Wykorzystanie AI do zbierania, analizy i zamykania pętli zwrotnej feedbacku klientów, to obecnie jedna z najskuteczniejszych metod służących poprawie doświadczenia użytkowników i optymalizacji produktów oraz usług. Przyjrzyjmy się temu, w jaki sposób nowoczesny proces zarządzania szeroko pojętym doświadczeniem klienta i budowania w organizacji kultury klientocentrycznej, może być realizowany przy pomocy sztucznej inteligencji oraz jak skutecznie można go wdrażać w miejscach takich jak Bank Pekao S.A.

Doskonalenie CX klienta

Proces zarządzanie doświadczeniem klienta składa się z trzech głównych elementów: zbieranie – pozyskiwanie i agregacja danych, analiza – mierzenie danych i synteza wniosków, użycie – zamykanie pętli zwrotnej (feedback loop), czyli wykorzystanie przeanalizowanych doświadczeń klientów do doskonalenia doświadczenia klienta (Customer experience – CX). Proces ten nigdy się nie kończy.

Pierwszy krok to zbieranie i gromadzenie szeroko pojętego „customer feedbacku”. Należy go rozumieć jako każdą informację, która pozostawia klienta w odpowiedzi na swoje doświadczenie lub kontakt z produktem lub serwisem. Źródła feedbacku w obecnych czasach i przy dzisiejszych możliwościach są różnorodne i dają dostęp do bardzo szerokiej i cennej wiedzy o klientach. Możemy się z nich dowiedzieć o ich zachowaniach, emocjach, myślach, a nawet planach wyrażanych w kontekście danej marki czy produktu. Źródła feedbacku możemy podzielić na takie, na które mamy wpływ i sami je inicjujemy jako organizacja np.: badania i takie, które klienci pozostawiają spontanicznie w miejscach, nad którymi nie mamy kontroli, jak np.: media społecznościowe.

Do najczęściej analizowanych źródeł zaliczamy:

• Ankiety i wywiady prowadzone w ramach badania satysfakcji
• Opinie pozostawione w Internecie np. Appstore, Google Plus, Google maps, social media
• Reklamacje
• Chatboty / Voice boty,
• Recenzje online
• E-maile, formularze kontaktowe
• Nagrania i transkrypcje rozmów z call center

Narzędzia AI pomagają monitorować, pozyskiwać (np.: z internetu, mediów społecznościowych), gromadzić i porządkować w jednym miejscu duże zbiory danych, czyli np.: wypowiedzi klientów.

Kolejny krok to analiza i synteza wniosków dotyczących ogromnej ilości danych pochodzących z różnych źródeł. Bez pomocy sztucznej inteligencji ten proces był dotychczas wykonywany ręcznie, a wiele z jego aspektów nie było nawet branych pod uwagę i wykonywanych ze względu na brak możliwości technicznej lub konieczność zaangażowania bardzo wielu osób do żmudnej pracy. Modele sztucznej inteligencji pozwalają obecnie na łączenie ze sobą różnych działań i wspólną analizę feedbacku niezależenie od jego pochodzenia. Wspierają i przyśpieszają szukanie w nim elementów wspólnych, insightów i trendów, a w konsekwencji pozwalają lepiej rozumieć i obejmować całościowo doświadczenie klienta, a także wyciągać na ich podstawie wnioski opierając się na danych.

- grupowanie i kategoryzację opinii – AI klasyfikuje opinie według tematów (np.: obsługa klienta, jakość produktu), co pozwala wykrywać tematy pojawiające się najczęściej w opiniach i identyfikować trendy.

- analiza semantyczna i generowanie podsumowań – modele sztucznej inteligencji potrafią „przeczytać” lub wysłuchać tysiące wypowiedzi, zrozumieć ich treść i przygotować na tej podstawie podsumowania i raporty z kluczowymi wnioskami i insightami wskazującymi np.: słabe i mocne strony produktu czy procesu.

- wykrywanie sentymentu – AI potrafi rozpoznać czy dana opinia jest pozytywna, negatywna, neutralna, czy negatywna, a także czy zawiera np.: sugestię poprawy lub wskazuje ryzyko churnu, czyli utraty klienta. Jest w stanie również wyłapać bardziej subtelne emocje, które za nią stoją np.: frustracja, rozczarowanie lub entuzjazm.

- wizualizacja danych – AI potrafi samodzielnie prezentować dane z opinii klientów w formie dashboardów i wykresów automatycznie je przetwarzając i przekładając na formę graficzną zrozumiałą dla odbiorców. Dzięki temu możemy się zapoznać z przeprowadzoną analizą w formie wykresów prezentujących np.: trendy w czasie, rozkłady ocen. Bardzo ważną cechą tych wizualizacji jest to, że mogą być zasilane i analizowane na bieżąco, w czasie rzeczywistym.

