Mark Hughes, Đồng sáng lập và CEO tại Solidroad – Chuỗi phỏng vấn

Mark Hughes, Đồng sáng lập và CEO tại Solidroad, là một doanh nhân lặp lại và lãnh đạo thị trường đã xây dựng sự nghiệp của mình tại giao điểm của bán hàng, trải nghiệm khách hàng và công nghệ. Ông trước đây đã thành lập Gradguide, một nền tảng nghề nghiệp và tuyển dụng đã huy động được 2 triệu euro và sau đó được mua lại, và giữ các vị trí thương mại cao cấp tại Chargify, nơi ông lãnh đạo các hoạt động EMEA sau khi sáp nhập vào Maxio. Sớm trong sự nghiệp của mình, ông đã phát triển chuyên môn sâu về bán hàng cao tốc và doanh nghiệp tại Intercom, quản lý các chu kỳ giao dịch phức tạp và giúp mở rộng các đội ngũ doanh thu. Ngày nay, ông lãnh đạo Solidroad từ San Francisco, áp dụng kinh nghiệm đó để suy nghĩ lại cách các công ty đánh giá và cải thiện các tương tác khách hàng bằng cách sử dụng trí tuệ nhân tạo, với trọng tâm là nâng cao tiêu chuẩn chất lượng trên cả hệ thống hỗ trợ tự động và con người.

Solidroad là một nền tảng đảm bảo chất lượng và đào tạo được hỗ trợ bởi trí tuệ nhân tạo, được thiết kế cho các đội ngũ trải nghiệm khách hàng hiện đại, xây dựng để phân tích và cải thiện mọi tương tác khách hàng theo quy mô. Nền tảng này tiêu thụ các cuộc trò chuyện trên các kênh, đánh giá hiệu suất so với các tiêu chuẩn của công ty và tạo ra các mô phỏng đào tạo được cá nhân hóa để liên tục tối ưu hóa cả các đại lý con người và hệ thống trí tuệ nhân tạo. Thay vì thay thế các đội ngũ hỗ trợ khách hàng, Solidroad tập trung vào việc nâng cao chúng, biến mỗi tương tác thành một vòng phản hồi giúp cải thiện các kết quả như chất lượng phản hồi, hiệu quả và sự hài lòng của khách hàng. Công ty tự định vị mình là cơ sở hạ tầng cho các đội ngũ CX có hiệu suất cao, giúp các tổ chức cung cấp các trải nghiệm nhất quán và chất lượng cao mà không tăng chi phí hoạt động.

Most các công ty vẫn phụ thuộc vào việc xem xét một mẫu nhỏ các tương tác khách hàng để đánh giá hiệu suất. Điều gì đã thuyết phục bạn rằng cách tiếp cận này cơ bản là bị hỏng, và làm thế nào mà sự nhận thức đó dẫn đến việc xây dựng cách tiếp cận của Solidroad để liên tục theo dõi, đánh giá và cải thiện cả các đại lý con người và trí tuệ nhân tạo?

Patrick và tôi đã dành nhiều năm xung quanh các đội ngũ hỗ trợ khách hàng trước khi bắt đầu Solidroad, và một vấn đề luôn nổi lên: các công ty đang có hàng trăm nghìn cuộc trò chuyện với khách hàng, nhưng nếu bạn hỏi họ về cách những cuộc trò chuyện đó đang diễn ra, họ không thực sự biết. Và những gì họ biết là dựa trên một mẫu nhỏ của các tương tác mà không chính xác.

Điều đó đã là một nền tảng mong manh khi con người xử lý mọi vé. Giờ đây, với trí tuệ nhân tạo tham gia vào bức tranh, mức độ rủi ro đã thay đổi. Một mẫu xấu có thể được phát lại trên hàng nghìn cuộc trò chuyện đồng thời và không được chú ý vì hầu hết các đội chỉ xem xét 1-2% các tương tác.

Chúng tôi đã thấy điều này xảy ra tại các công ty một lần nữa và họ đã mất khách hàng vì điều đó, vì vậy chúng tôi quyết định tạo ra một giải pháp. Chúng tôi nhận ra rằng cuối cùng đó là một vấn đề về cơ sở hạ tầng. Các công ty đơn giản là không có các hệ thống cần thiết để thực sự hiểu về hiệu suất của các đại lý hỗ trợ khách hàng của họ.

