Tickets voorkómen: de waarde van zelfservice

Forrester Research voorspelt dat selfservice in 2017 de nummer 1 klantenservicetrend zal zijn vanwege "de snel groeiende voorkeur van klanten voor doe-het-zelfvormen van klantenservice". Waarom wordt selfservice de favoriete vorm van klantenservice voor klanten? Omdat het vaak de snelste en goedkoopste manier is om problemen op te lossen. Klanten hoeven zo geen contact op te nemen met een agent en hebben overal 24/7 toegang toe. Altijd en overal toegang is waarschijnlijk de belangrijkste factor. Wij bevinden ons tegenwoordig in een wereld vol mobiele apparaten, met meerdere kanalen en meerdere beeldschermen. Dit is goed nieuws voor bedrijven, want meer selfservice leidt tot een hoger percentage tickets dat wordt voorkómen en meer klanten die ervoor kiezen om zichzelf te helpen in plaats van contact op te nemen met een supportmedewerker.

Mogelijk heb je al een grote investering gedaan in het opstellen van een kennisbank die op het web en via mobiele apparaten goed toegankelijk is voor je klanten. Terwijl jij je best doet om klanten naar bronnen te leiden waar ze zichzelf kunnen helpen, moet je je klanten vaak nog wel stimuleren om die bronnen te ontdekken en te gebruiken. Dat kan beter, want nu kun je een beroep doen op nieuwe technologieën en nieuwe tools die selfservice op nummer 1 plaatsen, waardoor het aantal voorkómen tickets sterk toeneemt.

Met behulp van kunstmatige intelligentie en zelflerende systemen kun je nu veel van de veelvoorkomende, gemakkelijke klantinteracties automatiseren. Klanten hoeven die content niet meer zelf te ontdekken. Hierdoor komen er agenten vrij, zodat zij klanten kunnen helpen die echt hulp nodig hebben met complexere supportproblemen. Selfservice geeft de klant een goed gevoel en is ook een grote kostenbesparing.

Het probleem met selfservice is echter, en dat verklaart misschien waarom sommige bedrijven dit niet snel overnemen, dat het een soort indirecte vorm van klantenservice is. Het is moeilijk te bewijzen dat het hebben van een helpcenter met veel handige selfservice-content je klanten ervan weerhoudt om support aan te vragen, tickets te genereren en met een medewerker te spreken. We weten dat het gebeurt, we hebben enkele statistieken die de effectiviteit ervan aangeven, maar het is moeilijk om gegevens te produceren die het directe effect op de wachtrij van een ticket en op de klanttevredenheid te laten zien. Dat is nu aan het veranderen.

Succesvol, maar niet overtuigend
Selfservice is voor mij altijd de belangrijkste klantenservicetrend geweest.Begin 2011 ben ik bij Zendesk in dienst gekomen om een kennisbank op te zetten en het selfservicekanaal voor de klanten van Zendesk op te bouwen. In de loop van enkele jaren hebben mijn team van schrijvers en ik honderden artikelen en gidsen geproduceerd en gestaag vooruitgang geboekt in de richting van onze eerste grote mijlpaal: een miljoen views per maand.

Ongeveer 2 jaar na onze lancering hebben we onze doelstelling gehaald. Toen dat gebeurde, kregen we een felicitatie van onze CEO en een koffiemok met de hashtag #OMGMYFORUMWASVIEWIEWEDLIKE100000000TIMES van de VP van onze organisatie. Het was zeker niet de enige maandelijkse metric die we volgden, maar het was wel de grootste en we waren dolblij toen we die haalden. Maar was dat echt genoeg om de effectiviteit van het selfservicekanaal te bewijzen? Maar was dat echt genoeg om de effectiviteit van het selfservicekanaal te bewijzen?

