Ավտոմատացման շատ նախագծեր ձախողվում են, քանի որ սկսում են գործիքներից, ոչ թե իրական որոշումներից ու հարցումներից։ Այս հոդվածը ցույց է տալիս, ինչպես քարտեզագրել իրական սցենարները և դրանք վերածել քայլ առ քայլ իրականացվող աշխատանքային հոսքերի։
«Պետք է ավելի շատ ավտոմատացնենք» արտահայտությունը հեշտ է ասել, բայց դժվար է իրականացնել։ Պատճառը պարզ է. բիզնեսը հազվադեպ է աշխատում միայն «գործընթացներով»։ Այն աշխատում է հարցումներով, պարզաբանումներով, բացառություններով և փոխանցումներով։ Հաճախորդը գրում է գնի, առկայության, վերադարձի կամ առաքման մասին։ Թիմը գրում է բացակայող տվյալների, հաստատումների կամ թույլտվությունների մասին։ Use case-երը ապրում են հենց այդ ամենօրյա հաղորդագրությունների մեջ։
Այս հոդվածում ներկայացվում է գործնական մոտեցում, որը կոչենք use-case քարտեզագրում։ Գաղափարը պարզ է. դուք սկսում եք ոչ թե մեծ գործընթացային դիագրամից, այլ իրական սցենարներից և դրանք վերածում եք հստակ սահմանված workflow-ների, որոնք կարելի է ներդնել քայլ առ քայլ։ Միաժամանակ կտեսնեք, թե ինչպես կարող են 24/7 AI աշխատակիցները, օրինակ Staffono.ai-ի միջոցով, վերցնել հաղորդակցությունը, ամրագրումները և վաճառքը WhatsApp-ում, Instagram-ում, Telegram-ում, Facebook Messenger-ում և web chat-ում։
Use case-ը «ավտոմատացնենք հաճախորդների սպասարկումը» չէ։ Use case-ը սա է. «երբ հաճախորդը հարցնում է՝ արդյոք ապրանք X-ը կա, և արդյոք կարող եք առաքել այս շաբաթ, պատասխանել առկայությամբ, առաքման տարբերակներով և վճարման հղումով, իսկ թիմին ներգրավել միայն այն դեպքում, երբ ապրանքը բացակայում է»։
Use-case քարտեզագրումը մեթոդ է, որը այդ պահերը դարձնում է կրկնվող workflow-ի նկարագրություն։ Յուրաքանչյուր workflow պետք է հստակ պատասխանի հետևյալ հարցերին.
Վերցրեք վերջին խոսակցությունները ձեր ամենաբեռնված ալիքից։ Մի ընտրեք միայն «կոկիկ» օրինակներ։ Ընդգրկեք նաև շփոթեցնող դեպքեր, որտեղ եղել են բազմաթիվ follow-up-ներ։ Դուք փնտրում եք կրկնվող ձևակերպումներ, օրինակ «քանի՞ է արժե», «կարո՞ղ եմ ամրագրել», «կա՞ արդյոք», «որտե՞ղ է պատվերս», «կարո՞ղ եմ փոխել ժամս», «պետք է հաշիվ-ապրանքագիր»։
Եթե աշխատում եք Staffono.ai-ով, կարող եք կենտրոնացնել բազմաալիք հաղորդագրությունները և արագ հասկանալ, թե որ intent-երն են առավել հաճախ հանդիպում տարբեր ալիքներում։
Բաժինները ներքին կառուցվածք են, իսկ intent-ը հաճախորդի նպատակը։ Ստեղծեք խմբեր, օրինակ.
Ընտրեք առաջին 3 խումբը ծավալով և արժեքով։ Բարձր ծավալը խնայում է ժամանակ, բարձր արժեքը բերում է եկամուտ կամ նվազեցնում է հեռացումը։ Լավագույն առաջին ավտոմատացումը սովորաբար երկուսն էլ ունի։
Workflow-ները տապալվում են, երբ «ավարտվածը» հստակ չէ։ Յուրաքանչյուր use case-ի համար գրեք մեկ նախադասություն, օրինակ. «Ամրագրումը ավարտված է, երբ ծառայությունը, օրը և ժամը հաստատված են, հաճախորդի անունն ու կոնտակտը հավաքված են, հանդիպումը ստեղծված է օրացույցում, և հաճախորդը ստացել է հաստատման հաղորդագրություն»։
Հավաքեք միայն այն, ինչ իրոք անհրաժեշտ է։ Եթե սկզբում շատ բան եք հարցնում, կոնվերսիան ընկնում է։ Լավ մոտեցում է progressive հավաքումը. սկզբում նվազագույնը, հետո մանրամասները միայն անհրաժեշտ պահին։
Ավտոմատացումը պետք է վստահ աշխատի իր սահմաններում։ Սահմանեք, թե երբ է մարդը պարտադիր, օրինակ.
