如何通过自然语言处理改变客户服务

客户服务中的 NLP：前 9 个用例

1) 使用 IVR 系统进行准确的呼叫路由

您是否曾经致电客户支持热线并需要说“计费”才能联系财务部门？ 您正在与交互式语音响应 (IVR) 系统交谈。 IVR 是将短语（“更新我的信用卡”或“付款”）转换为将您转移到计费部门的基础技术。

客户可能会使用此系统联系您的团队。 但是，当对话式 AI 成为系统的基础时，您可以准确地将他们的呼叫转移到最相关的线路。 为什么？ 因为 NLP 理解他们的要求。

您无需要求您的客户“听取以下选项”即可将他们发送到正确的方向。

IVR 系统中的对话式 AI 可以简单地要求您的客户解释他们需要什么帮助。 他们可以在 NLP 发送他们之前用他们自己的话来做到这一点。

美国航空公司从这个 NLP 用例中为他们的客户服务团队看到了显着的成果。 在改进了 IVR 系统后，他们将呼叫遏制能力提高了 5%，从而为航空公司节省了数百万美元。

2) 路由支持票

当人们尝试联系您的团队时，您就是在给他们一张支持票。 然后，此交互会过滤到您的支持团队的队列中。

NLP 可以帮助简化这一过程。 为什么？ 因为对话式 AI 可以理解票证的主题。 它可以将支持票转移给最相关的人，帮助更快地解决问题。

假设您的客户发送了一张支持票。 他们的消息中写着“我需要帮助更改我的付款详细信息”。 没有 NLP 的管理平台会将其传递给您的一般支持台。

然后，一个人需要将客户转移到您的财务部门。 这需要手动完成。 （您可能会错过客户期望在其中回复他们的电子邮件的长达一小时的最后期限。）

使用 NLP 的平台会发现客户需要财务相关的帮助。 它会自动将支持票发送给您的财务团队。

3) 了解客户反馈

客户反馈对企业来说是有价值的数据。 它可以帮助您修复产品的缺陷并确定人们喜欢哪些方面。 这两者都是您营销和广告活动的绝佳基础。

（不仅如此，它还可以提高您的声誉。77% 的消费者如果邀请并接受客户反馈，他们会更喜欢品牌。）

您无需花费数小时手动梳理此类定性数据。

NLP 有助于识别常用的单词或短语。 例如，“现代”、“直观”和“昂贵”之类的词可能表明您的客户将您视为一个奢侈的高端品牌。

NLP 还可以在反馈表中找到谈论的主题。 这可能是“轻松入职”或“负担得起的计划”之类的词。

您可以将 NLP 与情绪分析相结合，获得客户意见的顶级概览，使其成为一种分析客户反馈的高效方法。

4) NLP 和客服聊天机器人

研究发现，42% 的消费者更愿意通过实​​时聊天与公司联系，而电子邮件为 23%，社交媒体为 16%：

（来源）

这是因为 70% 的千禧一代更喜欢聊天机器人的交互方式来实现自助服务。

出于这个原因，聊天机器人应该在您的技术堆栈中占有一席之地。 他们让您以他们喜欢的方式与客户沟通，并提供实时支持，而无需等待响应。

但是，如果您的客户支持团队人满为患，无法通过您网站上的实时聊天实时回答支持查询，会发生什么？

使用 NLP，您可以创建一个聊天机器人，它不仅可以理解客户的查询，还可以为他们回答问题。 以下是 Cheapflights 的示例：

（来源）

您的支持查询是否有语法错误或不完整的句子并不重要。 NLP 足够聪明，可以理解消息的概念并在没有人为干预的情况下做出响应。

难怪到 2020 年，预计 80% 的企业将为其客户提供某种形式的聊天机器人集成。

5) 用于代理支持的 NLP

您是否知道普通客户支持代理每天只能处理 21 张支持票？ 很容易看出代理商如何努力掌握客户查询！

（您可以计算平均互动次数/票证，以了解这些互动花费了多少时间。）

越来越多的代理正在转向机器学习软件来应对这种高需求。 Salesforce 发现 69% 的高绩效服务代理正在积极寻找使用人工智能 (AI) 的情况。

对话式 AI 可以处理不需要太多关注的查询。 这使代理有更多时间来处理需要人工处理的复杂查询。

您的对话式 AI 可以处理以下问题：

• “我的三星电视上的 HDMI 输入在哪里？”
• “我的订单状态如何？”
• “我如何连接我的 Google Analytics 帐户？”这些支持票将占票的相当一部分。 但是在处理完这些问题后，您的代理可以回答诸如“我的帐户被关闭，我需要尽快帮助”之类的情感问题。
  

