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serial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，他还在Chargify担任过高级商务职位，在Maxio合并后，他领导了EMEA业务。在他的早期职业生涯中，他在Intercom开发了高速度和企业销售的深厚专业知识，管理复杂的交易周期，并帮助扩大收入团队。今天，他从旧金山领导Solidroad，利用这些经验来重新思考公司如何评估和改进客户互动，使用AI，重点提高人工和自动化支持系统的质量标准。

Solidroad是一款为现代客户体验团队设计的AI驱动的质量保证和培训平台，旨在分析和改进每一次客户互动。该平台可以跨渠道摄取对话，评估性能以符合公司标准，并生成个性化的培训模拟，以不断优化人工代理和AI系统。Solidroad没有取代客户支持团队，而是专注于增强他们， 将每次互动转化为一个反馈循环，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性能。是什么让你相信这种方法是根本有缺陷的，你又是如何得出这样的结论并建立Solidroad的方法来持续监控、评分和改进人工和AI代理?

帕特里克和我在开始Solidroad之前都曾在客户支持团队工作过，一个问题始终存在：公司与客户有数十万次对话，但如果你问他们这些对话的实际情况，他们并不知道。他们所知道的基于如此少的互动样本，以至于不准确。

这在人类处理每张票时已经是一个不稳定的基础，现在AI进入了画面，赌注已经改变。一个糟糕的模式可能会在数千次对话中同时发生，并且由于大多数团队只审查1-2％的互动而不被注意到。

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，所以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。公司根本没有必要的系统来真正了解他们的客户支持代理的性能。

Solidroad被构建来解决这个盲点。我们为公司提供了工具来了解真正发生了什么，并确保每次对话——无论是人工、AI还是两者——都能带来价值。

Solidroad被描述为“客户面向团队的飞行模拟器”。你能解释一下你的AI如何模拟真实的客户互动，以及是什么使得这些模拟对于大规模培训有效?

飞行模拟器的类比之所以成立，是因为核心思想是相同的。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，它们基于公司实际发生的对话。当代理在真实互动中犯错时，系统会生成一个针对该类型场景的有针对性的模拟，以便他们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因素。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，并再次尝试。错误发生在一个安全的环境中，学习效果很好，因为它与真实情况相关，而不是抽象的课堂练习。

你的平台不仅训练代理，还对实时互动进行评分，以符合自定义指南。如何设计这些评分系统，以反映真实的业务结果，如CSAT、保留率或收入?

为了创建这些指南，我们始终从该公司实际关心的内容开始。处理账单纠纷的金融服务公司具有不同的质量标准，而处理高峰季节退货的电子商务品牌具有不同的质量标准。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外观而构建的。

像CSAT评分、保留率和收入这样的业务结果来自高质量的客户互动。我们没有追踪评分，而是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，告诉他们什么是他们公司的良好表现，这样他们就可以指导他们的团队、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如何实现全覆盖分析，以及当您从抽样转移到分析所有内容时会出现什么样的见解?

我们的最近的CX调查显示，大约81％的支持对话从未被审查过质量，留下了团队只审查了这么小一部分对话，以至于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被一致地处理不当，人工代理和AI代理在意外的方式上出现了偏差，以及哪些问题在客户投诉出现之前就一直存在。

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是全覆盖实际解锁的典型例子。在Solidroad之前，他们的团队没有可靠的方法来衡量代理质量或验证代理在处理真实票之前是否已准备就绪。问题只会在影响客户之后才会出现。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，验证代理在部署之前是否已准备就绪，并确认改进是否真正有效。结果是平均处理时间减少了18％，CSAT增加了3％（在他们运营的规模上，这是一个显著的结果）。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。

这就是全覆盖的改变。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识别出哪些模式或常见弱点?

几个问题经常出现。第一个是公司认为客户对话中发生的事情和实际发生的事情之间的差距。大多数团队在获得完全可见性之前都对自己的支持质量充满信心，一旦他们获得了可见性，他们就会意识到情况比他们最初的指标所暗示的更复杂。

团队衡量绩效和实际驱动客户结果之间存在着一致的脱节。速度指标和票数易于跟踪，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，还是互动让客户对公司感到良好。在金融科技或医疗保健等高风险环境中，衡量和结果之间的脱节可能会产生严重的后果。

人们越来越担心AI在客户服务中会降低人性化体验。你如何确保你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QA系统，它们利用AI做错误的事情。如果公司仅根据代理是否遵循脚本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感觉空洞或不友好的互动。

我们的方法是围绕真正使客户感到支持的因素来构建评分。我们查看代理是否积极倾听、在需要时表现出同理心，并实际帮助客户解决问题。

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，它往往会将互动推向更好的方向，而不是更脚本化的方向。

Solidroad处于人工代理和AI代理的交叉点。你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。我认为人工代理和AI代理的未来是混合的。

AI处理高容量、直接请求非常好，甚至最好的AI代理可以独立解决大多数对话，这真的很令人印象深刻。

但结果是，到达人工代理的互动越来越复杂、情绪化和高风险。客户感到沮丧的情况不符合标准模板的对话，需要真正判断力的对话。因此，人工代理的标准实际上正在提高，而不是降低。

这就是为什么对两者进行监督变得非常重要。AI需要一致地处理其容量。人类需要为他们现在主要处理的更难的对话做好准备。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。这是我们认为将来会定义CX的混合模型，我们正在为此而努力。

你的系统提供实时反馈和指导。及时性在改进代理性能方面有多重要，它与传统的培训和QA工作流程相比如何?

及时性真的很重要，研究支持这样的观点：反馈最有效的是当它与产生它的特定情况相关联时。传统的QA工作流程几乎是故意打破这种关联。经理在对话发生几天或几周后审查它，分享周期性的反馈，到那时代理已经有数十次其他互动，在这些互动中，同样的错误可能会重复出现。在提供实时反馈之前，错误会持续存在，代理必须解除他们习惯的做法。

我们发现，反馈最有效的方式是当它在对话发生后立即出现时。它与代理刚刚处理的内容直接相关，并配以一个特定的模拟，可以立即运行。在这种格式中，它会更快地转化为实际的行为变化。代理不仅仅是听到他们需要改进，还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，超过半数的人工代理表示入职最困难的部分是将他们在培训中学习的内容应用于真实的客户情况。这种差异存在，因为课堂学习和真实支持感觉不一样。持续的、情境化的反馈以传统周期性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哪个指标，以及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。只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，还因为它为他们的QA团队节省了数小时。跨我们的客户，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，一旦上线，解决问题的速度提高了33％。在Crypto.com，重点是解决时间和对话量的可见性。对于Ryanair，它体现在节省的招聘时间上。

细节可能有所不同，但模式是相同的：当您可以看到客户互动中发生了什么并迅速采取行动时，改进就会出现在重要的指标中。

展望未来，你是否看到Solidroad继续专注于培训和QA，还是会演变成一个更广泛的管理层，用于管理人工和AI客户互动?

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，一旦公司将数据移至云端，质量认证也将变得不可协商。随着客户对话转向AI，质量认证将变得至关重要。

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，无论互动是由人还是AI处理的。

这意味着什么，从实际上来说，就是我们希望成为公司依赖的系统，用于管理和改进客户互动质量，而不仅仅是后端的质量问题。为此，我们进行了2,500万美元的A轮融资，领投方为Hedosophia，这为我们提供了建设这一愿景的途径。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，希望了解更多的读者可以访问Solidroad。