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 kesişmede kariyerini inşa etmiş tekrar 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, şirketin Maxio ile birleşmesinden sonra EMEA operasyonlarını yönetmiştir. Kariyerinin başlarında, Intercom’da yüksek hızda 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 AI kullanarak nasıl değerlendireceğini ve geliştireceğini düşünmek için uyguluyor, hem insan hem de otomatik destek sistemleri boyunca kalite çubuğunu 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 geliştirmek için tasarlanmıştır. Kanallar boyunca konuşmaları alır, şirket standartlarına karşı performansını değerlendirir ve hem insan ajanları hem de AI sistemlerini sürekli olarak optimize etmek için kişiselleştirilmiş eğitim simülasyonları oluşturur. Müşteri destek ekiplerini değiştirmek yerine, Solidroad onları geliştirmeye odaklanıyor, her etkileşimi sonuçları gibi yanıt kalitesi, verimlilik ve müşteri memnuniyetini geliştiren bir geri bildirim döngüsüne dönüştürüyor. Şirket, yüksek performanslı CX ekipleri için altyapı olarak konumlandırıyor, işletmelerin operasyonel maliyetleri artırmadan tutarlı, yüksek kaliteli deneyimler sunmasına yardımcı oluyor.

Çoğu şirket hala müşteri etkileşimlerinin küçük bir örneklerini incelemeye dayanarak performansı değerlendirmektedir. Bu yaklaşımın temelde bozuk olduğuna sizi inandıran nedir ve bu realizasyon Solidroad’un hem insan hem de AI ajanlarını sürekli olarak izleme, puanlama ve geliştirme yaklaşımını nasıl oluşturdu?

Patrick ve ben, Solidroad’u kurmadan önce müşteri destek ekipleri etrafında yıllarca geçirdik ve bir sorun sürekli olarak öne çıktı: şirketler binlerce müşteri ile konuşma yapıyordu, ancak bu konuşmaların nasıl gittiği sorulduğunda, gerçekten bilmiyorlardı. Ve bildikleri, etkileşimlerin çok küçük bir örneğine dayanıyordu ve bu nedenle doğru değildi.

Bu, insanların her bileti ele aldığı zaman zaten sallantılı bir temel idi. Şimdi, AI’nin devreye girmesiyle, bahisler değişti. Bir kötü model, aynı anda binlerce konuşmada oynanabilir ve çoğu takım sadece etkileşimlerin %1-2’sini gözden geçirdiği için fark edilmeden kalabilir.

Bu durumun şirketlerde tekrar tekrar meydana geldiğini ve müşterilerini kaybetmelerine neden olduğunu gördük, bu nedenle bir çözüm oluşturmaya karar verdik. Bu temelde bir altyapı problemi olduğunu tanıdık. Şirketlerin müşteri destek ajanlarının performansını gerçekten anlamak için必要 sistemlere sahip değillerdi.

Solidroad, bu kör noktalara çözüm olarak inşa edildi. Şirketlere gerçekten neler olduğu hakkında fikir veren araçları veriyoruz ve her konuşmanın – insan, AI veya her ikisi – değer taşıdığından emin oluyoruz.

Solidroad, müşteri odaklı 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 aynı fikir üzerine kuruludur. Birinin zor bir durumu ilk kez müşterinin önünde deneyimlemesini istemezsiniz.

Simülasyonlarımızın etkili olmasının nedeni, şirketin gerçek konuşmalarında neler olduğu temelinde kurulmasıdır. Bir ajan canlı bir etkileşimde bir şeyi yanlış yaparsa, sistem tam da böyle bir senaryo etrafında hedefli bir simülasyon oluşturur, böylece bunu tekrar yapmadan önce uygulayabilir. Bu, genel eğitim içeriği değildir.

Geri bildirim döngüsü, öğrenmeyi sağlayan şeydir. Ajanlar bir senaryoyu çalıştırır, neyin işe yaradığını ve neyin işe yaradığını belirten özel rehberlik alır ve tekrar dener. Hatalar güvenli bir ortamda meydana gelir ve öğrenme, soyut sınıflandırma egzersizlerine değil, gerçek durumlara bağlı olduğu için kalıcıdır.

