KI ist für den Kunden da

"Ihr Anruf ist wichtig für uns", sagt eine Tonbandstimme resignierten Kunden, die endlos in der Warteschleife hängen und darauf warten, mit einem menschlichen Agenten zu sprechen. Hier kann KI Unternehmen helfen, die Qualität und Konsistenz ihres Service zu verbessern und Kunden davon zu überzeugen, dass man sich tatsächlich um ihr Anliegen kümmert.

Die KI könnte den Kundenservice so stark verändern wie einst das Telefon. Davor bearbeiteten Unternehmen ja Kundenanfragen per Post oder durch persönliche Besuche. Das Telefon half den Agenten, produktiver zu werden.

Dank KI wird die Produktivität noch dramatischer steigen, weil sie eine große Anzahl von Kundenanfragen schneller bearbeiten kann als Menschen. Dies ist umso wichtiger geworden, als die Kommunikationskanäle sich vervielfacht haben: Dem Kunden stehen mehr Möglichkeiten zur Verfügung als je zuvor – E-Mail, mobile Messaging-Anwendungen und soziale Medien –, und es ist immer der Kunde, der entscheidet, welchen Weg er nimmt, um mit dem Unternehmen in Kontakt zu treten.

Die Verbraucher haben sich an den Umgang mit automatisierten Diensten gewöhnt. Umfragen zeigen, dass etwa 40 Prozent der amerikanischen Internetnutzer lieber digitale Kundendienste nutzen, als mit jemandem am Telefon zu sprechen: Selbstbedienung, so scheint es, wird als die beste Form der Bedienung empfunden.

Ocado, ein britischer Online-Lebensmittelhändler, erhält täglich etwa 10.000 E-Mails von Kunden und nutzt KI, um ihre Stimmung zu erkennen. So werden zuerst die dringendsten Beschwerden vorgezogen und an Agenten mit den richtigen Fachkenntnissen auf dem entsprechenden Gebiet weitergeleitet.

"Wie bei anderen Anwendungen der KI geht es darum, die Menschen effizienter zu machen, nicht, sie ganz aus dem Prozess herauszunehmen", sagt Paul Clarke, Ocados Chief Technology Officer. Bis 2021 soll sich der Anteil der Kundenserviceinteraktionen, die weltweit vollständig über KI abgewickelt werden, auf 15 Prozent verfünffachen, und bis 2019 werden mindestens 40 Prozent dieser Interaktionen ein Element der KI beinhalten, so die Marktforscher von Gartner.

Virtuelle Agenten sind auf dem Vormarsch. Etwa 30 Prozent der Unternehmen bieten inzwischen eigene "Bots" an, die Fragen beantworten und Probleme lösen können, auch wenn ihre Reichweite immer noch geringer ist als die eines Menschen. Viele von ihnen nutzen KI; sie werden an Protokollen und Abschriften früherer Kundeninteraktionen geschult, und je mehr Daten sie erhalten, desto besser können sie komplexere Anfragen lösen. Solche Bots ermöglichen es Unternehmen, viel mehr Anfragen zu bearbeiten, ohne zusätzliche Mitarbeiter einstellen zu müssen.

An ihren Stimmen sollt ihr sie erkennen

KI wird auch das Wissen, die Leistung und die Geschwindigkeit der Kundenbetreuer verbessern. Einige Unternehmen experimentieren mit Voice Printing – einer Technologie, die Stimmen von Kunden erkennt und die Agenten alarmiert, wenn ein Anrufer versucht, sich als jemand anderer auszugeben.

