Ha a csapat naponta újra meg újra megválaszolja, hogy mikor érkezik meg a csomag, hogyan módosítható egy előfizetés vagy hol található egy számla, nem több ügyintézőre van szükség. A tudásbázis felépítése ismétlődő kérdésekre azt a munkát veszi le a support válláról, amelynek nem kellene minden alkalommal emberi időt ennie.
Ez nem egy eldugott GYIK-oldal. Jól felépítve a tudásbázis a gyors önkiszolgálás, a következetes válaszadás és az AI-alapú ügyintézés közös alapja. Kevesebb ticket, rövidebb első válaszidő, kisebb terhelés a csapaton - anélkül, hogy még egy különálló eszközt vezetnétek be.
Ne találgassatok: az inboxból induljatok
A leggyakoribb hiba, hogy valaki egy üres dokumentumból próbál „hasznos cikkeket” írni. Ebből általában általános, marketinges szöveg lesz, miközben az ügyfelek konkrét helyzetekre keresnek választ. A legjobb témalista már ott van a meglévő beszélgetésekben.
Nézzétek át az elmúlt 30-90 nap e-mailjeit, live chatjeit, közösségi üzeneteit és telefonos megkereséseit. Ne csak a legtöbbször feltett kérdéseket jelöljétek. Keressétek azokat is, amelyek sok oda-vissza üzenetet, belső egyeztetést vagy manuális ellenőrzést igényelnek. Egy heti húszszor felbukkanó egyszerű kérdés és egy heti háromszor előforduló, de tízperces ügy egyaránt jó tudásbázis-téma lehet.
Egy webáruháznál tipikusan a szállítás, csere, visszaküldés, méretezés, fizetés és rendeléskövetés kerül előre. SaaS-nál a belépés, jogosultságok, számlázás, integrációk, hibák és funkcióhasználat. Szolgáltató cégnél az időpontfoglalás, az ajánlatkérés, a szerződéses feltételek és az ügyintézési határidők.
A kérdések nyelvét is tartsátok meg. Ha az ügyfelek azt írják, hogy „nem jött meg a visszaigazoló e-mail”, ne kizárólag „tranzakciós e-mail kézbesítési folyamat” című cikket készítsetek. A tudásbázisnak az ügyfél szókészletén kell megtalálhatónak lennie.
Tudásbázis felépítése ismétlődő kérdésekre: priorizálás
Nem kell az első héten ötven cikk. A túl nagy induló projekt lelassítja a csapatot, és gyakran egy olyan tudástárat eredményez, amelyet senki nem frissít. Kezdjetek azzal a 10-15 kérdéssel, amely a legtöbb bejövő terhelést okozza.
Érdemes minden témát három szempont szerint értékelni: milyen gyakran érkezik be, mennyi idő megválaszolni, és megoldható-e emberi beavatkozás nélkül. Az utolsó pont kulcsfontosságú. Egy csomag aktuális helyzetét például rendszeradat nélkül nem lehet teljesen automatizálni, de a nyomkövetés lépéseit, a várható határidőket és a késés esetén követendő folyamatot világosan le lehet írni.
Először azokkal a kérdésekkel haladjatok, amelyeknél az ügyfél egyértelműen el tud jutni a megoldásig. Ezek adják a leggyorsabb eredményt. Utána jöhetnek a részben önkiszolgáló folyamatok, ahol a cikk összegyűjti a szükséges információkat, majd jól irányított átadással supporthoz küldi az ügyet.
Egy cikk egy ügyfélhelyzetet oldjon meg
A jó tudásbáziscikk nem vállalati bemutatkozás és nem szabályzatmásolat. Az első két mondatból ki kell derülnie, hogy az ügyfél jó helyen jár-e, utána pedig rögtön a teendők jönnek.
Egy működő cikk általában rövid probléma-meghatározással indul, majd sorrendben leírja a szükséges lépéseket. Ha van feltétel vagy kivétel, azt ne rejtsétek el a végére. A „visszaküldés 14 napon belül indítható” információ fontosabb, mint a márkatörténet vagy egy hosszú bevezető.
Képernyőkép akkor kell, ha a felület tényleg félreérthető. Videó akkor, ha egy több lépéses folyamatot gyorsabban bemutat, mint a szöveg. Egyébként a rövid, kereshető és mobilon is átfutható leírás a nyerő. Az ügyfél többnyire nem olvasni akar. Megoldást akar.
