基于KANO模型对电商新零售中AI客服发展策略的研究
摘要:自网络营销与电商新零售兴起以来,客户服务中心正逐渐成为客户联系企业寻求帮助的重要平台,是企业和客户链接的重要纽带。然而,传统客户服务中心的电话、、邮件服务模式之间各有利弊,存在一些服务问题,比如个别人工客服人员解答错误、客户等待时间较长等问题,在一定程度上影响了客户满意度。本文以KANO分析模型与相关理论文献等为支撑,出了存在的一些问题,并分析出了影响AI客户服务发展策略的主要原因,探索相应解决方案,最终制定了基于KANO分析模型的企业客户服务中心具体的发展策略。本文的研究对AI客服在业界的应用可能有一定的参考价值,同时也希望可以给致力于通过AI客服服务策略创新来提高客户转化的其他企业提供一定的经验与借鉴,并有助于刺激企业之间的良性竞争,使客户获得更加优质满意的服务。
关键词:AI客服,电商新零售,KANO模型,客户满意度,发展策略
一、引言
2022年,中国已经正式步入小康社会,人们的生活水平普遍提高,服务业也迎来了飞速发展,
在这样一切向好的环境下,人们对服务业的要求也日益增高,相关企业也逐渐认识到提高客户满意度的重要性,尤其对于新兴的电商零售业来说尤为重要。传统的人工客服服务主要通过电话、和邮件服务等形式与客户沟通、解决问题,客服人员通过公司培训形成一套完整的话术体系,却出现了服务标准化的问题,难以带给客户很好的服务体验,其次,客流量大和客户服务人员少的矛盾会导致客户在服务业务中等待时间漫长,部分客户未能满足在服务效率方面的需求,同时也存在着客服人员在服务过程中的态度问题,此类种种都会在很大程度上降低客户的满意度。随着科技的发展,企业为解决上述问题,秉持着节约成本,纷纷探索新的服务模式,近年,由于移动互联网技术的发展,手机应用的广泛普及,用户行为也随之变化,慢慢习惯使用移动设备和客服进行沟通和交流,因此为了与时俱进,增加用户互动体验感,互联网巨头如百度、小米、华为、苹果、阿里巴巴等都推出了AI客服。但不能忽视的是,尽管智能客服具有服务标准化、人工成本低、全天候在线等天然优势,但无论是问题解决程度、服务效率还是使用体验,智能客服的认可度都普遍低于人工客服,智能客服“不智能”的问题仍十分突出。为了解决这一问题,本文利用KANO模型分析法、文献研究法、统计分析法、假设检验法、问卷调查法等方法深入分析了与客户满意度相关的各项指标。通过建立KANO模型,了解客户对客服的需求以及对其各种功能的要求程度,初步确定
AI客服对提高客服满意度有一定的促进和积极作用,然后通过优化实施方案的布局,合理向电商行业引入智能客服这一客户互动服务产品,并实现智能客服与人工客服人员相互协作,最终达到引入智能客服这一客户互动服务模式来提高客户满意度的目标。
二、基于KANO方法的理论模型
图2-1 KANO模型图
KANO模型图发展五种属性的特征情况说明:第一,魅力属性时,某功能/服务完善程度高,用户满意度会明显上升,如果没有该功能/服务时,用户满意度下降不明显;第二,期望属性时,某功能/服务完善程度高,用户满意度会上升,如果没有该功能/服务时,用户满意度会下降;第三,必备属性时,某功能/服务完善程度高,用户满意度上升不明显,如果没有该功能/服务时,用户满意度会明显下降;第四,无差异属性时,某功能/服务与满意度之间无明
显关系;第五,反向属性时,某功能/服务完善程度高,用户满意度反而会下降。
KANO模型分析方法步骤:(1)从顾客角度认识产品或服务需要并建立假设;(2)设计问卷调查表;(3)实施有效的问卷调查;(4)将调查结果分类汇总,建立质量原型;(5)分析质量原型,识别具体测量指标的敏感性。
三、电商新零售中AI客服发展影响因素构建
为了深入挖掘电商新零售中AI客服的需求层次类型以精准契合消费者需求,进一步推进和完善电商新零售中AI客服的建设,本次构建从
