteyttä.