เหตุใดลูกค้าจึงเลิกใช้บอต CX ของคุณ

หลายปีที่ผ่านมา ทีมบริการลูกค้ามองว่าการที่ลูกค้าขอสายเจ้าหน้าที่ที่เป็นคนทันทีเป็นปัญหาด้านการออกแบบ เมื่อลูกค้าปฏิเสธประสบการณ์อัตโนมัติตั้งแต่ยังไม่ทันเริ่มต้น สัญชาตญาณแรกคือทำให้ระบบฟังดูอบอุ่นหรือเหมือนคนมากขึ้น เขียนคำทักทายใหม่ แสดงความเข้าใจความหงุดหงิด บอกลูกค้าว่าพูดได้ตามปกติ แนวคิดเบื้องหลังคือ หากประสบการณ์ไม่ให้ความรู้สึกเหมือนหุ่นยนต์มากนัก ผู้คนก็จะเต็มใจโต้ตอบกับระบบมากขึ้น

เมื่อไม่นานมานี้ เราพบหลักฐานที่ชี้ว่ามีปัจจัยอื่นซึ่งสำคัญกว่ามาก

บริษัทประกันภัยรายใหญ่แห่งหนึ่งใช้ AI ตอบคำถามเกี่ยวกับสิทธิประโยชน์ด้านรถเช่า ในช่วงแรก เจ้าหน้าที่เสียงต้อนรับผู้โทรด้วยการบอกว่า “คุยกับฉันเหมือนคุยกับคนจริง ๆ ได้เลย” ถึงอย่างนั้น ผู้โทรมากกว่า 4 ใน 10 ก็ยังขอคุยกับเจ้าหน้าที่ที่เป็นคนก่อนจะได้โต้ตอบกับระบบอย่างจริงจัง เราปรับคำทักทายให้เรียบง่ายและตรงประเด็นขึ้น แต่ผลลัพธ์แทบไม่เปลี่ยนแปลง ผู้โทร 44% ยังคงขอคุยกับเจ้าหน้าที่ทันที

สิ่งที่ทำให้พฤติกรรมของผู้โทรเปลี่ยนไปในที่สุดแทบไม่เกี่ยวกับน้ำเสียงของ AI แต่เราเปลี่ยนสิ่งที่ AI สามารถแสดงให้เห็นว่าตนรู้ แทนที่จะเริ่มด้วยคำทักทายทั่วไป AI จะคาดเดาอย่างสมเหตุสมผลว่าลูกค้าโทรมาด้วยเหตุใด แล้วให้ข้อมูลเพื่อจัดการปัญหานั้นล่วงหน้า ตัวอย่างเช่น AI จะบอกรายละเอียดรถที่เกี่ยวข้องกับการเคลมของผู้โทร แจ้งสถานะการเคลม และตรวจสอบว่าลูกค้าต้องการรถเช่าหรือไม่

จำนวนคำขอคุยกับเจ้าหน้าที่ที่เป็นคนลดลง 23% ส่วนการโต้ตอบกับ AI อย่างจริงจังเพิ่มขึ้นจาก 54% เป็น 66%

บทเรียนจากเรื่องนี้มีความหมายไกลเกินกว่าศูนย์ติดต่อลูกค้า ขณะที่บริษัทต่าง ๆ เร่งทำให้ AI สนทนาได้ เป็นกันเอง และใช้งานง่ายขึ้น พวกเขาอาจลงทุนไม่เพียงพอกับสิ่งที่เป็นพื้นฐานยิ่งกว่า นั่นคือการให้บริบทแก่ AI มากพอที่จะพิสูจน์ว่าระบบเข้าใจสถานการณ์ตรงหน้า

AI กำลังรับช่วงภาวะขาดความไว้วางใจ

ผู้คนไม่ได้เริ่มใช้ระบบ AI ใหม่โดยไม่มีประสบการณ์เดิมติดตัว พวกเขาผ่านประสบการณ์มาหลายปีกับระบบเมนูโทรศัพท์ที่เข้าใจคำขอธรรมดาผิดพลาด แชตบอตที่ให้คำตอบไม่ตรงประเด็น และระบบอัตโนมัติที่ทำให้ต้องบอกข้อมูลซ้ำทั้งที่เคยแจ้งไปแล้ว เมื่อเวลาผ่านไป ผู้ใช้เรียนรู้ว่าการขอคุยกับคนอาจเป็นวิธีที่เร็วที่สุดในการจัดการสิ่งต่าง ๆ ให้เสร็จ

