Customer Service Management 앱에 오신 것을 환영합니다

큐 및 서비스 수준 계약(SLA) 설정

큐는 팀이 업무 항목을 체계화하고 관리하는 데 도움이 되며, 업무에 대한 집중된 보기를 제공하여 고객 요청을 더 쉽게 분류하고 우선 순위를 지정하고 작업을 수행할 수 있게 합니다. 고객이 요청을 제출하면 큐에 들어오므로 고객의 요청을 신속하게 해결할 수 있습니다.

고객 및 조직 컨텍스트 추가

지원이 필요한 사용자가 문의할 때 원하는 것은 자신의 요청이 빠르게 해결되는 것입니다. 대부분의 경우, 지원이 필요한 사용자가 마침내 큐의 맨 앞에 도달하여 지원 에이전트와 연결되면 요청이 어떤 제품에 관한 것인지, 사용자가 어느 지역에 거주하는지 등의 일련의 질문에 답해야 하기 때문에 더 큰 불만을 느끼게 되며, 이것은 지원 속도만 늦출 뿐입니다.

고객에 대해 더 많이 알수록 더욱 개인화되고 빠르고 정확한 고객 서비스를 제공할 수 있습니다. 고객에 대한 컨텍스트를 구축하는 것이 중요한 이유입니다.

이는 두 가지 방법으로 수행할 수 있으며, 첫 번째는 고객 프로필입니다. 고객 프로필을 사용하면 고객이 누구인지, 어떤 조직에 속해 있는지, 제품 권한은 무엇인지 및 이전 상호 작용의 세부 정보를 더 쉽게 파악할 수 있습니다. 이렇게 하면 고객이 문의할 때마다 기본 정보를 수집하는 데 시간을 낭비할 필요 없이 문제의 핵심을 바로 파악할 수 있습니다.

고객 및 조직 프로필을 설정하면 이 컨텍스트를 팀에서 바로 사용할 수 있으므로 지원 에이전트가 지원 요청의 전체 상황 및 요청이 누구로부터 왔는지 검색할 필요 없이 즉시 파악할 수 있습니다. 즉, 위치, 구입 기록, 과거 요청, 고객 담당자, 지원 계층, 라이선스 수 등을 확인할 수 있어 더 빠르고 개인화된 해결이 가능합니다.

고객은 AI가 회사에 얼마나 많은 비용을 절약해 주는지에 관심이 없으며, 문제를 얼마나 빠르고 정확하고 손쉽게 해결해 주는지에 관심이 있습니다. 그래서 고객 서비스 AI 에이전트는 Customer Service Management에 기본 제공되어 있으며 팀이 최상의 고객 경험을 제공할 수 있도록 지원하는 데 중점을 둡니다. 연중무휴 셀프서비스든, 또는 언제 사람의 개입이 필요한지 파악하고 빠른 해결을 위해 필요한 모든 컨텍스트를 제공하는 것이든, 사람의 공감 능력과 AI 고유의 속도를 결합하여 고객 서비스의 새로운 표준을 설정하게 됩니다.

현재 시점에서 AI 에이전트를 공개적으로 배포하는 것이 불편하다면 지금 설정할 필요가 없습니다. 설정하고 게시한 다음 액세스할 수 있는 고객을 추가하지 않으면 서비스가 시작되지 않습니다.

AI 에이전트를 설정하는 첫 번째 단계는 정체성 정의입니다. 정체성은 AI 에이전트가 자신을 소개하고 회사를 대표하고 고객과 상호 작용하는 방식을 결정합니다. 에이전트의 이름부터 커뮤니케이션 톤, 새로운 대화를 시작할 때 에이전트가 보내는 첫 번째 메시지 및 고객이 대화를 시작하기 위해 선택할 수 있는 추천 질문까지, 원하는 방식으로 정체성을 설정하면 에이전트가 고객 지원 팀을 정확하게 대표할 수 있습니다.

정체성을 설정했으면 다음 단계는 지식을 에이전트에 연결하는 것입니다. "Customer Service Management로 지원이 필요한 사용자에게 탁월한 경험을 제공하는 방법" 섹션에서 도움말 문서를 작성하는 방법을 알아보세요.

지식은 다음의 조합입니다.

• 사용자가 작성하여 지원 사이트에 표시되는 문서
• 필수로 갖춰야 하지만 고객에게 공개하지 않아야 하는 기타 모든 설명서

지식은 AI 에이전트가 고객에게 응답하는 방식의 기반이 되므로 AI 에이전트가 높은 품질의 일관된 지원을 제공한다는 확신을 가질 수 있습니다.

고객 및 조직 세부 정보 가져오기

설정한 가이드에 따라 요청이 핸드오프되거나 고객이 불만을 표현할 때, 진정한 사용자-AI 협업이 이루어집니다.

