Müşteriler CX Botlarınızı Neden Terk Ediyor?

Müşteri hizmetleri ekipleri yıllardır, müşterilerin bir insan temsilciyle görüşmek için hemen talepte bulunmasını bir tasarım sorunu olarak ele alıyor. Arayanlar otomatik deneyimi daha başlamadan reddettiğinde, doğal tepki sistemi daha sıcak ya da daha insansı hale getirmek oluyor. Karşılama mesajını yeniden yazın. Hayal kırıklığını anladığınızı gösterin. Arayanlara doğal bir şekilde konuşabileceklerini söyleyin. Varsayım şu: Deneyim daha az robotik hissettirirse insanlar sisteme daha istekli bir şekilde katılır.

Yakın zamanda, çok daha önemli olan başka bir etkenin kanıtını gördük.

Araç kiralama avantajlarıyla ilgili soruları yanıtlamak için yapay zekâ kullanan büyük bir sigorta şirketinde, sesli asistan başlangıçta arayanları “Benimle gerçek bir insanla konuşur gibi konuşabilirsiniz” diyerek karşılıyordu. Arayanların onda dördünden fazlası, sistemle kayda değer bir etkileşim kurmadan yine de bir insanla görüşmek istedi. Karşılama mesajını daha basit ve doğrudan bir ifadeyle değiştirdik, ancak sonuç temelde değişmedi. Arayanların yüzde 44’ü hâlâ hemen bir temsilci talep ediyordu.

Arayanların davranışını sonunda değiştiren şeyin, yapay zekânın nasıl ses çıkardığıyla pek ilgisi yoktu. Yapay zekânın bildiklerini nasıl gösterebileceğini değiştirdik. Yapay zekâ, genel bir karşılama mesajıyla başlamak yerine müşterinin neden aradığına ilişkin makul bir tahminde bulunacak ve sorunu proaktif biçimde ele alacak bilgiler sunacaktı. Örneğin, arayanın talebiyle bağlantılı aracı tanımlayacak, talebin durumunu bildirecek ve müşterinin kiralık araca ihtiyacı olup olmadığını kontrol edecekti.

İnsan temsilci talepleri yüzde 23 azaldı. Yapay zekâyla kayda değer etkileşim yüzde 54’ten yüzde 66’ya yükseldi.

Buradan, çağrı merkezlerinin çok ötesine uzanan bir ders çıkarabiliriz. Şirketler yapay zekâyı daha konuşkan, cana yakın ve sezgisel hale getirmek için yarışırken daha temel bir konuya yeterince yatırım yapmıyor olabilir: Yapay zekâya, karşısındaki durumu anladığını kanıtlayacak kadar bağlam sağlamak.

Yapay Zekâ Bir Güven Açığını Devralıyor

İnsanlar yeni bir yapay zekâ sistemiyle hiçbir ön yargı taşımadan karşılaşmaz. Basit talepleri yanlış anlayan telefon menüleriyle, ilgisiz yanıtlar veren sohbet botlarıyla ve daha önce verdikleri bilgileri kendilerine tekrar ettiren otomatik sistemlerle ilgili yıllara dayanan deneyimlerini beraberlerinde getirirler. Zamanla kullanıcılar, bir işi halletmenin en hızlı yolunun bir insanla görüşmek istemek olabileceğini öğrenmiştir.

Bu davranış, yapay zekâya direnç gibi görünebilir; ancak bunu anlamanın daha yararlı bir yolu var. İnsanlar, otomatik bir sisteme bir görev için güvenmeden önce, sistemin işe yarayacak ölçüde kendi özel durumlarını anladığına dair kanıt görmek ister. Araştırmacılar bu direncin bir unsurunu “benzersizliği göz ardı etme” olarak tanımlıyor: otomatik bir sistemin kişinin koşullarını yeterince hesaba katamayacağı algısı.

Yapay zekâ yaşamımızın ve işimizin daha önemli alanlarında kullanılmaya başladıkça bu konu giderek daha fazla önem kazanıyor. Bir trafik kazasının ardından sigorta şirketini arayan müşteri, yaşadığı sorunu sıradan bir sigorta sorgusu olarak görmez. Kurumsal bir asistandan yararlanan çalışan, asistanın görevini, izinlerini ve o sırada yürüttüğü işi anlamasını bekler. Yapay zekâ destekli bir kodlama aracı kullanan geliştiricinin ise kodun içinde bulunduğu mimariyi hesaba katan yanıtlara ihtiyacı vardır.

Her durumda yapay zekâ sistemi, kullanıcının yanıtına güvenmek için güçlü bir nedeni henüz yokken, talebi çevreleyen koşulları anladığını göstermek zorundadır.

