Ein Praxisbericht

Wie kann mir künstliche Intelligenz dabei helfen Servicekosten zu optimieren in dem ich die AHT senke und die Erstlösung steigere? Wie kann ich im Qualitätsmanagement in der Bewertung von Kundenkontakten den Menschen durch die Maschine ersetzen? Wo sind die Stärken der Systeme? Was sind die Schwächen? Wo liegen die Grenzen? Und vor allem: Wie bindet man die Ergebnisse in den Tagesablauf und die Systeme unserer Kunden ein? Die Antworten finden Sie im Praxisbericht von AC Süppmayer.

Wir verstehen uns als 25-jähriges Startup, arbeiten agil und sorgen dafür, dass sich unsere 150 Auftraggeber jeden Tag verbessern. Wir verfolgen konsequent diese Ziele: 

• Vermeidung von Kontakten, die weder für Unternehmen noch für Kunden sinnstiftend sind
• Wirtschaftlich sinnvolle Automatisierungen
• Bestes Kundenerlebnis im Falle eines Kundenkontakts
• Effiziente Einarbeitung mit dem Ziel der Mitarbeiter:innenbindung und Support im Homeoffice

Zur Umsetzung dieser Themen haben wir mit Sales & Service Excellence ein einmaliges, 360 Grad modulares Ökosystem geschaffen und setzen auf die ideale Kombination von Mensch und Maschine (künstliche Intelligenz). 

Zwei Fragen sind uns dabei in 2021 häufig begegnet: Kann mir künstliche Intelligenz dabei helfen, Servicekosten zu optimieren, in dem ich die AHT senke und die Erstlösung steigere? Wie kann ich im Qualitätsmanagement in der Bewertung von Kundenkontakten den Menschen durch die Maschine ersetzen?

Grund genug, uns mit den am Markt angebotenen Systemen für die Bewertung von Kundenkontakten mit künstlicher Intelligenz auseinanderzusetzen und die besten in der Praxis gegeneinander zu benchmarken. Wo sind die Stärken der Systeme? Was sind die Schwächen? Wo liegen die Grenzen? Und vor allem: Wie binden wir die Ergebnisse in den Tagesablauf und in die Systeme unserer Kunden ein?

Wir haben innerhalb unserer Auftraggeber nach Pilotpartnern gesucht und gemeinsam folgende Ziele vereinbart:

• Der Pilot ist erfolgreich, wenn sich am Ende nachweislich ein positiver Business Case ergibt.
• Der Mensch soll in der Qualitätsbewertung durch die Maschine ersetzt werden. Hierdurch wollen wir in der Lage sein, nicht nur 1 bis 3 % der Kontakte, sondern möglichst alle Kontakte zu analysieren. Ohne menschlichen Einfluss.
• Umsetzung des One-Dashboard-Prinzips: Unabhängig davon, welche Software eingesetzt wird, bleibt das One-Dashboard-Prinzip von AC Süppmayer vom Management bis zu den Mitarbeiter:innen erhalten, um weiterhin eine gute operative Steuerung der Hotlines und der Mitarbeitenden zu gewährleisten und bestmöglichen Support im Homeoffice zu bieten.
• Die Ergebnisse der Kontaktanalysen sollen in die Module Trainingsplanung, Qualität und Coaching der Software Sales & Service Excellence von AC Süppmayer einfließen, um die Verbesserung von Prozessen und Mitarbeitenden bestmöglich zu unterstützen.
• Gibt es eine Möglichkeit, die Mitarbeitenden schon während der Kundeninteraktion mit künstlicher Intelligenz zu unterstützen? Also eine Art Livecoach?

