Почему мы решили дать такое название статье?
Из определения: Чёрная дыра — область пространства-времени, гравитационное притяжение которой настолько велико, что покинуть её не могут даже объекты, движущиеся со скоростью света…
Мы как раз и планируем подсветить те ошибки в работе компаний, создающих омниканальный клиентский сервис, в результате которых выбраться из этих "черных дыр" становится крайне затратным.
Мы как раз и планируем подсветить те ошибки в работе компаний, создающих омниканальный клиентский сервис, в результате которых выбраться из этих "черных дыр" становится крайне затратным.
1. Первая потенциальная черная дыра — операторы
Новички не знают, а старички, наоборот, все знают и не хотят обновляться. Только середнячки готовы разбираться в вопросе. Им не лень посмотреть в базу знаний, чтобы найти ответ.
Мы проводили исследования среди пользователей различных баз знаний, и операторы на вопрос "почему не используешь Базу знаний?" отвечали: "неудобно, невозможно найти / долго искать".
Как правило, у контакт-центра нет бюджета и достаточного веса, чтобы довести до топ-менеджмента свою потребность и необходимость изменения. Часто их главные KPI — это снижение заработной платы и количества операторов. В итоге возникает конфликт, где с одной стороны — необходимость инновационного развития в области коммуникации, а с другой — KPI. Указать на него могут единицы, т.к. middle менеджмент "забит" этими KPI.
Обычно такая ситуация приводит к тому, что запуск новой базы знаний без изменения процессов обслуживания приводит к ранее имевшимся результатам. Уровень саботажа со стороны “старичков” будет очень высоким — они же профессионалы, и им не нужна лишняя система. Таким образом, заставить их работать в системе управления знаниями — это не только задача выбора продукта, но и большая методическая работа по созданию удобного пространства знаний, качественной категоризации, быстрого поиска, исключению из интерфейса лишней информации, не нужной данному типу операторов, адаптации UI под текстовый операторский канал и голосовой. В идеале — встройке в UI коммуникационных сервисов и систем источников данных о клиенте. Все эти действия повышают шансы на изменение и позитивное отношение операторов к этим изменениям и действительно меняют клиентский опыт, повышая показатели обслуживания: скорость обслуживания, количество ошибок, количество повторных обращений и т.д.
Мы проводили исследования среди пользователей различных баз знаний, и операторы на вопрос "почему не используешь Базу знаний?" отвечали: "неудобно, невозможно найти / долго искать".
Как правило, у контакт-центра нет бюджета и достаточного веса, чтобы довести до топ-менеджмента свою потребность и необходимость изменения. Часто их главные KPI — это снижение заработной платы и количества операторов. В итоге возникает конфликт, где с одной стороны — необходимость инновационного развития в области коммуникации, а с другой — KPI. Указать на него могут единицы, т.к. middle менеджмент "забит" этими KPI.
Обычно такая ситуация приводит к тому, что запуск новой базы знаний без изменения процессов обслуживания приводит к ранее имевшимся результатам. Уровень саботажа со стороны “старичков” будет очень высоким — они же профессионалы, и им не нужна лишняя система. Таким образом, заставить их работать в системе управления знаниями — это не только задача выбора продукта, но и большая методическая работа по созданию удобного пространства знаний, качественной категоризации, быстрого поиска, исключению из интерфейса лишней информации, не нужной данному типу операторов, адаптации UI под текстовый операторский канал и голосовой. В идеале — встройке в UI коммуникационных сервисов и систем источников данных о клиенте. Все эти действия повышают шансы на изменение и позитивное отношение операторов к этим изменениям и действительно меняют клиентский опыт, повышая показатели обслуживания: скорость обслуживания, количество ошибок, количество повторных обращений и т.д.
Для снижения уровня саботажа мы рекомендуем обязательно включать в команду проекта “влиятельных старичков”, наделяя их “погонами”, возможно, и формальными. Это позволит не только не наломать дров, но и добавит доверия со стороны остальных операторов к данной работе.
2. Вторая черная дыра — CRM
CRM, из которой пытаются сделать омниканальную платформу. Получается чемодан без ручки. Эффективность затрат резко снижается, т.к. CRM не приспособлены под решение задач коммуникации. Инвестиции в такой проект могут достигать десятков и даже сотен миллионов, в зависимости от масштаба организации и методики подсчета. В результате, система, не предназначенная для омниканального обслуживания, становится неповоротливым монстром, качество обслуживания которого с каждым годом начинает отставать от специализированных решений.
Кроме того, с большой вероятностью возникнут сложности со “списанием этих затрат” при принятии решения о замене функционала (реализованного в CRM) на специализированный. Кто примет решение? Должен ли кто-то отвечать за предыдущие затраты? В корпоративном мире редко кто хочет нести такую ответственность... Мы часто наблюдаем эту ситуацию. В таких организациях циклы сделок в разы выше, поскольку возникает потребность принятия коллективных решений для размытия ответственности, а согласование большим кругом лиц — это всегда удлинение сроков.