Hoe we selfservice meten
De selfservice-metric die we volgen, geeft ons beter inzicht in welke content we moeten creëren, de kwaliteit van onze content en de betrokkenheid van onze lezers bij de content, en vanuit dat perspectief zijn ze van onschatbare waarde. Deze metrics helpen ons echter niet echt om het directe verband tussen het gebruik van het Helpcenter en het aantal voorkómen tickets aan te tonen. Dit zijn de metrics die we hebben gebruikt:

Views en betrokkenheid
Dit zijn de typische metrics die je volgt om de prestaties van je helpcenter (of elke website) te meten: het aantal views, unieke gebruikers en metrics voor de betrokkenheid, zoals de gemiddelde duur van sessies, het bouncepercentage, enzovoort. Dat zijn de gebruikelijke Google Analytics-metrics die helpen bij het bepalen of klanten de content die ze zoeken, vinden en gebruiken, en of ze de content nuttig vinden. Vanuit dat perspectief zijn dit allemaal zeer waardevolle metrics.Meer informatie over deze metrics vind je in de vierdelige reeks artikelen, beginnend met Google Analytics en Helpcenter deel 1: De juiste vragen stellen.

Activiteiten en betrokkenheid van de community
Een andere belangrijke maatstaf voor ons succes was de omvang en levendigheid van onze gebruikerscommunity. Wij vonden dat ons Helpcenter dé plaats zou moeten zijn waar klanten de informatie vinden die je beschikbaar hebt gesteld, en het zou ook de plaats moeten zijn waar je contact met je klanten maakt, zij hun expertise delen en je van elkaar leert.

Met Google Analytics kun je een deel van de activiteiten van je community meten, maar directe links in de supportworkflow zijn pas echt nuttig. In Zendesk Support zijn rapporten van het helpcenter onderverdeeld in een kennisbank en een community. Voor elk segment kun je het aantal berichten, views, uitgebrachte positieve stemmen, abonnementen en opmerkingen bijhouden. Het is aan jou om de doelen voor elk ervan in te stellen, maar het spreekt voor zich dat je graag hoge cijfers wilt behalen en dat je de activiteiten door de tijd heen wilt kunnen volgen.

Zoeken
Op Zendesk Support-tabblad Rapporten vind je ook gegevens over zoekopdrachten van gebruikers in het helpcenter. In het rapport vind je het aantal zoekopdrachten zonder resultaat (geen artikelen met de gezochte woorden) en het aantal zoekopdrachten zonder clicks in artikelen die wel bestaan. De eerste metric kan je helpen bij het bepalen welke artikelen je nog moet maken en de tweede metric is handig bij het oplossen van problemen met de bruikbaarheid van je content (geen clicks kan betekenen dat de titels van je artikelen niet beschrijvend genoeg zijn of er niet de woorden in voorkomen die je klanten gebruiken). Je kunt ook het aantal tickets zien dat na een zoekopdracht is gemaakt. Tot slot is enig inzicht in welke invloed selfservice op de ticketwachtrij heeft handig. In dit geval is de invloed echter negatief, omdat er tickets zijn gemaakt, niet voorkómen.

Selfservicescore
Hoewel de bovenstaande metrics inzicht geven in de prestaties en kwaliteit van je selfservice-content, is de selfservicescore (ook bekend als selfservice-verhouding) een poging de impact te meten die je Helpcenter als supportkanaal heeft, hoe dit klanten helpt bij het oplossen van problemen en bij het voorkómen dat er supportaanvragen worden geopend die vervolgens door agenten moeten worden verwerkt.

Je bepaalt je selfservicescore met deze formule:

Selfservicescore = Totaal aantal gebruikers van je helpcenter(s)/Totale aantal gebruikers in tickets

Zo krijg je een verhouding, bijvoorbeeld 4:1. Dit betekent dat voor elke vier klanten die met behulp van selfservice hun eigen problemen proberen op te lossen, er één klant is die een supportaanvraag indient. (De selfservicescore wordt ook besproken in het eerder genoemde artikel).