Es machte sich bald Ernüchterung breit. Alle getesteten Anbieter sind in der deutschen Sprache von einer vollständigen Qualitätsanalyse mit künstlicher Intelligenz noch weit entfernt. Von derzeit in der manuellen Analyse bewerteten 15 Punkte konnte die künstliche Intelligenz bis zu 4 Punkte selbstständig übernehmen. Auch wenn es noch ein langer Weg ist, bis die künstliche Intelligenz die Bewertung von Kundenkontakten in Gänze übernehmen kann, konnten wir wichtige Erkenntnisse gewinnen, die dabei helfen, jene Mitarbeitende zu finden, die eine intensivere Unterstützung benötigen. Hier geht es nicht um Command and Control, sondern um Mitarbeiterbindung durch bestmöglichen Support und eine höhere Kundenbindung durch besseren Service mit hoher Erstlösungsquote.

KI im Einsatz bei der Servicekostenoptimierung

Die künstliche Intelligenz hat dabei geholfen, die AHT zu senken und die Erstlösungsquote deutlich zu erhöhen. Eins war ziemlich schnell klar: Die Ergebnisse kommen nicht per Knopfdruck. Wichtig war die Vorarbeit: Vor dem Import wurden die Voicefiles mit Metadaten ergänzt, beispielsweise mit der angerufenen Hotline, dem/der Kundenservicemitarbeiter:in, dem Anrufgrund aus dem Sprachdialogsystem oder der Information, ob eine Erstlösung im Telefonat stattgefunden hat. Letzteres kann übrigens auch die KI ermitteln, jedoch nicht komplett zuverlässig.

Arbeit im Maschinenraum: Die Analysen sind nicht ohne größeren Aufwand machbar. Zunächst haben wir uns auf einen Anrufgrund fokussiert, der aufgrund vorheriger Messungen am erfolgversprechendsten war. Die Telefonate sind in Phasen unterteilt worden. Die KI hat die Phasenunterteilung schnell adaptiert und eine hohe Trefferquote erzielt. Folgendes konnten die KI-Systeme ohne Optimierung analysieren: Kundenzufriedenheit, „Ins Wort fallen“-Quote, Summe der Gesprächspausen, Analyse der Gesprächsthemen. 

Die Korrelation zwischen den Analyseergebnissen zeigte auf, welche Kundenkontakte sich innerhalb der gewünschten Zielgrößen befanden und was diese Kundenkontakte von den weniger erfolgreichen unterscheidet. Die zeitliche Investition in die Analyse bewegte sich zwischen 100 und 200 Stunden. Für die untersuchten Anrufgründe konnte durch die Optimierung der Telefonate eine Erstlösung um ca. 30 % gesteigert und die AHT um ca. 20 % gesenkt werden. 

Eine wichtige Erkenntnis: Manche der getesteten Systeme waren nicht in der Lage, Korrelationen zwischen den Analyseergebnissen herzustellen, und sind deshalb nicht geeignet, bei der Servicekostenoptimierung zu unterstützen. 

KI im Einsatz beim operativen Qualitätsmanagement
Ich habe es bereits vorweggenommen. Von derzeit in der manuellen Prüfung bewerteten 15 Punkte konnte die künstliche Intelligenz je nach Anbieter bis zu 4 Punkte selbstständig übernehmen. Wir sind uns sicher, dass die Entwicklung auch in der deutschen Sprache schnell voranschreitet. Heute können Werte wie Kundenzufriedenheit, bestimmte Phrasen und Inhalte, die Emotionen, die Themenermittlung im Gespräch, Gesprächspausen und erfolgte Erstlösung automatisch ermittelt werden. Auch wenn die Vollständigkeit noch fehlt, können damit jene Mitarbeitende durch die Analyse vieler Kontakte und weiterer Metadaten gefunden werden, bei denen daraufhin eine breitere manuelle Analyse hilft, um die passenden Trainingsmaßnahmen zu eruieren.
 