พฤติกรรมเช่นนี้อาจดูเหมือนการต่อต้าน AI แต่มีวิธีทำความเข้าใจที่เป็นประโยชน์กว่า ก่อนจะไว้วางใจให้ระบบอัตโนมัติทำงาน ผู้คนต้องการหลักฐานว่าระบบเข้าใจสถานการณ์เฉพาะของตนมากพอที่จะช่วยได้ นักวิจัยเรียกองค์ประกอบหนึ่งของการต่อต้านนี้ว่า “การมองข้ามความเป็นเอกลักษณ์” ซึ่งหมายถึงการมองว่าระบบอัตโนมัติไม่สามารถคำนึงถึงสถานการณ์เฉพาะของแต่ละคนได้อย่างเหมาะสม

เรื่องนี้ยิ่งสำคัญขึ้นเมื่อ AI เข้ามามีบทบาทในเรื่องสำคัญต่อชีวิตและการทำงานของเรามากขึ้น ลูกค้าที่โทรมาหลังประสบอุบัติเหตุทางรถยนต์ไม่ได้มองปัญหาของตนเป็นเพียงคำถามทั่วไปเกี่ยวกับประกันภัย พนักงานที่ใช้ผู้ช่วยสำหรับองค์กรคาดหวังให้ระบบเข้าใจบทบาท สิทธิ์การเข้าถึง และงานที่กำลังทำอยู่ ส่วนผู้พัฒนาที่ใช้เครื่องมือเขียนโค้ดด้วย AI ต้องการคำตอบที่คำนึงถึงสถาปัตยกรรมโดยรอบโค้ด

ในทุกกรณี ระบบ AI ต้องแสดงให้เห็นว่าเข้าใจสถานการณ์แวดล้อมของคำขอ ก่อนที่ผู้ใช้จะมีเหตุผลมากพอให้เชื่อถือคำตอบของระบบ

บริบทกำลังกลายเป็นส่วนหนึ่งของส่วนติดต่อผู้ใช้ AI

ที่ผ่านมา การปรับให้เหมาะกับแต่ละบุคคลมักหมายถึงการรู้ชื่อใครสักคน จดจำความชอบ หรือแนะนำสิ่งต่าง ๆ โดยอิงจากพฤติกรรมก่อนหน้า AI เปิดโอกาสให้เราปรับประสบการณ์ให้เหมาะกับสถานการณ์ได้มากขึ้น ระบบที่มีประโยชน์ควรเข้าใจว่าผู้ใช้กำลังพยายามทำอะไร เกิดอะไรขึ้นไปแล้ว ข้อมูลใดเกี่ยวข้องในขณะนั้น และมีการดำเนินการใดที่ทำได้จริงบ้าง

ความแตกต่างนี้ช่วยอธิบายได้ว่าทำไมการทดลองกับบริษัทประกันภัยจึงได้ผล AI ไม่ได้เพียงทักทายผู้โทรอย่างเป็นมิตรมากขึ้น แต่ช่วยลดภาระในระหว่างการติดต่อ ผู้ที่โทรมาตรวจสอบว่าตนมีสิทธิ์ได้รับรถเช่าหรือไม่ ไม่ต้องอธิบายเรื่องเคลม ระบุรถของตน และรอให้ระบบค้นหาข้อมูลที่เกี่ยวข้องอีกต่อไป เมื่อแสดงบริบทดังกล่าวขึ้นมาทันที ระบบก็แสดงให้เห็นถึงความสามารถก่อนที่จะขอให้ผู้โทรไว้วางใจเรื่องอื่น

หลักการนี้ใช้ได้กับ AI สำหรับองค์กรในวงกว้าง ทุกครั้งที่ผู้ใช้ต้องบอกข้อมูลซ้ำทั้งที่ระบบควรรู้อยู่แล้ว แก้ไขข้อสันนิษฐานที่ระบบไม่ควรตั้งขึ้นมา หรือปะติดปะต่อบริบทที่มีอยู่แล้วในส่วนอื่นขององค์กร ความเชื่อมั่นก็จะลดลง สำหรับองค์กร นั่นหมายความว่าควรมองบริบทเป็นส่วนหนึ่งของประสบการณ์ผู้ใช้ ไม่ใช่เพียงประเด็นทางเทคนิคเบื้องหลัง