A címeknél legyetek konkrétak. A „Számlázási információk” túl tág. A „Hogyan tölthetem le a számlámat?” már egy valós keresési szándékot fed le. Ugyanez igaz a belső használatra is: az ügyintéző és az AI sokkal pontosabban talál releváns választ, ha a cikkek egyértelműen elhatárolt témákra épülnek.
A struktúra ne a céget, hanem az ügyfelet kövesse
A belső szervezeti felépítés ritkán érdekli az ügyfelet. Ő nem tudja és nem is akarja eldönteni, hogy a kérdése a logisztikához, pénzügyhöz vagy termékhez tartozik-e. Inkább élethelyzetek szerint csoportosítsatok: rendelés előtt, rendelés után, fizetés és számlázás, szállítás, visszaküldés, fiókkezelés, hibaelhárítás.
SaaS-terméknél a természetes útvonal lehet az indulás, napi használat, csapat és jogosultságok, integrációk, számlázás, hibák. Ha egy ügyfél egy funkció hibáját keresi, ne kelljen előbb végigböngésznie a teljes termékstruktúrát.
A kategóriák számát érdemes visszafogni. Hat-nyolc világos fő kategória általában használhatóbb, mint húsz apró menüpont. A kereső pótolja a mélységet, de csak akkor, ha a cikkcímek, kulcsszavak és bevezetők valódi ügyfélkérdésekhez igazodnak.
Az AI csak annyira jó, amennyire a forrása pontos
Az AI ügyintéző nem attól lesz hasznos, hogy ráengeditek minden régi dokumentumra. Ha az anyagok elavultak, ellentmondásosak vagy tele vannak belső jegyzetekkel, az AI is bizonytalan válaszokat ad majd. Ez gyorsabb ügyintézés helyett gyorsabban terjedő hibákat jelent.
Minden tudásbáziscikknek legyen egyértelmű tulajdonosa és felülvizsgálati ideje. A szállítási tájékoztatót a logisztikai változásoknál, a számlázási cikkeket adózási vagy folyamatmódosításkor, a termékleírásokat minden nagyobb kiadásnál frissíteni kell. Nem kell bürokratikus rendszert építeni, de legyen kimondva, ki felel a pontosságért.
Az AI számára különösen értékesek a határvonalak: mit mondhat biztosan, milyen feltételeknél kérjen további adatot, és mikor adja át az ügyet embernek. Például fizetési reklamáció, személyes adat módosítása vagy egyedi szerződéses kérdés esetén ne próbáljon végleges választ gyártani. A jó automatizálás nem mindenáron zárja le a beszélgetést, hanem a megfelelő pillanatban kapcsol embert.
A Yapletben a tudásbázis az egyesített inbox és az AI ügyintéző mellett működik, ezért a csapat nem külön rendszerekben keresi a választ, majd másolja át azt csatornáról csatornára. A tudás ugyanazt a következetes választ tudja támogatni e-mailben, chatben és közösségi üzenetben is.
Mérjétek, melyik cikk dolgozik helyettetek
Egy publikált cikk még nem bizonyíték arra, hogy megoldotta a problémát. Figyeljétek, mely témák után csökken a bejövő megkeresések száma, mely keresések nem adnak találatot, és mely cikkek mellett kérnek az ügyfelek mégis segítséget. Ez utóbbi sokszor nem azt jelenti, hogy az ügyfél figyelmetlen. Lehet, hogy a leírás túl hosszú, hiányzik belőle egy feltétel, vagy maga a folyamat rosszul van kialakítva.
Hasznos jelzőszám lehet a ticketarány az egyes témákban, az első válaszidő, az átlagos megoldási idő és az AI által ember nélkül lezárt beszélgetések aránya. Ne az AI lezárási arányát maximalizáljátok mindenáron. Ha emiatt romlik az ügyfélélmény, a látszólagos megtakarítás később reklamációként, lemorzsolódásként vagy negatív értékelésként tér vissza.
A tudásbázis akkor kezd igazán értéket termelni, amikor már nem passzív dokumentumtár, hanem a bejövő kérdésekből folyamatosan tanuló rendszer. Minden ismétlődő beszélgetés egy jelzés: vagy hiányzik egy cikk, vagy pontosítani kell egy folyamatot, vagy a termékben kell valamit egyértelműbbé tenni.
Kezdjetek a következő száz ticketből visszatérő tíz kérdéssel. Ha ezekre az ügyfél emberi segítség nélkül is biztos választ kap, a supportcsapat végre nem ugyanazokat a mondatokat írja újra, hanem azokra az ügyekre koncentrálhat, ahol tényleg számít a szakértelem.