Dies wird besonders bei Finanzdienstleistungen hilfreich sein. Eine australische Bank experimentiert mit einem eigenständigen intelligenten sprachgesteuerten Lautsprecher, um die Kreditgespräche ihrer Agenten mitzuhören. Wenn der Agent etwas vergisst oder einen Fehler macht, springt Kollege Bot ein. Andere Unternehmen verwenden KI, um Antworten auf Kundenanfragen vorzuschlagen, die ein menschlicher Agent vor dem Senden genehmigen oder anpassen kann. Im vergangenen Jahr konnte KLM, die unter niederländischer Flagge operierende Fluggesellschaft, dadurch die Anzahl der von ihr bearbeiteten textbasierten Kundenanfragen auf 120.000 pro Woche verdoppeln und musste dazu die Anzahl der Agenten nur um sechs Prozent erhöhen, sagt Dmitry Aksenov von Digital Genius, einem Unternehmen, das bei der Automatisierung des Kundensupports hilft.

Einige wenige Unternehmen haben bereits damit begonnen, KI-fähige Dienste anzubieten, die Anrufe abhören, um die Leistung der Agenten zu beurteilen und ihnen in Echtzeit Verbesserungsvorschläge zu schicken.

KI mit Emotion

Cogito, ein Start-up aus Boston, das von einem ehemaligen Mitarbeiter des MIT gegründet wurde, hat eine Software entwickelt, die Emotions- und Stimmungsanalysen bei Callcenter-Gesprächen mithilfe der natürlichen Sprachverarbeitung durchführt. Es misst Energiepegel, Tempo, Sprechweise und andere Faktoren in Echtzeit, um die Intentionen der Sprecher zu erfassen und zu interpretieren, damit sie Fehler erkennen und spontan Korrekturen vornehmen können. Wenn ein Agent zum Beispiel zu schnell spricht, könnte die Software von Cogito vorschlagen, dass er langsamer wird oder den Kunden mit einer Frage anspricht. Mithilfe von KI ermittelt Cogito für jeden Callcenter-Mitarbeiter einen Empathy Score, je nachdem, wie gut der Agent darin ist, dem Kunden Mitgefühl zu vermitteln und Beschwerdefälle erfolgreich beizulegen.

Cogito verwendet Künstliche Intelligenz, um die menschliche Intelligenz zu erweitern, insbesondere die emotionale Intelligenz. "Wir verwenden Technologie, um den Menschen zu helfen, menschlicher zu sein. Fast schon ironisch, nicht wahr?", so Cogito-Chef Joshua Feast.

Cogito greift kanalgetrennte Audiosignale vom Telefon ab und ist deshalb in der Lage, sowohl das Sprechverhalten von Kunden und Agenten als auch den Gesprächsaustausch zu isolieren. Während eines Anrufs zerlegt die Technik das Gespräch in Millisekundenschritte und analysiert über 200 verschiedene stimmliche, nonverbale Signale wie Porosität, Ton, Spannung, Sprechtempo, Stimmaufwand, Drehung und Mimikry. Diese Signale werden dann analysiert und mit den Erkenntnissen aus Millionen von anderen Gesprächen und mithilfe von Künstlicher Intelligenz korreliert.

Während eines Live-Anrufs analysiert die Low-Latency Compute Engine von Cogito Hunderte von einzigartigen Verhaltenssignalen, um objektive Verhaltensanweisungen in nur wenigen Millisekunden zu liefern.

Zu den Kunden von Cogito zählen Versicherungsunternehmen wie Humana und MetLife. Dort konzentriert sich Cogito auf die Erkennung von "Mitleidsmüdigkeit". Es geht um Details wie die Sprechgeschwindigkeit der Agenten und die Worte, die die Anrufer verwenden. Die KI kann damit Emotionen erkennen und beurteilen, ob die Interaktion zufriedenstellend verläuft. Wenn es ein Problem gibt, werden die Agenten dazu angehalten, einfühlsamer zu handeln.

Auch wenn die Agenten wissen, dass sie überwacht werden, begrüßen die meisten nach Angaben von Cogito solche Maßnahmen, weil sie ihnen wertvolles Feedback geben. Für das Unternehmen lohnt es sich allemal: Um zwischen 30 und 40 Prozent kann sich der Umsatz eines Callcenters pro Jahr steigern lassen.

