From data
To meaning

Tutte le aziende sanno che il customer care è cruciale per la propria reputazione. Ciò che contraddistingue le aziende vincenti è la corretta gestione dei reclami, soprattutto oggi che si sono moltiplicate le possibilità che permettono ai clienti di effettuare richieste di assistenza o segnalare malfunzionamenti.

Come gestire in modo rapido ed efficace queste comunicazioni? Gli strumenti di Text Analytics basati sull’Intelligenza Artificiale (AI) possono monitorare i reclami dei clienti, indirizzarli automaticamente al team giusto e analizzarli per ottenere informazioni immediatamente fruibili.

 

Perché è importante classificare automaticamente i reclami

Il numero di richieste di assistenza, di reclami e di mail generato tramite canali digitali è spesso sproporzionato rispetto alle capacità del team dedicato. Tutte queste comunicazioni, infatti, devono essere lette, comprese e smistate agli uffici competenti, nel rispetto dei processi aziendali e soprattutto garantendo al cliente una risposta in tempi ragionevoli.

La classificazione dei reclami consiste nell’assegnare una categoria ad ogni richiesta ricevuta. Molto frequentemente gli operatori si trovano di fronte ad alberi di classificazione piuttosto complessi con decine, se non centinaia di categorie possibili. 

Cosa significa?

  • gli operatori passano molto tempo a leggere e a cercare di assegnare i reclami alla giusta categoria
  • per non rischiare di sbagliare o per mancanza di tempo, utilizzano categorie troppo generiche 
  • i tempi lunghi e la mancanza di precisione mettono in pericolo la soddisfazione dei clienti.

Classificare automaticamente le segnalazioni dei clienti ha pertanto benefici di business concreti:

  • ottimizzazione dei costi e delle procedure attraverso la riduzione del tempo dedicato dagli operatori alla classificazione manuale oltre che alla diminuzione degli errori
  • maggiore efficienza e migliore customer experience: le richieste vengono inviate alla persone giuste e nei giusti tempi, garantendo al contempo un migliore servizio al cliente.
  • supporto al decision making: i dati aggregati derivanti dall’analisi dei reclami classificati consentono di prendere decisioni precise sull’allocazione delle risorse in funzione della stagionalità o dei picchi giornalieri.

Sophia Analytics per lo smistamento automatico dei reclami

La classificazione dei reclami attraverso strumenti di Intelligenza Artificiale ti aiuta ad automatizzare un processo ripetitivo ed oneroso da un punto di vista di risorse ed efficienza.
Sophia Analytics classifica in modo automatico i reclami, le email e i ticket con tecnologia di Deep Learning supervisionato.

Analizzando l’oggetto del messaggio, il contenuto testuale e gli eventuali allegati, Sophia Analytics re-indirizza automaticamente all’ufficio competente il messaggio ricevuto. Le comunicazioni che non sono smistate automaticamente, sono suddivise manualmente e, successivamente, sono utilizzate come dati di training per migliorare l’efficienza del sistema automatico.

Perché la classificazione automatica è la giusta soluzione:

  1. È scalabile: l’aumento dei problemi, delle domande e delle richieste dei clienti non significa necessariamente dover assumere più personale. Sophia Analytics classifica automaticamente centinaia di reclami in pochi secondi, anziché in ore. Questo consente di risparmiare tempo ed evitare di gravare i team con attività noiose e ripetitive.
  2. Non ha soluzione di continuità: il grande vantaggio di Sophia Analytics è che può funzionare 24 ore su 24 garantendo lo smistamento costante dei reclami senza la presenza di un team dedicato.
  3. Garantisce coerenza: una macchina è più coerente di un essere umano, perciò, se viene utilizzato uno strumento automatico, c’è una più alta probabilità che due messaggi simili siano categorizzati allo stesso modo. Le macchine infatti non hanno cali di attenzione e gestiscono in maniera più efficace i compiti più ripetitivi.

Per comprendere meglio le possibilità offerte dalla tecnologia CELI e discutere di come applicare la nostra esperienza al tuo caso d’uso concreto, scarica gratuitamente il nostro white paper a questo link.

Autori: Matteo Amore e Mariella Borghi

Tags: , , ,