Ostatni element procesu to użycie i zamykanie pętli zwrotnej feedbacku klientów. Pozyskiwanie i analiza danych to bardzo ważne, ale nie kluczowe elementy zarządzania doświadczeniem klientów. Możemy powiedzieć, że pozyskana dzięki nim wiedza, jest  paliwem do dalszych działań, które w konsekwencji mają poprawić czy ulepszyć doświadczenie klienta. W jaki sposób AI może się do tego przyczyniać:

- priorytetyzacja - AI może automatycznie wskazać kluczowe problemy, które mają wpływ na satysfakcje.

- uruchomienie alertów – jeśli problem staje się naglący, np.: w ciągu godziny pojawi się dużo negatywnych opinii na dany temat, może rozesłać informacje do właściwych osób lub systemów.

- automatyczne reagowanie - systemy AI mogą sugerować lub automatycznie wysyłać odpowiedzi (alerty) na opinie. Skierować je do odpowiednich komórek lub samodzielnie przeprosić za negatywne doświadczenie lub podziękować za pozytywną opinię 

- śledzenie zmian – przy pomocy AI znacznie łatwiejsze jest śledzenie i wykrywanie zmian np.: w poziomie wskaźników NPS lub satysfakcji klientów stanowiących odpowiedź na wprowadzone zmiany na podstawie danych pozyskanych w procesie analizy i przetwarzania informacji.

Empatia CX – platforma AI do analizy i prezentacji głosu klienta

Na rynku istnieje już obecnie, i ze względu na duże zapotrzebowanie stale rośnie, liczba narzędzi, które wspierają proces gromadzenia i przetwarzania opinii klientów przy pomocy AI. Do najbardziej znanych, komercyjnych rozwiązań można zaliczyć: Tidio AI, Medallia, Qualtrics XM, MonkeyLearn, Savio, UserVoice.

W Banku Pekao S.A. postawiliśmy na zbudowanie autorskiego, dostosowanego w pełni do naszych potrzeb i tworzonego zgodnie z najwyższymi standardami rozwiązania. Empatia CX to wszechstronna platforma służąca do zbierania, mierzenia i analizy feedbacku klienta przy pomocy modeli sztucznej inteligencji. Empatia CX jest kluczowym komponentem modelu zarządzania doświadczeniem klienta wdrażanym w Banku Pekao S.A. zbudowanym wokół trzech filarów: Strategia CX, Mierzenie CX i Doskonalenie CX, które spajają budowanie kultury klientocentrycznej.  

Dla tak dużej organizacji jak bank, zintegrowanie i jednoczesne ujednolicone przetwarzanie opinii pochodzących z bardzo wielu różnych źródeł i kanałów kontaktu było i jest ogromnym wyzwaniem, ale również niepowtarzalną szansą na to, aby w globalny i ustrukturyzowany sposób modelować oraz zarządzać doświadczeniami klientów.

Jakie są główne zalety Empatii CX:

• Zbiera i analizuje w jednym miejscu wyniki badań satysfakcji (w tym stały monitoring poziomu wskaźników NPS, SAT NET, FCR) oraz feedback klienta Banku Pekao S.A. z różnych źródeł takich jak: App Store, Google Play, Google Maps, ankiet Pekao24.
• Analizuje opinie przy pomocy sztucznej inteligencji. Potrafi je podsumować wskazując najistotniejsze insighty, skategoryzować, określić sentyment oraz łączyć i crossować ze sobą opinie bez względu na źródło.
• Zapewnia powszechny, szeroki i kompleksowy dostęp do głosu klienta prezentując przekrojowy obraz opinii na temat poszczególnych procesów i produktów takich jak PeoPay, Pekao 24, obsługa klienta w oddziale oraz banku jako całości.
• Ułatwia szybkie i skuteczne przekazanie informacji zwrotnych do odpowiednich jednostek dzięki systemowi alertów.
• Jako narzędzie budowane wewnątrz może być elastycznie dostosowywane do zmieniających się potrzeb analitycznych i biznesowych, ponadto zapewnia pełne bezpieczeństwo danych.

Możemy się pochwalić, że w dobie rozpowszechniania się rozwiązań zbudowanych w oparciu o sztuczną inteligencję, mamy własną platformę AI, które wspiera CX. Przy jej pomocy dążymy do tego, aby każda opinia pozostawiona przez klienta została zauważona, usłyszana i nie pozostała bez odpowiedzi. Platforma jest obecnie w fazie rozbudowy, w kolejnych etapach będą dodawane do niej kolejne źródła wiedzy o klientach.

---

Agata Wróblewska – UX Lead w Biurze Rozwoju Sztucznej Inteligencji.

Jest absolwentką politologii na Uniwersytecie Warszawskim i podyplomowych studiów User Experience & Product Design na Akademii Górniczo Hutniczej w Krakowie.

Zajmuje się badaniem potrzeb użytkowników, researchem, product discovery i rozwijaniem produktów powstających w ramach działań Biura Rozwoju Sztucznej Inteligencji. Obecnie prowadzi zespół odpowiedzialny za wdrożenie Empatii CX - platformy AI do analizy i prezentacji głosu klienta Banku Pekao S.A.