Wettbewerbsvorteil Support und Service

Kunden begeistern und binden

Mit gutem Service können sich Firmen von der Konkurrenz abheben. Dafür müssen die Mitarbeiter schnell auf relevante Daten zugreifen können und der Kunde an allen Touchpoints gute Erfahrungen machen. Wissensdatenbanken, künstliche Intelligenz sowie unterschiedliche Supportkanäle helfen, das angestrebte Servicelevel zu erreichen.
Bild: ©goodluz/shutterstock.com

Im Rahmen der digitalen Transformation ist es schwerer geworden, sich im klassischen Sales-Prozess von der Konkurenz abzuheben. Unterschiede in Produkteigenschaften sind oftmals nur noch marginal, Ubiquität oder Beratung kein echtes Alleinstellungsmerkmal mehr, der Preis dann häufig finales Verkaufsargument. Die Prozesse und Dienstleistungen rund um den Service und den After-Sales Bereich bieten allerdings noch große Chancen, sich zu differenzieren und die Kundenansprache sowie Kundenbindung zu optimieren. Für die Umsetzung eines entsprechenden Projekts ist es allerdings entscheidend, zunächst die Möglichkeiten zu kennen – und dann zu definieren, welches digitale Serviceangebot für das eigene Unternehmen das richtige ist und wie man es erfolgreich einführen kann.

Zwei Servicebereiche

Im Kontext der Customer Experience im B2B lassen sich zwei Service-Bereiche unterscheiden:

  • Kundenservice mit Fieldservice: Umfasst die klassischen Call-Center Prozesse, Ticketing, Retouren, Reklamationen, Servicetechnikereinsätze, etc.
  • Servicedienstleistungen und After-Sales: Umfasst Services, die man dem Kunden im Zusammenhang mit seinem Produkt/Maschine anbietet, Portal- und Shopanwendungen, Ersatzteil- und Wartungsprozesse, Cross- und Up-Selling, Bereitstellung von Informationen rund um Produkt oder Maschine, etc.

Rundumsicht gefragt

Im klassischen Kundenservice besteht häufig noch direkter Kontakt mit dem Kunden über unterschiedliche Kanäle. Die Customer Journey beginnt aber bereits bevor der Kunde zum Telefonhörer greift. Wenn Unternehmen dann ihre Kommunikationskanäle in Silos einsetzen, besteht die Gefahr, dass trotz gutem Vorsatz und Einsatz der Kunde unzufrieden zurückbleibt. Unternehmen stehen vor der Herausforderung, guten Kundenservice bieten zu müssen, möglichst harmonisiert über mehrere Kanäle. Gleichzeitig sind sie aber einer steigenden Erwartungshaltung ausgesetzt. Service-Mitarbeiter haben aber oft keine Kenntnis über frühere Interaktionen mit dem Kunden und können dadurch keine kontextbezogenen Antworten liefern. Die Lösung ist eine 360°-Sicht auf den Kunden und dessen Interaktionen (unabhängig ob im Dialog mit einem Mitarbeiter oder an anderen digitalen Touchpoints). Und das über Systemgrenzen hinweg.

Ein Beispiel: Ein Servicemitarbeiter erhält via Mail eine Serviceanfrage wegen eines Defektes an einer Maschine. Dafür wird automatisch ein Ticket im CRM-System angelegt. Mit einem Blick sieht der Mitarbeiter die Historie zum Kunden, aber auch zum Problem. Er kann den entsprechenden Servicetechniker identifizieren und dem Kunden bereits Terminvorschläge für den Reparatureinsatz vorschlagen. Anschließend können dem Techniker Arbeitspläne, Informationen oder Materialien bereitgestellt werden. Nach dem Reparatureinsatz lässt sich der Servicetechniker den Job digital abzeichnen und kann seine Zeiten buchen. Der Status im Serviceticket wird aktualisiert bzw. der Service Agent wird aktiv über den Abschluss informiert. Erkenntnisse, Lösungsansätze oder Erfahrungen aus beiden Prozessen fließen direkt zurück in die Wissensdatenbank und können so helfen, zukünftig besser zu reagieren oder direkt Feedback an das Qualitätsmanagement zu liefern.

