Chatbot untuk pengalaman pelanggan

Chatbot pengalaman pelanggan adalah alat percakapan didukung AI yang dirancang untuk berinteraksi dengan pelanggan di berbagai titik sentuh. Alat otomatis ini merampingkan pertanyaan pelanggan, menjawab pertanyaan, memecahkan masalah, dan memandu pengguna melalui proses tanpa campur tangan manusia.

Chatbot modern berkisar dari sistem berbasis aturan sederhana yang mengikuti skrip yang telah ditentukan hingga agen AI canggih yang mampu memahami konteks, belajar dari interaksi, dan menangani kueri kompleks secara mandiri. Memahami perbedaan antara chatbot ini membantu organisasi menentukan solusi yang tepat untuk kebutuhan mereka. Opsi-opsi ini meliputi:

Chatbot berbasis aturan: Chatbot ini beroperasi pada skrip yang telah ditentukan, mengikuti jalur terprogram untuk memberikan tanggapan yang relevan. Biasanya, mereka bertindak sebagai sesuatu sebagai meja bantuan lini pertama. Chatbot ini cenderung dapat diprediksi dan dapat diandalkan untuk menangani pertanyaan yang sering diajukan, tetapi berjuang dengan variasi dalam frasa atau permintaan di luar skenario skrip.

Chatbot yang didukung AI: Chatbot AI menggunakan pemrosesan bahasa alami (NLP) dan machine learning untuk memahami maksud pengguna, bahkan ketika pertanyaan diungkapkan dengan cara yang tidak terduga. Menggunakan kecerdasan buatan, chatbot ini dapat menafsirkan konteks dan memberikan respons yang lebih bernuansa, meningkat seiring waktu saat mereka belajar dari pola dalam komunikasi pelanggan. 

Karena chatbot semakin menggabungkan teknologi baru—AI generatif dan model bahasa besar lainnya (LLM), NLP, pemahaman dokumen cerdas, pengenalan suara, dan sintesis ucapan, antara lain—mereka telah menjadi hampir di mana-mana di seluruh perjalanan pelanggan.

Dan mereka adalah bagian sentral dari perubahan luas dalam cara tim dukungan pelanggan beroperasi: Menurut riset terbaru dari IBM® Institute for Business Value, 71% eksekutif bertujuan untuk sepenuhnya mengotomatiskan pertanyaan dukungan pelanggan pada tahun 2027. Sebanyak 47% lainnya memprediksi bahwa pelatihan produk dan layanan bagi pelanggan akan beralih ke otomatisasi tanpa sentuhan pada tanggal yang sama.

Dengan memberikan layanan pelanggan yang konsisten dan cerdas, chatbot dapat meningkatkan produktivitas dan memberdayakan karyawan untuk fokus pada aktivitas bernilai tinggi di seluruh organisasi. Chatbot juga dapat memenuhi harapan pelanggan yang melonjak untuk dukungan yang dipersonalisasi, omnichannel, dan real-time.

Pelanggan dengan pengalaman chatbot positif lebih cenderung memiliki hubungan positif dengan merek. Tetapi chatbot yang tidak praktis atau terbatas yang tidak cukup menyelesaikan pertanyaan membuat pengguna frustrasi. Biasanya, inisiatif chatbot yang sukses memprioritaskan perencanaan yang cermat dan praktik data yang tepat, menghasilkan alat AI yang intuitif dan aman. 

Evolusi dari chatbot sederhana menjadi agen AI cerdas mewakili pergeseran dari otomatisasi respons ke otomatisasi hasil. Bot layanan pelanggan awal adalah FAQ interaktif—decision trees kaku yang hanya dapat merespons kata kunci dan pilihan menu tertentu.

Namun dengan diperkenalkannya pemrosesan bahasa alami dan AI generatif, chatbot mulai menafsirkan maksud dan memberikan jawaban yang lebih efektif dengan menggunakan antarmuka AI percakapan. Kapasitas ini dapat mengubah pengalaman pelanggan dari murni transaksional menjadi benar-benar bermanfaat, meningkatkan personalisasi, dan mendorong pengalaman pelanggan yang bebas gesekan.

Meskipun istilah ini sering digunakan secara bergantian, mereka mewakili tingkat kemampuan dan otonomi yang berbeda, yang memiliki implikasi penting untuk praktik layanan pelanggan AI dan perjalanan pelanggan. 

Chatbot adalah antarmuka percakapan yang dirancang terutama untuk respons instan dan pertukaran informasi. Chatbot unggul dalam menjawab pertanyaan, memberikan pembaruan status dan membimbing pengguna melalui proses yang ditentukan.

