از Technology Push تا Market Pull: استراتژی شبکه‌سازی و مدیریت R&D در توسعه CRM ابری
AICRM محصولی نرم‌افزاری است که به‌صورت On-Premise یا ابری ارائه می‌شود و به معنای سیستم مدیریت ارتباط با مشتریان حمایت‌شده با ابزار و هوش مصنوعی است. تولیدکنندگان نرم‌افزار AICRM در دو حوزه فناوری AI و مقاومت نیروی انسانی شرکت کارفرما با چالش مواجه هستند. در حوزه فناوری، از سنجش توأمان TRL و IRL استفاده می‌شود تا تضمین کند بلوغ فناوری اجزای توسعه‌یافته با بلوغ یکپارچه‌سازی واسطه‌های آن مؤلفه‌ها به‌طور هماهنگ پیش می‌رود. این مؤلفه‌ها شامل AI Chatbot، AI BPM و AI Data Visualization هستند که هرکدام در سه بخش بازاریابی، فروش و خدمات پشتیبانی به کار می‌روند. برای ارائه راه‌حل در مسائل مرتبط با مقاومت نیروی انسانی مشغول به کار در بخش‌های بازاریابی، فروش و خدمات پشتیبانی شرکت کارفرما، تأمین‌کنندگان نرم‌افزار AICRM می‌توانند از رویکرد تفکر طراحی استفاده کنند. اغلب شرکت‌های تأمین‌کننده محصول CRM را به‌صورت سفارشی‌سازی نرم‌افزار و بر اساس نیاز مشتری ارائه می‌دهند. بهترین روش برای نگهداری کم‌هزینه‌تر نسخه‌های سفارشی، استفاده از BPM برای طراحی و پیاده‌سازی جریان‌های کاری، به‌خصوص در لایه فرآیندهای عملیاتی خواهد بود. درصورتی‌که تأمین‌کننده بخواهد از ابزار AI در CRM خود استفاده کند، نیازمند آموزش ماشین با داده‌های کارفرما است که وابستگی محصول نهایی به کسب‌وکار کارفرما را افزایش می‌دهد. توجه به مدیریت ذی‌نفعان مهم است. ذی‌نفعان باید دسته‌بندی شوند تا برای فائق آمدن بر مقاومت آن‌ها سناریوهای متناسب با هر دسته تدوین شود.
مخاطبان:
AI Chatbot: مشتریان شرکت کارفرما
AI BPM: کارکنان واحدهای بازاریابی، فروش و خدمات پشتیبانی شرکت کارفرما
AI Data Visualization: مدیران میانی و ارشد سازمان در شرکت کارفرما
هرکدام از مخاطبان می‌توانند بر اساس قدرت و انگیزه تقسیم شوند:
قدرت بالا و انگیزه بالا → مشوق تغییر
قدرت بالا و انگیزه پایین → مانع تغییر
قدرت پایین و انگیزه بالا → مشاور تغییر
قدرت پایین و انگیزه پایین → بی‌اطلاع و نیازمند آموزش
لایه‌های عملکرد AICRM
لایه تعامل با مشتری:
بازاریابی: چت‌بات برای ثبت لید
فروش: تبادل پیش‌فاکتور و فاکتور
خدمات پشتیبانی: هلپ‌دسک
لایه فرآیندهای عملیاتی:
بازاریابی: کمپین‌ها
فروش: فرآیندهای قیف فروش
خدمات پشتیبانی: ارجاع تیکت
لایه BI (تحلیل داده):
بازاریابی: پاسخ کمپین و بودجه
فروش: نرخ تبدیل قیف فروش
خدمات پشتیبانی: شناسایی گلوگاه فرآیندها
سوالات مصاحبه نیمه‌ساختاریافته برای پژوهش کیفی از تأمین‌کنندگان نرم‌افزار AICRM در چهار شرکت زیر انجام شد:
همکاران سیستم (شرکت‌های زیرمجموعه)
تذرو افزار
توسعه سامانه‌های مدیریت برید
توسن تکنو (زیرمجموعه هلدینگ توسن)
در بخش اول، به دنبال شناخت مفهوم CRM سوال می‌کنم.
12-به نظر شما، ابزارهای AI چگونه می‌توانند بخش خدمات پشتیبانی را در CRM ارتقا دهند؟
یزدانی مدیر محصول سیستان شرکت سامانه های مدیریت برید:
در پاسخ به چند سؤال اخیر شما درباره تأثیر AI بر فرآیندهای فروش، بازاریابی، خدمات پس از فروش، BI و تعاملات CRM، اگر بخواهم یک دسته‌بندی ذهنی ارائه دهم، می‌توان گفت:
نقش AI در بهبود فرآیندهای CRM
- افزایش سرعت دسترسی به داده‌ها
- AI می‌تواند دسترسی کارشناسان فروش، خدمات پس از فروش و بازاریابی به داده‌ها را تسریع کند.
