![成功使用VCA的七个决策点](http://www.ctiforum.com/uploadfile/2016/0817/20160817050606449.jpg)
到2019年,VCA的使用会翻三倍,因为企业需要增加客户满意度并降低成本。我们的七个决策点是在和客户进行了几百次讨论中得出的,可以被运用到广泛的智能机器投资中。
关键结论
- 增加不同渠道的客户满意度,缩短周期并提高效率,是寻求很多智能机器技术(尤其是VCA))的最初驱动力。
- VCA在呼叫中心中解决客户需求时,或是通过特定代理处理客户,供应商,合作伙伴和支持者需求时能够削减成本。
- 一旦某个企业确定了它的业务目标,IT部门就会需要就很多关键部署进行决策。我们发现了七个关键的决策点,并指导最成功的企业在选择VCA技术时是如何做的。
建议
IT领导者应该:
- 确保对于投资的业务目标有着坚定清晰的共识。
- 关注业务目标,而不是“酷”
- 从简单开始。
- 关注于购买应用程序,而不是能够以低启动成本,最小风险和增量机会快速达到结果的平台。
- 将我们的建议运用到大部分智能机器技术,不仅仅是VCA。
战略计划假设
到2020年,25%的客户服务和支持活动都会在多渠道上集成VCA。
分析
虚拟客户助理VCA
虚拟客户助理(VCA)能够以企业身份模拟对话来传递信息,并能够以用户身份来办理业务。它由四个技术组成:
- 一个自然语言处理引擎
- 一个能够接收请求并通过语音或文本答复的用户界面(UI)
- 一个能够在大量知识和内容库里检索的知识搜索引擎
- 一个能够分析用户意图并给出个性化回答的情境引擎
![成功使用VCA的七个决策点](http://www.ctiforum.com/uploadfile/2016/0817/20160817045842973.jpg)
VCA能够以自然语言对话处理文本或语音形态的客户请求。它们能够响应特定的客户,加速交易处理,增加客户满意度,降低运营成本。
VCA的使用会加速它的成长。极大改善的自然语言处理技术,移动设备的使用和客户对于机器人技术的接受程度不断驱动对于这个领域的兴趣。目前VCA应用供应商正在唤起将VCA作为实用工具的意识。VCA正在由从结构性内容库搜索问题答案的响应式虚拟助理转型为确定个人属性并以他们身份行事的主动式VCA。但是这一过程可能需要五年或是更长来达到主流。随着向移动优先的客户体验的转型,很多VCA都需要升级,尤其是它们需要运用到智能手机上大部分信息。
VCA的使用会加速它的成长。极大改善的自然语言处理技术,移动设备的使用和客户对于机器人技术的接受程度不断驱动对于这个领域的兴趣。目前VCA应用供应商正在唤起将VCA作为实用工具的意识。VCA正在由从结构性内容库搜索问题答案的响应式虚拟助理转型为确定个人属性并以他们身份行事的主动式VCA。但是这一过程可能需要五年或是更长来达到主流。随着向移动优先的客户体验的转型,很多VCA都需要升级,尤其是它们需要运用到智能手机上大部分信息。
有效地使用VCA能够将客户交互从昂贵的电话渠道转移到成本低廉的自主渠道,尤其是移动平台。在电话或是自动应答机器上使用语音支持的VCA能够减轻打字输入的干预,并且能够为非传统听众(例如残章客户)提供一种有趣的交互方式。
与VCA的交互是通过网络,短信,聊天app或是其他基于网页或移动端的界面。建立一个VCA取决于基于语音的应用程序。它在很大程度上也依赖于后端的知识库以及其他规则来指导整个流程。
语音和虚拟助理技术的结合提供了一种强大的客户服务方式。一个很棒的虚拟助理带来的不仅仅是搜索。它应该还能丰富客户体验的质量,并且在客户的在线交互过程中进行辅助。
建议
开始所有重要投资的时候,都应该问一个问题:我们现在要解决的问题是什么?简洁明了地说,团队应该在抓住这个问题的答案,以确保在投资过程中能够获取高层团队的支持。
陈述例子可能如下:
- 我们期望通过使用VCA来处理Y%的客户请求,减少X%人工客服代表处理的话务量
- 我们希望开发一个VCA项目,在X%的客户第一次购买的Y天内与他们联系,减少Z%的退货率。
- 我们希望通过使用VCA减轻X%的网络信息结构。
在评估部署VCA的替代措施的过程中,你需要做出的决策有很多。基于我们和数百位客户的讨论,我们建议在以下七个决策点评估替代措施,并定义你的战略。
决策点1:应用程序优先还是平台优先?