a.具备自然语言识别的功能
b.具备基本问题查询的功能
c.具备常见热门问题统计的功能
d.具备在线交流、快速回复的功能
e.具备优惠活动提醒的功能
f.具备未识别问题自动转人工的功能
g.具备AI客服和人工客服同时接待访客的功能
h.具备售后自动转人工的功能
i.具备预知问题的功能
j.具备相似物品推荐的功能
k.具备无人应答时自动回复的功能
以上11个功能构建电商新零售中AI客服KANO模型。依据问卷的调查结果,基于卡诺(KANO)模型对电商新零售中AI客服消费者的需求进行统计,并依据各指标的满足与否分别对期望及差异性的影响,从基本(必备)型质量、期望(意愿)型质量、兴奋(魅力)型质量、无差异型质量、反向(逆向)型质量五个质量特性对功能进行分析。
四、对电商新零售中AI客服发展策略的KANO分析
经过线上调研于问卷回收,实际回收问卷数量为 302份,其中,有效问卷 288份。对KANO问卷得到的数据进行分析,Better(满意影响力)和Worse(不满意影响力)均用于判定用户对功能/服务水平变化敏感程度;Better(满意影响力)= (A+O)/(A+O+M+I),该指标介于0 ~ 1之间,值越大说明敏感性越大,优先级越高;Worse(不满意影响力)= -1 * (O+M)/(A+O+M+I),该指标介于-1 ~ 0之间,值越小说明敏感性越大,优先级越高。
功能/属性 | Better系数 | Worse系数 |
自然语言识别的功能 | 45.45% | 人工 15.58% |
基本问题查询的功能 | 28.57% | 18.18% |
常见热门问题统计的功能 | 35.06% | 28.57% |
在线交流、快速回复的功能 | 33.33% | 26.39% |
优惠活动提醒的功能 | 29.73% | 18.92% |
未识别问题自动转人工的功能 | 45.00% | 31.25% |
AI客服和人工客服同时接待访客的功能 | 40.51% | 22.78% |
售后自动转人工的功能 | 43.04% | 32.91% |
表4-1KANO模型结果分析
由上表可以得出基本问题查询的功能,常见热门问题统计的功能,在线交流、快速回复的功能为必备属性;优惠活动提醒的功能,无人应答时自动回复的功能,相似物品推荐的功能为无差异属性;自然语言识别的功能,AI客服和人工客服同时接待访客的功能,预知问题的功能为魅力属性;未识别问题自动转人工的功能,售后自动转人工的功能为期望属性。
五、结果分析
AI智能客服能够处理近九成简单重复问题,但答复千篇一律、不能正确理解问题、重复同一回答、智能客服“不智能”等“痛点”等成为AI智能客服使用过程中劝退用户的几大因素。对于上文所述AI智能客服发展过程中存在的问题的原因分析如下:
(1)AI智能客服“共情”能力不足,由于传统的人工服务有人情味、能够提供个性化的服务等特点,AI智能客服的“共情”能力显得尤为不足。
(2)AI智能客服信息接收转化的准确度不高,真正的人工智能,除了能够降低人力成本,更重要的在于帮助人类更好地工作,解放人力去为用户提供更好的服务。
(3)用户体验不尽如人意,客户有时等待时间较长,主要体现在:个别时段客户等待时间较长,特别是在晚间时段以及凌晨,这导致消费者、平台和商家三者无法平衡信息。
(4)服务体系和设施不完善,商家成本较高,AI客服由于自助服务板块设施、服务时效性等需求带来的一系列软硬件投入等成本问题促使我国现今的电商新零售下的店家很少自建AI客服服务体系,而AI客服设施又是电商新零售下AI客服发展的重要环节,高成本成为其最难啃的“硬骨头”。
版权声明:本站内容均来自互联网,仅供演示用,请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198,我们将在24小时内删除。
发表评论