Zaufało nam ponad 4 mln klientów. To oznacza ogromną liczbę codziennych interakcji naszych klientów różnymi kanałami kontaktu, a w efekcie napływ informacji, które dotyczą produktów, procesów i obsługi. W ING budujemy relację z klientem dzięki zrozumieniu jego potrzeb i oczekiwań, dlatego w tym obszarze zastosowaliśmy innowacyjną metodę analizy głosu klienta. Dzięki niej wyciągamy wnioski, które wspierają decyzje zarządcze. Dodatkowo, dzięki temu zaprojektowanie wyjątkowych doświadczeń naszych klientów jest dużo prostsze.
Jak skutecznie zarządzać taką liczbą informacji – centralizacja głosu klienta
Do tej pory głosy klientów przekazane do nas za pomocą poszczególnych kanałów był obsługiwane przez jednostki odpowiedzialne za obsługę i tam też zwykle kończyła się ich historia. Natomiast aby skutecznie zarządzać i zrozumieć istotę problemów klientów oraz stosownie na nie reagować, konieczne jest zarządzanie informacjami od klientów z jednego miejsca, aby podejść do tematu kompleksowo. Ze względu na potrzebę zrozumienia problemów i skutecznego nimi zarządzania zaprojektowaliśmy i zbudowaliśmy narzędzia, dzięki którym gromadzimy systematycznie głosy w jednym miejscu. Zbieranie tych informacji odbywa się w czasie rzeczywistym i dzięki temu wiemy, kiedy i jak często klient kontaktuje się z nami. Do bazy głosu trafiają pytania, opinie, reklamacje, dyspozycje oraz głos klienta z różnych innych źródeł. Ułożenie ich chronologicznie pozwala uchwycić jak zmienia się doświadczenie klienta w czasie i które kanały dostarczają pozytywnych, a które negatywnych doświadczeń.
Analiza on-line każdego głosu
Nasi inżynierowie uczenia maszynowego i analitycy przetwarzania języka naturalnego projektują i budują modele, które umożliwiają przetwarzanie ogromnych ilości nieustrukturyzowanych wiadomości od klientów. Jest to innowacyjne rozwiązanie, dzięki któremu dokładnie wiemy w jakich obszarach i w jakim temacie najczęściej klienci do nas piszą. Nasze metody pozwalają na wykrycie emocji w wypowiedzi oraz powodów, które skłoniły klientów do przesłania wiadomości. Ponieważ odbywa się to w czasie rzeczywistym, jesteśmy w stanie szybko reagować na potencjalne trudności. Wiemy również, dzięki czemu skłonni są nas polecać, albo też z jakich powodów są naszymi krytykami. Reasumując, innowacyjny system, który stworzyliśmy, analizuje treść wiadomości od klienta i na tej podstawie wnioskuje jaki klient ma problem i jakie jest emocjonalne nasycenie jego wypowiedzi. Pogrupowane problemy ułatwiają zaadresowanie ich do odpowiednich jednostek organizacyjnych, odpowiedzialnych za dany obszar. Tak więc możliwa jest reakcja na ból klienta u jego podłoża. Wykorzystanie sztucznej inteligencji pozwala nam uprościć procesy, czy też usprawnić obsługę produktów.
Co zrobić, aby głos klienta był słuchany w całym banku – demokratyzacja głosu
Stworzenie bazy, która zawiera głos klienta to dopiero pierwszy krok, to środek do osiągnięcia głównego celu jakim jest budowa doświadczenia klienta oparta na bazie wniosków . Wyzwaniem jest to, aby maszyna dostarczała coraz lepsze i bardziej precyzyjne wyniki. Widzimy już, że dzięki niej zmniejszamy pracochłonność analiz w różnych jednostkach. Jednocześnie zależy nam, aby ten proces stał się integralną częścią procesu decyzyjnego w jednostkach biznesowych. Dlatego udostępniliśmy narzędzie pracownikom naszego banku. Dzięki temu mogą samodzielnie – podobnie jak w wyszukiwarce internetowej – sprawdzić, co mówią klienci na interesujący ich temat biznesowy. Mają niepowtarzalną okazję, aby spojrzeć na produkt czy proces oczami klienta.
Wiadomość klienta do banku nie kończy się na odpowiedzi
Dzięki gromadzeniu informacji od klientów w jednym miejscu i udostępnieniu ich bezpośrednio pracownikom w jednostkach projektowych ograniczyliśmy niektóre badania. Analizy wykonywane przez innowacyjne zastosowanie uczenia maszynowego umożliwiły nam obserwację zmiany sentymentu w czasie. Reguły, które badają sentyment obejmują wszystkie głosy pochodzące z różnych kanałów. Możemy na nie reagować, a efekt zmian monitorować, by móc wprowadzać kolejne ulepszenia. Wykorzystujemy uczenie maszynowe, bo tak jak inne firmy, które opanowały te mechanizmy chcemy wyznaczać nowe kierunki w branży i zdobywać przewagę konkurencyjną.