AI อาจเปลี่ยนวิธีวัดความสำเร็จ

การทดลองของเรายังเผยให้เห็นพฤติกรรมอีกอย่างหนึ่งที่มองข้ามได้ง่าย หลังเริ่มใช้คำทักทายที่มีบริบท ผู้โทรบางคนฟังข้อความเปิดสายแล้ววางหูไปเลย

ตัวชี้วัดแบบดั้งเดิมของศูนย์ติดต่อลูกค้าอาจจัดสายเหล่านั้นว่าเป็นสายที่ลูกค้ายกเลิก แต่ลูกค้าบางคนได้รับสิ่งที่ต้องการอย่างพอดีแล้ว หากใครโทรมาถามว่าอนุมัติการเคลมหรือยัง และ AI แจ้งทันทีว่าการเคลมได้รับอนุมัติแล้ว พร้อมทั้งเตรียมสิทธิประโยชน์ด้านรถเช่าไว้ให้ ก็อาจไม่มีเรื่องอื่นให้พูดคุยอีก

ประมาณ 3% ของสายที่ใช้คำทักทายแบบไดนามิกดูเหมือนจะเป็นไปตามรูปแบบนี้ โดยผู้โทรวางสายหลังได้รับข้อมูลแล้ว และไม่โทรกลับภายในสองชั่วโมง แม้จะเป็นสัดส่วนที่น้อย แต่ก็ชวนให้ตั้งคำถามที่ใหญ่กว่านั้นว่า จะเกิดอะไรขึ้นเมื่อเกณฑ์ที่เราใช้วัดการมีส่วนร่วมมาโดยตลอด ไม่สามารถวัดคุณค่าได้อย่างแม่นยำอีกต่อไป

เมื่อ AI มีความสามารถมากขึ้น เราอาจพบกรณีที่การโต้ตอบสั้นลงแต่ให้ผลดีกว่าเดิม หากระบบคาดการณ์ความต้องการและแสดงข้อมูลที่เหมาะสมให้เห็นล่วงหน้าได้ ระยะเวลาการสนทนา จำนวนขั้นตอนที่ทำสำเร็จ หรือแม้แต่อัตราการยุติการสนทนาก่อนกำหนดแบบเดิม อาจไม่ใช่ตัวชี้วัดความสำเร็จที่มีความหมายมากนัก

ทุกปฏิสัมพันธ์กับ AI คือการทดสอบคัดเลือก

เมื่อ AI เข้าไปเป็นส่วนหนึ่งของกระบวนการทำงานมากขึ้น ผู้ใช้ก็จะเก่งขึ้นในการตัดสินใจว่าระบบใดคู่ควรกับเวลาของตน ช่วงแรกของการโต้ตอบมีความสำคัญอย่างยิ่ง เพราะผู้ใช้จะประเมินอย่างรวดเร็วว่าระบบเข้าใจสถานการณ์ของตนหรือไม่ ข้อมูลที่ให้มาน่าเชื่อถือหรือไม่ และการโต้ตอบต่อไปจะคุ้มกับความพยายามหรือไม่

ประสบการณ์การใช้ AI ที่ดีที่สุดคือประสบการณ์ที่แสดงให้เห็นได้ตั้งแต่เนิ่น ๆ ว่าระบบเข้าใจบริบทที่เป็นประโยชน์อย่างถูกต้อง ในงานบริการลูกค้า นั่นอาจหมายถึงการเข้าใจสถานะการเคลมก่อนที่ผู้โทรจะอธิบาย ในผู้ช่วยสำหรับองค์กร อาจหมายถึงการเข้าใจบทบาท สิทธิ์การเข้าถึง และงานปัจจุบันของพนักงาน ส่วนในการพัฒนาซอฟต์แวร์ อาจหมายถึงการให้เหตุผลเกี่ยวกับสถาปัตยกรรมที่ล้อมรอบโค้ดชิ้นหนึ่ง

ขณะที่บริษัทต่าง ๆ ลงทุนกับประสบการณ์ AI รุ่นใหม่ การทำให้ระบบเหล่านั้นโต้ตอบได้อย่างเป็นธรรมชาติมากขึ้นย่อมเป็นเรื่องที่คุ้มค่า แต่การสนทนาอย่างเป็นธรรมชาติช่วยเราได้เพียงระดับหนึ่ง ผู้คนจะเปิดโอกาสให้ AI เมื่อ AI มอบเหตุผลให้เชื่อได้ว่ามันช่วยเหลือพวกเขาได้ และเหตุผลนั้นก็ขึ้นอยู่กับบริบทมากขึ้นเรื่อย ๆ