기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
고객 센터를 로 마이그레이션하기 위한 목표 비즈니스 성과 AWS 클라우드
고객 센터를 로 마이그레이션하면 다음과 같은 이점이 AWS 클라우드 있습니다.
AI 기반 셀프 서비스
음성 봇(특히 IVRs)을 통해 호출자는 셀프 서비스를 사용할 수 있습니다. AI는 또한 실시간으로 관련 정보를 가진 인간 에이전트를 지원하고 다음 작업에 대한 권장 사항을 제공할 수 있습니다. 자연어를 이해하는 AI 기능을 구현하려면 고객의 목표를 정확하게 분류하고, 해당 의도를 기반으로 통화를 라우팅한 다음, 인적 에이전트에게 관련 정보를 제공하여 의도를 감지해야 합니다.
모든 조직에 수익 증가 또는 비용 절감과 관련된 목표와 주요 결과(OKRs)가 있습니다. AI 기반 셀프 서비스는 봇을 사용하여 리드를 생성하고, 경험을 개선하고, 이행 속도를 높이고, 고객 인사이트를 생성하여 중요한 목표와 비즈니스 성과를 달성하는 데 도움이 될 수 있습니다. 또한 셀프 서비스는 비용을 절감하고, 지능형 라우팅을 제공하고, 에이전트의 평균 처리 시간을 줄이고(통신 비용 절감), 최초 고객 응대 해결 방법을 높일 수 있습니다.
AI 기반 고객 센터
AI는 셀프 서비스를 제공하는 것 외에도 고객 센터의 성능을 개선할 수 있습니다. 고객 기본 설정과 일치하고 에이전트에게 다음 작업을 제공할 수 있습니다. 챗봇은 신규 고객을 온보딩하고 가입할 가능성이 높은 고객과 정보를 요청하는 고객을 예측하는 데 도움이 될 수 있습니다.
AI 기반 고객 센터는 고객 이탈을 줄이고 고객 유지를 개선하는 데도 도움이 될 수 있습니다. 통화 트랜스크립션은 다양한 동작 속성에 따라 회사를 떠나는 고객을 예측할 수 있습니다. 통화 트랜스크립션은 아웃바운드 캠페인을 준비하여 해당 고객을 유지할 수도 있습니다. 자세한 내용은 Amazon SageMaker AI를 사용한 통화 트랜스크립션 및 고객 프로필을 사용하여 고객 이탈 확률 분석
고객 세분화를 사용하면 셀프 서비스 또는 에이전트 서비스를 제공하여 고객 경험을 개선할 수 있습니다. 예를 들어 고객이 기술에 익숙하다면 더 많은 셀프 서비스 옵션을 제공합니다. 또한 고객 데이터의 패턴을 분석하여 개선이 필요한 마케팅 노력을 결정하여 마케팅 효과를 개선할 수 있습니다.
특정 시나리오에서는 통화가 잘못 분류되어 잘못된 에이전트로 라우팅될 수 있습니다. 이 경우 에이전트는 통화를 전송해야 합니다. 잘못 라우팅된 호출로 인해 고객 불만이 발생할 뿐만 아니라 비용도 증가합니다. 기계 학습(ML)을 사용하여 전송된 통화에 대한 에이전트 피드백을 분석하면 라우팅 모델을 개선할 수 있습니다.
고객 센터를 위한 AI 기반 결제 컬렉션
결제 컬렉션은 회사 성과에 직접적인 영향을 미치므로 가장 중요한 비즈니스 기능입니다. 정시에 수익을 수집하면 해당 수익을 사용하여 추가 투자를 함으로써 비즈니스가 더 빠르게 성장하는 데 도움이 됩니다. 따라서 고객 결제를 수금하려면 고객 응대율이 높아야 합니다. 그러나 각 개별 고객은 통화에 응답할 수 있는 이상적인 시간을 가집니다. AI는 고객이 통화에 응답할 확률을 높이기 위해 각 고객에게 전화를 걸기에 가장 좋은 시간을 예측하는 데 도움이 될 수 있습니다.
