Mark Hughes, Solidroad’un Kurucu Ortağı ve CEO’su – Röportaj Serisi

Mark Hughes, Solidroad’un Kurucu Ortağı ve CEO’su, satış, müşteri deneyimi ve teknoloji arasındaki kesişme noktalarında kariyerini inşa etmiş bir girişimci ve pazara çıkış lideridir. Daha önce Gradguide’i kurmuş, bu şirket 2 milyon Euro yatırım almış ve daha sonra satın alınmıştır. Ayrıca Chargify’de üst düzey ticari rollerde bulunmuş, Maxio ile birleştikten sonra EMEA operasyonlarını yönetmiştir. Kariyerinin başlarında, Intercom’da yüksek hızlı ve kurumsal satışlarda derin uzmanlık geliştirmiş, kompleks anlaşma döngülerini yönetmiş ve gelir ekiplerini ölçeklendirme konusunda yardımcı olmuştur. Bugün, San Francisco’dan Solidroad’u yönetiyor ve bu deneyimi, şirketlerin müşteri etkileşimlerini değerlendirmeyi ve iyileştirmeyi yeniden düşünmek için kullanıyor, özellikle AI ile birlikte hem insan hem de otomatik destek sistemleri boyunca kalite standardını yükseltmeye odaklanıyor.

Solidroad modern müşteri deneyimi ekipleri için tasarlanmış bir AI destekli kalite güvence ve eğitim platformudur. Bu platform, tüm müşteri etkileşimlerini analiz etmek ve iyileştirmek için tasarlanmıştır. Kanallar boyunca konuşmaları işler, şirket standartlarına karşı performansı değerlendirir ve hem insan ajanslarını hem de AI sistemlerini sürekli olarak optimize etmek için kişiselleştirilmiş eğitim simülasyonları oluşturur. Müşteri destek ekiplerini değiştirmek yerine, Solidroad onları geliştirmeye odaklanıyor, her etkileşimi bir geri bildirim döngüsüne dönüştürüyor, böylece yanıt kalitesi, verimlilik ve müşteri memnuniyeti gibi sonuçlar verbessiriliyor. Şirket, yüksek performanslı CX ekipleri için altyapı olarak konumlandırıyor, organizasyonların tutarlı, yüksek kaliteli deneyimler sunmasını sağlıyor, aynı zamanda operasyonel maliyetleri artırmadan bunu gerçekleştiriyor.

Çoğu şirket hala müşteri etkileşimlerinin sadece küçük bir örneklerini inceleyerek performansı değerlendirmeye devam ediyor. Bu yaklaşımın temelde bozuk olduğuna sizi inandıran şey neydi ve bu realizasyon Solidroad’un sürekli olarak izleme, puanlama ve hem insan hem de AI ajanslarını iyileştirme yaklaşımını nasıl inşa etti?

Patrick ve ben, Solidroad’u kurmadan önce müşteri destek ekipleri etrafında yıllarca geçirdik ve bir sorun sürekli olarak ortaya çıktı: şirketler, müşterileriyle yüz binlerce konuşma yapıyorlardı, ancak bu konuşmaların nasıl gittiğini sorduğunuzda, gerçekten bilmiyorlardı. Ve bildikleri, etkileşimlerin çok küçük bir örneğine dayanıyordu, bu nedenle doğru değildi.

Bu, zaten insanların her bileti ele aldığı zamanlar için bile şüpheli bir temel idi. Şimdi, AI müşteri hizmetlerine girerken, bahisler değişti. Bir kötü model, aynı anda binlerce konuşma boyunca oynanabilir ve çoğu takım sadece etkileşimlerin %1-2’sini gözden geçirdiği için fark edilmeden kalabilir.

Bu durumun şirketlerde tekrar tekrar ortaya çıktığını gördük ve müşterilerini kaybettiler, bu nedenle bir çözüm oluşturmaya karar verdik. Bu temelde bir altyapı problemi olduğunu fark ettik. Şirketlerin müşteri destek ajanslarının performansını gerçekten anlamak için gerekli sistemlere sahip değillerdi.

