Welkom bij de Customer Service Management-app

Stel je wachtrijen en Service Level Agreements (SLA's) in

Wachtrijen helpen je team werkitems te organiseren en beheren, en geven een gerichte weergave van werk om het gemakkelijker te maken om klantenaanvragen te sorteren, te prioriteren en er actie op te ondernemen. Wanneer een klant een aanvraag indient, komt deze in je wachtrij terecht zodat je de aanvraag snel kunt oplossen.

Klant- en organisatiecontext toevoegen

Wanneer mensen hulp zoeken, willen ze gewoon dat hun aanvraag snel wordt afgesloten. Meestal worden hulpzoekers, zodra ze eindelijk vooraan in de wachtrij bij een supportagent staan, geconfronteerd met nog meer frustratie omdat ze een reeks vragen moeten beantwoorden zoals over welk product hun aanvraag gaat, in welke regio ze gevestigd zijn, etc, wat de snelheid van support alleen maar vertraagt.

Hoe beter je je klant kent, hoe meer gepersonaliseerde, snellere en nauwkeurigere klantenservice je kunt leveren. Daarom is het belangrijk om context op te bouwen over je klanten.

Dit kan op twee manieren, waarvan de eerste via klantprofielen is. Klantprofielen maken het gemakkelijker om te begrijpen wie een klant is, tot welke organisatie deze behoort, welke productrechten de klant heeft en details van eerdere interacties. Op deze manier kun je direct tot de kern van het probleem doordringen in plaats van tijd te verspillen aan het verzamelen van basisinformatie telkens wanneer een klant contact opneemt.

Zodra je klant- en organisatieprofielen hebt ingesteld, is deze context direct beschikbaar voor je team omdat het supportmedewerkers helpt om meteen het volledige plaatje van de supportaanvraag en van wie de aanvraag afkomstig is te begrijpen, in plaats van ernaar te moeten zoeken. Dat betekent snellere, meer gepersonaliseerde oplossingen omdat je dingen kunt zien zoals locatie, aankoopgeschiedenis, eerdere aanvragen, accountmanager, supportniveau, aantal licenties en meer.

Klanten vinden het niet belangrijk hoeveel geld je bedrijf bespaart dankzij AI. Ze geven om hoe snel, accuraat en moeiteloos je hun problemen oplost. Daarom is de AI-agent voor klantenservice ingebouwd in Customer Service Management en richt deze zich op het helpen van je teams om de best mogelijke klantervaring te leveren. Of je nu 24/7 selfservice biedt of begrijpt wanneer je een mens in het proces moet betrekken en alle benodigde context verschaft voor snelle oplossing, je combineert menselijke empathie met AI-native snelheid om een nieuwe standaard te zetten voor klantenservice.

Als je je op dit moment niet prettig voelt bij het publiek implementeren van de AI-agent, hoef je deze nu niet in te stellen. Het gaat niet live tenzij je het instelt, publiceert en klanten toevoegt die er toegang toe hebben.

De eerste stap om je AI-agent in te stellen is het definiëren van de identiteit. Dit bepaalt hoe je AI-agent zichzelf introduceert, je bedrijf vertegenwoordigt en met klanten omgaat. Van de naam van de agent tot de communicatietoon, het eerste bericht dat de agent verstuurt bij het starten van een nieuw gesprek, en voorgestelde vragen die klanten kunnen selecteren om het gesprek te beginnen: door de identiteit in te stellen zoals je wilt, zorg je ervoor dat de agent een accurate vertegenwoordiger is van je klantenserviceteam.

Zodra je de identiteit hebt vastgesteld, is de volgende stap om je kennis te verbinden met de agent. Leer hoe je je hulpartikelen kunt bouwen in de sectie 'Uitstekende service-ervaringen leveren aan hulpzoekers met Customer Service Management'.

Kennis is een combinatie van:

• artikelen die je hebt aangemaakt en die verschijnen op je supportsite
• alle andere documentatie die je mogelijk hebt maar niet klantgericht wilt maken

Het is de basis voor hoe je AI-agent reageert op klanten, zodat je erop kunt vertrouwen dat de AI-agent consistente, hoogwaardige support levert.

Klant- en organisatiegegevens importeren

Wanneer een aanvraag wordt doorgegeven volgens de richtlijnen die je hebt vastgesteld of wanneer een klant frustratie uit, is dit waar echte menselijke-AI samenwerking plaatsvindt.