De selfservicescore is waardevol omdat je hiermee benchmarks voor het aantal voorkómen tickets kunt maken, zodat je de verhouding tussen het aantal voorkómen en gemaakte tickets van maand tot maand kunt vergelijken.

Op een gegeven moment bereikten we bij Zendesk een verhouding van bijna 40:1, wat er goed uitzag in mijn rapporten aan het management en mij misschien heeft geholpen promotie te maken, maar de verhouding was nog steeds niet voldoende om te laten zien wat de echte impact van ons selfservicekanaal was bij het voorkómen van tickets. Ik kreeg gewoon steeds het voordeel van de twijfel.

Dus, hoe komen we dichter bij echte data? Met die nieuwe technologie natuurlijk.

Kunstmatige intelligentie en selfservice: mensen en bots geven de volgende fase van selfservice vleugels

De toekomst van selfservice is een prachtig samenwerkingsverband tussen mensen en nieuwe technologie, die samen doe-het-zelf hulp mogelijk maken. We kunnen nu niet alleen kunstmatige intelligentie en automatisering inzetten om onze content aan onze klanten aan te bieden, maar het is nu ook mogelijk om het gebruik ervan rechtstreeks te koppelen aan probleemoplossing. Dat zijn de data waar we altijd naar hebben uitgekeken!

Wij kunnen dit doen dankzij nieuwe selfservicetechnieken zoals Answer Bot, een onderdeel van Zendesk Guide. Laten we eens kijken hoe dit werkt.

Met behulp van deep-learning en natuurlijke taalverwerking (NLP) scant Answer Bot de tekst in de e-mail van de klant en krijgt de klant in het antwoord artikelsuggesties aangeboden aan de hand waarvan die zelf zijn problemen kan oplossen.

De aanvraag die de klant mailt, heeft natuurlijk een ticket gegenereerd die moet worden opgelost. Het geautomatiseerde antwoord van Answer Bot geeft de klant de informatie waarmee hij zijn probleem kan oplossen en is ook een manier om het ticket zelf te sluiten, nog voordat een agent contact met de klant hoeft op te nemen. Als de klant het ticket niet zelf sluit, neemt een agent contact op met de klant om te zien of het ticket kan worden gesloten.

Het spannendste vind ik, is dat je vervolgens rapporten over het oplossen van deze selfservicetickets kunt maken.

Met Answer Bot is selfservice nu veel meer geïntegreerd als supportkanaal.We kunnen nu eindelijk de directe impact ervan op de ticketwachtrij en op de klanttevredenheid laten zien en het bedrijf de gegevens presenteren die nodig zijn om de effectiviteit ervan te bewijzen. Binnenkort kunnen we dit voor veel van onze supportkanalen doen, waardoor we een nóg vollediger beeld krijgen van de impact die selfservice bij meerdere kanalen heeft.

Klanten zullen je selfservice-content natuurlijk ook op onsamenhangende en onnavolgbare manieren blijven gebruiken, waardoor over die gegevens niets valt te zeggen, maar dat is niet erg. Het belangrijkste is dat klanten worden geholpen bij het oplossen van problemen, zelfs als je dat niet altijd kunt kwantificeren.

Leer hoe je een geweldige selfservice-ervaring kunt bieden. Lees 6 tips voor het opbouwen van een bloeiend helpcenter

Anton de Young is schrijver en fotograaf. Als ervaren Zendesk-medewerker bouwde hij de Zendesk-klantentraining en trainingsteams op. Vervolgens lanceerde hij als marketingdirecteur het Zendesk Customer Service Leadership-programma en de evenementenreeksen van Zendesk, die hij vervolgens uitbreidde naar de Relate-website en Relate-evenementenreeksen. Anton werkt nu als freelancer en is bezig de wereld te verkennen vanuit zijn nieuwe huis in Lissabon, Portugal. Je vindt hem op Twitter: @antondeyoung.