L’innovazione dei contact center sta andando di pari passo con la digital transformation e con il ruolo centrale assunto dalla customer experience nella relazione tra cliente e azienda. La prima ha contribuito all’evoluzione dei modern contact center con strumenti come intelligenza artificiale (AI), machine learning e chatbot. La seconda ha ridisegnato il buyer’s journey alla luce di punti di contatto (touchpoint) che vedono l’utente scegliere, di volta in volta, un canale diverso ma complementare rispetto agli altri durante il suo viaggio d’acquisto.
I contact center moderni tra chatbot e NLP
Sono tanti i modi attraverso i quali l’intelligenza artificiale sta trovando impiego nel modern contact center, realizzando un equilibrio tra automazione e intervento dell’operatore umano. Una delle sue applicazioni più diffuse in Italia, secondo una recente ricerca dell’Osservatorio Artificial Intelligence della School of Management del Politecnico, riguarda le soluzioni di virtual assistant/chatbot. Il successo di queste soluzioni dipende sia dalla capacità di rispondere 24 ore su 24 alle richieste dei clienti, sia dagli algoritmi di machine learning grazie ai quali i chatbot sono in grado di apprendere continuamente dall’interazione con gli utenti, riuscendo anche a comprendere le loro domande espresse oralmente tramite i sistemi di elaborazione del linguaggio naturale o NLP (Natural Language Processing). Dalla elaborazione del linguaggio naturale deriva anche la possibilità di trascrizione immediata delle conversazioni in testo (speech-to-text) con la conseguente funzionalità di archiviazione e indicizzazione a fini statici e di analisi.
I vantaggi dell’intelligenza artificiale
I vantaggi della AI per il contact center sono enormi e interessano le attività di customer service così come quelle di vendita outbound. Nel primo caso perché si abbattono i tempi di attesa e l’assistenza diventa immediata e personalizzata. Nel secondo in quanto vengono automatizzate alcune fasi dell’interazione che altrimenti sarebbero a carico dell’agente. Si pensi, per esempio, alla fase del cosiddetto “verbal order” durante la quale l’operatore è tenuto a leggere un’informativa al fine di raccogliere l’esplicito consenso del cliente. Oggi è possibile affidare questo processo a un assistente virtuale, facendo risparmiare tempo all’addetto che può, invece, concentrarsi su aspetti della negoziazione più complessi. È la funzione del text-to-speech, procedura inversa a quella vista prima: non è la voce a essere convertita in testo, ma è lo script che solitamente l’operatore ha davanti agli occhi a mutarsi in parole recitate da un assistente virtuale.
Una Business Intelligence in tempo reale
L’intelligenza artificiale, inoltre, contribuisce a definire le strategie decision-making dell’azienda integrandosi con le piattaforme più evolute dei sistemi di gestione del contatto con la clientela. Si deve all’AI, infatti, la capacità di aggregare i dati provenienti dai diversi canali (telefono, SMS, chat, email, social media) trasformandoli in informazioni a supporto delle decisioni aziendali, cioè in strumenti di Business Intelligence (BI). Con la differenza, rispetto ai software tradizionali di BI, che gli insight e i trend sono ricavati in tempo reale dall’insieme dei comportamenti registrati nella relazione dinamica tra brand e customer. Tanto che questo patrimonio si traduce in modelli dal valore predittivo sugli orientamenti del consumatore che possono guidare un’offerta di prodotti o servizi correlati (cross selling) o di maggior valore (up selling). Oltre a rappresentare una leva di ottimizzazione del contact center, focalizzata su incremento di produttività ed efficienza poiché si fonda su dati storici certi e costantemente aggiornati.
L’addetto ideale del contact center (secondo il cliente)
L’ultima frontiera su cui l’AI incrocia le esigenze di una customer experience ottimale è quella del routing dettato dalle preferenze del cliente. Proprio in virtù delle caratteristiche predittive anticipate sopra, si potrà instradare automaticamente un utente verso un operatore che meglio risponda alle sue attese. Questo abbinamento è il frutto dei calcoli desunti dalle interazioni pregresse unite al gradimento manifestato e ai profili di competenza dell’agente, nonché alle sue attitudini personali e perfino al suo tono di voce. Un percorso, con il tempo, destinato a essere sempre più preciso, visto che gli algoritmi di machine learning sono fatti apposta affinché si perfezionino nel tempo.