Кроме того, с большой вероятностью возникнут сложности со “списанием этих затрат” при принятии решения о замене функционала (реализованного в CRM) на специализированный. Кто примет решение? Должен ли кто-то отвечать за предыдущие затраты? В корпоративном мире редко кто хочет нести такую ответственность... Мы часто наблюдаем эту ситуацию. В таких организациях циклы сделок в разы выше, поскольку возникает потребность принятия коллективных решений для размытия ответственности, а согласование большим кругом лиц — это всегда удлинение сроков.
Вывод: дешевле и эффективнее использовать специализированное ПО, которое связывает существующие каналы в единую систему.
3. Третья черная дыра — Роботы. Иллюзия, что робота можно всему обучить и закрыть коммуникационные проблемы
Это невозможно по ряду причин.
Во-первых, есть пользователи, которые принципиально не хотят общаться с роботами и готовы сменить сервис, если нет альтернатив. Получается, что оставшиеся пользователи всем довольны (остальные уже ушли). При этом в отчетах все красиво, но реальный LTV гораздо ниже, чем мог бы быть, если бы удержали тех, кто не получил альтернативного способа решения проблемы.
Во-вторых, роботы работают на основе обученных нейросетей (мы не берем в расчет ботов, работающих на основе скриптов и алгоритмов, заданных жестко и не подразумевающих отклонений от них). Типов нейросетей и способов их обучения множество. Результаты не всегда оправдывают ожидания. Часто мы видим ситуацию, в т.ч. как клиенты, когда, например, обслуживающий нас банк запускает текстового или голосового робота, при этом качество его обслуживания оставляет желать лучшего. Проходит время, а качество растет незначительно или не растет совсем. Почему? Причин может быть множество. От неправильных датасетов, которые “скормили” нейросети или их недостаточного количества до того, что неверно оценили задачу, а бюджет израсходован и надо обосновывать все снова.
Во-первых, есть пользователи, которые принципиально не хотят общаться с роботами и готовы сменить сервис, если нет альтернатив. Получается, что оставшиеся пользователи всем довольны (остальные уже ушли). При этом в отчетах все красиво, но реальный LTV гораздо ниже, чем мог бы быть, если бы удержали тех, кто не получил альтернативного способа решения проблемы.
Во-вторых, роботы работают на основе обученных нейросетей (мы не берем в расчет ботов, работающих на основе скриптов и алгоритмов, заданных жестко и не подразумевающих отклонений от них). Типов нейросетей и способов их обучения множество. Результаты не всегда оправдывают ожидания. Часто мы видим ситуацию, в т.ч. как клиенты, когда, например, обслуживающий нас банк запускает текстового или голосового робота, при этом качество его обслуживания оставляет желать лучшего. Проходит время, а качество растет незначительно или не растет совсем. Почему? Причин может быть множество. От неправильных датасетов, которые “скормили” нейросети или их недостаточного количества до того, что неверно оценили задачу, а бюджет израсходован и надо обосновывать все снова.
В-третьих, роботы, в большинстве случаев, при подготовке ответа не обращаются к базе знаний, которой пользуются операторы, а используют встроенную. Т.е. у компании несколько баз знаний и контент в них зачастую неидентичен, если вообще актуален. И связать их воедино часто невозможно технически, поскольку система изначально развивалась не как омниканальная (несмотря на заявления), а как многоканальная, где каждый канал живет по своим правилам, нет той сетецентричности, которая отличает омниканальность от многоканальности. И в первую очередь это касается информации — знаний.
Следствие: Перегруз роботизированным каналом приводит к более низкому качеству обслуживания и текучке операторов (сотрудники общаются с уже негативными клиентами и от этого быстрее перегорают).
Какое здесь можно предложить решение? Создаем дополнительную защиту для робота, где у робота есть хорошая База знаний (та же, которой пользуются операторы, продавцы и т.д.), но имеющая возможность давать роботу ответы не только по интентам, но и свободным вопросам.
Здесь важно не забывать, что внутри роботизированного канала должен быть разработан приемлемый клиентский путь. Во-первых, надо понимать, в какой момент клиент начинает беситься, чтобы ДО этого момента переключить на оператора. Во-вторых, предоставить оператору контекст разговора, чтобы клиенту не нужно было повторять все заново.
Важно учитывать все это до запуска роботизированного канала обслуживания, чтобы и организационно, и архитектурно предусмотреть эти моменты. Если же ситуация уже та, как описано выше, то скорее всего надо решать вопрос комплексно и менять базу знаний у робота и операторов. И не стоит при этом забывать, что знаниями пользуются не только роботы и операторы, но они также транслируются на сайт, в мобильные приложения, ими пользуются сотрудники внутри организации и внешние пользователи (партнеры, поставщики, дилеры и т.д.). Нужно все это правильно учесть, чтобы через некоторое время не наступать на грабли повторно.
