(c)iStock

Bester Service: schnell, smart, flexibel und automatisiert.

Viele Prozesse führen zum Ziel. Wer Kundenserviceprozesse intelligent automatisieren will, muss den richtigen erkennen und flexibel anpassen können. Smart Processing mit künstlicher Intelligenz macht es möglich.


Business Process Management (BPM) ist in der Kundenservicebranche eine Philosophie für sich. Die Branche ist seit Jahren auf Prozesseffizienz getrimmt. In jedem Service Center gibt es deshalb ausgeklügelte Prozesse sowie Gesprächsleitfäden oder Textvorschläge für bestimmte Servicethemen. Je besser die Prozesse, desto besser und kosteneffizienter ist der Service. Gäbe es diese Prozesse nämlich nicht, würden ganz normale Anfragen den Kundenservice komplett lahmlegen, weil quasi bei jeder Nachfrage zu einer Rechnung oder einem Tarif, bei jeder Produktreklamation oder Zählerstandsmeldung die Servicemitarbeiter das Rad neu erfinden müssten.

Gerade weil BPM von so grundlegender Bedeutung für den Kundenservice ist, streben Serviceverantwortliche permanent nach Verbesserung. Aber bei der Frage, wie man einen Serviceprozess sinnvoll modelliert und in einem zweiten Schritt dann sogar automatisiert, scheiden sich die Geister: Bleibt man möglichst abstrakt und eindimensional oder braucht man ein hochkomplexes Entscheidungs- bzw. Ablaufdiagramm? Oder doch irgendwas dazwischen?

(c)Sematell,Jochen Bedersdorfer, CTO, Sematell

Kunden sind renitent – sie halten sich nicht an definierte Prozesse
Im operativen Tagesgeschäft bietet eine zu abstrakte Prozessmodellierung keine ausreichende Hilfestellung für die Servicemitarbeiter, was im konkreten Fall zu tun ist. Komplexe Prozessmodellierungen wiederum stoßen häufig sehr schnell an ihre Grenzen, weil sich Kunden partout nicht an den vom Unternehmen ersonnenen und akribisch dokumentierten, sinnvollen Serviceprozess halten. Im telefonischen Service kennen das die Mitarbeiter: „Oh, meine Kundennummer habe ich gerade nicht.“ „Bestellnummer? Ich will doch nur den gleichen Tee wie beim letzten Mal, nur 100 g statt 500 g.“ „Was für ein Telefonpasswort?“ „Ich will aber genau diesen Tarif, nur mit einem anderen Handy.“ „Was weiß ich, was das für eine Zählernummer ist. Ist der Gaszähler eben!“ Im telefonischen Service erkennt der Servicemitarbeiter, um welchen Prozess es sich handelt (z. B. Bestellung oder Reklamation) und er ermittelt durch geduldiges Nachfragen, Datenabfrage im Customer Relationship Management (CRM), Anleiten und Erklären die notwendigen Daten, um den definierten Prozess dann doch irgendwann richtig zu starten.

Daten recherchieren wie Sherlock Holmes
Das Prinzip lässt sich gleichermaßen im manuellen schriftlichen Kundenservice anwenden. Auch hier erkennt der Servicemitarbeiter den Serviceprozess und versucht durch Nachfragen die fehlenden Informationen zu ermitteln. Allerdings ist die Ermittlung der notwendigen Daten durch die asynchrone Kommunikation ungleich zeitaufwändiger. Und gibt der Kunde auf Nachfrage nur die Hälfte der benötigten Informationen, ist die nächste E-Mail fällig. Wie ein Detektiv muss der Servicemitarbeiter alle Informationen und Daten zusammenstellen, damit ein Serviceprozess in Gang gesetzt werden kann. Dabei ist es im ersten Schritt unerheblich, welche der benötigten Informationen der Servicemitarbeiter zuerst erhält und in welcher Reihenfolge alle übrigen Daten, die er für das Anstoßen des jeweiligen Prozesses benötigt.

Smarte statt lineare Serviceprozesse
Bei solchen eher komplexen, datengetriebenen Prozessen sind Automatisierungsbemühungen im Schriftverkehr oder auch mit Sprachdialogsystemen in der Vergangenheit häufig gescheitert, weil sie im Rahmen des Business Process Managements linear angelegt werden. Erst wenn Information A vorliegt, kann Schritt 1 oder 2 erfolgen, erst danach Schritt 3, 4 oder 5. Es sind zwar durchaus differenzierte Entscheidungsbäume möglich, aber nur nacheinander. Fehlt Information A, kann der Prozess nicht erkannt und/oder in Gang gesetzt werden. Übertragen auf den Telefonservice wäre das so, als ob der Servicemitarbeiter einfach auflegt, wenn der Kunde zum Beispiel seine Kunden- oder Zählernummer nicht zur Hand hat. Das ist natürlich weder kundenfreundlich noch sonderlich effizient, sondern produziert zahllose, teure Mehrfachkontakte. Kunden, die im schriftlichen automatisierten Service scheitern, werden nämlich immer versuchen, über einen anderen Kontaktkanal doch noch zum Ziel zu kommen – und das meist über einen für das Unternehmen vergleichsweise teuren Kanal wie Telefon oder persönlichen Chat.