Solidroad, bu kör noktayı ele almak için inşa edildi. Şirketlere, gerçekten neler olduğu hakkında fikir vermek için araçlar sağlıyoruz ve her konuşmanın – insan, AI veya her ikisi – değer sunmasını sağlıyoruz.

Solidroad, müşteri yüzeyindeki ekipler için bir “uçuş simülatörü” olarak tanımlanmıştır. AI’nizin gerçek müşteri etkileşimlerini nasıl simüle ettiğini ve bu simülasyonların ölçeklendirilmiş eğitim için neden etkili olduğunu açıklar mısınız?

Uçuş simülatörü analojisi, temel fikrin aynı olması nedeniyle çalışır. Bir kişinin zor bir durumu ilk kez gerçek bir müşteri önünde ele almasını istemezsiniz.

Simülasyonlarımızın etkili olmasının nedeni, gerçekten olan şeylere dayanmasıdır. Bir ajan, canlı bir etkileşimde bir şeyi yanlış yaptığında, sistem tam olarak o tür bir senaryo etrafında hedefli bir simülasyon oluşturur, böylece bunu tekrar yapmadan önce uygulayabilir. Bu, genel eğitim içeriği değildir.

Geri bildirim döngüsü, öğrenmeyi sağlayan şeydir. Ajanslar bir senaryoyu çalıştırır, neyin işe yaradığını ve neyin işe olmadığını específik olarak alır ve tekrar dener. Hatalar güvenli bir ortamda meydana gelir ve öğrenme, soyut sınıf egzersizleri yerine gerçek durumlarla bağlantılı olduğu için kalır.

Platformunuz sadece ajansları eğitmekle kalmaz, aynı zamanda canlı etkileşimleri özel rehberlere karşı puanlar. Bu puanlama sistemlerini, CSAT, müşteri tutma veya gelir gibi gerçek iş sonuçlarını yansıtmak için nasıl tasarladınız?

Bu rehberleri oluşturmak için, her zaman o específik şirketin gerçekten önem verdiği şeyden başlarız. Bir finansal hizmet şirketi, fatura anlaşmazlıklarıyla uğraşırken, bir e-ticaret markası iade sezonunda yönetir. Bu nedenle, puanlama, her organizasyonun kendi rehberleri, politikaları, marka sesi ve iyi bir çözümü neye benzediği etrafında inşa edilir.

Ve iş sonuçları gibi CSAT puanlarındaki iyileştirmeler, yüksek kaliteli müşteri etkileşimlerinden gelir. Skorları geriye dönük olarak izlemek yerine, bu sonuçları tahmin eden davranışlara odaklanıyoruz: ajanslar arasında tutarlı performans, doğru süreçleri takip etme ve müşterilerin sohbetin sonunda nasıl hissettiği şeklini belirleyen yumuşak beceriler.

Amaç, liderlere şirketleri için neyin iyi olduğu hakkında net, pratik bir resim vermek, böylece ekiplerini koçlayabilir, başarıyı tekrarlayabilir ve organizasyon genelinde büyütebilirler.

Çoğu şirket, müşteri etkileşimlerinin sadece küçük bir kısmını gözden geçirerek performansı değerlendiriyor. Solidroad, tam kapsamlı analizi nasıl sağlıyor ve her şeyi analiz etmekten ziyade örneklemeye geçmek, hangi tür bilgiler mümkün oluyor?

Son Müşteri Deneyimi Durumu anketimize göre, yaklaşık %81 destek konuşması hiçbir zaman kalite için gözden geçirilmiyor, bu nedenle ekipler, etkileşimlerin çok küçük bir kısmını gözden geçiriyorlar ve bunlar temsil edici olmayabiliyor. Bir şirket tüm müşteri konuşmalarını değerlendirmeye başladığında, örneklemde asla ortaya çıkmayacak kalıplar açık hale geliyor. Ekipler, hangi taleplerin tutarlı olarak kötü ele alındığını, AI ve insan ajanslarının beklenmedik şekilde nasıl ayrıldığını ve hangi sorunların tekrar ortaya çıkmadan önce nasıl tekrarlandığını görmeye başlıyorlar.