Marty Lippert, Technikvorstand von MetLife, rechnet damit, dass die KI in Bereichen wie Kundenservice und Personalwesen einen Return on Investment (ROI) von rund 20 Prozent bringt. Die meisten Unternehmen kaufen KI-Dienstleistungen von externen Anbietern, aber Firmen mit eigenem technischem Know-how ziehen es oft vor, ihre eigenen KI zu schaffen. So hat zum Beispiel ein Team von Uber ein System zur Bearbeitung von KI-Anfragen per E-Mail aufgebaut, das neben der klassischen Telefonnummer angeboten wird und dem Agenten eine Rangliste der Optionen für das weitere Vorgehen sendet, wodurch sich die Zeit für die Bearbeitung einer Beschwerde um etwa zehn Prozent verkürzen lässt.

Rufen Sie uns bitte nicht an!

Gartner glaubt, dass die Zahl der telefonischen Kundenservicemitarbeiter weltweit bis Ende 2020 um zehn Prozent sinken wird. Das würde die Arbeitsbelastung derer, die übrig bleiben, erhöhen. Aber die Unternehmen müssen darauf achten, ihre Interaktionen mit den Kunden nicht zu sehr zu verwässern. Durch die Zunahme der virtuellen Kommunikation haben sie weniger Möglichkeiten, tiefe Kundenbeziehungen aufzubauen, sodass der Kundenservice immer wichtiger wird.

Dienstleistungen, die das Leben der Kunden erleichtern, werden mehr Kunden generieren, die mehr Schulungsdaten zur Verfügung stellen, um die KI-Systeme intelligenter zu machen.

Robotergestützte Prozessautomatisierung (RPA) als Gateway-Technologie für eine intelligente Prozessautomatisierung wird auch im Marketing und Vertrieb in Zukunft eine Riesenrolle spielen, etwa bei der Durchführung von Bonitätsprüfungen, der Aktualisierung von Kundendaten, der Zuordnung von Sachbearbeitern und dem Personalisieren von Inhalten. Jede Markeninteraktion, die ein Verbraucher hat, sei es über eine E-Commerce-Website, soziale Medien oder im Geschäft, wird in Zukunft von einer Marketingplattform verfolgt und gespeichert werden. Sogenannte "prädiktive" Lösungen greifen dann tief in diese Erkenntnisse ein, um die logischen nächsten Schritte zu bestimmen und Aktionen vorherzusagen, die Kunden mit bestimmten Verbraucherprofilen ergreifen werden. Das Ergebnis dieser Analysen kann automatisch Handlungen des Unternehmens über verschiedene Kanäle auslösen, zum Beispiel über E-Mail, Mobilgeräte und Web.

Es gibt inzwischen leistungsfähige Prognosewerkzeuge wie Einstein von Salesforce.com oder Atomic Reach, die dabei helfen können, zu verstehen, welche Inhalte bei einer Zielgruppe gut ankommen. Concured, das sich als "listening tool" versteht, nutzt Künstliche Intelligenz, um das Verbraucherverhalten in Bezug auf Inhalte zu analysieren und zukünftiges Content Marketing zu gestalten. Solche Werkzeuge sind bei der Erstellung und Ausführung personalisierter Marketingstrategien von entscheidender Bedeutung. Um wirklich personalisierte Kauferlebnisse für Verbraucher zu schaffen, benötigen Marketingfachleute aktuelle Einblicke in die einzelnen Zielgruppenmitglieder und müssen dann in der Lage sein, die einzigartigen Inhalte entsprechend zu generieren und zu liefern. Wenn die Verbraucher diese maßgeschneiderten Inhalte nahezu in Echtzeit erhalten, steigert dies die Effizienz der Arbeit von Marketingteams erheblich.

