马克·休斯，Solidroad联合创始人兼CEO – 采访系列

马克·休斯，Solidroad联合创始人兼CEO，是一位经验丰富的企业家和市场领导者，他的职业生涯始终处于销售、客户体验和技术的交叉点。他之前创立了Gradguide，一款职业和招聘平台，获得了200万欧元的资金，并后来被收购。他还曾在Chargify担任高级商务职位，在公司合并到Maxio后，他领导了EMEA业务。在早期的职业生涯中，他在Intercom发展了深厚的高速度和企业销售专业知识，管理复杂的交易周期，并帮助扩大收入团队。如今，他从旧金山领导Solidroad，利用这些经验重新思考公司如何评估和改进客户互动，重点是提高人工和自动化支持系统的质量标准。

Solidroad是一款面向现代客户体验团队的AI驱动的质量保证和培训平台，旨在分析和改进每次客户互动。该平台从各个渠道收集对话，根据公司标准评估性能，并生成个性化的培训模拟，以持续优化人工和AI系统。Solidroad专注于增强客户支持团队，而不是取代它们，将每次互动转化为反馈循环，以提高响应质量、效率和客户满意度等结果。该公司将自己定位为高性能CX团队的基础设施，帮助组织提供一致的高质量体验，而无需增加运营成本。

大多数公司仍然依赖于审查少量客户互动来评估绩效。是什么让你相信这种方法在根本上是有缺陷的，你又是如何将这种认识转化为Solidroad的持续监控、评分和改进人工和AI代理的方法的?

帕特里克和我在创立Solidroad之前都曾在客户支持团队工作多年，我们发现一个问题始终存在：公司与客户进行了数十万次对话，但如果你问他们这些对话的实际情况，他们并不知道。而他们所知道的也是基于对互动的微小样本，这并不准确。

当人类处理每张票时，这已经是一个不稳定的基础。现在，随着AI的出现，赌注已经改变。一个糟糕的模式可能会在成千上万次对话中同时发生，并且由于大多数团队只审查1-2%的互动，因此可能会被忽略。

我们一次又一次地看到这种情况发生在公司中，他们因此而失去了客户。因此，我们决定创建一个解决方案。我们认识到这最终是一个基础设施问题。公司没有必要的系统来真正了解其客户支持代理的绩效。

Solidroad的建立是为了解决这个盲点。我们为公司提供了工具来了解实际发生的情况，并确保每次对话——无论是人工、AI还是两者兼而有之——都能带来价值。

Solidroad被描述为客户面向团队的“飞行模拟器”。你能否带我们了解一下你的AI如何模拟真实的客户互动，以及是什么使这些模拟对大规模培训有效?

飞行模拟器的类比之所以成立，是因为核心思想相同。你不希望有人第一次处理困难情况是在真正的客户面前。

使我们的模拟有效的是，它们植根于公司实际发生的对话。当代理在真实互动中犯错时，系统会生成针对该场景的有针对性的模拟，以便他们可以在它再次发生之前进行练习。这不是通用的培训内容。

反馈循环是驱动学习的关键。代理运行一个场景，获得有关什么有效、什么无效的具体指导，并尝试再次运行。错误发生在一个安全的环境中，学习也因此而持久，因为它与真实情况而不是抽象的课堂练习相关联。

你的平台不仅训练代理，还对实时互动进行评分，以衡量其符合自定义指南的程度。你如何设计这些评分系统，以反映真实的业务结果，如CSAT、留存率或收入?

为了创建这些指南，我们始终从公司实际关心的内容开始。处理账单纠纷的金融服务公司有不同的质量标准，而处理高峰季退货的电子商务品牌有不同的质量标准。因此，评分是围绕每个组织自己的指南、政策、品牌声音和良好解决方案的定义来构建的。

像CSAT评分、留存率和收入这样的业务结果来自高质量的客户互动。我们专注于预测这些结果的行为：代理的一致性、遵循正确的流程和塑造客户对话结束时感受的软技能。

目标是为领导者提供一个清晰、实用的图景，告诉他们什么对他们的公司来说是好的，这样他们就可以培训他们的团队、复制成功并在整个组织中推广它。

许多公司只审查少量客户对话。Solidroad如何实现全部覆盖分析，以及当您从抽样转变为分析所有内容时会出现什么样的洞察?

我们的最近的客户体验状况调查显示，大约81%的支持对话从未被审查过质量，这使得团队只能审查互动的很小一部分，因此他们基本上是在抽样并希望它是代表性的。当公司开始评估每次客户对话时，原本不会在随机样本中出现的模式变得明显。团队开始看到哪些类型的请求一致性地处理不佳，AI和人工代理在意外的方式上出现差异，以及哪些问题在出现在客户投诉之前就已经反复出现。

Solidroad使用AI自动审查每次客户对话，包括聊天、电子邮件和语音，使全部覆盖分析成为可能。从抽样到100%审查的转变揭示了原本隐藏的质量、一致性和性能的模式。

Crypto.com是全部覆盖实际解锁的内容的典型例子。在Solidroad之前，他们的团队没有可靠的方法来衡量代理质量或在部署前验证代理是否已准备就绪。问题只会在影响客户之后才浮现。通过在每月800,000次对话中进行自动评分，他们可以提前发现质量问题，在部署前验证代理，并确认改进是否真正生效。结果是平均处理时间减少了18%，CSAT增加了3%（在他们的规模上，这是一个显著的数字）。随着他们的对话量继续增长，他们的质量可见性也会随之扩大，而不是进一步落后。

这就是全部覆盖的真正改变。它将质量从反应性转变为可以提前管理的主动性。

您与Crypto.com和Ryanair等公司合作，客户体验至关重要。您在大规模支持团队中确定了哪些模式或共同的弱点?