Sisteminiz sadece ajanları 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 specific şirketin gerçekten önem verdiği şeyden başlıyoruz. Bir finansal hizmet şirketi fatura anlaşmazlıkları ile ilgileniyorsa, bir e-ticaret markasının geri dönüşü yönetmesi gereken bir qualité standardı vardır. Bu nedenle, puanlama her organizasyonun kendi rehberleri, politikaları, marka sesi ve iyi bir çözümü ne anlama geldiği etrafında inşa edilir.

Ve iş sonuçları gibi CSAT puanlarındaki iyileşmeler, yüksek kaliteli müşteri etkileşimlerinden kaynaklanır. Puanları geriye dönük olarak takip etmek yerine, sonuçları tahmin eden davranışlara odaklanıyoruz: ajanlar arasında tutarlı performans, doğru süreçlerin izlenmesi ve müşterilerin bir konuşmanın sonunda nasıl hissettiklerini şekillendiren yumuşak beceriler.

Hedef, liderlere şirketleri için neyin iyi olduğu hakkında net, pratik bir resim vermek, böylece ekiplerini koçlayabilsinler, başarıları tekrarlayabilsinler ve organizasyon genelinde büyütebilsinler.

Çoğu şirket, yalnızca müşteri etkileşimlerinin küçük bir yüzdesini gözden geçirir. Solidroad, tam kapsamlı analiz nasıl sağlar ve her şeyi analiz etmekten örneklemeye geçmek, hangi tür bilgiler mümkün hale gelir?

Son CX durumumuz anketi, destek konuşmalarının %81’inin hiçbir zaman kalite için gözden geçirilmediğini gösterdi, bu da ekiplerin etkileşimlerin çok küçük bir kısmını gözden geçirdiği ve umut ederek temsilci olduklarını düşünüyorlar. Bir şirket tüm müşteri konuşmalarını değerlendirmeye başladığında, bir örneklemde asla ortaya çıkmayacak desenler açık hale gelir. Ekipler, hangi taleplerin tutarlı olarak kötü bir şekilde ele alındığını, AI ve insan ajanlarının beklenmedik şekilde nasıl ayrıldığını ve hangi sorunların bir müşteri şikayeti ortaya çıkmadan önce tekrar tekrar ortaya çıktığını görürler.

Solidroad, AI kullanarak tüm müşteri konuşmalarını otomatik olarak gözden geçirerek, tam kapsamlı analizi mümkün kılar. Örnekleme yerine %100 gözden geçirme, kalite, müşteri sürtünmesi ve performans açısından otherwise gizli kalan tutarlı desenleri ortaya çıkarır.

Crypto.com tam kapsamlı analiz neler açığa çıkarabileceğinin harika bir örneğidir. Solidroad’dan önce, onların ekibi ajan kalitesini ölçmek için güvenilir bir yol yoktu veya ajanların canlı biletlere hazır olup olmadığını doğrulayamadılar. Sorunlar, müşterileri already etkilemeden önce ortaya çıkmıyordu. 800.000 aylık konuşmayı otomatik puanlayarak, erken kalite sorunlarını yakalayabildiler, ajanları dağıtmadan önce doğrulayabildiler ve gelişmelerin gerçekten tuttuğunu onaylayabildiler. Sonuç, ortalama işleme süresinde %18’lik bir azalma ve CSAT’de %3’lük bir artıştı (bunun onlar için önemli olduğu ölçekte). Konuşma hacimleri devam ettikçe, kalite görünürlükleri de artıyor.

Bu, tam kapsamlı analiz neler değiştirdiğini gösteriyor. Kalite, reaktif olmaktan proaktif olmaya geçer ve önceden yönetilebilir.

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

Birkaç şey tutarlı bir şekilde ortaya çıkıyor. İlk olarak, şirketlerin müşteri konuşmalarında neler olduğu konusunda bir fark var ve gerçekte neler olduğu. Çoğu takım, tam kapsamlı görünürlük elde edene kadar destek kalitesinden emin.

Performans nasıl ölçüldüğü ve müşteri sonuçlarını neyin sürüklediği arasında tutarlı bir kopukluk var. Hız ölçümleri ve bilet sayıları kolay takip ediliyor, bu nedenle değerlendirmeleri domine ediyor. Ancak bu sayılar, müşterinin sorununu çözüp çözmediğini, ajanın markayı doğru bir şekilde temsil edip etmediğini veya etkileşimin müşteriyi şirket hakkında nasıl hissettirdiğini söylemez. Fintech veya sağlık gibi yüksek riskli ortamlarda, bu ölçüm ve sonuç arasındaki uyumsuzluk ciddi sonuçlara yol açabilir.

