Dirbtinio intelekto el. pašto atsakikliai: kaip jie tvarko klientų aptarnavimo el. laiškus
MarkdownSužinokite, kaip dirbtinio intelekto el. pašto atsakikliai tvarko klientų el. laiškus, atsako į įprastus klausimus, perduoda sudėtingus klausimus specialistams ir sumažina pagalbos tarnybos darbo krūvį, išsaugodami kontekstą.
Kas yra dirbtinio intelekto el. pašto atsakiklis?
Dirbtinio intelekto el. pašto atsakiklis – tai programinė įranga, naudojanti dirbtinį intelektą klientų el. laiškams skaityti, suprasti ir į juos atsakyti. Skirtingai nuo iš anksto paruošto automatinio atsakymo, kuriame rašoma „Gavome jūsų žinutę ir netrukus su jumis susisieksime“, dirbtinio intelekto el. pašto atsakiklis gali atsakyti į klausimą remdamasis žinių baze, taisyklėmis ir produktų medžiaga.
Pavyzdžiui, klientui paklausus apie pinigų grąžinimo taisykles, sistema gali nustatyti užklausos tikslą, rasti aktualią informaciją apie taisykles ir parengti atsakymą, pritaikytą kliento situacijai.
Įprastos galimybės:
- Natūralios kalbos apdorojimas (NLP): interpretuoja kliento žinutės reikšmę.
- Užklausos tikslo klasifikavimas: nustato, ar klientas prašo grąžinti pinigus, klausia apie atsiskaitymą, ar susidūrė su technine problema.
- Informacijos paieška žinių bazėje: randa aktualią informaciją dokumentuose, DUK ir ankstesniuose pokalbiuose.
- Asmeniniai atsakymai: gali kreiptis į klientus vardu ir naudoti paskyros ar užsakymo duomenis, jei prijungta prie tokių sistemų.
- Perdavimas specialistui: perduoda sudėtingus klausimus žmonėms, kartu pateikdamas aktualų kontekstą.
Kai kurioms pagalbos užklausoms tinka el. paštas, o kitas galbūt geriau spręsti kitu pagalbos kanalu.
Kaip veikia dirbtinio intelekto el. pašto atsakikliai
Gavęs kliento el. laišką, atsakiklis gali atlikti šiuos veiksmus:
1 veiksmas: klasifikuoti el. laišką
Sistema nustato el. laiško tikslą, pavyzdžiui, klausimą apie sąskaitą, funkcijos pasiūlymą ar skundą. Ji taip pat gali išskirti tokią informaciją kaip užsakymų numeriai, produktų pavadinimai, datos ir paskyrų identifikatoriai, kad galėtų parengti aktualų atsakymą.
2 veiksmas: rasti informaciją žinių bazėje
Nustačiusi, ko klientui reikia, sistema ieško aktualaus turinio, pavyzdžiui, pagalbos dokumentų, DUK, taisyklių ir informacijos apie produktus. Vienas iš metodų – paieška papildytas generavimas (RAG):
- Sistema paverčia kliento klausimą paieškos užklausa.
- Ji ieško indeksuotame turinyje.
- Ji randa aktualias ištraukas.
- Ji pasitelkia šį kontekstą atsakymui parengti.
Rasta medžiaga gali padėti pagrįsti atsakymus dokumentais, tačiau negarantuoja, kad kiekvienas atsakymas bus tikslus.
3 veiksmas: parengti atsakymą
Nustačius užklausos tikslą ir radus aktualią informaciją, kalbos modelis gali parengti atsakymą, kuris:
- Atitinka pasirinktą toną ir stilių.
- Atsako į pateiktą klausimą.
- Jei įmanoma, apima aktualius paskyros ar užsakymo duomenis.
- Prireikus nurodo tolesnius veiksmus.
4 veiksmas: perduoti specialistui arba išsiųsti
Prieš išsiunčiant atsakymą sistema gali įvertinti, ar užklausą reikėtų tvarkyti automatiškai, ar perduoti žmogui peržiūrėti. Į įprastus klausimus galima atsakyti automatiškai, o sudėtingus klausimus, skundus ar neaiškius atvejus galima pažymėti, kad juos peržiūrėtų žmogus.
Perduotą atvejį nagrinėjantis specialistas gali gauti:
- El. laiškų giją.
- Sistemos atliktą kliento užklausos tikslo analizę.
- Siūlomą atsakymo juodraštį.
- Aktualią paskyros ar užsakymo informaciją.
Pateikus šį kontekstą klientams gali nebereikėti kartoti informacijos.