KI und Datenbanken

Der Einsatz von künstlicher Intelligenz in Live-Chats ist ebenfalls ein Mittel. Dabei werden gegebenenfalls auch ungelernte Mitarbeiter mittels intelligentem Scripting durch den Dialog mit dem Kunden geführt. Vorgeschaltete Bots können helfen, Anfragen vorab zu qualifizieren und thematisch zu routen. Bestenfalls können sie helfen, die schiere Anzahl an Serviceanfragen zu reduzieren, wenn Fragen/Problem so direkt gelöst werden. Wahrscheinlich noch bedeutender ist der klare Trend in Richtung Wissensdatenbanken. Dabei ist zu unterscheiden zwischen einer Knowledge Base, die dem Mitarbeiter hilft, besser und schneller auf Anfragen zu reagieren. Sei es mittels technischer Dokumentationen, verfügbarer Daten oder so genannten reccommended solutions auf Basis historischer Daten und dem zu Grunde liegend Algorithmus. Die andere Facette im Zusammenhang mit Knowledge Management ist das Bereitstellen von Informationen (Self-Services) für Kunden, ausgewählte Partner oder Händler. Hier ist der Übergang zur anderen Säule im Kontext Customer Experience im B2B fließend. Self-Service Prozesse und Servicedienstleistungen sind zu einem erfolgskritischen Faktor geworden.

Seiten: 1 2Auf einer Seite lesen

Thematik: Technologie
Sybit GmbH

Das könnte Sie auch Interessieren

Anzeige

Anzeige

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.

Bild: ©Stock57/stock.adobe.com
Bild: ©Stock57/stock.adobe.com
KI-Verfahren für die Produktion

KI-Verfahren für die Produktion

Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Chancen und Herausforderungen von Machine Learning in der Fertigung

Chancen und Herausforderungen von Machine Learning in der Fertigung

Automatisierung, künstliche Intelligenz (KI), Internet of Things (IoT) und Machine Learning (ML) sind heutzutage bekannte Technologien und kommen bereits in vielen Unternehmen zum Einsatz. Mit Hilfe von Machine Learning wird es IT-Systemen ermöglicht, Muster und Zusammenhänge aus Daten zu lernen und sich selbst zu verbessern. Dabei ist keine explizite Programmierung notwendig. Die Bearbeitung von Kundenanfragen, die Erkennung möglicher Störfälle sowie unerwarteter Ereignisse wie z.B. Cyberangriffe sind klassische Anwendungsfelder von ML. Aber auch die Unterstützung bei einer rein datengestützten Entscheidungsfindung und die Interpretation großer Datenmengen gehören dazu.

Bild: ©Shuo/stock.adobe.com
Bild: ©Shuo/stock.adobe.com
Sensoren lernen das Denken

Sensoren lernen das Denken

Im Fraunhofer-Leitprojekt NeurOSmart forscht das Fraunhofer IPMS zusammen mit vier weiteren Instituten (ISIT, IMS, IWU, IAIS) unter Leitung des Fraunhofer ISIT gemeinsam an energieeffizienten und intelligenten Sensoren für die nächste Generation autonomer Systeme. Dabei sollen die Brücken zwischen Wahrnehmung und Informationsverarbeitung durch innovative Elektronik neu definiert werden.

Bild: ©ipopba/stock.adobe.com
Bild: ©ipopba/stock.adobe.com
Wie KI 2022 praktikabel wird

Wie KI 2022 praktikabel wird

Künstliche Intelligenz war bereits in der Vergangenheit in aller Munde, schaffte es aber doch oft nicht bis in die Anwendung. Das wird sich 2022 ändern – auch weil sich langsam Standards etablieren und sich neue, konkrete Einsatzmöglichkeiten ergeben. In welchen Bereichen Business-Implementierungen zu erwarten sind, erläutert Bernhard Niedermayer, Head of AI bei Cloudflight.

Anzeige

Anzeige

Anzeige