By

Amanda Downie

,

Molly Hayes

将一次性客户转变为品牌拥护者

尽管聊天机器人、自助服务渠道和社交媒体平台激增，但客户服务中心仍然是客户互动的关键前线。规模最大的客户服务中心每天可处理数百万次对话，作为核心直接沟通渠道，其服务效果直接决定客户关系的成败。

如今，消费者的期望值达到历史新高，全球各地的组织都在通过自动化与人工智能重塑业务流程。在此背景下，用心打造呼叫中心的客户体验，对组织的生存与持续发展至关重要。

根据 Zendesk 近期一项研究，83% 的消费者认为，当前的客户体验亟待大幅改善。考虑到过去十年行业内关键技术的快速普及，这一数据令人震惊。

但拥有良好体验的客户，更愿意重复购买，并向他人推荐企业。反之，糟糕的客户服务中心体验会迅速消磨多年积累的成果，导致不满的客户流失，或广泛传播负面评价。

辅以专家洞察分析的最新科技新闻

通过 Think 时事通讯，了解有关 AI、自动化、数据等方面最重要且最有趣的行业趋势。请参阅 IBM 隐私声明。

谢谢！您已订阅。

IBM® Consulting 高级合伙人 Manish Goyal 表示：“良好的客户服务可以将一次性客户转变为长期的品牌拥护者。而且 NPS 支持者的生命周期价值可能是 NPS 批评者的 10 倍。与此同时，约 80% 的消费者表示，在与某品牌有不止一次不愉快体验后，他们宁愿与品牌的竞争对手做生意。”

总体而言，优质的客户服务中心客户服务能够提升首次来电解决率、降低客户流失率，从而降低运营成本。它的最大价值在于发现新趋势，并为企业制定更广泛的战略提供依据。

McKinsey 近期研究表明，全球领先企业创造的价值中，高达 80% 的价值源于对现有客户的创收活动。通过智能部署关键人工智能驱动型技术和有效的人机协作，联络中心可以从高成本问题解决中心转变为创新盈利引擎。

优秀的客户服务中心客户服务是什么样的

Gartner 的数据显示，客户可能会使用各种全渠道平台，但电话仍是各代人最受欢迎的互动方式。优质的客户服务中心客户体验建立在便捷性与无阻碍服务之上：客户可通过自己偏好的渠道联系客服，无需长时间等待或操作繁琐的菜单。并且在接通客户服务中心人员后，对方专业熟练、有权限快速解决问题。

从人工客服方面来看，这一流程能让员工即时获取客户完整信息，避免让客户重复表述问题或反复说明情况。凭借最相关的数据，客服可以专注于积极倾听、解决问题和清晰沟通，根据每位客户的独特情况调整策略。

除了个人智能体的性能之外，卓越的客户服务中心服务在各个接触点和时间段内都是一致的。在整个客户旅程中，无论呼叫者何时联系或中心有多忙，都应该获得相同质量的服务。

卓越的客户服务中心客户服务的特点是各种变量共同创造积极的客户体验。成功的客户服务中心必须在速度和个性化之间取得艰难的平衡，这要求组织依赖各种不同的内部指标和客户反馈规则。最常见的指标包括首次呼叫解决时间、平均处理时间、客户满意度评分 (CSAT) 和净推荐值 (NPS)。

AI 学院

让 AI 服务于客户服务

了解生成式 AI 如何提供更加无缝、令人满意的客户体验，并在以下三个关键领域提高组织的工作效率：自助服务、人工客服和联络中心运营。

转到视频集

客户服务中心面临的挑战

现代客户服务中心所处的运营环境日趋复杂，面临着诸多重大挑战，例如客服流失率高、客户服务模式陈旧等。而在自动化程度不断提升的环境下，要建立客户信任，就必须全面提升透明度。客户服务中心目前面临的主要挑战包括：

运营限制

客户服务中心面临着平衡成本控制和服务质量的巨大压力。预算限制会影响招聘与技术投入，甚至迫使组织做出艰难取舍。例如：企业应当拓展更多服务渠道，还是专注提升少数渠道的服务质量？