Solidroad được xây dựng để giải quyết điểm mù đó. Chúng tôi cung cấp cho các công ty các công cụ để xem những gì thực sự đang xảy ra theo quy mô và đảm bảo rằng mọi cuộc trò chuyện – con người, trí tuệ nhân tạo hoặc cả hai – mang lại giá trị.

Solidroad đã được mô tả là một “máy bay mô phỏng” cho các đội ngũ khách hàng. Bạn có thể giải thích cách trí tuệ nhân tạo của bạn mô phỏng các tương tác khách hàng thực tế, và những gì khiến các mô phỏng đó hiệu quả cho đào tạo theo quy mô?

Tương tự như máy bay mô phỏng, ý tưởng cốt lõi là giống nhau. Bạn không muốn lần đầu tiên xử lý một tình huống khó khăn xảy ra trước một khách hàng thực sự.

Điều làm cho các mô phỏng của chúng tôi hiệu quả là chúng được dựa trên những gì thực sự đang xảy ra trong các cuộc trò chuyện thực tế của công ty đó. Khi một đại lý làm sai một điều gì đó trong một tương tác trực tiếp, hệ thống tạo ra một mô phỏng được nhắm mục tiêu xung quanh chính xác loại tình huống đó để họ có thể thực hành nó trước khi nó xảy ra lại. Đó không phải là nội dung đào tạo chung.

Vòng phản hồi là điều thúc đẩy việc học. Các đại lý chạy qua một kịch bản, nhận được hướng dẫn cụ thể về những gì hoạt động và những gì không, và thử lại. Các lỗi xảy ra trong một môi trường an toàn, và việc học gắn liền với các tình huống thực tế chứ không phải các bài tập lớp học trừu tượng.

Nền tảng của bạn không chỉ đào tạo các đại lý, mà còn đánh giá các tương tác trực tiếp chống lại các hướng dẫn tùy chỉnh. Bạn thiết kế các hệ thống đánh giá này để phản ánh các kết quả kinh doanh thực tế như CSAT, giữ chân và doanh thu?

Để tạo ra các hướng dẫn này, chúng tôi luôn bắt đầu với những gì mà công ty đó thực sự quan tâm. Một công ty dịch vụ tài chính xử lý các tranh chấp hóa đơn có các tiêu chuẩn chất lượng khác nhau so với một thương hiệu thương mại điện tử quản lý các đơn trả hàng trong mùa cao điểm. Vì vậy, việc đánh giá được xây dựng xung quanh các hướng dẫn của từng tổ chức, các chính sách của họ, giọng nói thương hiệu của họ và những gì một giải pháp tốt trông như thế nào đối với họ.

Và các kết quả kinh doanh như cải thiện điểm CSAT và giữ chân đến từ các tương tác khách hàng chất lượng cao. Thay vì theo dõi điểm số một cách hồi cứu, chúng tôi tập trung vào các hành vi dự đoán những kết quả đó: hiệu suất nhất quán trên các đại lý, theo đúng quy trình và các kỹ năng mềm định hình cách khách hàng cảm nhận ở cuối cuộc trò chuyện.

Mục tiêu là cung cấp cho các nhà lãnh đạo một bức tranh rõ ràng và thực tế về những gì tốt cho công ty của họ, để họ có thể huấn luyện các đội ngũ của mình, nhân rộng thành công và phát triển nó trên toàn tổ chức.

Nhiều công ty chỉ xem xét một tỷ lệ nhỏ các cuộc trò chuyện khách hàng. Solidroad làm thế nào để cho phép phân tích toàn diện, và những loại thông tin nào trở nên có thể khi bạn chuyển từ việc lấy mẫu sang phân tích mọi thứ?

Khảo sát State of CX gần đây của chúng tôi cho thấy rằng khoảng 81% các cuộc trò chuyện hỗ trợ không bao giờ được xem xét về chất lượng, để lại các đội chỉ xem xét một phần nhỏ các cuộc trò chuyện mà họ thực sự là lấy mẫu và hy vọng nó là đại diện. Khi một công ty bắt đầu đánh giá mọi cuộc trò chuyện khách hàng, các mẫu mà không bao giờ nổi lên trong một mẫu ngẫu nhiên trở nên rõ ràng. Các đội bắt đầu thấy những loại yêu cầu nào được xử lý kém một cách nhất quán, nơi các đại lý con người và trí tuệ nhân tạo đang phân kỳ theo những cách không mong muốn và những vấn đề nào đang lặp lại trước khi chúng xuất hiện trong một khiếu nại của khách hàng.