Müşteri hizmetlerinde AI’nin insan deneyimini bozabileceği konusunda artan bir endişe var. Sisteminizin kaliteyi düşürmek yerine nasıl geliştireceğini garantileyebilirsiniz?

Bu, AI’yi yanlış şeyler için kullanan QA sistemlerinden genellikle gelen bir endişedir. Bir şirket ajanları sadece bir senaryoya uymaları veya bir bileti ne kadar hızlı kapattıkları temelinde puanlarsa, teknik olarak kutuları işaretleyen ancak müşteriye boş veya kişiselleştirilmemiş gelen etkileşimler ile sonuçlanırlar.

Bizim yaklaşımımız, gerçekten müşterinin bir etkileşimden desteklenmiş hissetmesine neden olan şeyleri inşa etmek. Aktif olarak dinleyen ajanın, gerekli olduğunda empati gösteren ve müşterinin sorununu gerçekten çözen şeylere bakıyoruz.

Aynı şey AI ajanları için de geçerli. Hedef, müşteri etkileşimlerini daha tutarlı, doğru ve müşterinin gerçekten deneyimlediği şeye uygun şekilde yanıt vermeye yönelik yapmak. Kalite denetimi, süreç uyumluluğundan ziyade bu sonuçlar etrafında inşa edildiğinde, etkileşimleri daha iyi bir yöne, daha beton bir yöne değil, itiyor.

Solidroad, insan ajanları ve AI ajanlarının kesişme noktasında oturuyor. İnsanların ve AI ajanlarının ilişkisinin, AI’nin daha fazla ön cephe etkileşimini ele almasıyla nasıl evrileceğini görüyorsunuz?

İnsan ajanları ve AI ajanlarını bir takım olarak görmek önemlidir, emek bölüşümü yapıyorlar. Gelecek, insan ve AI ajanları için melez olacağını düşünüyorum.

AI, yüksek hacimli, basit talepleri çok iyi ele alır ve en iyi AI ajanları bu konuşmaları kendi başlarına çözebiliyor, bu gerçekten etkileyici.

Ancak bunun sonucu, insan ajanlarına ulaşan etkileşimlerin giderek daha karmaşık, duygusal olarak yükümlü ve yüksek riskli olmasıdır. Müşterinin frustrasyonu, durumun standarda uymadığı, yargı gerektiren konuşma. Bu nedenle, insan ajanları için bar yükseliyor, düşmüyor.

Tam da bu nedenle, her ikisi üzerinde denetim çok önemli hale geliyor. AI, tutarlı ve doğru bir şekilde yüksek hacimli talepleri ele almalı. İnsanlar, artık主要 olarak ele aldıkları zor konuşmalara iyi hazırlanmalı. Ve her ikisinin üzerinde, şirketlere neyin işe yarayıp neyin işe yaradığını gösteren bağımsız bir katman olmalı. Bu, gelecekte CX’yi tanımlayacağına inandığımız melez model ve bunu inşa etmeye çalıştığımız şey.

Sisteminiz gerçek zamanlı geri bildirim ve koçluk sağlar. Etki alanı performansını geliştirmede aciliyet ne kadar önemlidir ve bu, geleneksel eğitim ve QA iş akışlarına nasıl karşılaştırılır?

Aciliyet gerçekten önemlidir ve araştırmalar, geri bildirimin, generating durumu oluşturan spesifik duruma bağlı olduğunda en etkili olduğunu destekler. Geleneksel QA iş akışları, bu bağı neredeyse tasarlayarak kırar. Bir müdür, bir konuşmayı günler veya haftalar sonra gözden geçirir, geri bildirimi periyodik bir incelemede paylaşır ve o zamana kadar ajan, aynı hatayı tekrarlayabileceği onlarca etkileşim yaşamıştır. Geri bildirimi gerçek zamanlı olarak sunmadığınız sürece, hatalar devam eder ve ajanlar, her zaman alıştıkları uygulamaları unutmak zorunda kalırlar.