5 klientų el. laiškų tipai, kuriuos gali tvarkyti dirbtinis intelektas
Įprastos, nuspėjamos struktūros užklausos gali būti tinkamos automatiniams atsakymams. Pavyzdžiui:
1. Klausimai apie sąskaitas ir paskyras
El. laiško pavyzdys:
„Sveiki, šį mėnesį už mano prenumeratą nuskaičiavote pinigus du kartus. Ar galite patikrinti mano paskyrą ir grąžinti pinigus už dvigubą nuskaičiavimą?“
Galimas sprendimas: sistema nustato su atsiskaitymu susijusią problemą ir, jei yra prijungta prie mokėjimų istorijos, patikrina nuskaičiavimus. Jei tam suteiktas leidimas, ji gali grąžinti pinigus; kitu atveju gali paaiškinti pinigų grąžinimo tvarką ir numatomą trukmę.
2. Užklausos apie produktus
El. laiško pavyzdys:
„Ar jūsų platforma palaiko integraciją su Salesforce? Vertiname įvairias galimybes savo komandai.“
Galimas sprendimas: sistema ieško žinių bazėje informacijos apie integraciją ir gali pateikti išsamią informaciją, sąrankos veiksmus, apribojimus ar susijusią dokumentaciją.
3. Užsakymų ir siuntimo būsenos atnaujinimai
El. laiško pavyzdys:
„Kur mano užsakymas? Pateikiau jį prieš savaitę, bet negavau jokios sekimo informacijos.“
Galimas sprendimas: jei sistema prijungta prie užsakymų duomenų, ji gali patikrinti siuntos būseną ir pateikti prieinamą sekimo informaciją. Vėlavimo ar kitas problemas ji gali perduoti žmogui.
4. Pagrindinių trikčių šalinimas
El. laiško pavyzdys:
„Negaliu prisijungti prie savo paskyros. Bandžiau iš naujo nustatyti slaptažodį, bet nepavyksta.“
Galimas sprendimas: sistema gali nustatyti prisijungimo problemą, pateikti trikčių šalinimo veiksmus ir, jei tokia galimybė yra, nukreipti klientą į patvirtintą slaptažodžio nustatymo iš naujo procesą.
5. Bendro pobūdžio klausimai
El. laiško pavyzdys:
„Koks jūsų darbo laikas? Ar teikiate pagalbą telefonu?“
Galimas sprendimas: į DUK tipo klausimus galima atsakyti remiantis žinių bazėje esančia informacija.
Dažniausiai tai būna įprastas klausimas, į kurį galima atsakyti nuspėjamai. Automatizavus tokius atsakymus, žmonėms specialistams gali likti daugiau laiko spręsti klausimus, kuriems reikia jų vertinimo.
Kada perduoti specialistui: žmogaus ir dirbtinio intelekto darbo perdavimas
Dirbtinio intelekto el. pašto atsakikliai gali tvarkyti įprastas užklausas, o žmonės gali sutelkti dėmesį į atvejus, kuriems reikia žmogiškojo vertinimo.
Apsvarstykite galimybę perduoti specialistui, kai:
- Problema sudėtinga arba neįprasta: ji apima tarpusavyje susijusias problemas, neįprastas paskyros aplinkybes arba užklausą, kuriai netaikomos įprastos taisyklės.
- Klientas nusiminęs: žmogus gali geriau atsakyti empatiškai.
- Rizikuojama prarasti svarbų klientą: atvejis susijęs su įmonės klientu, ilgalaike paskyra arba galimu reikšmingu poveikiu pajamoms.
- Sistema nėra tikra: mažas pasitikėjimo lygis gali būti priežastis prašyti žmogaus peržiūros.
- Klausimas susijęs su teise ar atitiktimi: ginčams, teisiniams prašymams ir reguliavimo klausimams gali prireikti specialisto dėmesio.
Perduodant atvejį gali būti pateikta:
- Pokalbio istorija.
- Sistemos atlikta tikslo ir nuotaikos analizė.
- Aktualūs paskyros duomenys, jei jų yra.
- Siūlomas atsakymas, kurį specialistas gali peržiūrėti ir redaguoti.
Pagrindiniai dirbtinio intelekto el. pašto atsakiklių privalumai
1. Greitesni pirmieji atsakymai
Automatinis įprastų klausimų tvarkymas gali sutrumpinti laukimą, kol klientas gaus pirmąjį atsakymą. Atsakymo laikas gali turėti reikšmės klientų patirčiai ir pardavimams, tačiau rezultatai priklauso nuo pagalbos proceso ir tvarkomų klausimų.
