Odzivniki na e-pošto z umetno inteligenco: kako obravnavajo e-pošto za podporo strankam
MarkdownPreberite, kako se odzivniki na e-pošto z umetno inteligenco spopadajo s sporočili strank, odgovarjajo na rutinska vprašanja, predajajo zapletene težave in zmanjšujejo obremenitev podpore, pri tem pa ohranjajo kontekst.
Kaj je odzivnik na e-pošto z umetno inteligenco?
Odzivnik na e-pošto z umetno inteligenco je programska oprema, ki uporablja umetno inteligenco za branje, razumevanje in odgovarjanje na e-poštna sporočila strank. Za razliko od vnaprej pripravljenega samodejnega odgovora, ki pravi: »Prejeli smo vaše sporočilo in vam bomo kmalu odgovorili,« lahko odzivnik na e-pošto z umetno inteligenco odgovori na vprašanje z uporabo informacij iz baze znanja, pravilnikov in gradiv o izdelkih.
Ko stranka na primer vpraša o pravilniku za vračila, lahko sistem prepozna namen, pridobi ustrezne informacije o pravilniku in pripravi odgovor za njen primer.
Pogoste zmogljivosti vključujejo:
- Obdelava naravnega jezika (NLP): razlaga pomen sporočila stranke.
- Razvrščanje namenov: prepozna, ali gre za zahtevo za vračilo, vprašanje o obračunu ali tehnično težavo.
- Pridobivanje znanja: poišče ustrezne informacije v dokumentaciji, pogostih vprašanjih in prejšnjih pogovorih.
- Prilagojeni odgovori: stranke lahko nagovori po imenu in uporabi podatke o računu ali naročilu, kadar je povezan s temi sistemi.
- Predaja človeku: zapletene težave posreduje človeškim agentom skupaj z ustreznim kontekstom.
E-pošta je lahko primerna za nekatere zahteve za podporo, medtem ko je druge morda bolje obravnavati prek drugega kanala podpore.
Kako delujejo odzivniki na e-pošto z umetno inteligenco
Ko prispe e-poštno sporočilo stranke, lahko odzivnik izvede naslednje korake:
1. korak: Razvrstitev e-poštnega sporočila
Sistem prepozna namen e-poštnega sporočila, na primer vprašanje o obračunu, zahtevo za funkcijo ali pritožbo. Izlušči lahko tudi podrobnosti, kot so številke naročil, imena izdelkov, datumi in identifikatorji računov, da pripravi ustrezen odgovor.
2. korak: Pridobivanje informacij iz baze znanja
Ko sistem ugotovi, kaj stranka potrebuje, poišče ustrezno vsebino, na primer dokumente pomoči, pogosta vprašanja, pravilnike in informacije o izdelkih. Generiranje z dopolnjevanjem na podlagi iskanja (RAG) je eden od pristopov:
- Sistem pretvori vprašanje stranke v iskalno poizvedbo.
- Preišče indeksirano vsebino.
- Pridobi ustrezne odlomke.
- Na podlagi tega konteksta ustvari odgovor.
Uporaba pridobljenega gradiva lahko pomaga utemeljiti odgovore v dokumentaciji, vendar ne zagotavlja, da bo vsak odgovor točen.
3. korak: Ustvarjanje odgovora
Ko sta namen prepoznan in ustrezne informacije pridobljene, lahko jezikovni model pripravi odgovor, ki:
- Ustreza izbranemu tonu in slogu.
- Odgovarja na zastavljeno vprašanje.
- Vključuje ustrezne podatke o računu ali naročilu, kadar so na voljo.
- Po potrebi navede naslednje korake.
4. korak: Predaja ali pošiljanje
Pred pošiljanjem odgovora lahko sistem oceni, ali naj zahtevo obdela samodejno ali jo pregleda oseba. Na rutinska vprašanja lahko odgovori samodejno, zapletene težave, pritožbe ali negotove primere pa označi za človeški pregled.
Ob predaji primera lahko človeški agent prejme:
- E-poštno nit.