有一些事情始终如一。首先，公司认为正在发生的事情和实际发生的事情之间存在差距。大多数团队都相信他们的支持质量，但是一旦他们获得了全部的可见性，他们就会意识到情况比他们最初的指标所建议的更复杂。

还有一种一致的脱节，即团队如何衡量绩效和实际驱动客户结果。速度指标和票数容易跟踪，因此它们往往主导评估。但是，这些数字并不能告诉公司客户的问题是否得到解决，代理是否准确代表了品牌，还是客户在对话结束时感觉良好。在金融科技或医疗保健等高风险环境中，指标和结果之间的这种脱节可能会产生严重的后果。

人们越来越担心AI在客户服务中的使用会降低人性化体验。您如何确保您的系统提高质量而不是将团队推向过度脚本化或机器化的互动?

这是一个合理的担忧，但通常来自于将AI用于错误事情的QA（质量保证）系统。如果一家公司仅根据代理对脚本的遵守程度或关闭票的速度来评估代理，他们最终会得到技术上合格但对客户来说感觉空洞或不真诚的互动。

我们的方法是围绕真正使客户感到支持的东西来构建评分。我们关注代理是否积极倾听、在需要时表现出同理心，并实际上帮助客户解决问题。

同样的原则也适用于AI代理。目标是使用AI使客户互动更加一致、准确和适当地响应客户的实际体验。当质量监督围绕这些结果而不是仅仅遵守流程时，往往会推动互动朝着更好的方向发展，而不是变得更加脚本化。

Solidroad位于人工代理和AI代理的交叉点。您如何看待这两者之间的关系，特别是当AI开始处理更多前线互动时?

将人工代理和AI代理视为一个团队，分工合作，我认为人工和AI代理的未来是混合的。

AI处理高容量、简单的请求做得很好，甚至最好的AI代理也能独立解决大部分对话，这真的很令人印象深刻。

但结果是，到达人工代理的互动变得越来越复杂、情绪化和高风险。需要真正判断力的客户、不符合标准模板的情况、需要真正同理心的对话。因此，对于人工代理来说，标准正在提高，而不是降低。

这就是为什么对两者进行监督变得如此重要。AI需要一致且准确地处理其容量。人工代理需要为他们现在主要处理的更困难的对话做好准备。并且需要一个独立的层次横跨两者，给公司一个清晰的图景，告诉他们什么有效、什么无效。这就是我们认为将来会定义CX的混合模型，我们也正在朝着这个目标努力。

你的系统提供实时反馈和培训。即时性在提高代理绩效方面有多重要，它与传统的培训和QA工作流程相比如何?

即时性真的很重要，研究也支持这一点，即反馈最有效的时机是与产生它的具体情况相关的时机。传统的QA工作流程几乎是故意打破这种联系。经理在对话发生几天或几周后审查对话，分享反馈在定期审查中，但到那时，代理已经处理了几十次其他互动，并可能重复了同样的错误。没有提供实时反馈，错误会持续存在，代理必须解除他们习惯的做法。

我们发现反馈最有效的时机是对话发生后立即进行。当它与特定情况直接相关，并与特定的模拟配对时，效果最佳。代理不仅听到需要改进，还可以在上下文中练习改进，而它仍然新鲜。

与传统入职培训的对比最明显的例子是，我们的数据显示，超过半数人工代理表示入职培训中最难的部分是将所学知识应用于真实的客户情况。这种差异存在，因为课堂学习和现场支持感觉完全不同。持续的、情境化的反馈以传统的定期审查无法做到的方式解决了这个问题。

您展示了诸如减少入职时间和提高CSAT等改进。客户在采用您的平台时最关心的指标是什么，您如何在关系初期展示ROI?

这取决于客户的痛点在哪里，但最常见的两个问题是质量保证覆盖和时间节省。手动审查少量对话的团队立即看到了转向100%覆盖的价值，不仅是因为Solidroad带来的洞察，还有因为它给QA团队带回了多少小时。跨我们的客户基础，我们通常看到QA覆盖率增加20倍，手动审查时间减少90%。

在ROI方面，我们尝试将结果与对业务来说已经重要的指标联系起来。在Podium，重点是入职时间。新代理在60天内达到性能基准，而不是90天，并且一旦上线，解决问题的速度提高了33%。在Crypto.com，它是解决时间和对话量的可见性。对于Ryanair，它体现在招聘人员节省的时间上。具体细节可能有所不同，但模式是一致的：当你可以看到客户互动中发生了什么并迅速采取行动时，改进就会随之而来，在重要的指标中体现出来。

展望未来，您是否看到Solidroad继续专注于培训和QA，还是会发展成为管理人工和AI客户互动的更广泛的编排层?

培训和QA是我们开始的地方，但我们的愿景更大。我们认为质量监督将成为任何在客户支持中使用AI的公司的关键基础设施。就像安全认证变得不可协商一样，当公司将数据移至云端时，质量认证也将变得不可或缺，因为客户对话转向AI。

北极星是“Solidroad认证”具有真正的意义：证明一家公司达到高标准的客户服务标准，无论是人工还是AI处理的互动。

从实践上来说，这意味着我们希望成为组织依赖的系统，用于管理和改进客户互动质量的全部内容，而不仅仅是在后端标记问题。这也是我们为什么获得了由Hedosophia领投的2500万美元A轮融资的重要原因——它为我们提供了建设这项愿景的跑道。包括扩大我们的产品能力和团队，以帮助更多公司评估100%的客户互动。

感谢这次精彩的采访，希望读者可以通过访问Solidroad来了解更多信息。