ویرگول
ورودثبت نام
حسین مارکتینگ | فروش محصولات آموزشی
حسین مارکتینگ | فروش محصولات آموزشیتجربه‌های واقعی فروش محصولات آموزشی، مهارت‌های فروش، مکالمه با مشتری، مدیریت اعتراضات و ساخت تیم فروش؛ از دل تجربه ۳ ساله در فروش و آموزش.
حسین مارکتینگ | فروش محصولات آموزشی
حسین مارکتینگ | فروش محصولات آموزشی
خواندن ۴ دقیقه·۳ ماه پیش

چطور با هوش‌ مصنوعی هزینه پشتیبانی فروشگاه آنلاین را کاهش دهیم؟

چطور با هوش‌ مصنوعی هزینه پشتیبانی فروشگاه آنلاین را کاهش دهیم؟
چطور با هوش‌ مصنوعی هزینه پشتیبانی فروشگاه آنلاین را کاهش دهیم؟

اگر تعداد تیکت‌ها و پیام‌های مشتری مشتری زیاد شده، لزوما نباید تیم پشتیبانی را بزرگ‌تر کنید. AI می‌تواند پاسخ‌گویی به سوالات تکراری، دسته‌بندی درخواست‌ها، خلاصه سازی مکالمات و بخشی از فرآیند پشتیبانی را خودکار کند.

فرض کنید یک فروشگاه آنلاین روزانه 1000 پیام از مشتری دریافت می‌کند.

بخشی از این پیام‌‌ها در مورد مشکلات پیچیده است، اما تعداد زیادی از آن‌ها سوالات تکراری‌اند:

(سفارشم کجاست؟)

(شرایط مرجوعی چیه؟)

(هزینه ارسال چقدره؟)

(این محصول دوباره موجود میشه؟)

اگر برای هرکدام یک کارشناس انسانی زمان بگذارد، هزینه پشتیبانی خیلی سریع بالا می‌رود.

اینجا AI می‌تواند قبل از اینکه به فکر استخدام بیشتری بیفتید، یک سوال مهم را جواب بدهد:

کدام بخش از کار پشتیبانی واقعا به انسان نیاز دارد؟

اول هزینه پشتیبانی را اندازه بگیرید

قبل از اجرای AI، سه عدد را مشخص کنید:

تعداد تیکت در ماه

میانگین زمان رسیدگی به هر تیکت

هزینه رسیدگی به هر تیکت

مثلا اگر فروشگاه شما ماهانه 30 هزار تیکت دارد و هر تیکت به‌طور متوسط 6 دقیقه زمان می‌برد، تیم پشتیبانی حدود 3000 ساعت در ماه برای پاسخ‌گویی صرف می‌کند.

حالا فرض کنید بتوانید فقط 30% از این زمان را با AI کم کنید.

یعنی حدود 900 ساعت ظرفیت کاری در ماه آزاد می‌شود.

این عدد تضمینی نیست; یک سناریو ساده برای محاسبه ROI است.

1- سوالات تکراری را به AI بسپارید

اولین و ساده‌ترین نقطه شروع همین‌جاست.

AI می‌تواند با دسترسی به اطلاعات معتبر فروشگاه، به سوالاتی مثل شرایط ارسال، مرجوعی، گارانتی، وضعیت سفارش و مشخصات محصول پاسخ اولیه بدهد.

اما یک نکته مهم وجود دارد:

AI نباید اطلاعات را از خودش حدس بزند.

باید به منابع واقعی کسب‌وکار مثل FAQ، قوانین فروش، کاتالوگ محصولات و اطلاعات سفارش متصل باشد.

هدف این است که کارشناس انسانی به جای جواب دادن به 50 سوال تکراری، روی 50 مسئله‌ای تمرکز کند که واقعا نیاز به تصمیم‌گیری دارند.

2- درخواست‌ها را قبل از رسیدن به کارشناس دسته‌بندی کنید

فرض کنید 10 هزار پیام وارد سیستم شده است.

AI می‌تواند آن‌ها را به دسته‌هایی مثل:

  • پیگیری سفارش

  • مرجوعی

  • شکایت

  • مشکل پرداخت

  • سوال محصول

  • درخواست خرید

تقسیم کند.

بعد می‌توان درخواست های ساده را خودکار پاسخ داد و موارد حساس را مستقیما به تیم مربوطه فرستاد.

این کار باعث می‌شود کارشناس وقتش را صرف پیدا کردن موضوع پیام نکند.

3- مکالمه را خلاصه کنید

یکی از کارهای وقت‌گیر پشتیبانی، خواندن تاریخچه طولانی مکالمه است.

