Uw klant vriendelijk en snel te woord staan bij vragen is essentieel om hun loyaliteit te winnen. Door verhoogde klantwensen en standaarden is het bieden van klantenservice een lastige uitdaging geworden voor veel servicegerichte organisaties.
Uitdaging
De uitdaging is om enerzijds de kosten laag te houden en anderzijds de kwaliteit hoog.
Oplossing
Omdat deze klant al een volledig operationele virtuele assistentie had, lag onze focus op het automatiseren van het administratieve gedeelte. Daarom hebben we het Geautomatiseerde onderwerpclassificatiemodel en het Geautomatiseerde samenvattende model gebouwd. Het model was in staat de juiste samenvatting en journey / topic te categoriseren in 80% van de service gesprekken.
- Bespaarde tijd van de medewerker (-30% kostenbesparing)
- Verbeterde datakwaliteit (+40 %)
- Betere interne en externe NPS-scores (+12%)
Betere inzichten: De geautomatiseerde modellen zijn gemiddeld 50-60% beter in het toekennen van het juiste onderwerp & samenvatting vergeleken met een medewerker. Het model gaf niet alleen het juiste classificatie, maar was ook veel bondiger waardoor agents nog sneller oude gesprekken konden terugvinden en -lezen.
Betere beslissingen: Met een nauwkeurigheid van 80% zijn de inzichten ook veel betrouwbaarder voor het management om daarop hun beslissingen te baseren.
Data
Een half miljoen geanonimiseerde WhatsApp-berichten
Technologie
Unsupervised NLP model (Autoencoder & Transformers)
Scope
modellering, testen en implementatie (MS Azure)
Planning
Gerealiseerd in 24 weken