智能机器平台包括IBM Watson,微软Cortana智能套件,Google SyntaxNet和Tensorflow。
虽然这些平台吸引了很多媒体关注,但是它们大多都是通用的。比起部署一个成熟的VCA应用程序,在客户服务环境中使用这样一个平台意味着需要做更多定制化开发,更长时间建立知识/情境库以及训练自然语言引擎,以及更高的部署成本。
建议:选择能够实现特定业务结果的VCA应用程序。
决策点2:快速,简单,迭代步骤,还是大规模,复杂,有远见的项目?
实际点吧。通过多步快速的步骤部署VCA,每一步都会产生坚实的商业价值以及客户价值。确定哪一个客户流程最能够自动化。
首先,确定任务的复杂程度。它仅仅是提供信息,还是需要完成交易?第二,看看参与度。你是要提供明确的信息还是要进行交互式的对话。
![成功使用VCA的七个决策点](http://www.ctiforum.com/uploadfile/2016/0817/20160817050204502.jpg)
建议:关注于短期的价值实现时间。从简单开始。不要急着发射火箭去火星。先让你的小船穿过池塘。
决策点3:你的应用程序应该多智能?
如果能够部署一个可以处理80%客户需求的VCA当然是非常好的,但是要从简单的小项目出发。也许10%的客户问题能够被FAQ数据库以及概念实体抽取工具(来决定合适的答案是否在数据库里,或是这个问题是否需要转接给人工)处理。
别一开始就试着建立一个包含了机器学习的VCA。在使用非监督式学习之前,先通过监督式学习让你的VCA逐渐聪明。
建议:考虑能够满足基本业务需求的最低可行性产品。
决策点4:购买还是自建?
自建VS购买,是两个分岔路。但是大多数面向最终用户的企业和产品供应商的选择通常都是介于两者之间。最初的方向是供应商搭建,用户购买,但是也有反向的期望让他们偏离预想的方向。
产品供应商(以及越来越多的服务供应商)倾向于自己打造来增加边际利润,但是他们也逐渐开始购买产品来加快时间以及降低成本。
除了要增加他们的竞争优势之外,最终用户企业会倾向于购买。即使他们会选择购买,企业在将他们的商业战略和需求与市场进行比较的时候会陷入细微差别的纠结:
他们是通过特定的解决方案要达到竞争优势吗?
他们能够在不把商业机密转到所有供应商客户的前提下达到竞争优势吗?
有没有一个有经验的服务提供商能够从最佳供应商处结合不同的元素来达到竞争优势?
对于产品提供商来说,自建通常是一个默认方案,但是这种方案也在逐渐转向最终用户。最重要的问题是企业在寻找的竞争优势强度,以及要以最低成本和风险达到这种竞争优势的方法是什么。
建议:假设你要购买和配置而不是建立。最小化你需要从零开始搭建的程度。可能无法完全避免自定义的搭建,但是这是最理想的方法。
决策点5:参考资料是怎么说的?
通过某些全新且使用了“智能机器”技术达到的益处可能并不比使用现有(非智能)系统或是通过智能机器服务增强的现有系统多。用一个房地产的类比,你是会拆掉一栋楼然后盖一栋全新的设计,还是在现有楼房上扩展新的部分,或是让它保持原样?
与现有技术的抗衡可能会让决策者要么放弃这个项目,或是使用比目前所需激进得多的产品。
目前为止Gartner有大约3000个不同行业的用户案例。你应该优先选择一个有行业背景的供应商。看看供应商都做过什么部署,复杂程度怎么样,以便能够从他们已经建立起的行业分类中受益。
建议:查看与你预期的用例最匹配的客户参考资料,并问他们有关的刁钻问题:
- 产品状态
- 传递的价值
- 能够实现价值的时间
- 成本
- 按照他们目前所知,他们的计划会有什么改变?
决策点6:我选择的供应商使用的是不会过时的技术吗?
VCA的技术可能非常神秘。很难看出它们是如何运作的。有些供应商会隐藏部署细节。与这些供应商以及第三方服务合作来确定这些供应商有多成熟。问这些供应商要他们的产品路线图来评估它的专业服务技能。
建议:避免不必要的不透明。
决策点7:在继续之前,你是否需要更多地了解你的代理和客户?
在假设技术债务之前,使用智能机器技术来更好的理解客户需求以及呼叫中心员工想法。举例来说,在金融服务中,我们见过企业使用语音文本转化服务来将数年的呼叫中心记录转为文本,进而对其进行分析,挑选正确的问答。
建议:首先先让VCA进入测试模式,再进入真实使用环境,并在接下来的版本发布中让它变得更聪明。
附录:VCA应用程序提供商
- [24]7
- Aivo
- Anboto
- Arti?cialSolutions
- CodeBaby
- CreativeVirtual
- CXCompany
- DigitalGenius
- eGain
- H-Care
- IBM
- Inbenta
- Interactions
- IPsoft
- Kasisto
- LivePresence
- NextIT
- noHold
- Nuance
- Xiaoi