- Sistemovo analizo namena stranke.
- Predlog odgovora.
- Ustrezne podatke o računu ali naročilu.
Posredovanje tega konteksta lahko zmanjša potrebo, da stranke ponavljajo informacije.
5 vrst e-poštnih sporočil strank, ki jih lahko obravnava umetna inteligenca
Rutinska vprašanja s predvidljivimi vzorci so lahko primerna za samodejne odgovore. Primeri vključujejo:
1. Vprašanja o obračunu in računu
Primer e-poštnega sporočila:
»Pozdravljeni, ta mesec so mi naročnino zaračunali dvakrat. Lahko preverite moj račun in povrnete podvojeni znesek?«
Možna obravnava: Sistem prepozna težavo z obračunom in, če je povezan z zgodovino plačil, preveri zaračunani znesek. Če ima pooblastilo, lahko izvede vračilo; sicer lahko pojasni postopek vračila in pričakovani časovni okvir.
2. Zahteve za informacije o izdelku
Primer e-poštnega sporočila:
»Ali vaša platforma podpira integracijo s Salesforce? Za svojo ekipo preučujemo različne možnosti.«
Možna obravnava: Sistem v bazi znanja poišče informacije o integraciji ter navede podrobnosti, korake za nastavitev, omejitve ali ustrezno dokumentacijo.
3. Posodobitve o naročilu in pošiljanju
Primer e-poštnega sporočila:
»Kje je moje naročilo? Oddal sem ga pred enim tednom, vendar še nisem prejel nobenih podatkov za sledenje.«
Možna obravnava: Če je povezan s podatki o naročilih, lahko sistem poišče stanje pošiljke in posreduje razpoložljive podatke za sledenje. Zamude ali druge težave lahko preda v obravnavo osebi.
4. Osnovno odpravljanje težav
Primer e-poštnega sporočila:
»Ne morem se prijaviti v svoj račun. Poskusil sem ponastaviti geslo, vendar ne deluje.«
Možna obravnava: Sistem lahko prepozna težavo s prijavo, navede korake za odpravljanje težav in stranko usmeri na pooblaščen postopek ponastavitve gesla, kadar je na voljo.
5. Splošna vprašanja
Primer e-poštnega sporočila:
»Kakšen je vaš delovni čas? Ali nudite telefonsko podporo?«
Možna obravnava: Na vprašanja v slogu pogostih vprašanj je mogoče odgovoriti z informacijami iz baze znanja.
Pogost vzorec je rutinsko vprašanje s predvidljivim odgovorom. Avtomatizacija takšnih odgovorov lahko človeškim agentom nameni več časa za težave, ki zahtevajo presojo.
Kdaj predati primer: predaja med umetno inteligenco in človekom
Odzivniki na e-pošto z umetno inteligenco lahko opravijo rutinsko delo, ljudje pa se posvetijo primerom, ki zahtevajo človeško presojo.
O predaji razmislite, kadar:
- Je težava zapletena ali neobičajna: vključuje povezane težave, neobičajne okoliščine računa ali zahtevo zunaj standardnih pravilnikov.
- Je stranka razburjena: oseba se bo morda lažje odzvala z empatijo.
- Je ogrožen pomemben poslovni odnos: primer vključuje poslovno stranko, dolgoročni račun ali pomembne posledice za prihodke.
- Sistem ni prepričan: nizka stopnja zaupanja je lahko razlog za zahtevo po človeškem pregledu.
- Je težava pravna ali povezana s skladnostjo: spori, pravne zahteve in regulativne zadeve lahko zahtevajo pozornost strokovnjaka.
Koristna predaja lahko vključuje:
- Zgodovino pogovora.
- Sistemovo analizo namena in sentimenta.
- Ustrezne podatke o računu, kadar so na voljo.
- Predlog odgovora, ki ga agent pregleda in uredi.
Ključne prednosti odzivnikov na e-pošto z umetno inteligenco
1. Hitrejši prvi odgovori
Samodejna obravnava lahko skrajša čakanje na prvi odgovor pri rutinskih vprašanjih. Čas odgovora je lahko pomemben za izkušnjo strank in prodajo, vendar so rezultati odvisni od postopka podpore in obravnavanih vprašanj.
