Machine Learning und KI im Kundensupport: Warum sich die Serviceautomatisierung lohnt
Künstliche Intelligenz und Machine Learning spielen eine zunehmend wichtigere Rolle bei der Automatisierung von Anfragen im Kundensupport und -service. In diesem Blogpost erkläre ich anhand eines Praxisbeispiels, wie die Implementierung eines KI-Systems Ihre Serviceabteilung entlasten und die Servicequalität verbessern kann.
Wie gut Unternehmen Ihre Kunden verstehen, hat direkten Einfluss auf die Qualität des Kundenservices und des Kundensupports – und damit auch auf die Beziehung des Kunden zum Unternehmen und dessen Produkten. Automatisierungssysteme wie etwa Machine Learning und Künstliche Intelligenz können Sie dabei unterstützen, Ihr Kundenverständnis zu optimieren und maßgeschneiderte Service- und Supportangebote zu entwickeln.
KI, ML und RPA – ein Überblick über die wichtigsten Begriffe im Kontext des Kundenservice 4.0
Einige Begriffe tauchen im Zusammenhang mit automatisierten Kundenservicesystemen immer wieder auf:
Machine Learning (ML, zu Deutsch „maschinelles Lernen“) ist ein Teilgebiet der Künstlichen Intelligenz (KI). Durch das Erkennen von Gesetzmäßigkeiten in Datensätzen sind ML-Systeme dazu im Stande, eigenständig Lösungen für vorliegende Probleme zu finden. Die aus den Daten gewonnenen Erkenntnisse lassen sich verallgemeinern und auf neue Problemlösungen anwenden. So „lernt“ das System und entwickelt sich selbst stetig weiter.
Machine Learning wird daher häufig in Kombination mit Robotic Process Automation (RPA, zu Deutsch „Prozessautomatisierung durch Roboter“) genutzt. Letztere beschreibt die Automatisierung von Prozessen, die ehemals von Menschen ausgeführt wurden, mithilfe von (Software-)Robotern.
KI, Machine Learning und RPA bilden gemeinsam die Grundlage des Kundenservice 4.0. Angelehnt an den Begriff Industrie 4.0 steckt dahinter eine digitalisierte, vernetzte und KI-unterstützte Kundenservice und -Supportstrategie. Die Automatisierung von Kundensupport- und Kundenserviceaktivitäten ist ein wichtiger Bestandteil dieser Strategie.
Praxisbeispiel: Prozessautomatisierung mit KI und ML
Doch wie kann ein solcher KI-unterstützter, automatisierter Kundenservice genau aussehen? Diese Frage möchte ich anhand eines Praxisbeispiels beantworten:
Die Ausgangssituation des Kunden
Die Öffnung der Energiemärkte ermöglichte es einem mittelständischen Energieversorger, seinen Kundenstamm zu erweitern und nicht mehr ausschließlich regionale, sondern auch überregionale Kunden zu bedienen. Mit der wachsenden Kundenzahl stieg auch die Anzahl eingehender Anfragen. Das Problem: Die bestehende Service-Infrastruktur des Unternehmens basierte auf E-Mails und Anrufen und war den steigenden Anforderungen nicht gewachsen. Um dies zu kompensieren, begannen die Mitarbeiter der Serviceabteilung damit, neben ihren eigentlichen Kerntätigkeiten – beispielsweise der Weiterleitung von Serviceanfragen an den jeweils zuständigen Ansprechpartner oder der Beantwortung von Serviceanfragen – auch Aufgaben außerhalb Ihres eigentlichen Tätigkeitsbereichs zu übernehmen. Die Folge: Die Übersichtlichkeit und Aufgabenverteilungen innerhalb der Serviceabteilung litten – und mit ihnen nicht nur die Produktivität der Mitarbeiter, sondern letztlich auch die Servicequalität.
Die Lösung des Problems: Automatisierung mit KI und ML
Eine Analyse der Situation ergab, dass die eingehenden Kundenanfragen sich inhaltlich in vielen Fällen in eine von mehreren klar definierten Kategorien einteilen ließen. Daher stellte die Implementierung eines KI-gestützten Machine-Learning-Systems die ideale Möglichkeit dar, um wieder übersichtliche Strukturen zu schaffen. So konnten die Servicemitarbeiter des Unternehmens entlastet und die Servicequalität verbessert werden.
Das neue System sorgte für klare Prozesse und Zuständigkeitsbereiche und leitete 96 Prozent der eingehenden Anfragen automatisch an den jeweils zuständigen Ansprechpartner innerhalb des Supportteams weiter. Für jeden Mitarbeiter ergab sich so eine Zeitersparnis von 20 Prozent.
Ein Blick in die Zukunft: So lässt sich die KI-Lösung im Kundensupport weiter ausbauen
Die neueingeführte KI-Lösung dient gegenwärtig nur dazu, eingehende Kundenanfragen anhand der Anfragethematik an einen dafür zuständigen Mitarbeiter weiterzuleiten. Die Bearbeitung der entsprechenden Anfrage erfolgt anschließend manuell. Die Machine-Learning-Fähigkeiten des neuen Systems lassen sich jedoch weiter ausbauen: Mithilfe von Robotic Processing Automation (RPA) ist es beispielsweise möglich, auch die Bearbeitung von Anfragen zu automatisieren. Der Einsatz von RPA-Technologien lohnt sich insbesondere bei der Beantwortung von wenig komplexen Anfragen auf der First-Level-Ebene.
So tragen Künstliche Intelligenz und Machine Learning zur Verbesserung der Servicequalität bei
Machine-Learning-Systeme sind dazu imstande, vorhandene Datensätze zu analysieren, anhand von Gesetzmäßigkeiten „Erkenntnisse“ zu gewinnen und darauf zu reagieren. Daher lassen sie sich gut zur Automatisierung von Kundensupport- und Kundenserviceaktivitäten einsetzen. Mithilfe von Machine-Learning-Technologien können Kundenanfragen automatisch an den für die jeweilige Anfragethematik zuständigen Servicemitarbeiter weitergeleitet werden. So tragen KI-Technologien dazu bei, klare Verantwortungsbereiche und Strukturen zu schaffen, die Mitarbeiter zu entlasten und das Serviceerlebnis des Kunden zu verbessern.
Sie möchten wissen, welche Automatisierungsoptionen für Ihre Serviceabteilung bestehen? Ich berate Sie gern.Kostenlose Websession