Chatbot tradisional dapat membantu pelanggan memeriksa status pesanan atau menemukan jam buka toko. Sebagian besar chatbot pada dasarnya reaktif—mereka menanggapi pertanyaan pengguna tetapi tidak mengambil tindakan independen. Chatbot, misalnya, dapat memberikan instruksi pengembalian dan tautan ke portal pengembalian sebagai tanggapan atas permintaan pengguna.

Asisten AI mewakili tingkat yang lebih canggih, memberikan rekomendasi cerdas melalui pemahaman perintah bahasa alami. Sistem ini terintegrasi lebih dalam dengan data bisnis dan mengatur informasi dari berbagai sumber untuk memberikan dukungan komprehensif. Namun, seperti chatbot, asisten AI terutama bergantung pada input pengguna, tugas yang telah ditentukan sebelumnya, dan respons yang telah diprogram untuk menginformasikan dan membimbing pengguna. Asisten tidak secara mandiri mengeksekusi atas nama pelanggan. Misalnya, dalam menanggapi pertanyaan pelanggan, asisten AI dapat menarik detail pesanan dan menjelaskan kebijakan pengembalian khusus untuk suatu produk. Asisten AI juga tidak akan bertindak sesuai dengan proses pengembalian tersebut.

Agen AI bersifat otonom, menyelesaikan tugas dan memutuskan dalam parameter yang ditentukan. Bergantung pada alat eksternal dan agen API mana yang dapat diakses, mereka dapat memecahkan masalah yang lebih kompleks (misalnya, memodifikasi reservasi, memproses pertukaran, dan mengoordinasikan tindakan di beberapa sistem). Agen AI memecah permintaan kompleks menjadi sub-tugas dan menentukan urutan tindakan yang sesuai. Misalnya, berdasarkan prompt pelanggan tunggal, agen AI dapat menangani berbagai tugas. Agen AI dapat melakukan pembelian, memulai penggantian, membuat dan mengirim label pengiriman, dan menindaklanjuti untuk mengonfirmasi bahwa barang baru tiba dalam kondisi baik. 

Agen layanan pelanggan menerima volume panggilan yang tinggi setiap hari, dengan cepat kalah jumlah oleh pertanyaan pelanggan yang biasanya memiliki jawaban umum. Oleh karena itu, kebutuhan pelanggan dibiarkan tidak terpenuhi dari waktu ke waktu, menguras kepuasan pelanggan, reputasi bisnis, retensi pelanggan, dan keuntungan bisnis.

Chatbot adalah program komputer yang memahami pertanyaan pelanggan dan mengotomatiskan tanggapan terhadapnya, menyimulasikan percakapan manusia. Melalui fungsi chatbot yang didukung AI, pemilik bisnis sangat meningkatkan kepuasan pelanggan, sementara juga menghilangkan tekanan konstan pada agen manusia dan memungkinkan mereka untuk menjadi lebih intuitif dalam pekerjaan mereka. Baru-baru ini, para peneliti di Harvard Business School menganalisis lebih dari 250.000 percakapan obrolan, menemukan chatbot AI mengurangi waktu respons sebesar 22% dan meningkatkan sentimen pelanggan sebanyak 1,63 poin.

Chatbot layanan pelanggan juga memberi bisnis insight tentang bagaimana, dan seberapa efektif,alur kerja otomatis mereka beroperasi. Dengan menggunakan data pelanggan yang disediakan oleh chatbot, bisnis:

• Memperluas basis pengetahuan mereka tentang masalah yang mengganggu pelanggan selama pengalaman layanan mereka

• Mengurangi waktu tunggu di sepanjang perjalanan pelanggan, sehingga tim layanan dapat berkonsentrasi pada interaksi pelanggan yang lebih signifikan, yang membutuhkan campur tangan manusia yang sah.

• Menyediakan metrik yang relevan untuk mereka sendiri demi kepuasan pelanggan

• Mengizinkan pelanggan menjelajahi pengalaman yang lebih personal

• Menjaga hubungan pelanggan yang sehat

Selama dekade terakhir, adopsi chatbot untuk pengalaman pelanggan telah meningkat secara dramatis, terutama karena mereka mengatasi beberapa tantangan bisnis penting secara bersamaan. Beberapa manfaat utama menggunakan chatbots untuk terlibat dengan konsumen di seluruh perjalanan pembelian meliputi:

Tidak seperti tim dukungan manusia, chatbot tersedia kapan saja, di platform apa pun, dan di mana saja di seluruh dunia. Chatbot memberikan tanggapan instans kapan saja, memenuhi harapan pelanggan yang semakin menuntut bantuan segera terlepas dari zona waktu atau jam kerja.