Met overdrachten kan de AI-agent je supportagent naadloos inschakelen wanneer nodig, met alle benodigde context voor snellere oplossing. De AI-agent vult automatisch een formulier in op basis van het gesprek met de klant, waardoor een ticket wordt aangemaakt dat wordt gedeeld met de klant en je supportteam. Dit bespaart je klanten de frustrerende ervaring dat ze hetzelfde verhaal meermalen moeten vertellen. Bovendien is je supportteam minder tijd kwijt aan het verzamelen van achtergrondinformatie en heeft het meer tijd voor het zo snel mogelijk afgesloten krijgen van de aanvraag.

Maak je wachtrijen aan en optimaliseer deze

Voordat je je agent publiceert zodat deze beschikbaar is voor je klanten, kun je de agent testen wanneer je maar wilt. Bij het testen simuleer je een live gesprek met de agent, waarbij jij doet alsof je de klant bent. Hierbij kun je verschillende vragen stellen, zowel gewone als ongewone, om ervoor te zorgen dat de support accuraat en nuttig is wanneer het wordt ingezet voor je klanten.

Maak je wachtrijen aan en optimaliseer deze

Als je tevreden bent met alle hierboven beschreven configuraties, kun je nu je agent publiceren en deze beschikbaar maken om te reageren op je klanten!

Je kunt je agent publiceren vanaf elke configuratiepagina in de instellingen van de klantenserviceagent. Selecteer Publicerenin de zwevende balk onderaan het scherm.

Werk met Rovo, een AI-teamgenoot

We hebben net veel AI-configuratie gedeeld om uitzonderlijke klantervaringen te leveren, maar maak je geen zorgen! We hebben ook iets voor je supportteams.

Met Rovo, een AI-teamgenoot die is ingebouwd in Customer Service Management, krijg je een 24/7 AI-teamgenoot die je helpt om aanvragen sneller en met meer vertrouwen op te lossen. Rovo:

• Brengt de relevante kennis die je nodig hebt en vergelijkbare afgesloten cases direct binnen handbereik wanneer je aan een aanvraag werkt, wat helpt om de tijd tot oplossing te verkorten
• Conceptupdates die je kunt bekijken, bewerken en vervolgens naar klanten sturen om ze op de hoogte te houden van de voortgang
• Vat de voortgang samen zodat je snel op de hoogte bent en teamgenoten snel kunnen meelopen wanneer verzoeken worden overgedragen

Maak verbinding met de teams die je producten bouwen en beheren

Hoewel sommige aanvragen volledig kunnen worden afgesloten door eerstelijns supportteams, vereisen andere escalaties en doorverwijzing naar vakexperts. Geen zorgen, de magie van het platform van Atlassian en de Teamwork Graph stelt je in staat om werk rechtstreeks door te sturen van Customer Service Management naar de teams die je producten bouwen en beheren.

Stuur aanvragen door naar de inbox van je ontwikkelaars in Jira: Besteed minder tijd aan het zoeken van de juiste belanghebbenden en voorkom dat hun escalaties tussen wal en schip raken. Aanvragen komen direct terecht waar ontwikkelaars werken, met alle benodigde context, zodat ze snel kunnen beginnen met hun oplossing.

Krijg inzicht in de prestaties van je team

Het is belangrijk dat je een duidelijk beeld hebt van hoe je supportteam presteert. Op die manier kun je verbetermogelijkheden vinden en ervoor zorgen dat je altijd je beste kant laat zien bij het leveren van klantenservice.

Het Overzicht klantservice dashboard geeft supportmanagers een overzicht op hoog niveau van alle klantenserviceactiviteiten. Het is ontworpen om trends en prestaties te monitoren voor meerdere klantervaringen en projecten. Je kunt grafieken bekijken voor informatie zoals AI-agentgesprekken, afgesloten werkitems, mediane volledige oplossingstijd en meer.