2. Nuoseklesni atsakymai
Automatinė sistema gali naudoti tas pačias gaires skirtingu paros metu. Jos naudingumas priklauso nuo šaltinio informacijos tikslumo ir peržiūros bei perdavimo specialistams proceso kokybės.
3. Pasiekiamumas skirtingose laiko juostose
Automatiniai atsakymai gali užtikrinti pagalbą ne komandos darbo valandomis. Tai gali padėti organizacijoms, aptarnaujančioms klientus keliose laiko juostose.
4. Daugiau įprastų užklausų
Jei didelė pagalbos užklausų dalis yra nuspėjamos struktūros, automatizavimas gali padėti komandai tvarkyti didesnį jų kiekį nedidinant darbuotojų skaičiaus tokiu pačiu tempu. Rezultatas priklauso nuo užklausų pobūdžio ir nuo to, kaip gerai sistema jas tvarko.
5. Galimybė sumažinti vienos užklausos tvarkymo išlaidas
Išlaidų poveikis priklauso nuo sėkmingai tvarkomų užklausų dalies, sistemos ir integracijų išlaidų, žmogaus peržiūrai skiriamo laiko bei esamo pagalbos proceso kainos. Komandos gali palyginti šiuos veiksnius ir įvertinti sutaupymą.
6. Daugiau laiko specialistams sudėtingesniam darbui
Automatizavimas gali suteikti specialistams daugiau laiko:
- Spręsti sudėtingas problemas.
- Kurti santykius su klientais.
- Nustatyti, ką reikėtų patobulinti produktuose.
- Vesti mokymus ir užtikrinti kokybę.
Kaip nustatyti dirbtinio intelekto el. pašto atsakiklį
1 veiksmas: prijungti pagalbos tarnybos el. pašto paskyrą
Daugelį dirbtiniu intelektu paremtų el. pašto įrankių galima integruoti į esamą el. pašto sąranką, pavyzdžiui, Gmail, Outlook ar pasirinktinį SMTP. Tikslios parinktys priklauso nuo platformos. Prieš įjungdami automatinius atsakymus, peržiūrėkite, kaip pasiekiamos gaunamos žinutės ir kaip siunčiami atsakymai.
2 veiksmas: parengti žinių bazę
Atsakymų tikslumas priklauso nuo sistemai prieinamos informacijos. Naudingi šaltiniai gali būti:
- Pagalbos dokumentacija: DUK, vadovai ir mokomosios instrukcijos.
- Taisyklių dokumentai: pinigų grąžinimo taisyklės, paslaugų teikimo sąlygos ir siuntimo informacija.
- Informacija apie produktus: funkcijos, kainos ir specifikacijos.
- Ankstesni pokalbiai: pagalbos pavyzdžiai, parodantys tinkamus atsakymų modelius.
Prijunkite arba įkelkite aktualius šaltinius, tada peržiūrėkite indeksuotą medžiagą, kad rastumėte spragas ir pasenusią informaciją.
3 veiksmas: nustatyti toną ir taisykles
Nurodykite, kaip reikėtų rašyti atsakymus, įskaitant:
- Toną: profesionalų, draugišką, neformalų ar oficialų.
- Parašą: kaip turėtų būti užbaigiami el. laiškai.
- Draudžiamas temas: klausimus, kurių sistema neturėtų aptarti.
- Tvirtinimo darbo eigas: atsakymus, kuriuos prieš siunčiant turi peržiūrėti žmogus.
4 veiksmas: nustatyti perdavimo specialistams taisykles
Nuspręskite, ką galima tvarkyti automatiškai ir kam reikia žmogaus dėmesio. Pavyzdžiui:
- Automatiniai atsakymai: DUK, užsakymo būsena ir pagrindiniai klausimai apie paskyrą.
- Žmogaus peržiūra: skundai, prašymai grąžinti didesnę nei pasirinkta suma arba VIP klientai.
- Veiksmai: veiksmai, kuriuos sistemai leidžiama atlikti kliento vardu.
- Neatidėliotinas perdavimas: teisiniai klausimai, saugumo problemos arba labai nusiminę klientai.
Pradėkite nuo atsargių taisyklių ir koreguokite jas peržiūrėję rezultatus.
5 veiksmas: stebėti ir tobulinti
Peržiūrėkite pirmuosius atsakymus, klientų atsiliepimus ir atvejus, kai sistemai kyla sunkumų. Priklausomai nuo platformos, galbūt galėsite:
- Peržiūrėti arba redaguoti atsakymus prieš juos išsiunčiant.