Solidroad, müşteri sohbetlerinin tamamını, sohbet, e-posta ve ses üzerinden otomatik olarak gözden geçirmek için AI kullanıyor, böylece tam kapsamlı analiz mümkün oluyor. Örneklemeden %100 gözden geçirme geçişi, kalite, müşteri sürtünmesi ve performans içindeki tutarlı kalıpları ortaya çıkarıyor ki bunlar otherwise gizli kalırdı.

Crypto.com tam kapsamlı analiz açığa çıkardığı şeyi mükemmel bir örnek olarak gösteriyor. Solidroad’dan önce, ekibi ajans kalitesini ölçmek veya ajansların canlı biletleri ele almadan önce hazır olduğunu doğrulamak için güvenilir bir yolu yoktu. Problemler, müşterileri zaten etkilemiş olmasından sonra ortaya çıkıyordu. 800.000 aylık konuşma boyunca otomatik puanlamaya geçerek, erken kalite sorunlarını yakalayabildiler, ajansları dağıtmadan önce doğrulayabildiler ve iyileştirmelerin gerçekten tuttuğunu onaylayabildiler. Sonuç, ortalama işleme süresinde %18’lik bir azalma ve CSAT’de %3’lük bir artıştı (bu, çalıştıkları ölçekte önemliydi). Konuşma hacimleri büyüdükçe, kalite görünürlükleri de büyüyor ve geride kalmıyor.

Tam kapsamlı analiz gerçekten değiştirdiği şey budur. Kalite, tepkisel olmaktan proaktif olmaya geçer ve önceden yönetilebilir.

Crypto.com ve Ryanair gibi şirketlerle çalışıyorsunuz, burada müşteri deneyimi kritik öneme sahip. Büyük ölçekli destek ekipleri arasında hangi kalıpları veya ortak zayıflıkları tespit ettiniz?

Birkaç şey tutarlı bir şekilde ortaya çıkıyor. İlk olarak, şirketlerin neler olduğu hakkında düşündükleri ile gerçekten neler olduğu arasındaki boşluk var. Çoğu takım, destek kalitelerine güvenir, ancak tam görünürlük elde edene kadar, resmin daha karmaşık olduğunu fark ederler.

Performans nasıl ölçüldüğü ve müşteri sonuçlarını gerçekten neyin sürüklediği arasındaki tutarlı bir kopukluk var. Hız ölçütleri ve bilet sayıları kolayca izlenebilir, bu nedenle değerlendirmelerde hakim oluyorlar. Ancak bu rakamlar, müşterinin sorununu çözüp çözmediğini, ajansın markayı doğru bir şekilde temsil edip etmediğini veya etkileşimin müşteriyi şirket hakkında iyi hissettirip hissettirmediğini söylemez. Yüksek riskli ortamlarda, bu ölçüt ve sonuç arasındaki uyumsuzluk ciddi sonuçlara yol açabilir.

Müşteri hizmetlerinde AI’nın insan deneyimini bozabileceği konusunda artan bir endişe var. Sisteminizin kaliteyi iyileştirdiğinden emin olmak için hangi önlemleri alıyorsunuz, ajansları aşırı betimlenmiş veya robotik etkileşimlere itmektense?

Bu, AI’yi yanlış şeylere kullanan QA sistemlerinden kaynaklanan geçerli bir endişedir. Bir şirket, ajansları sadece bir senaryoya uymaları veya bir bileti ne kadar hızlı kapattıkları üzerine puanlarsa, teknik olarak kutuları işaretleyen ancak müşteriye boş veya kişisiz gelen etkileşimlerle sonuçlanırlar.