  6) 业务数据分析

  早些时候，我们提到了 NLP 如何让企业从客户反馈中分析定性数据。 它还可以从其他地方挖掘信息，并为您的团队制定共同趋势以供遵循。

  这尤其适用于客户投诉。 他们是直接通过电子邮件还是通过“你为什么离开我们？” 取消表格上的框，NLP 可以从这些数据中挑选出趋势，并在它们成为问题之前通知您的团队。

  让我们把它付诸实践，假设您有 150 份投诉需要提交。 您的取消表格要求人们检查以下框之一：

• 令人困惑的入职流程
• 太贵
• 我没有时间人们可能会打错方框。 这意味着你认为问题出在一个领域。 但实际上，投诉是错误的。因此，您可能会提高您的价格，因为人们在方框中打勾说它太高了。 但他们的计费流程实际上存在问题。

7) 情绪分析和客户满意度

您已经将客户反馈过滤到您的支持团队。 您如何知道总体上人们是否对您的产品或服务感到满意？ 你没有时间自己梳理它。

情绪分析使用 NLP 来确定消息中的潜在情绪。 例如：如果您从反馈表中获得这些回复：

• “与我交谈的经纪人很棒。”
• “我的订单比我预期的更快到达。”
• “同步我的数据很容易。 感谢您整理入职文档！” 情绪分析将接管并将这些词解释为情绪。 在上面的例子中，这些词可能是“真棒”、“更快”或“简单”。机器学习系统会告诉你绝大多数反馈是积极的。 这让您对自己的表现有一个粗略的了解。最好的部分是什么？ 您可以使用 AI 系统扫描提及您的品牌。 然后，您可以使用情绪分析来确定您获得的报道是否与您希望的一样好。

8) 语音转文本应用

您可能听说过语音搜索正在兴起的统计数据。 一些研究人员预测，到 2020 年，30% 的搜索将在没有屏幕的情况下完成。

帮助实现该统计数据的应用程序是语音转文本设备。 Google Home、Amazon Alexa 和 Siri 等设备是我们的个人助理。 我们要求他们计划我们一天中的每一分钟——从计划到您朋友家的最佳路线，到订购更多您刚用完的麦片。

…但这对您的客户服务意味着什么？

您可以通过以下方式向语音识别系统敞开大门：

• 允许客户通过语音访问他们的帐户
• 将客户的母语查询翻译成您的查询
• 将您的软件与语音助手集成在没有 NLP 的情况下，这两种情况都不行，它会解释口语。 这使您有机会引入语音到文本的应用程序并提供更好的客户服务。

9) 知识库内置搜索栏

您网站上的搜索栏是 SEO 的小弟。 他们的行为类似于谷歌等搜索巨头。 用户键入他们要查找的内容，搜索栏检索与其查询相关的链接列表。

大约 50% 的用户一到达网站就会直接进入搜索栏。 很可能，他们的搜索查询不是完整的句子。 它们将是与他们正在寻找的东西相关的简短、活泼的单词和短语，例如“博客建议”或“Fujifilm Instax”。

用户查询的结果必须显示相关信息。 如果没有，他们将离开您的网站。 这会影响跳出率、转化率和网站停留时间等关键指标。

但是，如果没有某种形式的 NLP，您网站的搜索栏不会显示这些查询的相关信息。

机器学习软件解释这些查询的含义。 它了解用户正在寻找的内容——即使不是简单的英语、包含语法错误或拼写错误。

NLP = 更好的用户体验和个性化

NLP 是您应该在客户服务部门使用的机器学习的核心部分。

您的支持代理会得到一台可以节省数小时时间的机器，但您的客户也会从中受益。 为什么？ 因为他们能够以适合他们的方式进行交流，迎合他们不再需要的私人助理。

经许可转载。 原文在这里。

图片：Depositphotos.com