- بسیاری از زمان کارشناسان صرف جستجوی اطلاعات موردنیازشان می‌شود، اما AI می‌تواند این داده‌ها را سریع‌تر در اختیار آن‌ها قرار دهد.
- این موضوع باعث کاهش اتلاف وقت کارشناسان می‌شود و به آن‌ها کمک می‌کند که سریع‌تر نیاز مشتری را شناسایی کنند.
- تحلیل داده‌های تاریخی مشتری
- AI می‌تواند داده‌های تاریخی مشتریان را تحلیل کند تا کارشناسان فروش و خدمات پس از فروش، بینش بهتری نسبت به رفتار و نیازهای مشتری داشته باشند.
- به‌عنوان مثال، در سیستم‌های CRM مانند سیستان یا سایر پلتفرم‌های مدیریت ارتباط با مشتری، AI می‌تواند اطلاعات مرتبط با هر مشتری را دسته‌بندی کند و پیشنهادهای بهتری ارائه دهد.
- پیش‌بینی رفتار مشتری و ارائه پیشنهادهای شخصی‌سازی‌شده
- AI می‌تواند رفتار مشتری را پیش‌بینی کند و به کارشناسان فروش و خدمات کمک کند که پاسخ‌های دقیق‌تر و هدفمندتری به مشتری ارائه دهند.
- این باعث می‌شود که تجربه مشتری بهبود یابد و رضایت او افزایش پیدا کند.
- بهبود فرآیندهای پشتیبانی و تیکتینگ
- AI می‌تواند در بخش خدمات پس از فروش، راه‌حل‌های بهینه‌تری برای مشکلات مشتری ارائه دهد.
- با تحلیل تیکت‌های گذشته، می‌تواند پیشنهادهایی برای حل سریع‌تر مشکلات ارائه کند.
- همچنین، AI می‌تواند از داده‌های قبلی استفاده کند تا پاسخ‌های مناسب‌تری به درخواست‌های مشتریان بدهد.
- افزایش رضایت مشتری و تأثیر بر فروش
- یک تجربه بهتر برای مشتری، به افزایش سطح رضایت او منجر می‌شود.
- در بخش فروش، این موضوع منجر به افزایش نرخ تبدیل و فروش بیشتر می‌شود.
- در حوزه خدمات پس از فروش، باعث افزایش وفاداری مشتریان و بهبود ارتباط آن‌ها با برند خواهد شد.
این تنها بخشی از کاربردهای AI در CRM است، اما به همین‌جا ختم نمی‌شود.
این حوزه عمق زیادی دارد و همچنان قابل توسعه و گسترش است. AI می‌تواند با تحلیل داده‌ها، بهینه‌سازی تعاملات و ارائه راهکارهای هوشمند، نقش کلیدی در بهبود فرآیندهای CRM ایفا کند.
سحر سوقندی مدیر محصول آرتین شرکت توسن تکنو:
در حوزه خدمات پشتیبانی نیز، چت‌بات‌ها نقش مهمی ایفا می‌کنند.
- چت‌بات‌های مجهز به AI می‌توانند در کمترین زمان و با کیفیت بالا به دغدغه‌های مشتریان پاسخ دهند.
- با تحلیل داده‌ها، AI می‌تواند فرآیند پشتیبانی را شخصی‌سازی (Customize) کند.
بهینه‌سازی نحوه ارتباط با مشتریان از طریق AI
- AI می‌تواند تحلیل کند که یک مشتری به کدام روش ارتباطی بهتر پاسخ می‌دهد.
- برخی مشتریان به تماس‌های تلفنی پاسخ نمی‌دهند، اما ممکن است از طریق ایمیل یا پیامک بهتر ارتباط برقرار کنند.
- AI می‌تواند تمامی کانال‌های ارتباطی را یکپارچه‌سازی کند و داده‌های مشتری را در یک پلتفرم واحد ارائه دهد.
AI می‌تواند در تمامی این زمینه‌ها نقش مؤثری ایفا کند، از بهینه‌سازی ارتباطات مشتری گرفته تا تسریع در ارائه خدمات و افزایش کیفیت پشتیبانی.
صفائی کارشناس فروش شرکت تذرو افزار:
در بخش پشتیبانی نیز، AI می‌تواند نقش مهمی ایفا کند و فرآیندهای پاسخگویی را بهینه‌سازی کند.
نقش AI در بهبود خدمات پشتیبانی در CRM
- می‌توان از سرویس‌های هوش مصنوعی مانند چت‌بات‌های هوشمند و سیستم‌های پاسخگویی صوتی هوشمند (VAs) استفاده کرد.
