Artikel • 10 min read
Een indrukwekkend helpcenter bouwen
Door Claire Peracchio , Product marketing manager
Laatst gewijzigd 21 februari 2024
Hoewel bedrijven elk op hun eigen manier met hun kennis kunnen omgaan, zijn alle klanten het erover eens dat zelfservice-interacties de klantervaring kunnen maken of breken.
Forrester heeft vastgesteld dat 76% van klanten de voorkeur geeft aan zelfservice ten opzichte van andere vormen van support zoals e-mail of telefonische support. En meer dan de helft van alle klanten laat hun online aankopen voor wat ze zijn als ze niet snel en gemakkelijk antwoord krijgen op de vragen die ze hebben.
Dus gezien het belang van het aanbieden van een geweldige zelfservice-ervaring, is het de vraag welke koers bedrijven moeten volgen om zelf een goede supportservice op te bouwen, en wat de beste manier is om deze services met elkaar te vergelijken?
Met Zendesk Benchmark, onze gecrowdsourcede index met productgegevens van 45.000 deelnemende Zendesk-klanten, hebben wij een steekproef van 500 helpcenters bekeken om te zien hoe de beste helpcenters zich onderscheiden van de rest. Wij hebben onze analyse gebaseerd op belangrijke metingen die verband houden met de kwaliteit van helpcentra, en hebben aanbevolen werkwijzen geïdentificeerd en in kaart gebracht van hoe bedrijven zich onderscheiden qua benadering, doelgroepen en sectoren.
Drie verschillende benaderingen voor helpcentra
Als het gaat om het lanceren en onderhouden van een helpcenter, moeten bedrijven vaak tegenstrijdige prioriteiten tegen elkaar afwegen, waaronder de noodzaak om het helpcenter snel te lanceren, het belang om een grote verscheidenheid aan onderwerpen te behandelen en de wens om agenten beschikbaar te maken om rechtstreeks op klanten te reageren.
Wij hebben een clusteranalyse uitgevoerd op onze steekproef van Zendesk Benchmark, waardoor wij drie afzonderlijke klantgroepen hebben kunnen identificeren met verschillende benaderingen voor de ontwikkeling van hun helpcenter:
1. Steeds verbeteren
Deze klanten hanteren een lichte methode om hun helpcenter te verbeteren. Ze beginnen met slechts enkele artikelen naar aanleiding van vragen die veel worden gesteld en bouwen hun inhoud in de loop van de tijd steeds verder uit.
Door te beginnen met inhoud waar agenten of klanten het meest naar zoeken, ligt de nadruk bij deze vorm van zelfservice op het voorkómen van tickets. Er hoeft hiervoor vooraf minimaal te worden geïnvesteerd. En door steeds onderhoud uit te voeren en goedkeuringscycli voor inhoud te volgen, breiden deze bedrijven hun gepubliceerde kennis steeds verder uit.
2. Instellen en vergeten
Deze klanten vertrouwen op hun bestaande kennisassets wanneer ze een nieuw helpcenter maken. Ze volgen een strategie die ‘instellen en vergeten’ wordt genoemd, waarbij ze vaak meteen al in het begin een grote hoeveelheid bestaand inhoud importeren in hun helpcenter, maar na de lancering vrij weinig meer doen om de inhoud up-to-date te houden.
Dit betekent dat ze snel op stoom zijn en oudere artikelen uit andere helpcentra importeren. Met deze benadering kunnen agenten na de lancering meer tijd besteden aan het oplossen van vragen die klanten hebben. Maar mogelijk zijn de aanvankelijke artikelen die zijn geïmporteerd niet uitvoerig genoeg, en veroudert de gepubliceerde inhoud snel als die niet regelmatig wordt bijgewerkt.
3. Geduldig plannen
Deze bedrijven stellen hun helpcenter helemaal buiten beeld van de klant samen en schrijven mogelijk honderden artikelen voordat ze alles in één keer publiceren.
De uitgestelde start geeft bedrijven de mogelijkheid de juiste artikelen met zorg samen te stellen, te controleren en in te gaan op alle onverwachte onderwerpen die zich mogelijk voor de lancering aandienen. Maar deze benadering betekent ook dat tickets niet al in een vroeg stadium kunnen worden voorkómen, omdat er nog aan inhoud wordt gewerkt. En het gebrek aan aandacht voor de artikelen in een later stadium kan ervoor zorgen dat eenmaal gepubliceerde artikelen hun waarde verliezen.
Steeds verbeteren (en uitvoerig zijn) verdient zich terug
Gegeven deze groepen, is het de vraag welke benadering van zelfservice nu het beste is en welke typen bedrijven hierin toonaangevend zijn?