2. Doslednejši odgovori
Samodejni sistem lahko uporablja enaka navodila ob različnih urah dneva. Njegova uporabnost je odvisna od točnosti izvornih informacij ter kakovosti postopka pregledovanja in predaje.
3. Razpoložljivost v različnih časovnih pasovih
Samodejni odgovori lahko zagotavljajo pokritost zunaj delovnega časa ekipe. To lahko pomaga organizacijam, ki podpirajo stranke v več časovnih pasovih.
4. Obravnava več rutinskih zahtev
Če ima velik delež zahtevkov za podporo predvidljive vzorce, lahko avtomatizacija ekipi pomaga obravnavati večji obseg brez sorazmernega povečanja števila zaposlenih. Rezultat je odvisen od vrste zahtev in od tega, kako dobro jih sistem obravnava.
5. Morebitno znižanje stroška na zahtevek
Vpliv na stroške je odvisen od deleža uspešno obravnavanih zahtev, stroškov sistema in integracij, časa za človeški pregled ter stroškov obstoječega postopka podpore. Ekipe lahko te dejavnike primerjajo in ocenijo prihranke.
6. Več časa za agente za zahtevnejše delo
Avtomatizacija lahko agentom nameni več časa za:
- Reševanje zapletenih težav.
- Grajenje odnosov s strankami.
- Prepoznavanje izboljšav izdelka.
- Usposabljanje in zagotavljanje kakovosti.
Kako nastaviti odzivnik na e-pošto z umetno inteligenco
1. korak: Povezava e-poštnega računa za podporo
Številna orodja za e-pošto z umetno inteligenco se lahko povežejo z obstoječo e-poštno nastavitvijo, na primer z Gmailom, Outlookom ali lastnim strežnikom SMTP. Natančne možnosti so odvisne od platforme. Pred omogočanjem samodejnih odgovorov preverite, kako se dostopa do dohodnih sporočil in kako se pošiljajo odgovori.
2. korak: Priprava baze znanja
Točni odgovori so odvisni od informacij, ki so na voljo sistemu. Uporabni viri lahko vključujejo:
- Dokumentacijo za pomoč: pogosta vprašanja, vodnike in vadnice.
- Dokumente s pravilniki: pravilnike o vračilih, pogoje uporabe in informacije o pošiljanju.
- Informacije o izdelku: funkcije, cene in specifikacije.
- Pretekle pogovore: primere podpore, ki prikazujejo ustrezne vzorce odgovorov.
Povežite ali naložite ustrezne vire, nato preglejte indeksirano gradivo glede vrzeli in zastarelih informacij.
3. korak: Nastavitev tona in pravilnikov
Določite navodila za pisanje odgovorov, vključno z:
- Ton: profesionalen, prijazen, sproščen ali formalen.
- Podpis: kako naj se e-poštna sporočila zaključijo.
- Prepovedane teme: teme, ki jih sistem ne sme obravnavati.
- Postopki odobritve: odgovori, ki jih mora pred pošiljanjem pregledati oseba.
4. korak: Določitev pravil za predajo
Odločite se, kaj je mogoče obravnavati samodejno in kaj zahteva človeško pozornost. Na primer:
- Samodejni odgovori: pogosta vprašanja, stanje naročila in osnovna vprašanja o računu.
- Človeški pregled: pritožbe, zahteve za vračilo nad izbranim zneskom ali VIP-stranke.
- Dejanja: vsa dejanja, ki jih sistem sme izvesti v imenu stranke.
- Takojšnja predaja: pravne težave, varnostni pomisleki ali zelo razburjene stranke.
Začnite z zadržanimi pravili in jih prilagajajte med pregledovanjem rezultatov.
5. korak: Spremljanje in izboljševanje
Pregledujte prve odgovore, povratne informacije strank in primere, pri katerih ima sistem težave. Odvisno od platforme boste morda lahko:
- Pregledali ali uredili odgovore, preden so poslani.