مثلا مشتری در 15 پیام توضیح داده که چه محصولی خریده، چه مشکلی داشته و قبلا با چه کسی صحبت کرده است.

AI می‌تواند قبل از ورود کارشناس، یک خلاصه کوتاه ایجاد کند:

مشتری: علی رضایی

سفارش: هدفون مدل X

مشکل: کالای دریافتی با سفارش مغایرت دارد

اقدام قبلی: درخواست تعویض ثبت شده

اقدام بعدی: بررسی وضعیت تعویض

کارشناس به‌جای خواندن 15 پیام، در چند ثانیه متوجه موضوع می‌شود.

4- AI را کنار کارشناس قرار دهید، نه لزوما جای او

یک اشتباه رایج این است که فکر کنیم برای کاهش هزینه باید همه پشتیبانی را به AI بدهیم.

در حالی که مدل بهتر معمولا این است:

AI برای کارهای ساده و تکرای

انسان برای مسائل پیچیده و حساس

پژوهش NBER روی بیش از 5000 نیروی پشتیبانی نشان داد استفاده از یک دستیار مولد AI، تعداد مسائل حل شده در هر ساعت را به طور میانگین حدود 14% افزایش داده است; این افزایش برای کارکنان کم‌تجربه حتی بیشتر بود.

یعنی حتی اگر AI مستقیما جای یک کارشناس را نگیرد، می‌تواند باعث شود همان تیم با ظرفیت بیشتری کار کند.

5- از پشتیبانی به AI Customer Operations برسید

مرحله بعدی فقط پاسخ دادن نیست.

AI می‌تواند مکالمات مشتریان را تحلیل کند و به مدیر بگوید:

بیشترین شکایات مشتریان درباره چیست؟

کدام محصول بیشترین سوال را ایجاد می‌کند؟

کدام مرحله سفارش بیشترین مشکل را دارد؟

چند درصد درخواست‌ها قابل خودکارسازی هستند؟

اینجا پشتیبانی از یک مرکز هزینه به یک منبع داده برای تصمیم‌گیری تبدیل می‌شود.

McKinsey نیز در تحلیل صنعت خرده‌فروشی گزارش کرده که ابزار‌های مولد AI در Customer Care می‌توانند زمان رسیدگی را به شکل قابل‌توجهی کاهش دهند و در برخی نمونه‌ها کاهش 40 تا 60 درصدی زمان رسیدگی گزارش شده است.

از کجا شروع کنیم؟

قرار نیست کل پشتیبانی را یک‌شبه خودکار کنید.

این مسیر را امتحان کنید:

1- 10 نوع درخواست پرتکرار را پیدا کنید.

2- هزینه و زمان رسیدگی هرکدام را اندازه بگیرید.

3- یکی از درخواست‌های کم ریسک را برای اجرای آزمایشی انتخاب کنید.

4- AI را به اطلاعات معتبر کسب‌وکار وصل کنید.

5- نرخ پاسخ درست، زمان رسیدگی و رضایت مشتری را اندازه بگیرید.

6- اگر نتیجه مثبت بود، سراغ فرآیند بعدی بروید.

هدف نهایی این نیست که بگوییم:

<<ما پیشتیبانی AI داریم.>>

هدف این است که مثلا:

Cost Per Ticket از 20 هزار تومان به 14 هزار تومان برسد.

یا همان تیم پشتیبانی بتواند بدون افزایش تعداد نیرو، تعداد بیشتری از درخواست‌ها را با کیفیت مناسب پاسخ دهد.

هوش مصنوعی زمانی برای فروشگاه آنلاین ارزش اقتصادی دارد که مستقیما به هزینه، زمان، کیفیت خدمات یا ظرفیت تیم وصل شود.

حالا سوال مهم:

اگر قرار باشد فقط یه بخش از پشتیبانی فروشگاهتان را با AI خودکار کنید، کدام بخش بیشترین هزینه را برای شما ایجاد می‌کند؟

حسین کریمی | Business automation with AI

فروشگاه آنلاینهوش مصنوعیپشتیبانی مشتری
۰
۰
حسین مارکتینگ | فروش محصولات آموزشی
حسین مارکتینگ | فروش محصولات آموزشی
تجربه‌های واقعی فروش محصولات آموزشی، مهارت‌های فروش، مکالمه با مشتری، مدیریت اعتراضات و ساخت تیم فروش؛ از دل تجربه ۳ ساله در فروش و آموزش.
شاید از این پست‌ها خوشتان بیاید