Bedrijven van het type ‘Steeds verbeteren’, met hun vaste inzet om hun helpcenter te onderhouden, scoren het beste bij alle belangrijke metingen, hebben het hoogste zelfservicepercentage en het hoogste percentage zoekopdrachten dat tot een resultaat leidt.
Bedrijven van het type ‘Steeds verbeteren’ scoren beter dan de andere twee groepen op basis van hun zelfservicepercentage, waarbij het aantal keren dat zelfservice-inhoud wordt weergegeven, wordt vergeleken met het totale ticketvolume. Dit is de belangrijkste meting die wij hebben bekeken om te bepalen hoe goed een helpcenter tickets voorkómt en in de behoeften van de klant voorziet. De mediaan van het zelfservicepercentage voor bedrijven van het type ‘Steeds verbeteren’ is 4,4, vergeleken met respectievelijk 2,4 en 2,9 voor bedrijven van het type ‘Instellen en vergeten’ en ‘Geduldig plannen’.
Bedrijven van het type ‘Steeds verbeteren’ hebben helpcentra die beter zijn in het aanleveren van relevante inhoud. Slechts 29% van zoekopdrachten bij bedrijven met een helpcenter van het type ‘Steeds verbeteren’ genereert geen resultaat, terwijl meer dan 40% van zoekopdrachten in het helpcenter geen resultaat genereert bij de twee andere groepen.
Ook hebben wij ontdekt dat de focus van bedrijven van het type ‘Steeds verbeteren’ op het verspreiden van het kenniscreatieproces onder teams ertoe bijdraagt dat hun zelfservice effectiever wordt. Bedrijven in deze groep hebben gemiddeld 5,4 schrijvers die bijdragen aan inhoud van het helpcenter, vergeleken met 2,4 schrijvers bij ‘Instellen en vergeten’ en 3,6 bij ‘Geduldig plannen’.
Wij hebben gekeken naar onderscheidende factoren van ‘Steeds verbeteren’ in onze analyse op basis van doelgroep. Wij hebben ontdekt dat meer dan de helft van de categorie ‘Steeds verbeteren’ B2B-bedrijven zijn. Bedrijven die andere bedrijven als klant hebben, vormen dus het leeuwendeel van deze groep.
Ongeacht tot welke groep deze bedrijven behoren, hebben B2B-bedrijven een hoger zelfservicepercentage, gemiddeld 4,1 in vergelijking tot 2,9 voor B2C en 2,2 voor interne gebruiksscenario’s. Ook hebben zij de meest uitvoerige helpcentra, met het hoogste aantal categorieën, onderwerpgroepen en artikelen. Zij hebben gemiddeld 25% meer artikelen dan B2C-bedrijven en gemiddeld het dubbele aantal artikelen ten opzichte van helpcenters voor interne gebruiksscenario’s.
Er bleek ook een verband tussen uitvoerigheid en kwaliteit als wij helpcentra op sector indeelden. Helpcenters van bedrijven in de sectoren webhosting, productie en software behaalden de beste scores als het gaat om zelfservicepercentages en hebben gemiddeld een hoger aantal artikelen, terwijl bedrijven in de sectoren energie, reizen en retail de laagste zelfservicepercentages hadden en een lager dan gemiddeld aantal artikelen hadden.
Hoe u zorgt dat uw helpcenter opvalt
Het is geen geheim dat een investering in zelfservice de klantervaring bij een bedrijf drastisch kan verbeteren. Kennis helpt klanten niet alleen direct, maar zorgt ook voor betere resultaten wanneer klanten uiteindelijk besluiten contact met u op te nemen. Tickets met links naar artikelen in een kennisbank doen het beter en hebben een tijd tot een oplossing die 23% lager ligt. Deze tickets worden 20% minder vaak opnieuw geopend en scoren gemiddeld 2% beter als het gaat om klanttevredenheid.
Wij hebben ontdekt dat bedrijven met een goed presterend zelfserviceaanbod enkele tactieken gemeenschappelijk hebben om hun kennis te laten voorzien in de behoeften van hun klanten.
1. Begin uw helpcenter met de vijf belangrijkste artikelen.
Zendesk Benchmark-gegevens tonen aan dat de vijf belangrijkste artikelen ongeveer 40% uitmaken van alles wat dagelijks wordt bekeken. Als u tot de categorie ‘Steeds verbeteren’ wilt behoren, moet u beginnen met het beantwoorden van de meest gestelde vragen, die publiceren en u vervolgens richten op antwoorden voor meer specialistische problemen.
Als u de vijf belangrijkste vraagstukken eenmaal hebt behandeld, kunt u zich het beste richten op andere categorieën, te beginnen met de populairste inhoud in elke categorie, aangezien de drie belangrijkste artikelen per categorie doorgaans 50% uitmaken van het totaal aantal bekeken artikelen in die categorie.
