借助客户服务管理人工智能优化支持工作

什么是客户服务管理人工智能？

客户服务管理人工智能利用人工智能实现外部支持交互自动化、问题分流以及提升支持人员效率，使组织能够提供全天候对话式支持、自主解决常见咨询，并挖掘可改善整体客户体验的趋势。

Atlassian 通过Customer Service Management 应用中的 Rovo 提供这些功能。与通用聊天机器人不同，Rovo 借助 Teamwork Graph 获取实时客户上下文与产品知识，依托这些上下文信息及个性化能力解决复杂技术问题，这是通用聊天机器人无法企及的。

人工智能应用于客户服务有哪些优势？

大多数支持请求仍然需要人工处理，这对企业而言成本高昂，同时客户只能等候工作时段，响应缓慢。Rovo 改变了这一现状：它借助人工智能支持人员自主处理常规问题，并为人工支持人员提供上下文信息，使其更快处理其余问题。

• 全天候为客户提供支持：可随时通过聊天、电子邮件以及帮助中心自动解决大部分请求。

• 在问题提交前实现分流：在客户需要之时展示准确解答，让客户无需发起联系。

• 加快每位支持人员的处理速度：起草有依据的回复并汇总问题历史记录，实现问题更快、更统一地解决。

• 维护客户留存：及早识别情绪不满、存在流失风险的客户，并优先将其转接至合适人员。

• 将支持转化为产品改进方向：归集问题主题，便于管理者掌握实际问题所在，并与产品团队形成闭环。

Rovo 在客户服务中的主要用例

以下是客户服务团队在整个支持生命周期中使用 Rovo 效果最显著的方式。每一项都将实际工作与可实现该工作的 Rovo 功能相匹配。

借助人工智能客户支持人员处理并分流一线请求

大量一线支持工作都是常见、重复的问题。每一次都需要人工介入，就会造成客户等待时间变长，企业成本不断增加。客户服务支持人员由 Rovo 提供支持，可在各渠道提供对话式自助支持。

它对接知识库、客户上下文以及 Teamwork Graph，可自主解答问题、处理请求；当请求需要人工介入时，便将其转交人工处理。

由于该支持人员可适配客户已在使用的各类渠道，且随时可用，因此能够在大量一线请求进入处理队列之前完成分流，让团队可以专注处理真正需要人工判断的工作。

详细了解如何设置您的人工智能客户服务支持人员

填补知识缺口，扩充您的知识库

人工智能支持人员的效果取决于背后依托的知识内容，而大多数知识库都存在信息缺口。Customer Service Management 中的优化功能会审查上报的工作单，包含客户与支持人员之间的全部对话，并生成知识库文章草稿以补齐该信息缺口。

这样一来，客户服务支持人员下次就可以自主处理同类请求。

人工会审查每一篇推荐的文章，按需编辑后进行发布，确保团队始终掌控知识库的录入内容。每一条建议都会表明该新文章能够解决多少条过往支持交互记录，帮助团队确定工作优先级。

最终形成持续改进闭环：支持人员遇到的每一处知识缺口都会转化为新知识，使其能力随时间不断提升。

详细了解如何利用知识优化您的人工智能支持人员

借助客户支持助手赋能团队

当工作单流转至人工时，支持人员往往需要花费时间查阅文档、帐户历史记录以及过往工作单后才能给出回复。通过 Rovo 聊天，支持人员可以使用自然语言提问，获取基于知识库、历史工作单以及关联工具得出的答案，无需在多个系统之间来回切换。

他们可在同一界面查找相似工作单的解决方案、调取客户帐户历史记录与授权信息，并为复杂工作单生成回复草稿。

由 Rovo 聊天在后台完成搜索工作，全程仍由支持人员掌控，既有助于他们更快、更统一地处理工作单，也能够帮助新支持人员快速上手。

客户亮点访谈：Leadership Circle

Leadership Circle 首席信息官 (CIO) Matt Ingersole

成效：71% 的问题由人工智能解决，人工工作单数量减少 65%。

阅读 Leadership Circle 的故事

常见问题

Rovo 如何帮助客户服务团队？

Rovo 充当客户支持助手，全天候处理常规请求、识别存在流失风险的客户情绪，并综合客户之声 (VoC) 数据，以优化产品方向。

客户服务人工智能支持人员的表现如何？

在 Atlassian 自身的生产环境使用中，客户服务人工智能支持人员实现了 71% 的参与率与 45% 的问题解决率，从而大幅节约了客户支持成本。

Rovo 是否会替代人工支持人员？

不会。Rovo 自主处理常规请求，当置信度不足时就将工作单上报人工，同时为支持人员提供回复草稿、历史记录摘要以及客户情绪提示，使他们能够专注处理复杂、高价值的问题。