Staffono.ai-ի նման հարթակներում սա հեշտ է կառուցել, քանի որ AI աշխատակիցը կարող է փակել ռուտին հարցումները, իսկ սահմանային դեպքերը փոխանցել մարդու՝ ամբողջ կոնտեքստով։
Ընտրեք մեկ հիմնական ցուցանիշ.
Սցենար: Հաճախորդը գրում է «կարո՞ղ եմ ամրագրել հինգշաբթի»։ Թիմը ձեռքով ստուգում է ազատ ժամանակները և հաճախ մոռանում է հիշեցումները։
Workflow քայլեր:
Մետրիկա: ամրագրումների ավարտման տոկոս և no-show-ի նվազում։
Staffono.ai-ի միջոցով AI աշխատակիցը կարող է այս հոսքը վարել 24/7 WhatsApp-ում և Instagram-ում, որպեսզի ամրագրումները չկորչեն ոչ աշխատանքային ժամերին։
Սցենար: Նոր լիդերը տալիս են ընդհանուր հարցեր, վաճառքի թիմը ժամանակ է վատնում ոչ նպատակային հետաքրքրվողների վրա։
Workflow քայլեր:
Մետրիկա: որակավորված լիդերի տոկոս և առաջին զանգի արագություն։
Սցենար: «Որտե՞ղ է պատվերս» հարցը ծանրաբեռնում է support-ը, մինչդեռ հաճախ պետք է պարզապես tracking և ETA։
Workflow քայլեր:
Մետրիկա: human-free լուծումների տոկոս և բավարարվածություն։
Սցենար: Վերադարձը պահանջում է կանոնների ստուգում և ապացույցներ, իսկ հաճախորդը չի ուզում կրկնել նույնը տարբեր օպերատորներին։
Workflow քայլեր:
Մետրիկա: լուծման ժամանակ և end-to-end ավտոմատ մշակման տոկոս։
Սցենար: Գնումից կամ ծառայությունից հետո հաճախորդին պետք են հավելումներ կամ հաջորդ ծառայություն, բայց բիզնեսը հաճախ չի առաջարկում ճիշտ պահին։
Workflow քայլեր:
Մետրիկա: upsell կոնվերսիա և կրկնվող գնումներ։
Սկսեք մեկ workflow-ով, որը կամ եկամուտ է բերում, կամ մեծ բեռ է հանում support-ից։ Ապա չափեք և ընդլայնեք։
Աշխատեք progressive հավաքումով, որպեսզի խոսակցությունը մնա բնական։
Սահմանեք handoff-ի կանոնները և ինչ կոնտեքստ պետք է ստանա մարդը։ Լավ handoff-ը ներառում է ամփոփում, հավաքված տվյալներ և վերջին հարցը։
Գները, կանոնները և առկայությունը պետք է թարմ լինեն։ Նշանակեք պատասխանատու և շաբաթական թարմացման ռեժիմ։
Use-case քարտեզագրումը տալիս է հստակ blueprint, բայց իրական արդյունքի համար պետք է բազմաալիք կայունություն, ճիշտ handoff և մշտական հասանելիություն։ Այստեղ AI աշխատակիցները գործնական արժեք են տալիս. նրանք վերցնում են կրկնվող խոսակցությունները, հավաքում են կառուցվածքային տվյալներ և սկսում գործողություններ նույնիսկ ոչ աշխատանքային ժամերին։
Եթե ցանկանում եք անցնել գաղափարից դեպի աշխատող workflow-ներ, որոնք կատարում են ամրագրումներ, որակավորում, պատվերի թարմացումներ և քաղաքականության կանոններով հարցումներ, դիտարկեք Staffono.ai-ը։ Staffono.ai-ը ստեղծված է բազմաալիք բիզնես հաղորդակցության համար և կարող է օգնել այս սցենարները ներդնել քայլ առ քայլ, չափել արդյունքները և մասշտաբավորել այն, ինչ աշխատում է, առանց թիմը ծանրաբեռնելու։