Hoe bepaalt u wat u als eerste behandelt? Het veld Info in Zendesk is een goede manier om inkomende tickets per categorie bij te houden. Wanneer u een planning maakt voor de inhoud van uw helpcenter kunt u aan de hand hiervan zien over welke onderwerpen klanten het meest schrijven.
En met onze nieuwe op kunstmatige intelligentie gebaseerde functie genaamd ‘Aanwijzingen over benodigde inhoud’ in het Guide Enterprise-plan, kunt u zelflerende systemen inzetten om te zien waar zich lacunes in uw kennis bevinden en welke artikelen u het beste kunt schrijven op basis van de tickets die bij u binnenkomen.
2. Verdeel en heers om uw helpcenter uit te breiden.
De beste helpcenters worden gemaakt door agenten de mogelijkheid te geven zelf inhoud te maken. Wij hebben bij tal van bedrijven gezien dat dit een goed beginpunt is om te kijken in welke onderwerpen agenten onderwerpspecialisten zijn en om het maken en bijwerken van inhoud te verdelen op basis van de kennisgebieden van uw agenten. Idealiter kijken minimaal twee mensen elk artikel na voordat het wordt gepubliceerd.
Als u agenten betrekt bij het maken van inhoud kunt u hun unieke kijk op de behoeften van de klant ten gelde maken. Aangezien agenten zich in de frontlinie bevinden als het gaat om het contact met de klant, beschikken zij over de beste kennis in uw organisatie en kunnen zij het beste bijhouden aan welke informatie de klant het meest behoefte heeft, zodat zij ook gemakkelijk lacunes in uw zelfservice-inhoud kunnen identificeren.
U kunt het vastleggen van kennis nog een stap verder professionaliseren met goedkeurings- en publicatieworkflows, waarmee uw teams effectiever kunnen samenwerken om inhoud te schrijven, beoordelen en publiceren. Deze workflows maken deel uit van Teampublicaties, een functie in ons Enterprise-plan, en hiermee kunnen managers ook updates voor artikelen toewijzen aan teamleden, zodat gemakkelijk is te volgen aan welke inhoud moet worden gewerkt.
3. Stimuleer agenten om samen te werken en te automatiseren.
Riot Games is een bedrijf dat het goede voorbeeld geeft als het gaat om samenwerking tussen agenten bij het maken van een helpcenter. Gemiddeld zet dit bedrijf per artikel 5,6 agenten in. Het wereldwijde supportteam van dit bedrijf telt meer dan 500 agenten en ontvangt meer dan 3 miljoen supporttickets per jaar.
Dankzij een uitgebreid helpcenter dat zich steeds verder ontwikkelt dankzij de inzet van samenwerkende agenten, kan Riot Games gebruikmaken van automatisering om steeds de juiste artikelen en antwoorden aan klanten aan te bieden. Het bedrijf maakt gebruik van aangepaste apps en bots om de wachttijd van spelers in te korten en tickets te voorkómen die anders tot de inzet van meer agenten zouden leiden.
Voor bedrijven die op zoek zijn naar een gemakkelijke app die samenwerking en automatisering mogelijk maakt, is er de Knowledge Capture-app van Zendesk. Met deze app hebben leiders op het gebied van klantervaring het juiste instrument in handen om kennis vast te leggen. Met de app kunnen agenten in het helpcenter zoeken zonder een ticket te hoeven verlaten, links naar relevante artikelen als opmerking aan tickets toevoegen en nieuwe artikelen schrijven terwijl ze op tickets reageren.
Onze aanpak
Wij hebben een willekeurige steekproef van 500 actieve helpcenters genomen uit onze Zendesk Benchmark-gegevens, elk met een minimum van 300 bekeken artikelen per maand, en gekeken hoe zij in de loop van de tijd artikelen aan hun helpcenter toevoegen.
Nadat wij de onbewerkte gegevens uit ons Hive-cluster hadden gehaald, hebben wij het aantal dagen sinds de artikelen zijn gemaakt en het aantal artikelen voor elk helpcenter genormaliseerd, waardoor wij een tijdbeeld kregen van elk helpcenter in onze steekproef. Wij hebben een dynamische tijdvervorming als ongelijkheidsmaatregel toegepast om een afstandsmatrix van ons tijdsbeeld te creëren. Vervolgens hebben wij die matrix aan een hiërarchisch clusteralgoritme toegevoegd om soortgelijke benaderingen te groeperen. Tot slot hebben wij operationele metingen toegepast om onze clusters te beoordelen en met elkaar te vergelijken.