客户服务中心也面临复杂的人员配置挑战，因为排班必须与通话量相匹配，同时兼顾客服人员的技能。不同产品线或客户群对专业知识的需求增加了员工队伍管理的复杂性。而至关重要的是，技术基础设施还会进一步限制运营灵活性，或影响快速扩容的能力。

技术与系统碎片化

客户信息往往分散在多个系统中，系统之间无法有效互通。这种碎片化问题迫使客服在多个应用间来回切换，延长了问题处理时长。这也容易导致错误或信息不一致。

高通话量

客户服务中心经常因季节性模式、产品发布、计费周期或营销活动而经历呼叫量的剧烈增长。这类咨询高峰会让现有资源不堪重负，进而产生连锁反应。想要精准预测这些高峰、合理安排人员配置，仍然十分困难。当呼叫量超出承载能力时，业务积压可能需要数小时才能清理完毕。

长时间等待

任何拨打过客服电话的人都知道，长期等待时间是导致客户不满的最主要原因之一。但过长的等待时间，同样也会带来运营层面的挑战。挂断电话的客户，在再次来电时往往会抱有更高的期待；而缩短等待时间的压力，也可能促使客服仓促处理通话，进而牺牲服务质量。

客户期望

受其他领域流畅数字体验的影响，客户的期望值已大幅提升。如今，82% 的服务从业者表示，客户的期望比以往更高了。大多数客户希望获得基于其偏好的即时响应和个性化服务。满足这些期望需要跨系统的复杂集成，许多客户服务中心难以实现这一点。

人工客服倦怠

据 Salesforce 研究显示，77% 的人工客服表示工作量有所增加或变得更复杂，超过半数的客服出现了职业倦怠。客服人员面临着来自高通话量的持续压力，几乎没有时间在通话间隙恢复状态，还需要频繁应对情绪不满或焦虑的客户。当业务量意外增加时，客服人员会面临巨大的压力，这会降低他们提供周到、耐心服务的能力。

文档或知识来源存在问题

客户服务中心虽已采用各类技术来提升客户交互效率，但关键信息往往分散存储在多个难以协同的系统中。知识内容可能分散在不同的知识库中，或是无法跟上产品更新的节奏。当客服团队依赖的信息获取缓慢、不准确或已过时，会损害客户信任，还会迫使客服浪费时间反复核对或修正信息。

提高客户服务中心客户服务的计策

上文提到的诸多影响运营效率和用户留存率的问题，都可以通过战略投资和工具来缓解，从而帮助人工代理提供卓越的客户服务。

投资战略性 AI 和其他技术

在客服实时交互过程中，部署针对性的 AI 辅助工具，可显著提升服务表现。如果这些工具经过精心设计并考虑到实际结果，其优势将是显而易见的。实时 AI 助手可以为客服提供应答建议，或调出相关知识库内容。

在一个成功案例中，某知名银行部署了自然语言处理 (NLP) 技术，可实时向客服推荐“最优问题”。这一流程将客户互动时间减少了 6%，并显着降低了培训需求。

另外，研发先行的 Avid Solutions 成功利用智能体式 AI 将新客户上线时间缩短了 25%。智能自动化技术还能生成通话摘要、触发后续跟进流程，减轻客服人员的行政工作负担，让他们专注于更侧重客户关系维护的工作。

最重要的是，这些技术能够生成关键洞察分析，将客户服务中心转变为战略资产。IBM® Consulting 的员工 Manish Goyal 表示，“借助生成式 AI，您可以查看通话转录内容，并不断收集洞察分析，了解人工代理处理特定通话的方式以及具体环节，或了解产品或服务投诉的细粒度分类。”

“生成式 AI 应用所带来的这一洞察，能让运营负责人更快找到问题的根本原因，并在服务职能范围内予以解决。若需产品或营销团队采取补救措施，也可及时通知这些部门。”

战略性员工队伍规模调整

组织必须在人工客服人数与预期需求之间权衡，并确保客户服务人员具备合适的专业技能组合。随着 AI 能力的扩展，组织需要在自动化服务与人工支持的最佳配比上做出战略决策。其目标不应是取代人工客服，而是重新规划他们能创造最大价值的角色，例如处理复杂问题、服务高价值客户或应对情感敏感场景。