- Spremljali stopnje reševanja in zadovoljstvo strank.
- Prepoznali vrste vprašanj, ki se pogosto predajajo naprej.
- Posodobili vire znanja, da odpravite vrzeli.
Načrtujte redno pregledovanje sistema ter izboljševanje njegovih virov in pravil.
Kako ugotoviti, ali odzivniki na e-pošto z umetno inteligenco delujejo
Spremljajte, ali samodejni odgovori pomagajo strankam in podporni ekipi. Uporabne meritve vključujejo:
- Čas do prvega odgovora: koliko časa stranke čakajo na prvi odgovor. Določite cilj, ki ustreza vašim potrebam podpore.
- Stopnja rešitve: delež primerov, rešenih brez človeškega posredovanja. Določite izhodiščno vrednost in prilagodite cilje glede na zahtevnost primerov.
- Zadovoljstvo strank (CSAT): primerjajte povratne informacije o samodejno in človeško obravnavanih primerih ter upoštevajte vrsto težave.
- Stopnja predaje: spremljajte, kako pogosto primeri potrebujejo človeško pomoč; spremembe lahko kažejo na vrzeli v znanju ali spreminjajoče se potrebe strank.
- Strošek na zahtevek: primerjajte celotne stroške samodejne obravnave, vključno z integracijami in pregledom, z obstoječim postopkom.
- Produktivnost agentov: presodite, ali imajo agenti več časa za zahtevnejše delo in ali se kakovost reševanja ohranja.
Začetek podpore strankam po e-pošti z umetno inteligenco
Pogovori s strankami lahko organizacijam pomagajo razumeti potrebe strank in izboljšati njihove izdelke. Ko podjetje raste, ekipa težje sproti obravnava vsako dohodno sporočilo.
Odzivniki na e-pošto z umetno inteligenco lahko pomagajo obravnavati rutinska vprašanja, hkrati pa ohranjajo možnost človeške podpore. Njihova vrednost je odvisna od točnih informacij, ustreznih dovoljenj, jasnih pravil za predajo in stalnega pregledovanja. Začnite z omejenim naborom predvidljivih zahtev, preverjajte odgovore in širše uvajajte avtomatizacijo, ko sistem pokaže, da jih ustrezno obravnava.
Spoznajte Ailootov API za generiranje besedila. Ailoot izda en ključ API za dostop do 1 284 modelov in različic v 15 kategorijah. Po številu modelov se tako uvršča med največje usmerjevalnike za umetno inteligenco na svetu. Izberite Claude ali Qwen za kodo, FLUX za slike, Kling za video, Scribe za prepis govora, Lyria za glasbo in Tripo3D za 3D-objekte. Vektorske predstavitve BGE podpirajo semantično iskanje.
Če uporabljate API za Gmail, posredujte Ailootu niti sporočil ali zapise o dostavi iz Gmaila, iz katerih ste odstranili občutljive podatke. Ailoot iz njih pripravi povzetke naslednjih korakov in osnutke odgovorov. Shranite sklic na prvotno nit, da si bo sodelavec lahko ogledal pravi pogovor.
Pripravite kratek odgovor z modelom Claude Sonnet 5.5 v Ailootu. Z vektorskimi predstavitvami BGE poiščite ustrezne zapiske med gradivom službe za podporo, ki ste ga posredovali. Obe opravili lahko plačate iz istega dobroimetja v Ailootu. Za pošiljanje poskrbi vaš ponudnik e-pošte.
Nove vodilne modele lahko od prvega dne uporabljate z istim dobroimetjem v Ailootu. Ena naročnina zajema celoten katalog. Z naročnino in promocijskimi kodami lahko pri uporabi modelov prihranite do 50 % v primerjavi z uradnimi cenami, ki jih ponudniki modelov zaračunavajo za uporabo svojih API-jev. Prijavite se v svoj račun na https://ailoot.ai/ ali prosite ekipo Ailoot za promocijsko kodo.