- Stebėti problemų išsprendimo rodiklius ir klientų pasitenkinimą.
- Nustatyti dažnai specialistams perduodamų klausimų tipus.
- Atnaujinti žinių šaltinius ir pašalinti spragas.
Planuokite reguliariai peržiūrėti sistemą ir tobulinti jos šaltinius bei taisykles.
Kaip sužinoti, ar dirbtinio intelekto el. pašto atsakikliai veikia
Stebėkite, ar automatiniai atsakymai padeda klientams ir pagalbos komandai. Naudingi rodikliai:
- Pirmojo atsakymo laikas: kiek klientai laukia pirmojo atsakymo. Nustatykite pagalbos poreikius atitinkantį tikslą.
- Išsprendimo rodiklis: atvejų, išspręstų be žmogaus įsikišimo, dalis. Nustatykite pradinį rodiklį ir koreguokite tikslus pagal atvejų sudėtingumą.
- Klientų pasitenkinimas (CSAT): palyginkite atsiliepimus apie automatiniu būdu ir žmonių tvarkytus atvejus, atsižvelgdami į problemos tipą.
- Perdavimo specialistams rodiklis: stebėkite, kaip dažnai reikia žmogaus pagalbos; pokyčiai gali rodyti žinių spragas arba besikeičiančius klientų poreikius.
- Vienos užklausos tvarkymo išlaidos: palyginkite visas automatinio tvarkymo išlaidas, įskaitant integracijas ir peržiūrą, su esamo proceso išlaidomis.
- Specialistų produktyvumas: įvertinkite, ar specialistai turi daugiau laiko sudėtingam darbui ir ar išlaikoma problemų sprendimo kokybė.
Pradėkite naudoti dirbtinį intelektą el. pašto pagalbai
Klientų pokalbiai gali padėti organizacijoms suprasti klientų poreikius ir tobulinti produktus. Augant verslui, komandai gali tapti sunkiau spėti atsakyti į kiekvieną gaunamą žinutę.
Dirbtinio intelekto el. pašto atsakikliai gali padėti tvarkyti įprastus klausimus ir kartu išlaikyti galimybę kreiptis į žmogų. Jų vertė priklauso nuo informacijos tikslumo, tinkamų leidimų, aiškių perdavimo specialistams taisyklių ir nuolatinės peržiūros. Pradėkite nuo nedidelio nuspėjamų užklausų rinkinio, patikrinkite atsakymus ir plėskite automatizavimą, kai sistema parodys, kad tinkamai jas tvarko.
Susipažinkite su Ailoot teksto generavimo API. Vienas Ailoot išduotas API raktas suteikia prieigą prie 1 284 modelių ir jų variantų iš 15 kategorijų. Pagal modelių skaičių Ailoot yra viena didžiausių platformų pasaulyje, nukreipiančių užklausas į DI modelius. Visoms medijos užduotims naudokite tą patį sąskaitos likutį. Redaguokite nuotraukas su GPT Image 2.6 Sunburst, kurkite vaizdo įrašus su Veo, transkribuokite garso įrašus su Scribe, kurkite muziką su Lyria arba 3D objektus su Tripo3D. Programavimui taip pat galite rinktis Qwen4 Max, o paieškai – BGE vektorines reprezentacijas.
Projekte „Gmail API kaina“ Ailoot parengia tolesnių veiksmų santraukas ir atsakymų juodraščius iš jūsų pateiktų Gmail laiškų gijų arba pristatymo žurnalų, iš kurių pašalinti jautrūs duomenys. Išsaugokite nuorodą į originalią laiškų giją, kad komandos narys galėtų peržiūrėti reikiamą pokalbį.
Ailoot platformoje su Claude Sonnet 5.5 parenkite trumpą atsakymo juodraštį. Naudokite BGE vektorines reprezentacijas susijusioms aptarnavimo pastaboms rasti tarp tų, kurias pateikėte. Abu veiksmus galite apmokėti iš to paties Ailoot sąskaitos likučio, o laiškus siunčia jūsų el. pašto paslaugos teikėjas. Prieš planuodami programos biudžetą, su Ailoot apibendrinkite pateiktus viešai skelbtus tarifus ir naudojimo prielaidas.
Viena prenumerata apima visą Ailoot katalogą. Naujus pažangiausius modelius galite naudoti nuo pat jų išleidimo dienos su tuo pačiu raktu. Apsilankykite https://ailoot.ai/, kur rasite prenumeratų ir nuolaidų kodų. Su jais galima sutaupyti iki 50 %, palyginti su oficialiais modelių tiekėjų API tarifais.