Zur INTRE Newsletter Anmeldung

Um komplexe, datengetriebene Serviceprozesse intelligent und kundenfreundlich zu automatisieren, dürfen sie eben genau nicht linear gedacht werden, sondern ganzheitlich. Bestimmte Serviceprozesse brauchen ein bestimmtes Set an Daten, damit sie durchgeführt werden können. Für die jährliche Stromabrechnung braucht der Energieversorger die Zählernummer, den Zählerstand und den zugehörigen Kunden – identifiziert über Kundennummer und/oder Adresse, um den Abrechnungsprozess in Gang zu setzen. Bei einer intelligenten Automatisierung geht es also zunächst darum, anhand der gelieferten Daten zu erkennen, um welchen Prozess es sich handelt, welche Daten dafür benötigt werden und dann flexibel die noch fehlenden Informationen automatisch abzufragen – und zwar unabhängig davon, welche Information zuerst geliefert wurde.

Künstliche Intelligenz für effiziente, smarte Prozesse
Leistungsstarke künstliche Intelligenz (KI), wie sie in ReplyOne von Sematell zum Einsatz kommt, ist für diese smarte und sehr effiziente Prozessautomatisierung der Schlüssel. Voraussetzung für Smart Processing im Kundenservice ist eine hochpräzise Kategorisierung bzw. Themenerkennung mithilfe von NLP-Technologie (Natural Language Processing). NLP ist im Bereich der Datenverarbeitung so etwas wie die hohe Schule. Sprache ist nämlich nicht immer eindeutig, sondern die Bedeutung erschließt sich aus dem Zusammenhang. Es gibt hier nicht nur 0 und 1. Je nach Kontext kann ein Wort oder ein Satz eine völlig gegensätzliche Bedeutung haben. Deshalb müssen Computer „lernen“, welche Bedeutung Wörter in einem bestimmten Kontext haben.

NLP zerlegt einen Satz in seine Bestandteile. Die KI drückt dann die Schulbank und bekommt beigebracht, welche Bedeutung die Ansammlung von Wörtern oder Satzbestandteilen in dieser Kombination und in diesem Kontext hat – ganz ähnlich wie ein Mensch eine Fremdsprache lernt. Erst dann „versteht“ die KI, was der Kunde eigentlich will. NLP-basierte KI-Technologie ist im Gegensatz zu einfachen, stichwortbasierten Anwendungen so auch in der Lage, in einer E-Mail oder einem Chat zwischen einer Kündigung und einer Kündigungsandrohung zu unterscheiden.

Präzise Prozesserkennung und automatische Datenabfrage
Kann die KI das Thema, den Kontext und auch bereits einige prozessrelevante Informationen in einer schriftlichen Anfrage erkennen, ist sie gleichzeitig auch in der Lage, den zugehörigen Serviceprozess zuverlässig zu identifizieren und zu prüfen, welche Daten für die Ausführung des Prozesses noch fehlen. Wenn also Peter Müller eine E-Mail schreibt „Mein Zählerstand am 14. April ist 118014“, erkennt die KI, dass es sich um eine Zählerablesung handelt. Die KI erkennt aber auch, dass für den Prozess zum Beispiel noch die Zählernummer fehlt. Diese Information kann sodann automatisch vom System mithilfe von vorkonfigurierten schriftlichen Nachfragen ermittelt werden – ganz genau so, als würde Peter Müller mit einem Servicemitarbeiter telefonieren oder schreiben.

Prozessautomatisierung und hybrider Service für alle schriftlichen Kontaktkanäle
Das volle Potenzial entfaltet KI-gestützte NLP-Technologie, wenn sie in einer workflow-orientierten Omnichannel-Kundenservicelösung wie ReplyOne eingesetzt wird. Hier können Serviceverantwortliche Serviceprozesse schnell und einfach modellieren, automatisieren und flexibel anpassen, erweitern oder kombinieren – und zwar unabhängig vom jeweiligen Kommunikationskanal. ReplyOne unterstützt dabei auch hybriden Kundenservice – die Kombination aus automatisierten und manuellen, das heißt, durch einen Servicemitarbeiter angestoßene Prozessschritte. Mensch und Maschine im gut abgestimmten Verbund sorgen für sehr gute Customer Experience und hohe Kundenzufriedenheit, hohe Agentenproduktivität und Kosteneffizienz im Kundenservice.

Fazit: Von KI-gestütztem Smart Processing im Kundenservice profitieren Kunden, Servicemitarbeiter und das Unternehmen gleichermaßen: Kunden erhalten schneller die richtige Antwort. Servicemitarbeiter werden mit hybridem Service maximal von Routineaufgaben entlastet. Und Unternehmen können sehr kosteneffizient einen herausragenden Kundenservice anbieten, der positiv auf das Markenimage einzahlt und Kunden langfristig ans Unternehmen bindet.

http://www.sematell.com


INTRE_2020_02_Perform_Sematell

Tagged , .