Solidroad sử dụng trí tuệ nhân tạo để tự động xem xét mọi cuộc trò chuyện khách hàng trên chat, email và giọng nói, làm cho phân tích toàn diện trở nên có thể. Sự thay đổi từ việc lấy mẫu sang việc xem xét 100% là gì tiết lộ các mẫu nhất quán trong chất lượng, ma sát khách hàng và hiệu suất mà nếu không sẽ vẫn ẩn.

Crypto.com là một ví dụ tuyệt vời về những gì phân tích toàn diện thực sự mở khóa. Trước Solidroad, nhóm của họ không có cách nào đáng tin cậy để đo lường chất lượng đại lý theo quy mô hoặc xác nhận các đại lý đã sẵn sàng trước khi xử lý vé trực tiếp. Các vấn đề chỉ nổi lên sau khi chúng đã ảnh hưởng đến khách hàng. Bằng cách chuyển sang việc đánh giá tự động trên 800.000 cuộc trò chuyện hàng tháng, họ có thể bắt được các vấn đề chất lượng sớm, xác nhận các đại lý trước khi triển khai và xác nhận rằng các cải tiến thực sự đang diễn ra. Kết quả là giảm 18% thời gian xử lý trung bình và tăng 3% CSAT (điều này rất đáng kể ở quy mô họ hoạt động). Khi khối lượng cuộc trò chuyện của họ tiếp tục tăng, khả năng hiển thị chất lượng của họ sẽ mở rộng cùng với nó chứ không bị tụt lại phía sau.

Đó thực sự là những gì phân tích toàn diện thay đổi. Nó chuyển chất lượng từ một điều gì đó phản ứng, thành một điều gì đó chủ động có thể được quản lý trước thời hạn.

Bạn làm việc với các công ty như Crypto.com và Ryanair, nơi trải nghiệm khách hàng là rất quan trọng. Những mẫu hoặc điểm yếu chung nào bạn đã xác định trên các đội ngũ hỗ trợ lớn?

Một số điều xuất hiện một cách nhất quán. Đầu tiên là khoảng cách giữa những gì các công ty nghĩ đang xảy ra trong các cuộc trò chuyện khách hàng và những gì thực sự đang xảy ra. Hầu hết các đội đều tự tin vào chất lượng hỗ trợ của họ ngay cho đến khi họ có cái nhìn toàn diện, sau đó họ nhận ra rằng bức tranh phức tạp hơn nhiều so với những gì các chỉ số ban đầu của họ đã đề xuất.

Có một sự mất kết nối nhất quán giữa cách các đội đo lường hiệu suất và những gì thực sự thúc đẩy các kết quả khách hàng. Các chỉ số về tốc độ và số lượng vé dễ theo dõi, vì vậy chúng có xu hướng thống trị các đánh giá. Nhưng những con số đó không cho các công ty biết liệu vấn đề của khách hàng đã được giải quyết, liệu đại lý đã đại diện cho thương hiệu một cách chính xác hay liệu cuộc trò chuyện đã để lại cho khách hàng cảm giác tốt về công ty. Trong các môi trường có rủi ro cao như fintech hoặc chăm sóc sức khỏe, sự mất kết nối giữa đo lường và kết quả có thể có hậu quả nghiêm trọng.

Có một mối quan ngại ngày càng tăng rằng trí tuệ nhân tạo trong dịch vụ khách hàng có thể làm giảm trải nghiệm con người. Bạn làm thế nào để đảm bảo rằng hệ thống của bạn cải thiện chất lượng thay vì đẩy các đội ngũ hướng tới các tương tác được viết kịch bản hoặc robot?

Đó là một mối quan ngại hợp lệ, nhưng một mối quan ngại thường đến từ các hệ thống QA (Đảm bảo chất lượng) tận dụng trí tuệ nhân tạo cho những điều sai lầm. Nếu một công ty đánh giá các đại lý chỉ dựa trên việc tuân thủ một kịch bản hoặc tốc độ đóng vé, họ sẽ kết thúc với các tương tác kỹ thuật kiểm tra các hộp nhưng cảm thấy trống rỗng hoặc không cá nhân hóa đối với khách hàng.

