PROFIT Callcenter Day 2019: не потерять клиента в погоне за автоматизацией
28 июня город Алматы в очередной раз встретил крупнейшую конференцию в регионе, посвященную контакт-центрам — PROFIT Callcenter Day 2019. Новейшие технологические решения, ключевые тренды и региональные особенности — участники и гости мероприятия обсудили самое актуальное, а кто-то — и наболевшее. Двумя главными тематическими линиями в этом году стали данные и все, что касается их обработки, а также фокус на нужды клиентов.
Данные — это новая нефть
Юрий Мельников, модератор конференции, исполнительный директор Апекс Берг Контакт-Центр Консалтинг, представил технологические тренды, которые сегодня заметны в индустрии клиентского сервиса. И речь здесь уже не про какие-то определенные решения, а про целые направления.
Основным является аналитика данных. По мнению экспертов, это самый важный фактор, который формирует изменения в индустрии клиентского сервиса. Согласно результатам исследования Deloitte, 66% компаний в мире уже готовы делать стратегические инвестиции в развитие инструментов аналитики клиентских данных. Отсюда вытекает и проблема, с которой все чаще сталкиваются компании — данных накоплено уже достаточно, а задачи для аналитики сформулированы нечетко. Усугубляют проблему устаревшие решения, которые сложно интегрировать с другими системами для обмена данными. А также ввиду развивающегося тренда на омниканальность — трудность анализа данных, которые поступают из разных каналов. Все это в конечном итоге ведет к тому, что бизнесу сложно получить консолидированное представление о клиентском опыте.
Из аналитики данных вытекает другой тренд, пока весьма отдаленный — искусственный интеллект. Но готовиться к нему надо уже сейчас. В исследовании Deloitte говорится, что 34% компаний готовы делать стратегические инвестиции в ИИ для клиентского сервиса. Пока развитию систем ИИ препятствует высокая стоимость таких решений, их уязвимость к угрозам кибербезопасности и негативный клиентский опыт. Тем не менее, уже сегодня собираемые данные необходимо размечать для обучения ИИ, продумывать метрики и детальные сценарии действий, позволяющие контролировать эти системы, налаживать процессы и выискивать ресурсы для последующего непрерывного обучения ИИ.
Читать далее