핸드오프를 통해 AI 에이전트는 필요할 때 모든 필요한 컨텍스트와 함께 지원 에이전트를 원활하게 투입하여 더 빠른 해결을 지원합니다. AI 에이전트가 고객과의 채팅을 바탕으로 양식을 자동으로 작성하여 고객 및 지원 팀에 공유되는 티켓을 만듭니다. 결과적으로 고객은 같은 말을 반복해야 하는 답답한 경험을 겪지 않아도 되고 지원 팀은 배경 정보를 수집하는 데 시간을 덜 쓰고 요청을 가능한 한 빠르게 해결됨 상태로 만드는 데 더 많은 시간을 쓸 수 있습니다.

큐를 만들고 최적화

고객이 사용할 수 있도록 에이전트를 게시하기 전에 언제든지 원할 때 에이전트를 테스트할 수 있습니다. 테스트할 때는 고객인 것처럼 에이전트와 실시간 대화를 시뮬레이션하는 것입니다. 결과적으로 일반적인 질문 및 특이한 질문을 모두 포함하여 다양한 질문을 할 수 있으므로 고객에게 배포할 때 정확하고 유용한지 확인할 수 있습니다.

큐를 만들고 최적화

위의 모든 구성에 만족하는 경우 이제 에이전트를 게시하여 고객의 요청에 응답할 수 있도록 공개할 수 있습니다.

고객 서비스 에이전트의 설정에 있는 모든 구성 페이지에서 에이전트를 게시할 수 있습니다. 화면 하단의 플로팅 바에서 게시를 선택합니다.

AI 팀 동료인 Rovo로 업무 처리

뛰어난 고객 경험을 제공하기 위한 많은 AI 구성을 방금 공유했지만 걱정하지 마세요! 지원 팀을 위한 기능도 준비되어 있습니다.

Customer Service Management에 빌드된 AI 팀 동료인 Rovo를 사용하면 연중무휴 AI 팀 동료의 도움을 받아 요청을 더 빠르고 자신 있게 해결할 수 있습니다. Rovo에는 다음과 같은 특징이 있습니다.

• 요청 작업을 수행할 때 필요한 관련 지식 및 유사한 해결 케이스를 바로 확인할 수 있게 해주며 해결까지 걸리는 시간을 단축하는 데 도움을 줍니다.
• 검토 및 편집 후 고객에게 보낼 수 있도록 업데이트 초안을 작성하며 고객에게 진행률을 지속해서 공유할 수 있습니다.
• 요청이 핸드오프될 때 진행률을 요약해 주므로 신속하게 현황을 파악하고 팀 동료에게 진행률을 빠르게 공유할 수 있습니다.

제품을 빌드하고 운영하는 팀과 연결

어떤 요청은 일선 지원 팀에서 즉시 해결되기도 하지만 어떤 요청은 에스컬레이션 또는 실무 전문가로의 전달이 필요합니다. 하지만 걱정하지 마세요. Atlassian 플랫폼 및 Teamwork Graph의 마법 같은 연결성을 통해 Customer Service Management에서 발생한 업무를 제품을 빌드하고 운영하는 팀에 직접 전달할 수 있습니다.

Jira에 있는 개발자의 받은 편지함으로 요청 전달: 적절한 이해 관계자를 찾아다니는 시간을 줄이고 에스컬레이션이 누락되는 상황을 방지합니다. 요청은 개발자가 작업하는 곳으로 필요한 모든 컨텍스트와 함께 직접 도달하므로 개발자가 신속하게 해결할 수 있습니다.

팀의 성과에 대한 인사이트 얻기

지원 팀의 성과를 명확하게 파악하는 것이 중요합니다. 이렇게 하면 개선할 기회를 찾고 고객 서비스를 제공할 때 항상 최선을 다하고 있는지 확인할 수 있습니다.

고객 서비스 개요 대시보드는 지원 매니저에게 모든 고객 서비스 활동을 개괄적으로 보여줍니다. 여러 고객 경험 및 프로젝트에서 추세 및 성과를 모니터링하도록 설계되었습니다. AI 에이전트 대화, 해결된 업무 항목, 전체 해결 시간 중앙값 등과 같은 정보에 대한 차트를 볼 수 있습니다.

도움말 문서로 고객이 스스로 문제를 해결할 수 있도록 권한 부여

도움말 문서는 지원 사이트의 기반입니다. 강력한 문서 컬렉션을 구축하면 다음과 같은 작업을 수행할 수 있습니다.

