סוכן קולי מבוסס AI לקמעונאות: טיפול בקפיצות שיחות נכנסות בלי להוסיף צוות

ענף הקמעונאות חווה תנודתיות בביקוש שאין דומה לה בשום מגזר אחר. תקופות חגים, אירועי מכירות גדולים והשקות מוצרים חדשים יוצרים גלי שיחות נכנסות שיכולים להכפיל את הנפח היומי בתוך שעות. מודלי איוש מסורתיים של מוקדי שירות אינם מתאימים היטב לדפוס הזה: גיוס והכשרת נציגים עונתיים לוקחים שבועות, שיעור הנטישה בהתקשרויות קצרות טווח גבוה, והעלות של שמירה על מצבת כוח אדם של עונת שיא לאורך כל השנה אינה מוצדקת.

מחקר על ביצועי מוקדי שירות קמעונאיים בתקופות שיא ממחיש את היקף הבעיה:

• לפי סקר הקמעונאות השנתי לחגים של Deloitte, נפח פניות שירות הלקוחות עולה ב-70 עד 100 אחוז במהלך חלון הקמעונאות של נובמבר-ינואר אצל קמעונאים גדולים.
• מחקר של NICE Systems מצא שזמן הטיפול הממוצע עולה ב-22 אחוז בתקופות שיא כאשר נציגים מנהלים מורכבות שיחה גבוהה יותר תחת לחץ.
• מחקר של Salesforce מצביע על כך ש-75 אחוז מהלקוחות מצפים לאיכות שירות עקבית ללא קשר לעומס שבו החברה נמצאת - סטנדרט שמודלי איוש ידניים אינם יכולים לעמוד בו באופן אמין בזמן גלים.
• Harvard Business Review מדווח ש"מאמץ לקוח" - המוגדר כמידת הקושי שלקוח צריך להשקיע כדי לפתור בעיה - הוא המנבא החזק ביותר לחוסר נאמנות לקוחות, וזמן המתנה הוא מניע מרכזי של מאמץ נתפס.
• לפי Forrester, מותגים שפותרים בעיות לקוח במגע הראשון רואים שיעורי שימור לקוחות גבוהים ב-30 אחוז מאלה שדורשים מספר פניות.

רוב השיחות הנכנסות בקמעונאות נופלות לסט צפוי של קטגוריות. סוכנים קוליים מבוססי AI מטפלים בכל קטגוריה ללא התערבות אנושית, ומשחררים נציגים אנושיים להתמקד בחריגים, הסלמות ואינטראקציות בעלות ערך גבוה.

1. פניות על סטטוס הזמנה
מתקשרים שואלים היכן ההזמנה שלהם, האם היא נשלחה ומתי תגיע. ה-AI מאמת את המתקשר, שואל את מערכת ניהול ההזמנות בזמן אמת ומספק עדכון סטטוס נוכחי. אין צורך במעורבות נציג.

2. התחלת החזרה והחלפה
מתקשרים רוצים להתחיל תהליך החזרה או החלפה. ה-AI מדריך את המתקשר דרך הזכאות על בסיס תאריך הרכישה וקטגוריית הפריט, יוזם את ההחזרה במערכת ומספק הוראות לשלב הבא. מקרי קצה הדורשים חריגות מדיניות מוסלמים למומחה.

3. בקשות למידע על חנות
מתקשרים שואלים על שעות פתיחה, מיקום, חניה, אמצעי תשלום מקובלים או זמינות בחנות של מוצרים מסוימים. ה-AI עונה מתוך בסיס ידע מוגדר ויכול לבדוק מלאי דרך אינטגרציית מערכת כאשר היא זמינה.

4. שאלות על מבצעים ותמחור
במהלך אירועי מכירה, מתקשרים שואלים האם פריטים מסוימים כלולים במבצע, כיצד קודי הנחה עובדים, או האם חלה מדיניות התאמת מחיר. ה-AI מספק תשובות מדויקות ומתוסרטות שנמשכות מתצורת הקמפיין הנוכחית.

5. פניות על חשבון ותוכנית נאמנות
מתקשרים שואלים על יתרות נקודות, סטטוס דרגה, מימוש תגמולים או בעיות גישה לחשבון. ה-AI מטפל בפניות סטנדרטיות ומנתב בעיות אבטחת חשבון למומחה אנושי.

התפלגות חמש הקטגוריות הזו מהווה בדרך כלל 65 עד 80 אחוז מנפח השיחות הנכנסות בקמעונאות, כלומר ניתן לפתור את רוב השיחות במהלך גל שיא לחלוטין באמצעות AI.

אתגר האיכות בתקופות שיא אינו רק עניין של קיבולת - הוא עניין של עקביות. כאשר נציגים אנושיים מוצפים, הם מקצרים שיחות, מדלגים על שלבי אימות ומספקים תשובות פחות מלאות. חוויית הלקוח נפגעת בדיוק כאשר היא חשובה ביותר לתפיסת המותג.