Ne bulduğumuz şey, geri bildirimin, bir etkileşimden hemen sonra ortaya çıktığında en etkili olduğudur. Bir ajan bir konuşma ele aldıktan hemen sonra, gerçek bir konuşma ile bağlantılı olduğunda ve ajanın hemen çalışabileceği bir simülasyon ile eşleştirildiğinde en iyi sonucu verir. Bu format, gerçek davranış değişikliğine çok daha hızlı bir şekilde çevirir. Ajanlar, sadece gelişmeleri duymuyorlar, aynı zamanda somut bir şekilde uygulamaya koyuyorlar, masih taze.

Geleneksel eğitimle karşılaştırıldığında, bu, en büyük fark. Verilerimiz, insan ajanlarının yarısından fazlasının, en zor olanın, eğitimde öğrendiklerini gerçek müşteri durumlarına uygulamak olduğunu söylüyor. Sürekli, durumsal geri bildirim, bu farklılığı çözüyor, periyodik incelemeler asla gerçekten yapamadı.

Müşteriler, eğitim zamanını azaltma ve daha yüksek CSAT gibi gelişmeleri gösterdiniz. Müşteriler, platformunuzu benimsediklerinde en çok hangi metriğe önem veriyor ve erken ilişki içinde ROI’yi nasıl gösteriyorsunuz?

Değişir, ancak müşterinin ağrı noktaları nerede yatıyor, ancak en çok ortaya çıkan iki şey, kalite güvence kapsamı ve zaman tasarrufudur. Etkileşimlerin küçük bir kısmını manuel olarak gözden geçiren ekipler, %100 kapsama geçmenin ve Solidroad’un ortaya çıkardığı içgörülerin değerini hemen görüyorlar. Müşteri tabanımızda, genellikle %20 katına kalite güvence kapsamı ve manuel inceleme zamanında %90’lık bir azalma görüyoruz.

ROI tarafında, already önemli olan iş sonuçlarına bağlanmaya çalışıyoruz. Podium için, ana konu eğitim zamanıydı. Yeni ajanların 60 gün yerine 90 günde performans standartlarına ulaşması ve canlı olduktan sonra %33 daha hızlı sorun çözmeleri. Crypto.com için, çözüm zamanı ve konuşma hacmi görünürlüğü idi. Ryanair için, bu, işe alım saatlerinde kazanılan saatlerdi. Ayrıntılar farklı, ancak model aynı: bir şirket gerçekten neler olduğu hakkında görünürlük elde ettiğinde ve hızlı bir şekilde harekete geçtiğinde, önemli metriklerde iyileşmeler takip eder.

İleriye bakıldığında, Solidroad’un eğitim ve QA’da kalacağını yoksa müşteri etkileşimlerini yönetmek için daha geniş bir orkestrasyon katmanına evrileceğini görüyor musunuz?

Eğitim ve QA, nerede başladığımız yerdi, ancak vizyon daha büyük. Düşündüğümüz şekilde, müşteri destekindeki AI için kalite denetimi, temel altyapı haline gelecek. Veri bulutuna taşınan şirketlerin güvenlik sertifikalarına ihtiyaç duyması gibi, müşteri konuşmaları AI’ye taşındığında, kalite sertifikasyonu da temel bir gereksinim haline gelecek.

Kuzay yıldızı, “Solidroad Sertifikalı” ifadesinin gerçek anlam taşıması: bir şirketin müşterilere nasıl davrandığına dair yüksek bir standartta olduğunun kanıtı, etkileşimin insan veya AI tarafından ele alındığına bakılmaksızın. Bu, müşterilere değer taşıyan her konuşma için geçerli.

Pratikte, bu, şirketlerin müşteri etkileşimlerinin kalitesini genel olarak yönetmek ve geliştirmek için güvendikleri sistem olmak anlamına geliyor, sadece arka tarafta sorunları işaretlemek değil. Bu, daha geniş ürün yetenekleri ve ekipleri inşa etmek için 25 milyon dolarlık A Serisi finansmanını neden aldığımızla ilgili. Daha fazla şirkete, müşteri etkileşimlerinin %100’ünü değerlendirmelerine yardımcı olmak için.

Harika röportaj için teşekkür ederiz, daha fazla bilgi edinmek isteyen okuyucular Solidroad ziyaret edebilir.