- پشتیبانی معمولاً به‌صورت زنده (Live) نیازمند ارائه خدمات به مشتریان است، اما AI می‌تواند این فرآیند را بدون وابستگی به نیروی انسانی اجرا کند.
بهینه‌سازی پشتیبانی بدون محدودیت زمانی
- با توجه به نوع کسب‌وکار و خدمات ارائه‌شده، نیازهای پشتیبانی متفاوت است.
- AI می‌تواند بدون محدودیت زمانی، به‌صورت شبانه‌روزی به سؤالات پرتکرار مشتریان پاسخ دهد.
- سوالات متداول (FAQs) را می‌توان از طریق چت‌بات‌ها و سیستم‌های خودکار پاسخ داد، بدون نیاز به اپراتور انسانی.
هوشمندسازی فرآیندهای پشتیبانی با AI
- در صورت عدم توانایی چت‌بات در پاسخگویی به مشتری، سیستم می‌تواند تماس را به‌صورت خودکار به کارشناس مربوطه منتقل کند.
- سیستم می‌تواند تماس‌ها را هدایت کرده و سرویس‌های آنکال (On-call) را تعریف کند.
- کارشناس پشتیبانی نیازی ندارد که در محل شرکت مستقر باشد؛ بلکه می‌تواند در هر نقطه‌ای از شبکه قرار گرفته و پاسخگوی مشتریان باشد.
- تمامی این فرآیندها به‌صورت کاملاً خودکار و مکانیزه انجام می‌شود.
تحلیل داده‌های پشتیبانی و بهبود دانش سازمانی
- AI می‌تواند تمامی سؤالات پرتکرار و درخواست‌های مشتریان را جمع‌آوری و تحلیل کند.
- این اطلاعات در به‌روزرسانی دانش سازمانی و درخت دانش (Knowledge Tree) مورد استفاده قرار می‌گیرد.
- این تحلیل‌ها می‌توانند نه‌تنها به چت‌بات‌ها و دستیارهای صوتی کمک کنند، بلکه کارشناسان فنی نیز می‌توانند از این اطلاعات برای بهبود پاسخگویی استفاده کنند.
بهبود کارایی پشتیبانی و کاهش نیاز به ارجاع درخواست‌ها
- با تحلیل ارتباط اولیه مشتری، می‌توان در سریع‌ترین زمان ممکن پاسخ مناسب را ارائه داد.
- نیازی نیست که درخواست مشتری به لایه‌های دیگر سازمان ارجاع داده شود.
- لایه اول پشتیبانی (چه از طریق چت‌بات، چه از طریق دستیار صوتی هوشمند و چه از طریق کارشناسان) می‌تواند به‌طور مستقیم نیاز مشتری را پاسخ دهد.
استفاده از AI در خدمات پشتیبانی، نه‌تنها هزینه‌های سازمان را کاهش می‌دهد، بلکه باعث افزایش سرعت، بهبود تجربه مشتری و بهینه‌سازی دانش سازمانی نیز می‌شود.
مسعود بیگی مسئول فنی پلتفرم رسمیو:
معمولاً در هر تیم پشتیبانی، بخشی به نام “پرسش‌های متداول” (Frequently Asked Questions – FAQ) وجود دارد.
- در ساده‌ترین و کوچک‌ترین سطح، AI می‌تواند این سؤالات را به‌صورت خودکار مدیریت و پاسخگویی کند.
تجربه شخصی ما در بهبود پشتیبانی با AI
- ما داده‌های چت‌های تیم پشتیبانی قبلی را جمع‌آوری و یک مدل هوش مصنوعی را با آن‌ها آموزش دادیم.
- سپس، سؤالاتی را که می‌خواستیم، از مدل پرسیدیم و بر اساس داده‌های چت‌های قبلی، پاسخ‌هایی دقیق و درست دریافت کردیم.
نتیجه و اهمیت استفاده از AI در پشتیبانی
- این روش کمک زیادی به بهینه‌سازی فرآیند پشتیبانی کرد.
- AI تا زمانی که پاسخ‌های ارائه‌شده برای کاربر کافی باشد، می‌تواند مکالمه را مدیریت کند.
- اگر در جایی پاسخ‌های AI کافی نباشد، سیستم می‌تواند کاربر را به یک کارشناس واقعی متصل کند.
AI می‌تواند نقش مؤثری در بهبود پشتیبانی مشتریان ایفا کند، از پاسخگویی به پرسش‌های متداول گرفته تا تحلیل چت‌های گذشته و ارائه پاسخ‌های دقیق، و در صورت نیاز، هدایت کاربر به یک کارشناس واقعی.