Chatbot memberikan respons yang seragam di seluruh platform berdasarkan pemrograman dan basis pengetahuan mereka. Proses ini mengurangi variabilitas yang mungkin datang dengan agen manusia dengan tingkat pengalaman atau pelatihan yang berbeda. Konsistensi ini membantu menjaga standar merek dan memastikan pengiriman informasi yang akurat—bahkan lintas budaya, karena banyak yang menyediakan dukungan multibahasa instan.

Meskipun chatbot memang membutuhkan investasi awal, biaya jangka panjang per interaksi bisa jauh lebih rendah daripada dukungan staf manusia. Metode ini memungkinkan bisnis untuk mengalokasikan kembali agen manusia ke interaksi yang lebih kompleks dan bernilai tinggi, seperti pengembangan hubungan pelanggan yang melibatkan kreativitas atau keahlian khusus. Pendekatan ini berfungsi untuk meningkatkan produktivitas bagi agen dan untuk memberikan penghematan biaya bagi bisnis pada umumnya.

Setiap interaksi chatbot menghasilkan data berharga tentang kebutuhan pelanggan, tantangan, dan pola perilaku. Informasi ini membantu bisnis mengidentifikasi masalah umum dan membuat peningkatan berbasis data pada strategi pengalaman pelanggan mereka. Beberapa organisasi mengintegrasikan chatbot dengan alat sehari-hari lainnya, seperti platform manajemen hubungan pelanggan (CRM) seperti Salesforce untuk memberikan tampilan 360 derajat dari data konsumen. Yang lain melakukan analisis sentimen pada interaksi konsumen, mendapatkan pemahaman yang lebih dalam tentang pengalaman konsumen.

Konsumen saat ini mengharapkan untuk menerima pengalaman yang efisien, akurat, dan kohesif di seluruh platform dan saluran. Chatbot saat ini berkomunikasi di berbagai media termasuk aplikasi seluler seperti platform media sosial WhatsApp, pesan teks (SMS), dan obrolan dalam browser.

Satu chatbot menangani ribuan percakapan secara bersamaan, menghilangkan waktu tunggu selama periode puncak. Skalabilitas ini sangat berharga selama peluncuran produk atau krisis, ketika volume dukungan melonjak secara tak terduga.

Dalam dukungan pelanggan, chatbot menangani tugas-tugas sederhana dengan melaporkan pelacakan pesanan dan pemrosesan pengembalian bersama dengan pemecahan masalah dan menjawab pertanyaan umum. Chatbot dukungan AI ini menarik informasi dari database secara real-time, memberikan tanggapan yang disesuaikan untuk berbagai permintaan. Dalam satu contoh, pusat kontak perusahaan utilitas China berjuang dengan lonjakan panggilan era pandemi—terutama dalam hal menjaga kualitas lintas bahasa. Dengan meluncurkan chatbot, organisasi melihat pengurangan 100% dalam waktu tunggu pelanggan dan peningkatan 50% dalam layanan mandiri.

Selain itu, Camping World, pengecer kendaraan rekreasi (RV) terbesar di dunia secara global, mampu mengubah Pengalaman layanan pelanggannya dengan chatbot. Setelah COVID 19, lonjakan pelanggan mengungkapkan kesenjangan dalam manajemen agen dan waktu respons. Kurangnya pusat panggilan yang selalu tersedia menjadi masalah bagi Camping World, karena banyak pertanyaan pelanggan akan luput dari perhatian, berdampak pada retensi. Agen virtual Camping World, “Arvee”, membantu meningkatkan interaksi pelanggan sebesar 40% di semua platform dan mengurangi waktu tunggu hingga sekitar 33 detik.

Untuk penjualan dan perolehan prospek, chatbot memenuhi syarat prospek dengan mengajukan pertanyaan yang relevan, merekomendasikan produk berdasarkan preferensi pelanggan atau harga dan bahkan memproses transaksi sederhana secara langsung dalam percakapan. Baru-baru ini, raksasa e-commerce seperti Amazon telah menerapkan chatbot berbasis AI sebagai bagian dari proses penjualan mereka, membantu konsumen menavigasi penawaran dan mengarahkan mereka melalui perjalanan pembelian. Menurut Adobe Analytics, pengunjung AS ke situs retail dari layanan AI 38% lebih mungkin berakhir dengan konversi, dibandingkan dengan sumber lalu lintas non-AI. 