Cách tiếp cận của chúng tôi là xây dựng việc đánh giá xung quanh những gì thực sự làm cho khách hàng rời khỏi một tương tác cảm thấy được hỗ trợ. Chúng tôi xem xét những thứ như liệu đại lý đã lắng nghe tích cực, thể hiện sự đồng cảm khi cần và thực sự giúp khách hàng giải quyết vấn đề của họ.

Điều tương tự cũng áp dụng cho các đại lý trí tuệ nhân tạo. Mục tiêu là sử dụng trí tuệ nhân tạo để làm cho các tương tác khách hàng nhất quán, chính xác và phù hợp với những gì khách hàng thực sự đang trải qua. Khi giám sát chất lượng được xây dựng xung quanh những kết quả đó chứ không chỉ tuân thủ quy trình, nó có xu hướng đẩy các tương tác theo hướng tốt hơn, không phải là kịch bản hơn.

Solidroad nằm ở giao điểm của các đại lý con người và trí tuệ nhân tạo. Bạn nhìn thấy mối quan hệ giữa hai yếu tố này sẽ phát triển như thế nào, đặc biệt là khi trí tuệ nhân tạo bắt đầu xử lý nhiều tương tác tuyến đầu hơn?

Điều quan trọng là phải xem các đại lý con người và trí tuệ nhân tạo như một đội, chia sẻ lao động. Tôi nghĩ rằng tương lai cho các đại lý con người và trí tuệ nhân tạo là lai.

Trí tuệ nhân tạo xử lý các yêu cầu đơn giản với khối lượng lớn rất tốt, và các đại lý trí tuệ nhân tạo tốt nhất thậm chí giải quyết hầu hết các cuộc trò chuyện đó một mình, điều này thực sự ấn tượng.

Nhưng kết quả của điều đó là các tương tác đến với các đại lý con người ngày càng phức tạp, đầy cảm xúc và có rủi ro cao. Khách hàng bị thất vọng, tình huống không phù hợp với mẫu chuẩn, cuộc trò chuyện đòi hỏi sự phán quyết thực sự. Vì vậy, tiêu chuẩn cho các đại lý con người thực sự đang tăng lên, không giảm.

Đó chính xác là lý do tại sao việc giám sát trên cả hai trở nên quan trọng. Trí tuệ nhân tạo cần xử lý khối lượng của nó một cách nhất quán và chính xác. Con người cần được chuẩn bị tốt cho những cuộc trò chuyện khó khăn mà họ hiện đang xử lý chủ yếu. Và cần có một lớp độc lập nằm trên cả hai, cung cấp cho các công ty một bức tranh rõ ràng về những gì hoạt động và những gì không. Đó là mô hình lai mà chúng tôi nghĩ sẽ định hình CX trong tương lai, và đó là những gì chúng tôi đang xây dựng.

Hệ thống của bạn cung cấp phản hồi và huấn luyện theo thời gian thực. Phản hồi ngay lập tức quan trọng như thế nào trong việc cải thiện hiệu suất của đại lý, và điều đó so sánh với các quy trình đào tạo và QA truyền thống như thế nào?

Phản hồi ngay lập tức thực sự quan trọng, và nghiên cứu hỗ trợ rằng phản hồi hiệu quả nhất khi nó được kết nối với tình huống cụ thể đã tạo ra nó. Các quy trình QA truyền thống phá vỡ kết nối đó gần như theo thiết kế. Một người quản lý xem xét một cuộc trò chuyện vài ngày hoặc vài tuần sau khi nó xảy ra, chia sẻ phản hồi trong một đánh giá định kỳ, và vào thời điểm đó, đại lý đã có hàng chục tương tác khác nơi lỗi đó có thể đã được lặp lại. Không cung cấp phản hồi theo thời gian thực, các lỗi vẫn tồn tại và các đại lý phải học lại các phương pháp họ đã quen với.

Điều chúng tôi đã tìm thấy là phản hồi hiệu quả nhất khi nó xuất hiện ngay sau một cuộc trò chuyện thực tế. Nó hoạt động tốt nhất khi nó được gắn trực tiếp với những gì đại lý vừa xử lý và được ghép với một mô phỏng cụ thể mà họ có thể chạy ngay lập tức. Trong định dạng này, nó dịch thành thay đổi hành vi thực tế nhanh hơn. Các đại lý không chỉ nghe rằng họ cần cải thiện, họ đang thực hành sự cải thiện trong bối cảnh, trong khi nó vẫn còn mới.