Ein Blick in die Zukunft
Die vollständige Übernahme der Bewertung von Kundenkontakten setzt den Einsatz von Machine Learning voraus, das auf Mustern basiert. Machine Learning bedarf einer großen Menge an Mustern. Was kann ich heute schon tun, um bei einer besseren Reife der Systeme vorbereitet zu sein? Die Antwort ist eindeutig. Sorgen Sie bereits heute für KI-basierte Analyse von Kundenkontakten, die durch eine manuelle Prüfung ergänzt wird. Die manuelle Messung der Kontakte benötigt eine gleichbleibende Qualität. Wenn später die in die KI importierten Muster nicht gleich gut sind, kann die KI keine guten Ergebnisse liefern. Shit in. Shit out. Innerhalb einer Kundenserviceorganisation sind solche Mustererstellungen kaum in gleich guter Qualität aufgrund fehlender Kalibrierung herzustellen. Hier kann bei der Bewertung heute schon ein Dienstleister helfen, der wie wir bei der Messung der operativen Qualität unterstützt. Wichtig ist die Verwendung eines Bewertungsbogens, der für Machine Learning optimiert ist.

Live-Coach, der auf künstlicher Intelligenz basiert
Früher konnte man in Saarbrücken bei rund 10 Kundenservices einen Job finden. Heute sind es durch 100 % Homeoffice mehrere hundert Arbeitgeber, zwischen denen man wählen kann. Wir haben im Kundenservice einen Arbeitnehmermarkt. Gerade im Homeoffice ist also eine bessere Unterstützung notwendig, um aufgrund des fehlenden Patenmodells eine frühe Frustration und damit Abwanderung zu vermeiden. Ein Anbieter konnte ergänzend mit einem Tool überzeugen, das bereits während der Telefonate die Mitarbeitenden individuell unterstützt. Damit konnten die Mitarbeitenden bereits während der Kundenkontakte direkt Verbesserungen umsetzen. Das System zeigte neben den Stärken auch die Themen auf, die zu optimieren sind. Die Erkenntnisse aus allen Telefonaten werden als Basis für Training und Coaching genutzt. Dieses Live-Modul ersetzt nicht die nachgelagerten Analysen, sondern ergänzt sie ideal.

Zusammenfassung
Mit dem breiten Einsatz, die diverse Tools mitbringen, konnten die Business-Case-Annahmen realisiert werden. 

Nicht jedes Speech-Analytics-System ist für jeden Auftraggeber geeignet. Unsere Auftraggeber möchten möglichst nicht direkt in einem KI-basierten Tool arbeiten. Diese Tools werden von uns Experten als „Datenanalyse“-Tool genutzt. 

Die Auftraggeber machen sich unabhängig von definierten Herstellern. Wir suchen weltweit die besten Tools und docken diese an unsere modulare Lösung an. Damit arbeiten Management, Trainer:innen, Teamleiter:innen und Mitarbeitende immer im gleichen Dashboard von der Analyse über das Reporting, der Trainingsplanung, dem Mitarbeiterdashboard bis zum operativen Coaching. Die Unternehmen umgehen damit ständige Systemwechsel und profitieren immer von der für sie besten KI-Software. 

Die Reifegrade KI-basierter Analysemöglichkeiten werden in den kommenden Jahren deutlich zunehmen. 

Unsere Erfahrung zeigt, dass sich mit dem richtigen Einsatz nicht nur Servicekosten reduzieren und der Vertrieb steigern lassen. 

Ein sehr wichtiges Element ist auch die Unterstützung der Mitarbeitenden im Homeoffice. Durch 100 % Heimarbeit bereits in der Einarbeitung sind neue Tools nötig, um eine frühe Fluktuation zu vermeiden. Das konnte in Verbindung mit unserem modularen Ökosystem, das mit digitalisierten Qualitäts-, Trainings- und Coachingprozessen eine ideale Ergänzung ist, erreicht werden. 

Rainer Wilmers

Rainer Wilmers war über 25 Jahre im Customer Care Management tätig und hat gemeinsam mit Andreas Burgardt Ende 2020 die AC Süppmayer im Rahmen einer Unternehmernachfolge übernommen. Er war unter anderem als Geschäftsführer bei AMEVIDA, Capita und CosmosDirekt.  Seine Leidenschaft liegt in der strategischen, technischen und operativen Optimierung von Kundenservice und Vertrieb sowie bei allen Themen rund um die Anwendung von künstlicher Intelligenz in der Praxis.

LinkedIN

Website