Dalam orientasi, chatbot memandu pengguna baru melalui proses penyiapan dan menjelaskan fitur. Mereka juga menjawab pertanyaan awal, mengurangi kurva belajar, dan meningkatkan kepuasan pelanggan awal. Jenis chatbot ini telah terbukti berguna dalam operasi kota juga, meminjam dari teknologi yang menghadap konsumen untuk menciptakan pengalaman yang mulus bagi penduduk. Dalam satu studi kasus dari tahun 2019, kota Helsinki menerapkan chatbot dan asisten virtual untuk menjawab pertanyaan warga tentang enam bidang yang terkait dengan perawatan kesehatan dan layanan sosial. Setahun kemudian, kota Austin memulai program chatbot untuk memberikan jawaban instan atas pertanyaan mendesak terkait pandemi. 

Chatbot sering membantu karyawan dengan pertanyaan SDM, permintaan dukungan TI atau informasi perusahaan penting lainnya. Chatbot ini meningkatkan efisiensi tempat kerja dan mengurangi beban tim dukungan internal. Satu tim SDM kecil yang menangani 600 karyawan di Belanda mengotomatiskan serangkaian FAQ untuk rekan kerja mereka. Proses ini secara signifikan mengurangi waktu respons dan membebaskan SDM untuk fokus pada pekerjaan yang lebih generatif, dan berharga, yang berorientasi pada masyarakat. 

Menerapkan program chatbot yang efektif membutuhkan lebih dari sekadar menyebarkan teknologi—itu menuntut pendekatan yang berpusat pada pelanggan dengan mempertimbangkan tujuan bisnis dan kebutuhan pengguna. Beberapa praktik terbaik untuk proses ini meliputi:

Organisasi yang sukses menentukan seperti apa kemenangan sebelum memulai chatbot. Apakah tujuannya untuk mengurangi volume pusat panggilan, meningkatkan waktu respons atau meningkatkan kepuasan pelanggan? Menetapkan indikator kinerja utama (KPI) yang dapat diukur seperti tingkat resolusi, skor kepuasan pelanggan, atau waktu penanganan rata-rata lebih awal membantu proyek tetap pada jalurnya.

Di awal proses, penting juga untuk mengaudit infrastruktur dan bakat yang ada untuk memilih solusi teknologi: Apakah organisasi akan bermitra dengan penyedia untuk membangun chatbot? Apakah mereka akan memilih solusi no-code yang dibuat khusus? Apakah mereka akan mengembangkan chatbot in-house? 

Kurangnya transparansi merusak kepercayaan pengguna. Penting untuk menetapkan harapan yang tepat tentang apa yang dapat dan tidak dapat dilakukan chatbot, dan membuat jalan menuju dukungan manusia mudah diakses selama percakapan. Selain itu, inisiatif chatbot yang sukses bergantung pada sumber data yang bersih dan dapat dijelaskan untuk mendorong transparansi dan membantu memastikan bahwa informasi yang diberikan kepada konsumen akurat dan bebas bias. 

Tidak setiap interaksi harus ditangani oleh chatbot—memberikan pemicu yang jelas untuk eskalasi manusia tetap penting. Saat meningkatkan, pindahkan konteks percakapan penuh ke agen manusia. Dengan cara ini, pelanggan tidak perlu mengulangi diri mereka sendiri, dan mempertimbangkan eskalasi proaktif di mana chatbot menawarkan bantuan manusia sebelum pelanggan menjadi frustrasi. 

Jika memungkinkan, dan dengan izin, gunakan data pelanggan untuk memberikan pengalaman yang disesuaikan. Misalnya, izinkan chatbot menggunakan nama pelanggan atau riwayat pesanan untuk memberikan tanggapan kontekstual yang relevan. (Namun, penting untuk menyeimbangkan personalisasi dengan privasi, dan bersikap terbuka tentang data apa yang digunakan.) Dan, jika pelanggan menjangkau chatbot di beberapa saluran, itu dapat membantu memastikan keseluruhan pengalaman konsisten. Tanggapan harus selaras dengan informasi yang diberikan melalui saluran layanan pelanggan lainnya untuk menghindari kontradiksi. 

Buat pedoman yang jelas seputar—dan pemangku kepentingan yang bertanggung jawab atas—apa yang harus dan tidak boleh dilakukan chatbot. Aspek ini penting ketika menangani informasi sensitif atau transaksi keuangan. Menerapkan perlindungan dan buat protokol untuk memantau perilaku chatbot dan menanggapi masalah. 

Chatbot membutuhkan pengoptimalan yang berkelanjutan. Ulasan log percakapan secara teratur dan perbarui basis pengetahuan saat kebijakan atau proses berubah. Secara proaktif memantau masukan pelanggan, dan melatih model AI dengan data baru untuk meningkatkan akurasi dari waktu ke waktu.