Stel klanten in staat zichzelf te helpen met help-artikelen

Help-artikelen vormen de basis voor je supportsite. Door een robuuste collectie artikelen op te bouwen, kun je:

• Directe selfservice bieden: Help klanten veelvoorkomende problemen zelf op te lossen, 24/7, zonder te wachten tot een agent hun vragen beantwoordt.
• Zorgen voor een consistente, betrouwbare klantervaring: Elke klant krijgt dezelfde, accurate begeleiding in plaats van een wisselend antwoord afhankelijk van wie aan het ticket werkt.
• Je team gefocust houden op complexe cases: Verminder het aantal repetitieve, veelvoorkomende verzoeken die bij je team binnenkomen, zodat ze zich kunnen richten op de complexe, waardevolle cases die hun empathie, expertise en oordeelsvermogen vereisen.

Voordat je help-artikelen beschikbaar kunt maken voor je klanten, heb je een actief Confluence-abonnement nodig.

Vervolgens kun je een bestaande space verbinden als je al help-artikelen hebt geschreven, of een nieuwe space aanmaken als je vanaf nul begint. Je kunt indien nodig ook meerdere spaces verbinden, en je kunt artikelen altijd bewerken wanneer dat nodig is, zodat je de meest actuele richtlijnen beschikbaar hebt voor je klanten.

Ontmoet klanten daar waar ze hulp zoeken

Wanneer klanten hulp nodig hebben, willen ze die gewoon snel krijgen. Hieronder vind je een overzicht van de kanalen die je kunt gebruiken met Customer Service Management om hulp zo eenvoudig en toegankelijk mogelijk te maken:

Voeg je klantenserviceteam toe aan je project

Hoewel het hebben van een breed scala aan kanalen belangrijk is, is het ook belangrijk om een uniforme, intelligente en soepele ervaring te bieden waarbij klanten niet meermalen hetzelfde verhaal hoeven te vertellen. Met Customer Service Management blijven deze kanalen en de verzamelde context verbonden. Een klant kan beginnen aan de telefoon en overschakelen naar de ingesloten AI-chatwidget op je supportsite, maar het gesprek voortzetten vanaf waar ze gebleven waren, allemaal zonder opnieuw te hoeven beginnen en het verhaal te herhalen.

Maak escalatie naadloos

Wanneer je team nodig is voor een aanvraag, is het belangrijk dat zij alle context hebben die ze nodig hebben om er meteen in te duiken, het probleem snel op te lossen, en vooral om te voorkomen dat de klant het probleem nogmaals moet uitleggen.

Dit is waar formulieren van pas komen, waarmee je aanvragen van klanten kunt ontvangen en details in een gestructureerd formaat kunt verzamelen. Met formulieren kun je de support afstemmen op een specifiek type vraag, zoals productondersteuning, facturering of feedback. Ze staan op de contactpagina van je supportwebsite waar klanten formulieren kunnen selecteren en indienen om hulp aan te vragen, feedback te geven of andere vragen te stellen.

Afhankelijk van je overdracht-instellingen die in het vorige gedeelte zijn beschreven, kan de AI-agent een klant ook doorverwijzen naar een contactformulier of een formulier invullen en verzenden namens de klant.

Hoe je een AI-supportmanager kunt ondersteunen met Customer Service Management

Zie de AI-manager als een boer die gewassen kweekt. Hij kan niet zomaar de zaden in de grond stoppen en verwachten dat ze vanzelf zullen groeien tot de oogst. De boer zal continue, consistente zorg en aandacht moeten bieden, zoals zorgen voor genoeg zonlicht en het consequent water geven, om goede groei te bevorderen.

Het leveren van een AI-first klantenservice-ervaring met een AI-agent is precies hetzelfde. Het is geen kwestie van "instellen en vergeten" nadat je het hebt geïmplementeerd voor je klanten. Je moet continu begeleiding bieden en de ervaring beheren, zodat de AI-agent nooit stopt zich te verbeteren en je altijd een geweldige klantervaring levert.

Krijg een duidelijk beeld van de prestaties van de AI-agent

Net zoals het belangrijk is om in de gaten te houden hoe je supportteam presteert, is het even belangrijk om te begrijpen hoe je AI-agent presteert en of deze daadwerkelijk effectief is in het ondersteunen van je klanten.

Als AI-supportmanager moet je eigenaar zijn van statistieken zoals het aantal gesprekken, de AI-afhandeling (het percentage gesprekken dat wordt afgesloten zonder menselijke tussenkomst) en het afsluitingspercentage. In Customer Service Management zie je belangrijke statistieken weergegeven in een reeks grafieken, zodat je inzicht krijgt in de prestaties en kunt vaststellen op welke punten verbetering mogelijk is.

