AI in QM Ferment

AI zet Quality Monitoring in versnelling

Artificial Intelligence lijkt een panacee voor kwalitatief klantcontact. AI kent geen werkrooster, noch beperkende werktijden, staat 24/7 klaar voor optimalisering van de klantenservice. AI staat altijd aan, ook voor onaangekondigde pieken in klantcontact, want het kan elk denkbaar contactvolume aan. Bovendien maakt het tijd vrij voor klantcontactmedewerkers, waardoor ze meer gericht zijn op waardetoevoeging voor complexe klantvragen. Wat hebben we nodig om AI-toepassingen in klantcontact te gaan gebruiken?

“Organisaties zien de investeringen als een barrière”, klonk het uit de bomvolle zaal tijdens de recent gehouden Masterclass ‘AI in contactcentermanagement. QM in de volgende versnelling’ van Ferment Management. Toch blijkt uit onderzoek van EY onder 2700 CEO’s dat 78 procent van de doelgroep de komende twee jaar met AI aan de slag wil.

Ook Gartner ziet Artificiële Intelligentie de komende 10 jaar alleen maar groeien. Volgens het onderzoeks- en adviesbureau is AI de meest disruptieve technologie in de nabije toekomst, door toename in rekenkracht, omvang, snelheid en verscheidenheid van data, en de verbetering van deep neural networks. De voorspelling is dat binnen 2 jaar AI met name ingezet wordt voor verhoging van de omzet, zo valt te lezen in het rapport The Business Value of Artificial Intelligence, Worldwide, 2017-2025.

CX

Op dit moment is de inzet van AI vooral nog gericht op verbetering van de klantervaring, de customer experience (CX). Organisaties gebruiken AI-technieken om klantinteracties te verbeteren, wat leidt tot meer klantbehoud en omzetgroei.
Logisch dat de gemiddelde organisatie reikhalzend uitziet naar beschikbaarheid van deze technieken in de mainstream. Immers, die beschikt inmiddels over een berg klantdata waar je U tegen zegt. Indien je die data met behulp van AI gaat analyseren, zijn gerichte verbeterslagen in QM te maken.

 

AI in QM

Tijdens de Masterclass werd aangetoond dat AI assisted QM alle data van klantcontact kan ontsluiten, ongeacht het contactkanaal. Die klantcontactdata wordt hiermee aanzienlijk meer transparant en actionable gemaakt. Gedetailleerde inzichten kunnen per team en per medewerker worden gemaakt, uitgaande van verschillende doelstellingen. Dankzij die inzichten kunnen teamleiders beter gericht gaan sturen en coachen op kwaliteit en resultaat.

Groot voordeel: er gaat geen tijd meer verloren aan het naluisteren en analyseren van gesprekken, aan het verwerken van de data, aan het inzichtelijk maken van de ontwikkelingen van elke agent en mogelijke discussies over interpretatie van inzichten. Bovendien is de AI-analyse eerlijk, betrouwbaar, objectief en sterk gericht op uw CX-strategie. Dat kwam ook in de masterclass naar voren, toen Business Manager Olaf Friedrichs de drivers en barrieres inventariseerde van AI assisted QM. Een handige oefening om te gebruiken in de beeldvorming over dit onderwerp!

Continu verbeteren

Quality Monitoring heeft continu verbetering tot doel. De verbetering van kwaliteit zal leiden tot een vermindering van uitgaven en tot een vermeerdering van productiviteit en marktaandeel, zo is de gedachte. Daarom meten we via QM het resultaat van de verbetering, door die te vergelijken met de oorspronkelijke situatie en te toetsen aan vastgestelde doelstellingen. Martine Ferment: ”Denk daarbij aan de kwaliteitscirkel van Deming: Plan, Do, Check, Act. Het cyclische karakter garandeert dat de kwaliteitsverbetering continu onder de aandacht is.”

 

AI in QM Ferment Management

Maar QM brengt ook de nodige uitdagingen met zich mee, weet Martine. “QM lijkt een doel op zich geworden, terwijl het onderdeel is van de complete verbetercyclus. Wil je werkelijk voortdurend verbetering in klantcontact realiseren, dan zul je ook het checkmoment regelmatig moeten aanpassen. Geef de teamleiders de ruimte om dat te kunnen plannen en uitvoeren, in samenwerking met de medewerkers. Vraag jezelf af wat je feitelijk meet zodat je je doel scherp houdt. Betere klantenservice, hogere medewerkertevredenheid?”

Drie gesprekken per maand

En dan de betrouwbaarheid van de meting. De gemiddelde klantenservicemedewerker voert 65 gesprekken per dag, 1.300 per maand. De QM-inspanning is doorgaans een half uur per maand per medewerker, waarbij drie gesprekken aan bod komen. “Hoe betrouwbaar zijn die voor het geheel? Vooroordelen over de medewerker spelen onbewust een rol. Ook de opleiding van de teamleider en de selectie van de calls hebben grote invloed op de scores. En als de kallibratie niet frequent plaatsvindt, of altijd door dezelfde persoon wordt verricht, heeft ook dat effect op het resultaat. Uiteraard, drie gesprekken zijn niet representatief. Bovendien is belangrijk te weten of de calls geselecteerd zijn rekening houdend met het tijdstip, de drukte, de dag en de periode van de maand.”

Duidelijk is: QM in veel contactcenters vraagt aandacht en in veel gevallen verbetering. Door AI-technieken toe te passen in QM komt ook kwaliteitsverbetering in de volgende versnelling. AI-toepassingen hebben dan ook effect op zowel de medewerker, de klant als de organisatie, bevestigden de deelnemers aan de masterclass.

Speelveld van QM

‘People are our most important ingredient’ adverteert een grote hamburgerketen. Mensen bepalen het succes van een organisatie. Bij een contactcenter is dat niet anders. QM is een perfect instrument om te werken aan kwaliteitsverbetering. QM heeft effect op:

  • operational excellence en de productiviteit van het contactcenter. Wat is het percentage FTF?
  • monitoring excellence: coach je afdoende op productiviteitsscores, op betrouwbaarheid en representativiteit?
  • klanttevredenheid: zie je een stijging in de CES-, NPS- en KTV-scores? En wat betekent die stijging concreet?
  • medewerkertevredenheid: wat doet QM op het gebied van betrokkenheid, verzuim en verloop?
  • waarde van klantcontact: wat is het effect op de retentie, acquisitie en cross- en upsell?
  • en ten slotte, de tooling: welke systemen heb je in gebruik en wat zijn hiervan de kosten?

Dit tezamen bepaalt het speelveld van Quality Monitoring. “Contactcentermedewerkers herkennen zich in de output van AI in QM. Daardoor worden deze AI-toepassingen in dit vakgebied geaccepteerd. Daarmee kan het management uitzien naar een deskundige analyse van veel meer calls dan drie per maand per medewerker. AI gaat dan ook het verschil maken in de productiviteit van klantcontactorganisaties. Niet alleen betekent AI in QM een enorme efficiencyslag, ook gaat de kwaliteit van medewerkers door gerichte coaching er enorm op vooruit, waardoor we ons meer kunnen richten op de essentie van het klantcontactvak en de klant zich steeds weer geholpen voelt.”

Lees ook NEDERLANDSE CUSTOMER SERVICE ZET AI BEPERKT IN



RELATED POSTS


LEAVE A COMMENT