• 즉시 셀프서비스 제공: 사람 에이전트의 답변을 기다리지 않고 고객이 일반적인 문제를 스스로 해결할 수 있도록 연중무휴 지원합니다.
• 일관성 있고 신뢰할 수 있는 고객 경험 만들기: 티켓을 처리하는 담당자에 따라 답변이 달라지는 대신 모든 고객이 동일하고 정확한 참고 자료를 받습니다.
• 팀이 복잡한 케이스에 집중할 수 있도록 지원: 팀으로 들어오는 반복적이고 일반적인 요청 수를 줄입니다. 이렇게 하면 팀원이 공감 능력, 전문성 및 판단력이 필수적인 복잡하고 가치 높은 케이스에만 온전히 집중할 환경을 만들 수 있습니다.

고객이 도움말 문서를 사용할 수 있도록 하려면 먼저 활성 Confluence 구독이 필요합니다.

이미 작성해 둔 도움말 문서가 있다면 기존 스페이스를 연결하고 처음부터 시작해야 한다면 새 스페이스를 만들면 됩니다. 필요에 따라 여러 개의 스페이스를 연결할 수도 있으며 문서는 언제든지 편집 가능하므로 고객에게 항상 최신 참고 자료를 제공할 수 있습니다.

고객이 있는 곳에서 즉각적으로 지원

고객은 도움이 필요할 때 그저 빠른 해결을 원합니다. 아래는 지원이 필요한 사용자가 최대한 쉽고 원활하게 도움을 받을 수 있도록 Customer Service Management와 함께 활용할 수 있는 채널의 개요입니다.

프로젝트에 고객 서비스 팀 추가

다양한 채널을 보유하는 것이 중요하지만 고객이 같은 말을 반복하지 않아도 되는 통합되고 지능적이며 원활한 경험을 제공하는 것도 중요합니다. Customer Service Management를 사용하면 이 채널 및 수집된 컨텍스트가 연결된 상태로 유지됩니다. 고객이 전화로 시작해서 지원 사이트의 포함된 AI 채팅 위젯으로 이동하더라도 중단된 지점부터 대화를 계속할 수 있으며 처음부터 다시 시작하거나 같은 내용을 반복할 필요가 없습니다.

에스컬레이션을 원활하게 만들기

요청 처리에 팀이 필요할 때 팀원이 즉시 업무에 뛰어들어 문제를 빠르게 해결하고 무엇보다 고객이 같은 말을 반복하게 하지 않도록 필요한 모든 컨텍스트를 갖추는 것이 중요합니다.

바로 이때 양식이 유용합니다. 양식을 사용하면 고객의 요청을 받고 구조화된 형식으로 세부 정보를 수집할 수 있습니다. 양식을 사용하면 제품 지원, 청구 또는 피드백과 같은 특정 유형의 문의에 맞게 양식을 조정할 수 있습니다. 고객이 도움을 요청하거나 피드백을 제공하거나 기타 문의를 할 수 있도록 양식을 선택하고 제출할 수 있는 지원 웹 사이트의 연락처 페이지에 있습니다.

이전 섹션에서 설명한 핸드오프 설정에 따라 AI 에이전트는 고객을 문의 양식으로 안내하거나 고객을 대신해 양식을 작성하고 제출할 수도 있습니다.

AI 지원 매니저에게 Customer Service Management로 권한을 부여하는 방법

AI 매니저를 농작물을 기르는 농부라고 생각해 보세요. 씨앗을 흙에 심기만 하고 수확 시간에 맞춰 완벽하게 자랄 것이라고 기대할 수는 없습니다. 농부가 적절한 성장을 도모하기 위해서는 충분한 햇빛을 확보하는 것부터 꾸준히 물을 주는 것까지 지속적이고 일관성 있게 보살펴주고 주의를 기울여야 합니다.

AI 에이전트로 AI 우선 고객 지원 경험을 제공하는 것도 정확히 동일합니다. 고객에게 배포한 후에는 "설정하고 잊어버리는" 방식이 아닙니다. AI 에이전트가 지속해서 개선되고 항상 훌륭한 고객 경험을 제공할 수 있도록 지속적인 참고 자료를 제공하고 경험을 관리해야 합니다.

AI 에이전트의 성능을 명확하게 파악하기

지원 팀의 성과를 지속적으로 점검하는 것이 중요한 것과 마찬가지로, AI 에이전트가 얼마나 잘 작동하고 있는지, 그리고 실제로 고객 지원에 효과적인지를 파악하는 것도 매우 중요합니다.

AI 지원 매니저로서 대화 수, AI 해결률(사람의 개입 없이 해결된 대화의 비율) 및 문제 해결률과 같은 메트릭을 관리해야 합니다. Customer Service Management에서는 성능을 파악하고 개선이 필요한 영역을 식별할 수 있도록 일련의 차트 전반에 걸쳐 반영된 주요 메트릭을 확인할 수 있습니다.