Help je AI-agent om met elk gesprek beter te worden

Net zoals je je supportengineers traint door coaching en begeleiding te bieden, kun je hetzelfde doen met de AI-agent. Op die manier blijf je aan het stuur omdat je toezicht houdt op de AI-agent en verbeteringen kunt doorvoeren op een manier die ervoor zorgt dat de AI-agent voldoet aan de standaarden van je supportteam.

Met gespreksbeoordeling kun je:

• Inzicht in alle gesprekken krijgen: Filter en zoek naar specifieke gesprekken en bekijk transcripties om elke interactie te begrijpen.
• Het gedrag van de AI-agent begrijpen: Je krijgt inzicht in de logica van waarom de AI-agent op die manier heeft gereageerd, van wat de agent begreep van de hulpzoeker, de acties die de AI-agent heeft uitgevoerd, tot de inhoud die de AI-agent heeft opgehaald om de reactie te genereren.
• Coaching bieden: Beoordeel het gesprek en geef feedback op de antwoorden zodat je de gesprekskwaliteit kunt beoordelen, de toekomstige antwoorden van je AI-agent kunt sturen en de prestaties in de toekomst kunt verbeteren.

Heb vertrouwen dat je inspanningen om je AI-agent te verbeteren lonen

Hoewel je eerdere gesprekken kunt bekijken en begeleiding kunt bieden, werpt dit ook een interessante vraag op. Hoe weet je dat de AI-agent daadwerkelijk beter wordt? Hoe houd je de voortgang in de gaten in de loopt van de tijd, en dat de wijzigingen die je doorvoert daadwerkelijk werken?

Ten eerste is het belangrijk om een overzicht bij te houden van elke keer dat je een wijziging aanbrengt in je agent. Of dat nu Identiteit, Kennis, Begeleiding, Acties of Overdracht is, met versiebeheer kun je de agentconfiguraties veilig bijwerken zoals je wilt. En je kunt erop vertrouwen dat je wijzigingen kunt controleren en bijschaven totdat je besluit deze te publiceren, want pas dan wordt de nieuwste versie voor je klanten zichtbaar.

Koppel klantenservice aan de productroadmap

Zodra je wijzigingen hebt aangebracht, is het belangrijk om de nieuwste versie van je agent te testen. Testen is niet alleen bedoeld voor het moment waarop je je agent voor het eerst configureert. Je kunt op elk moment testen om er zeker van te zijn dat je een agentervaring implementeert waar je vertrouwen in hebt.

Wanneer je echter iets meer wilt dan alleen het simuleren van een live gesprekservaring, kun je ook evaluaties uitvoeren. Met evaluaties test je hoe je agent reageert op verschillende vragen en verbeter je de effectiviteit. Een beoordelaar die gebruik maakt van een large language model (LLM) zal de antwoorden beoordelen, bepalen of elke vraag naar tevredenheid is beantwoord, en een algemeen oplossingspercentage verstrekken. Dit is cruciaal voor de verbetering van AI-agents omdat je:

• Toetst tegen een gouden dataset: Evaluaties vereisen het uploaden van een gouden dataset, een set vragen die zijn aangemaakt om de reacties van je klantenservice-agent te testen. Deze vragenlijst kan bestaan uit veelgestelde vragen die je ontvangt, belangrijke onderwerpen gebieden waarbij de agent klanten moet helpen, enzovoort. Je kunt maximaal 50 vragen tegelijk uploaden en zien hoe de agent daarop zou reageren. Merk op dat dit verschilt van de testfunctie, die een live gesprek met de agent simuleert.
• Bevestigt dat wijzigingen werken: Je hebt mogelijk wijzigingen aangebracht in je agent, zoals het toevoegen van kennisbronnen of begeleiding. Met evaluaties kun je zien hoe verschillende versies van agents op basis van je wijzigingen reageren op vragen en kun je de resultaten dienovereenkomstig vergelijken.

Koppel je zelfservice-kennisdatabase

En dit is precies waarom we het continue verbetering noemen! Door de eerdere gesprekken van de AI-agent te bekijken, versies aan te maken, tests uit te voeren en evaluaties te doen op basis van het eerdere gedrag van je agent, bouw je voort op eerdere verbeteringen.