Следствие: Перегруз роботизированным каналом приводит к более низкому качеству обслуживания и текучке операторов (сотрудники общаются с уже негативными клиентами и от этого быстрее перегорают).
Какое здесь можно предложить решение? Создаем дополнительную защиту для робота, где у робота есть хорошая База знаний (та же, которой пользуются операторы, продавцы и т.д.), но имеющая возможность давать роботу ответы не только по интентам, но и свободным вопросам.
Здесь важно не забывать, что внутри роботизированного канала должен быть разработан приемлемый клиентский путь. Во-первых, надо понимать, в какой момент клиент начинает беситься, чтобы ДО этого момента переключить на оператора. Во-вторых, предоставить оператору контекст разговора, чтобы клиенту не нужно было повторять все заново.
Важно учитывать все это до запуска роботизированного канала обслуживания, чтобы и организационно, и архитектурно предусмотреть эти моменты. Если же ситуация уже та, как описано выше, то скорее всего надо решать вопрос комплексно и менять базу знаний у робота и операторов. И не стоит при этом забывать, что знаниями пользуются не только роботы и операторы, но они также транслируются на сайт, в мобильные приложения, ими пользуются сотрудники внутри организации и внешние пользователи (партнеры, поставщики, дилеры и т.д.). Нужно все это правильно учесть, чтобы через некоторое время не наступать на грабли повторно.
4. Множество баз знаний или контентных подсистем - множество источников информации для разных каналов коммуникации
Cайт, бот, оператор — каналов может быть несколько, в зависимости от продукта, типа клиента, способа взаимодействия (текст / голос и пр). В таком случае, актуализировать и поддерживать знания в единообразном состоянии становится настолько затратно, что это несопоставимо с конечным результатом.
Плодить базы знаний и иные источники контента означает в какой-то момент времени невозможность разобраться в том, где что находится, как это обновлять, как поддерживать в единообразном состоянии и практически потерять возможность предоставлять нормальный клиентский сервис (про качественный уже даже не говорим).
Таким образом, главной черной дырой любого клиентского сервиса является некачественное управление знаниями и предоставление противоречивой неактуальной информации как сотрудникам, так и клиентам в разных каналах коммуникаций.
И, к сожалению, это не только частая, но и самая незамечаемая ситуация в управлении информацией, которая используется в организации как для обслуживания клиентов, так и для осуществления производственных процессов.
Представьте себе, сколько раз информация о, допустим, новом тарифе или продукте мигрирует между системами, локальными компьютерами, облачными файлообменниками прежде чем стать доступной клиенту. А сколько времени тратится на то, чтобы потом поддерживать ее в актуальном состоянии! Десятки каналов коммуникаций, множество пользователей этой информации... Однажды мы даже столкнулись с компанией, в которой ведется реестр контента и мест его размещения, чтобы поддерживать информацию в актуальном состоянии. И это еще хорошо, что он есть и ведется. Чаще эти знания хранятся только в головах отдельных сотрудников.
Gartner подсчитали, что на поиск информации у сотрудников уходит от 20 до 80% рабочего времени — вот действительная черная дыра эффективности бизнеса!
Плодить базы знаний и иные источники контента означает в какой-то момент времени невозможность разобраться в том, где что находится, как это обновлять, как поддерживать в единообразном состоянии и практически потерять возможность предоставлять нормальный клиентский сервис (про качественный уже даже не говорим).
Таким образом, главной черной дырой любого клиентского сервиса является некачественное управление знаниями и предоставление противоречивой неактуальной информации как сотрудникам, так и клиентам в разных каналах коммуникаций.
И, к сожалению, это не только частая, но и самая незамечаемая ситуация в управлении информацией, которая используется в организации как для обслуживания клиентов, так и для осуществления производственных процессов.
Представьте себе, сколько раз информация о, допустим, новом тарифе или продукте мигрирует между системами, локальными компьютерами, облачными файлообменниками прежде чем стать доступной клиенту. А сколько времени тратится на то, чтобы потом поддерживать ее в актуальном состоянии! Десятки каналов коммуникаций, множество пользователей этой информации... Однажды мы даже столкнулись с компанией, в которой ведется реестр контента и мест его размещения, чтобы поддерживать информацию в актуальном состоянии. И это еще хорошо, что он есть и ведется. Чаще эти знания хранятся только в головах отдельных сотрудников.
Gartner подсчитали, что на поиск информации у сотрудников уходит от 20 до 80% рабочего времени — вот действительная черная дыра эффективности бизнеса!