Im Marketing bieten sich verschiedene Arten von vorausschauenden Lösungen an. Prädiktive Mail-Lösungen können den Verbrauchern gezielte Empfehlungen per Mail liefern, indem sie ihre bisherige Einkaufshistorie, die E-Mail-Einsatzraten und die historischen Affinitäten ähnlicher Verbraucher analysieren. Andere Arten von Empfehlungs-E-Mails umfassen abgebrochene Warenkorbkampagnen, Kampagnen nach dem Kauf und abgebrochene Browse-Kampagnen. Wenn ein Verbraucher eine Online-Website besucht, lässt sich mithilfe von Predictive-Analytics-Ansichten ein personalisiertes Einkaufs- oder Surf-Erlebnis schaffen, indem die Platzierung bestimmter empfohlener Produkte über dem Falz erfolgt oder eine Seitenleiste mit "häufig zusammen gekauften" Artikeln generiert wird.

Wissen, was der Kunde wollen wird

Inzwischen beginnt sich das Modewort "Predictive Marketing" in Fachkreisen durchzusetzen. Wer heute schon die Kunden von morgen kennt, hat die Chance, seine Werbebudgets effizienter einzusetzen. Das Wissen, wann ein Kunde bereit für den Kauf ist, wird in Zukunft entscheidend für den Marketingerfolg sein. Das setzt aber eine ausreichend große Datenbasis über Kunden- und Vertriebsdaten voraus. Entscheidend ist dabei das intelligente Zusammenführen der Daten aus verschiedenen Datenquellen, um Verkaufschancen zu identifizieren und die Erkenntnisse aus der Datenanalyse zu nutzen, um zum Abschluss bereite Zielgruppen zu identifizieren.

Beim Predictive Marketing geht es vor allem darum, sogenannte Personas zu erzeugen, die statistisch Merkmale besitzen, die für den Abschluss relevant sind. Durch die datengetriebene Identifikation der Abschlusspotenziale auf Basis historischer Daten erzielt man als Werbetreibender eine viel genauere Zielgruppenbeschreibung und Identifikation. Daten müssen über verschiedene Kanäle unter Berücksichtigung des Datenschutzes gesammelt und gebündelt werden. Dadurch werden Rückschlüsse auf potenzielle Zielgruppen in den einzelnen Kanälen möglich.

Voraussetzung für erfolgreiches Predictive Marketing ist eine gut durchdachte Strategie. Diese muss nicht nur die gängigen demografischen Merkmale umfassen, sondern auch Dinge wie Tageszeiten und Nutzerverhalten. Nur so lässt sich ein Gesamtbild vom Kunden erzeugen und lassen sich Antworten auf Schlüsselfragen erhalten wie über welche Kanäle die statistischen Personas angesprochen werden sollen, wie sich Marketingprozesse auf Personas anpassen lassen und welche Algorithmen für die Vorhersage nötig sind.

Wie immer in der KI ist das A und O eine ausreichend große und gut gepflegte Datenbasis. Doch woher nehmen, wenn man in der Vergangenheit die Kundendaten nicht systematisch erfasst und abrufbar gespeichert hat? In einem solchen Fall ermöglichen KI-basierte Personalisierungsplattformen einfach und kostengünstig, individuelle Kundenerfahrungen über alle Kontaktpunkte wie Website, App, E-Mail, POS-System, IoT-Gerät und Callcenter. Anbieter wie Nosto oder Dynamic Yield nutzen Machine Learning und KI, um die sogenannte "Customer Journey", also die Reise jedes einzelnen Kunden zum Produkt in Echtzeit zu personalisieren und zu optimieren. Auf Basis von selbstlernenden Algorithmen können Marken direkt testen, was gut funktioniert und was nicht. Kunden erhalten dann personalisierte Angebote in Echtzeit oder Kaufempfehlungen per E-Mail. "Personalisierung wird bald omnipräsent sein", sagt Liad Agmon, Gründer und CEO von Dynamic Yield, "denn es ist ein absolutes Muss im Marketing!"

Dieser Beitrag erschien zuerst im Buch "Growth Marketing".