AI 에이전트가 모든 대화를 통해 더 나아지도록 지원

지원 엔지니어에게 코칭 및 참고 자료를 제공하여 교육하는 것과 마찬가지로 AI 에이전트에게도 동일하게 할 수 있습니다. 이렇게 하면 AI 에이전트를 감독하고 AI 에이전트가 지원 팀의 표준을 충족하도록 개선 사항을 지시할 수 있어 사용자가 주도권을 잡을 수 있습니다.

대화 검토를 통해 다음을 수행할 수 있습니다.

• 모든 대화 확인: 특정 대화를 필터링하고 검색하여 각 상호 작용을 이해할 수 있도록 대화 기록을 확인합니다.
• AI 에이전트의 동작 이해: AI 에이전트가 왜 그렇게 응답했는지에 대한 논리적 인사이트를 얻을 수 있습니다. 여기에는 지원이 필요한 사용자로부터 이해한 내용부터 AI 에이전트가 수행한 작업, 그리고 응답을 생성하기 위해 가져온 콘텐츠까지 모든 과정이 포함됩니다.
• 코칭 제공: 대화를 평가하고 답변에 대한 피드백을 제공하여 대화의 품질을 진단하고 AI 에이전트의 향후 답변 방향을 설정하며 향후 성능을 개선할 수 있습니다.

AI 에이전트 개선 노력이 성과를 거둘 것이라는 확신 가지기

과거의 대화를 검토하고 참고 자료를 제공할 수는 있지만 여기서 한 가지 흥미로운 질문이 생깁니다. AI 에이전트가 실제로 더 나아지고 있다는 것을 어떻게 알 수 있습니까? 시간이 흐르면서 진행률을 어떻게 계속 주시할 수 있으며 시도하는 변화가 실제로 효과가 있다는 것을 어떻게 확신할 수 있습니까?

먼저 에이전트를 변경할 때마다 기록을 남기는 것이 중요합니다. ID, 지식, 참고 자료, 작업 또는 핸드오프 등 무엇이든 버전 관리를 통해 원하는 방식으로 에이전트 구성을 안전하게 업데이트할 수 있습니다. 또한 게시하기로 선택할 때까지 변경 사항을 검토하고 개선할 수 있으므로 안심해도 됩니다. 게시를 선택한 시점에만 최신 버전의 서비스가 고객을 위해 시작됩니다.

고객 지원을 제품 로드맵에 연결

변경 사항을 적용한 후에는 에이전트의 최신 버전을 테스트하는 것이 중요합니다. 테스트는 에이전트를 처음 구성할 때만 하는 것이 아닙니다. 자신 있게 선보일 수 있는 에이전트 경험을 배포하기 위해 언제든지 테스트를 진행할 수 있습니다.

실제 대화 경험을 시뮬레이션하는 것보다 조금 더 많은 것을 원할 때는 평가를 실행할 수도 있습니다. 평가는 에이전트가 다양한 질문에 어떻게 응답하는지 테스트하고 효과를 개선합니다. 대규모 언어 모델(LLM) 평가자가 응답을 검토하고 각 질문에 만족스럽게 답변했는지 판단하며 전체 해결률을 제공합니다. 다음과 같은 작업을 수행할 수 있으므로 이것은 AI 에이전트 개선에 중요합니다.

• 골든 데이터 세트를 기준으로 측정: 평가는 고객 서비스 에이전트의 응답을 테스트하기 위해 만들어진 질문 집합인 골든 데이터 세트를 업로드해야 합니다. 이 질문 목록은 자주 접하는 일반적인 질문 또는 에이전트가 고객을 도와야 하는 핵심 영역 등으로 구성할 수 있습니다. 한 번에 최대 50개의 질문을 업로드하고 에이전트가 어떻게 응답하는지 확인할 수 있습니다. 이것은 에이전트와 실시간 대화를 시뮬레이션하는 테스트 기능과는 다르다는 점에 유의하세요.
• 변경 사항 적용 확인: 지식 소스 또는 참고 자료를 추가하는 등 에이전트를 변경했을 수 있습니다. 평가 기능을 활용하면 변경 사항이 반영된 여러 버전의 에이전트가 질문에 어떻게 답변하는지 확인하고 그 결과를 서로 비교할 수 있습니다.

셀프 서비스 기술 자료 연결

이것이 바로 지속적 개선이라고 부르는 이유입니다! AI 에이전트의 지난 대화를 검토하고 버전을 만들고 테스트를 실행하고 에이전트의 이전 동작을 바탕으로 평가를 실행하여 기존의 개선 사항을 결합하여 더 큰 성과를 쌓아 나갈 수 있습니다.