Yaklaşımımız, gerçekten bir müşteri etkileşiminden sonra müşterinin destek hissetmesini sağlayan şeylere dayalı puanlama oluşturmaktır. Ajansın aktif olarak dinleyip dinlemediğini, gerekli olduğunda empati gösterip göstermediğini ve müşterinin sorununu gerçekten çözebilip çözemeyeceğini inceliyoruz.

Aynı şey AI ajansları için de geçerli. Hedef, AI’ı müşteri etkileşimlerini daha tutarlı, doğru ve müşterinin gerçekten yaşadığı şeye uygun hale getirmek için kullanmaktır. Kalite denetimi, süreç uyumu yerine bu sonuçlara odaklanıldığında, etkileşimleri daha iyi bir yöne iter, daha betimlenmiş bir yöne değil.

Solidroad, insan ajansları ve AI ajanslarının kesişme noktasında yer alıyor. İnsanların ve AI’ın arasındaki ilişki, AI’ın daha fazla ön cephe etkileşimlerini ele almasıyla birlikte nasıl evriliyor?

İnsan ajansları ve AI ajanslarını bir takım olarak görmek önemlidir, iş bölümünü bölmek. İnsan ve AI ajanslarının geleceğinin melez olduğuna inanıyorum.

AI, yüksek hacimli, basit talepleri çok iyi ele alır ve en iyi AI ajansları, çoğu konuşmayı kendi başlarına çözebiliyor, bu gerçekten etkileyici.

Ancak bunun sonucu, insan ajanslarına ulaşan etkileşimlerin, karmaşık, duygusal olarak yüklenmiş, yüksek riskli olanlar olmasıdır. Müşterinin kızgın olduğu, standart bir şablonu uymayan, yargı gerektiren sohbet. Bu nedenle, insan ajansları için baraj yükseliyor, düşmüyor.

Tam da bu nedenle, her ikisi üzerinde de bağımsız bir katman oluşturmak çok önemlidir. AI, hacmine tutarlı ve doğru bir şekilde dikkat etmelidir. İnsanlar, artık temel olarak ele aldıkları zor konuşmalar için iyi hazırlanmalıdır. Ve her ikisine de yayılan, şirketlere neyin işe yarayıp neyin işe yaradığını gösteren net bir resim sunan bağımsız bir katman olmalıdır. Bu, gelecekte CX’yi tanımlayacak melez model olduğuna inanıyorum ve buna doğru inşa ediyoruz.

Sistemınız gerçek zamanlı geri bildirim ve koçluk sağlar. Ajans performansı iyileşmesinde aciliyet ne kadar önemlidir ve bu, geleneksel eğitim ve QA iş akışlarına göre nasıl karşılaştırılır?

Aciliyet gerçekten önemlidir ve araştırma, geri bildirimin, ürettiği durumla bağlantılı olduğunda en etkili olduğunu destekler. Geleneksel QA iş akışları, bu bağlantıyı neredeyse tasarımı gereği bozar. Bir yönetici, sohbetten günler veya haftalar sonra bir sohbeti gözden geçirir, geri bildirimi periyodik bir incelemede paylaşır ve o zamana kadar ajan, hataları tekrarladığı diğer birçok etkileşimi zaten gerçekleştirmiştir. Geri bildirimi gerçek zamanlı olarak sağlamazsanız, hatalar devam eder ve ajanslar, her zaman yaptıkları uygulamaları unlearn etmek zorundadır.

Bulduğumuz şey, geri bildirimin, gerçek bir sohbetten hemen sonra ortaya çıktığında en etkili olduğudur. Bir ajansın ele aldığını specific bir simülasyonla eşleştirildiğinde ve hemen çalıştırabileceği zaman en iyi çalışır. Bu biçim de, gerçek davranış değişikliğine çok daha hızlı çevirir. Ajanslar sadece iyileşmeleri duymuyorlar, aynı zamanda bunları somut bir bağlamda, tazeken uyguluyorlar.