Sự tương phản với quá trình đào tạo truyền thống là ví dụ rõ ràng nhất về điều này. Dữ liệu của chúng tôi cho thấy rằng hơn một nửa các đại lý con người nói rằng phần khó nhất của quá trình đào tạo là áp dụng những gì họ đã học vào các tình huống khách hàng thực tế. Sự không phù hợp đó tồn tại vì việc học trong lớp học và hỗ trợ trực tiếp cảm thấy không giống nhau. Phản hồi liên tục và theo tình huống giải quyết vấn đề này theo cách mà các đánh giá định kỳ không bao giờ có thể.

Bạn đã chỉ ra những cải tiến như giảm thời gian đào tạo và tăng CSAT. Chỉ số nào mà khách hàng quan tâm nhất khi áp dụng nền tảng của bạn, và bạn chứng minh ROI sớm trong mối quan hệ như thế nào?

Điều đó thay đổi tùy thuộc vào nơi khách hàng có điểm đau, nhưng hai điều được đề cập nhất là đảm bảo chất lượng và tiết kiệm thời gian. Các đội đang xem xét một phần nhỏ các cuộc trò chuyện ngay lập tức thấy giá trị trong việc chuyển sang phạm vi 100%, cả cho những thông tin mà Solidroad đưa ra và cho giờ mà nó trả lại cho các đội QA của họ. Trên toàn bộ cơ sở khách hàng của chúng tôi, chúng tôi thường thấy tăng 20 lần phạm vi QA và giảm 90% thời gian xem xét thủ công.

Về phía ROI, chúng tôi cố gắng kết nối các kết quả với các chỉ số mà đã quan trọng với doanh nghiệp đó. Tại Podium, tiêu đề là thời gian đào tạo. Các đại lý mới đạt được các tiêu chuẩn hiệu suất trong 60 ngày thay vì 90, và giải quyết vấn đề 33% nhanh hơn một lần họ đi trực tiếp. Với Crypto.com, đó là thời gian giải quyết và khả năng hiển thị khối lượng cuộc trò chuyện. Đối với Ryanair, nó cho thấy sự tiết kiệm giờ của người tuyển dụng.

Các chi tiết khác nhau, nhưng mẫu là giống nhau: khi bạn có thể thực sự thấy những gì đang xảy ra trên các tương tác khách hàng của mình và hành động trên nó nhanh chóng, các cải tiến sẽ theo sau trong các chỉ số quan trọng.

Nhìn về phía trước, bạn có thấy Solidroad vẫn tập trung vào đào tạo và QA, hay phát triển thành một lớp điều phối rộng lớn hơn để quản lý cả các tương tác khách hàng con người và trí tuệ nhân tạo?

Đào tạo và QA là nơi chúng tôi bắt đầu, nhưng tầm nhìn lớn hơn thế. Cách chúng tôi nghĩ về nó, việc giám sát chất lượng sẽ trở thành cơ sở hạ tầng quan trọng cho bất kỳ công ty nào chạy trí tuệ nhân tạo trong hỗ trợ khách hàng. Giống như các chứng nhận bảo mật đã trở thành không thể thương lượng khi các công ty chuyển dữ liệu lên đám mây, chứng nhận chất lượng sẽ trở thành thiết yếu khi các cuộc trò chuyện khách hàng chuyển sang trí tuệ nhân tạo.

Sao chổi phương bắc là “Solidroad Certified” mang lại ý nghĩa thực sự: bằng chứng rằng một công ty đáp ứng một tiêu chuẩn cao về cách họ đối xử với khách hàng, bất kể tương tác đó được xử lý bởi một người hay một trí tuệ nhân tạo.

Điều đó có nghĩa là gì trong thực tế là chúng tôi muốn trở thành hệ thống mà các tổ chức dựa vào để quản lý và cải thiện chất lượng tương tác khách hàng trên toàn bộ, không chỉ đánh dấu các vấn đề trên đầu cuối. Đó là một phần lớn lý do tại sao chúng tôi đã huy động được 25 triệu đô la trong vòng Series A do Hedosophia dẫn đầu – nó cho chúng tôi đường băng để xây dựng hướng tới tầm nhìn đó. Điều đó bao gồm việc mở rộng các khả năng sản phẩm và đội ngũ của chúng tôi để giúp nhiều công ty hơn đánh giá 100% các tương tác khách hàng của họ.

Cảm ơn vì cuộc phỏng vấn tuyệt vời, những người đọc muốn tìm hiểu thêm nên truy cập Solidroad.