סוכנים קוליים מבוססי AI אינם מתדרדרים תחת עומס. מערכת UIRIX AI Inbound Calls מעבדת כל שיחה באותה איכות תגובה ללא קשר למספר השיחות המקבילות שמתנהלות.

עבור קמעונאים ארגוניים, עקביות זו מספקת מספר תוצאות מדידות:

• שיעורי פתרון במגע ראשון נשארים יציבים משום שה-AI אינו מדלג על שלבים או ממהר באינטראקציות תחת לחץ נפח.
• שיעורי ההסלמה צפויים משום שה-AI מחיל קריטריונים עקביים לקביעה מתי מקרה חורג מהיקף הטיפול שלו.
• זמן הטיפול הממוצע לשיחות שנפתרו על ידי AI נמוך יותר מהמקבילות שטופלו על ידי בני אדם עבור סוגי פניות סטנדרטיים, מה שמפחית את עלות התשתית לכל שיחה גם בנפח גל.

פלטפורמת UIRIX AI Voice Agent Platform תומכת בטיפול מקבילי בשיחות בקנה מידה ארגוני ללא מגבלות לפי עמדה, מה שמבטל את תקרת הקיבולת שמוקדי שירות מאוישים מתמודדים איתה במהלך אירועי שיא.

הבדלי ביצועים מרכזיים במהלך תקופת שיא קמעונאית:

• זמן להתרחבות מנפח 1x ל-10x: איוש מסורתי דורש 4-8 שבועות (גיוס והכשרה). מודל סוכן קולי מבוסס AI דורש דקות (עדכון תצורה).
• מהירות מענה בנפח 10x: איוש מסורתי רואה הצטברות תורים משמעותית. AI עונה בתוך פחות מ-2 שניות ללא תור.
• איכות שירות בשיא: המודל המסורתי מתדרדר עקב עייפות נציגים וקיצורי דרך. AI שומר על איכות עקבית ללא גורם עייפות.
• כיסוי מחוץ לשעות הפעילות: המודל המסורתי דורש איוש משמרות נוסף. AI מספק כיסוי מלא 24/7 כברירת מחדל.
• מודל עלות בנפח שיא: עלויות המודל המסורתי עולות ליניארית לכל נציג. AI פועל על עלות תשתית קבועה.
• דרישת הכשרה לסוגי שיחות חדשים: המודל המסורתי דורש שבועות לכל נציג. AI דורש שעות באמצעות עדכון בסיס ידע.
• שיעור פתרון במגע ראשון בנפח 2x: המודל המסורתי בדרך כלל יורד. שיעור ה-AI נשאר יציב.

לקוחות קמעונאיים ארגוניים מתקשרים דרך מספר ערוצים - אונליין, בחנות ובטלפון - ומצפים לחוויה אחידה ללא קשר לערוץ. סוכנים קוליים מבוססי AI תורמים לאינטגרציה זו על ידי גישה לאותם נתוני לקוח, היסטוריית הזמנות ומידע נאמנות שמניעים את חוויות הווב והאפליקציה.

כאשר לקוח מתקשר לגבי הזמנה שביצע אונליין, ה-AI מושך נתוני הזמנה בזמן אמת מפלטפורמת המסחר. כאשר חבר מועדון מתקשר לגבי נקודות, ה-AI מפנה לאותו מסד נתוני נאמנות שבו משתמשת האפליקציה הניידת. אינטגרציה זו מבטלת את פער החוויה שמתסכל לקוחות שמקבלים מידע שונה בהתאם לערוץ שבו הם משתמשים.

אינטגרציית CRM פירושה גם שכל שיחה שמטופלת על ידי AI יוצרת רשומה מובנית. סיכומי לאחר שיחה נרשמים אוטומטית, מה שמאפשר לצוותי שירות לקוחות לבדוק היסטוריית אינטראקציות, לזהות בעיות חוזרות ולעדכן את בסיס הידע של ה-AI כדי לטפל בסוגי פניות מתפתחים לפני שהם הופכים לנפוצים.

סוכנים קוליים מבוססי AI מוגדרים עם היקף טיפול מוגדר - סוגי הפניות שהם מטפלים בהם אוטונומית והתנאים שבהם הם מסלימים. כאשר שיחה חורגת מהיקף ה-AI, ההסלמה מטופלת עם העברת הקשר מלאה.

במקום לבקש מהלקוח לחזור על המידע שלו, ה-AI מעביר סיכום מובנה לנציג המקבל: זהות המתקשר, סוג הפנייה, השלבים שכבר הושלמו והסיבה להסלמה. העברה חמה זו מפחיתה את זמן הטיפול בשיחות מוסלמות ומבטלת את תסכול הלקוח שבהתחלה מחדש.

טריגרים להסלמה מוגדרים על ידי הקמעונאי ויכולים לכלול סוג פנייה, דרגת לקוח (לקוחות עדיפות עשויים להיות מוסלמים מוקדם יותר), אינדיקטורים לסנטימנט בשיחה, או בקשות מפורשות של הלקוח לדבר עם נציג אנושי.