Geleneksel onboarding ile karşılaştırıldığında, en net örnek, eğitim ve canlı destek arasındaki farktır. Verilerimize göre, insan ajanslarının yarısından fazlası, eğitimde öğrendiklerini gerçek müşteri durumlarına uygulamanın en zor partie olduğunu söylüyor. Bu uyumsuzluk, sınıf öğrenimi ve canlı destek arasında hiçbir şey gibi hissetmemesi nedeniyle ortaya çıkıyor. Sürekli, durumsal geri bildirim, bu şekilde asla gerçekten yapamayacağı bir şeyi çözer.

Müşterilerinizde, eğitim zamanının azaltılması ve daha yüksek CSAT gibi iyileşmeler gösterdiniz. Müşteriler, platformunuzu benimserken en çok hangi metriğe dikkat ediyor ve ilişki başlangıcında ROI’yi nasıl gösteriyorsunuz?

Değişebilir, ancak ortaya çıkan iki şey, kalite güvence kapsamı ve zaman tasarrufudur. Etkileşimlerin küçük bir kısmını manuel olarak gözden geçiren ekipler, %100 kapsama geçmenin ve QA ekiplerine geri verilen saatlerin değerini hemen görüyor. Müşteri tabanımızda genellikle QA kapsamı %20 artış ve manuel inceleme süresinde %90 azalma görüyoruz.

ROI açısından, zaten müşterinin önem verdiği metriklere bağlanmaya çalışıyoruz. Podium için, başlıca konu, eğitim süresiydi. Yeni ajanslar, performans standartlarına 60 günde ulaşıyordu, önceki 90 gün yerine, ve canlı olduktan sonra %33 daha hızlı sorunları çözüyorlardı. Crypto.com için, çözüm zamanı ve konuşma hacmi görünürlüğüydü. Ryanair için, bu, kaydedilen saatlerdi.

Ayrıntılar farklıdır, ancak model aynıdır: gerçekten neler olduğu hakkında fikir sahibi olduğunuzda ve hızlı bir şekilde harekete geçtiğinizde, önemli metriklerde iyileşmeler takip eder.

İleriye bakıldığında, Solidroad’un eğitim ve QA’da odaklanmaya devam edeceğini yoksa müşteri etkileşimlerini yönetmek için daha geniş bir orkestrasyon katmanına evrilmesini mi görüyorsunuz?

Eğitim ve QA, nerede başladığımız yerdi, ancak vizyon daha büyüktür. Düşündüğümüz şekilde, kalite denetimi, müşteri desteğinde AI kullanan herhangi bir şirket için temel altyapı olacaktır. Verilerin bulutlara taşınmasıyla güvenlik sertifikalarının kaçınılmaz hale geldiği gibi, AI müşteri sohbetlerine geçtiğinde, kalite sertifikasyonu da kaçınılmaz olacaktır.

Kuzeyi yıldızı, “Solidroad Sertifikalı”nın gerçek anlamıdır: bir şirketin müşterilere nasıl davrandığına dair yüksek bir standarda ulaştığını kanıtlamak, insan veya AI tarafından ele alınsa da.

Pratikte bu, organizasyonların müşteri etkileşimi kalitesini genel olarak yönetmek ve iyileştirmek için güvendikleri sistem olmayı istememiz anlamına gelir, sadece arka tarafta sorunları işaretlemek değil. Bu, neden Hedosophia liderliğindeki 25 milyon dolarlık A Serisi yatırım turunu gerçekleştirdiğimizden biri – bu vizyona doğru inşa etmek için bize koşu bandı veriyor. Bu, ürün yeteneklerini ve daha fazla şirkete müşteri etkileşimlerinin %100’ünü değerlendirmelerine yardımcı olmak için ekipleri genişletmeyi içerir.

Harika röportaj için teşekkür ederiz, daha fazla bilgi öğrenmek isteyen okuyucular Solidroad‘u ziyaret edebilir.