Miért buknak el a CX-kezdeményezések és hogyan segíthet ebben az AI?
Az ügyfélélmény-menedzsment elmúlt 10 éve
Az ügyfél-centrikusság manapság már nem egy kedves attitűd, hanem működési modell: a szervezet az ügyfélélményt (CX=customer experience) alapértéknek tekinti, rendszeresen tanul az ügyfeleitől, és ezt be is építi a döntési mechanizmusaiba. Az elmúlt tíz évben ez a szemlélet sok helyen stabilabb növekedést hozott, mert az ügyfélszerzés mellett végre a megtartás is fókuszba került. A „szerintünk így jó” helyét átvette a kutatás, a visszajelzés és a tesztelés. Erősödött az omnichannel gondolkodás, így a csatornák közötti törések csökkentek, és az élmény egységesebbé vált. Az ügyfélélmény fejlesztését célzó programok az alapvető minőségi elvárásokat is feljebb vitték, ezért ma sok iparágban a jó élmény nem extra, hanem belépőszint. Közben kulturálisan is hatott: az empátia, az ügyfélhangok feldolgozása beépültek a szervezetek mindennapjaiba.
Ugyanakkor a CX sok esetben nem azért akadt el, mert ne lett volna akarat, hanem mert a szervezet nem állt át rendszer szinten. A leggyakoribb az ownership hiánya volt: ha nincs journey-szintű felelőse az élménynek, mindenkié és senkié is lesz egyben. Sok helyen a mérés és riportolás megvalósult, de nem épült ki az insight–backlog–fejlesztés folyamata. A működés ritmusa jellemzően reaktív volt: havi-negyedéves körökben tanultunk, miközben az élményproblémák ennél gyorsabban keletkeztek. Végül a rövid távú üzleti nyomás gyakran felülírta a hosszabb távon megtérülő élményfejlesztéseket. Az évtized tanulsága így az, hogy a CX akkor hoz tartós értéket, ha nem projektek sora, hanem integrált, gyorsan tanuló és megalapozott döntéseken nyugvó a rendszer. Ha így nézzük, az elmúlt évtized CX-története egyszerre sikersztori és félbehagyott mondat: sok mindent megtanultunk jól csinálni, de a rendszer kritikus pontjain rendre elakadtunk.
A mesterséges intelligencia belépésével most először van olyan technológiai eszköztár a kezünkben, ami pont ezeken a helyeken tud érdemben változtatni.
Az AI lehetőségei az ügyfélélményben
1) Hatékonyság
Az AI ott tud hatást gyakorolni a CX-re, ahol ezek a rendszerek eddig rendre elvéreztek: sebesség, összefüggések feltárása és hatékony döntéshozatal-előkészítés. Az elmúlt évtizedben sok szervezet megtanulta mérni az ügyfélélményt, de az AI most arra ad lehetőséget, hogy ne álljunk meg a történések rögzítésénél, hanem a mögöttük álló mintázatokat és okokat is gyorsan azonosítani tudjuk. Vagyis nem csak azt látjuk, hogy hol romlik az élmény, hanem azt is, mi húzza le, és mely pontokon érdemes beavatkozni még azelőtt, hogy a problémák KPI-szinten is kiütköznének. Ami korábban heti-havi elemzési ciklus, kézi kategorizálás és utólagos riport volt, az ma közelebb kerülhet a valós időhöz. Nem azért, mert több adatunk lesz, hanem mert az AI képes a különböző csatornákból érkező jeleket folyamatosan feldolgozni, mintázatokat és trendtöréseket azonosítani, és korai figyelmeztetéseket adni még azelőtt, hogy a KPI-ok látványosan romlanának.
2) Közös értelmezési tér
A második nagy reform a jelentés szintjén történik. A CX-ből érkező információk eleve heterogének: szöveges panaszok, ticketek, survey-értékek, használati logok, kvalitatív interjúk – ezek eddig gyakran külön nyelvet beszéltek. Az AI akkor hoz minőségi ugrást, amikor ebből a sokféleségből közös értelmezési teret képez: egységes taxonómiára támaszkodva képes ugyanarra a problémára több forrásból bizonyítékot gyűjteni, és így gyorsabban felrajzolni az ok-okozati összefüggéseket. Ettől a KPI szerepe is átalakul: nem végállomás lesz, hanem „csak” tünet, amely mögött journey-szintű okok áll(hat)nak. A hangsúly finoman eltolódik a korrelációk kereséséről a magyarázó logikák felé, ami szakértői szinten is egy új minőséget hoz a CX-elemzésbe.
3) Döntési integráció
A harmadik, talán legfontosabb változás a döntési integráció. Az AI nem dönt a szervezet helyett, de újrarajzolja azt az útvonalat, ahogyan az insightból beavatkozás lesz: priorizálási javaslatokat ad, „mi lenne ha” típusú szcenáriókat futtat, és segít üzleti hatást becsülni. Ez azért kritikus, mert a CX eddigi gyenge pontja épp az volt, hogy az elemzés és a fejlesztési döntés között eltűnt az energia. Ha a tanulás és a döntés közelebb kerül egymáshoz, a CX nem riportgyártás lesz, hanem a fejlesztési logika része. Röviden: az AI nem a CX célját változtatja meg, hanem a működését teszi gyorsabbá, összefüggés-érzékenyebbé és döntés-képesebbé.
Mivel érdemes kezdeni?
1) Gondolkodj kicsiben
Ha egy szervezet most szeretne AI-t integrálni a CX működésébe, a legnagyobb hiba az, ha rögtön „nagy rendszert” akar építeni. A jó kezdés inkább az, hogy kiválasztunk egy-két olyan pontot, ahol ma is fáj a lassúság vagy a széttöredezettség, és ott kísérletezünk először „kicsiben” AI támogatással. Erre jó lehetőséget ad a POC alapú működés kialakítása (POC=Proof of concept). Tipikusan ilyen az insight-feldolgozás gyorsítása (például a panaszok, ticketek, kutatási anyagok egységes címkézése és visszakereshetővé tétele), vagy egy korai jelzőrendszer (warningok) bevezetése egy-egy kritikus journey-re.
2) A közös nyelv megteremtése
A másik fontos kezdőlépés a közös nyelv megteremtése. AI-t akkor lehet jól használni a CX-ben, ha világos, milyen ügyfélélmény-dimenziókat figyelünk, hogyan nevezzük el ugyanazt a problémát különböző csatornákban, és ki felel azért, hogy a tanulásból változás legyen. Ez nem technológiai kérdés, hanem működési modell: taxonómia, ownership, döntési ritmus. Ha ez a keret megvan, akkor az AI nem „ráépül” a meglévő káoszra, hanem épp azt kezdi el rendezni. Innen már sokkal könnyebb lépésről lépésre bővíteni a rendszert: egyre több adatforrással, egyre pontosabb ok-okozati logikákkal, és egyre erősebb döntéstámogatással.
A szerző Maczinkó Ákos, a Works. ügyvezetője.