Bağlam, Yapay Zekâ Arayüzünün Bir Parçası Haline Geliyor

Kişiselleştirme geleneksel olarak birinin adını bilmeyi, bir tercihini hatırlamayı ya da geçmiş davranışlarına dayanarak bir şey önermeyi ifade ediyordu. Yapay zekâ, kişiselleştirmeyi duruma çok daha özgü hale getirme fırsatı sunuyor. Yararlı bir sistem; kişinin neyi başarmaya çalıştığını, şimdiye kadar neler olduğunu, o anda hangi bilgilerin önemli olduğunu ve hangi işlemlerin gerçekten yapılabileceğini anlamalıdır.

Bu ayrım, sigorta deneyinin neden işe yaradığını açıklamaya yardımcı oluyor. Yapay zekâ arayanları yalnızca daha hoş bir dille karşılamadı; etkileşimde yapmaları gereken işleri azalttı. Kiralama avantajlarından yararlanıp yararlanamayacağını öğrenmek için arayan birinin artık talebini açıklaması, aracını belirtmesi ve sistemin ilgili bilgileri bulmasını beklemesi gerekmiyordu. Sistem, bağlamı hemen sunarak arayanın başka herhangi bir konuda kendisine güvenmesini istemeden önce yetkinliğini gösterdi.

Bu ilke, kurumsal yapay zekânın her alanında geçerlidir. Bir kullanıcı, sistemin zaten bilmesi gereken bilgileri her tekrarladığında, sistemin hiç yapmaması gereken bir varsayımı düzelttiğinde ya da kuruluşun başka bir yerinde zaten bulunan bağlamı yeniden oluşturduğunda güveni azalır. Şirketler açısından bu, bağlamın yalnızca arka plandaki teknik bir konu olarak değil, kullanıcı deneyiminin bir parçası olarak ele alınması gerektiği anlamına gelir.

Yapay Zekâ Başarıyı Ölçme Biçimimizi Değiştirebilir

Deneyimiz, gözden kaçırılması kolay başka bir davranışı da ortaya çıkardı. Bağlam içeren karşılama mesajı sunulmaya başladıktan sonra bazı arayanlar açılış mesajını dinleyip telefonu kapattı.

Geleneksel çağrı merkezi ölçümleri bu aramaları terk edilmiş olarak sınıflandırabilir. Ancak bu müşterilerden bazıları, aradıkları şeyi öğrenmişti. Birisi talebinin onaylanıp onaylanmadığını öğrenmek için aradığında yapay zekâ talebinin onaylandığını ve kiralama avantajlarından yararlanmaya hazır olduğunu hemen bildiriyorsa konuşacak başka bir şey kalmamış olabilir.

Dinamik karşılama mesajının kullanıldığı aramaların yaklaşık %3’ünde bu örüntü görülüyor gibiydi: Arayanlar gerekli bilgiyi aldıktan sonra görüşmeyi sonlandırıyor ve iki saat içinde tekrar aramıyordu. Bu oran düşük olsa da daha büyük bir soruyu gündeme getiriyor: Etkileşimi ölçmek için tarihsel olarak kullandığımız ölçütler, değeri artık doğru biçimde ölçemediğinde ne olur?

Yapay zekâ daha yetenekli hâle geldikçe, daha kısa etkileşimlerin daha iyi etkileşimler olduğu durumlarla daha sık karşılaşabiliriz. Bir sistem ihtiyacı önceden öngörüp doğru bilgiyi kullanıcıya kendiliğinden sunabiliyorsa görüşme süresi, tamamlanan adım sayısı ve hatta geleneksel terk oranları başarıyı ölçmek için daha az anlamlı hâle gelebilir.

Her Yapay Zekâ Etkileşimi Bir Sınavdır

Yapay zekâ daha fazla iş akışına entegre oldukça kullanıcılar, hangi sistemlerin zaman ayırmaya değer olduğuna karar verme konusunda daha iyi olacak. Etkileşimin ilk anları büyük önem taşıyor; çünkü insanlar sistemin içinde bulundukları durumu anlayıp anlamadığını, verdiği bilgilerin güvenilir görünüp görünmediğini ve devam etmenin harcanan çabaya değip değmeyeceğini hızla değerlendiriyor.

En başarılı yapay zekâ deneyimleri, yararlı bağlamı erken ve doğru biçimde ortaya koyabilenler olacak. Müşteri hizmetlerinde bu, arayan kişi açıklamadan önce talebin durumunu anlamak anlamına gelebilir. Bir kurumsal asistanda, çalışanın görevini, izinlerini ve o sırada üzerinde çalıştığı işleri anlamak anlamına gelebilir. Yazılım geliştirmede ise bir kod parçasının içinde yer aldığı mimariyi kavrayıp akıl yürütebilmek anlamına gelebilir.

Şirketler yeni nesil yapay zekâ deneyimlerine yatırım yaparken bu sistemlerle etkileşimi daha doğal hâle getirmek elbette önemli. Ancak doğal bir sohbetin sağlayabilecekleri sınırlı. İnsanlar, yardımcı olabileceğine inanmaları için yapay zekâ onlara bir neden sunduğunda ona şans verecek; giderek daha fazla durumda bu neden bağlam olacak.