“当我们谈论客户旅程时，我们谈论的是选择。”客户体验演讲者兼培训专家 Jeanie Walters 最近对 IBM 的 Albert Lawrence 表示。“如果我在车里，我可能会想打电话和人聊天。因此，为人们提供这些选择，即使我们使用虚拟客服代理可能更有效率，我们也可以为客户提供这些选择”。

客户服务中心运营技能提升和培训

虽然新员工需要接受全面的培训，但这种培训不应在入职后结束。定期培训和技能提升计划应涵盖新产品或政策变化，并强调“软技能”，例如积极倾听和有效沟通。

随着客户服务中心员工越来越多地接触自动化和 AI 技术，培训应该包括有效的人机协作。这一培训内容可包括：何时采信 AI 给出的建议，以及在需要升级处理时，如何从 AI 客服手中无缝接手服务。

无缝资源访问

在快节奏的客户服务领域，集中式知识管理至关重要。组织应将信息整合到统一、权威的知识库中，作为唯一可信来源，并确保其得到积极维护。

信息应直观有序，易于搜索——例如，具有 NLP 功能的强大搜索功能可帮助客服快速找到相关信息。先进的客户服务中心软件可以根据客户的账户信息或通话过程中检测到的关键词，立即显示相关数据。

IBM 高级 AI 工程师 Morgan Carroll 最近在 Smart Talks 播客中表示，人工客服“显然被电子邮件淹没了，而虚拟助理可以自动回复很多邮件”。

“但如果遇到非常棘手的问题，且每天都收到大量此类邮件，生成式 AI 就能提供实际帮助。它不会直接替客服回复，尽管某种程度上也可以做到。在这种情况下，我们正在考虑如何让客户服务人员的工作更轻松。生成式 AI 可以帮助他们起草电子邮件或查找信息。”

智能路由战略

现代化的呼叫路由系统会综合考虑多种因素，包括问题复杂度、历史交互数据以及客服技能等。将合适的客户对接给合适的客服人员，能够提高首次来电解决率，减少转接次数。

此外，无论客户第一次联系的是人工客服还是自助服务，客户服务中心都应该优先考虑制定清晰的客户问题升级标准和政策。当必须升级转接时，系统应保留完整的交互记录与上下文，以此减少客户的不满。

系统集成

统一的客户数据平台是客户服务中心运营流程的核心支柱。该平台可将来自所有相关系统（包括 客户关系管理 (CRM) 软件、账单、订单管理、支持历史记录和 Web 分析数据）的客户信息集成至统一的系统，为客户服务中心人工代理的每次交互提供完整的背景信息。

成功的系统将包括实时数据同步和分析集成。通过将客户服务中心运营数据与更广泛的商业智能平台打通，组织能够精准分析客户服务对客户留存与营收的实际影响。

客户服务中心技术的演变

传统的客户服务中心主要依靠自动呼叫分配器，使用呼叫者信息（例如拨打的号码或交互式语音响应 (IVR) 输入）来路由来电。早期的自动化技术在客户服务中心逐渐普及，但它们仍然专注于狭窄的应用。

语音识别系统可转录通话，以便进行质量监测。基础聊天机器人可处理简单的脚本化交互，比如密码重置或常见问题解答。这些实施方案帮助许多企业降低了成本，但却导致客户反馈呈现明显分化态势。

根据 ZenDesk 的数据，尽管 AI 越来越多地满足客户需求，但客户对 AI 透明度的要求增加了 63%。正如 Forrester 近期预测，到 2026 年，三分之一的企业会因令人不满的 AI 自助服务损害自身品牌。遵循固定决策树的僵化聊天机器人，往往会带来糟糕的交互体验，导致来电用户坚决要求绕过自动化系统、直接转接人工。

如今，智能体 AI 有望彻底颠覆客户服务中心运营，它不只是实现自动化，而是重塑整个业务流程。除了进行自然、细致的对话外，这些系统还可以主动访问多个数据源并综合信息。它们还能长期保留记忆，不断提升建议精准度与执行效果。

探索客户服务中的 AI 智能体

在设定好目标与参数后，这种智能体 AI 能同时为客户与客户服务中心员工带来优势：AI 客服可快速整合客户数据、第三方信息与产品规格，为复杂问题提供解决方案建议。

它们还可以主动监控客户服务中心员工的绩效，建议可能的辅导机会，或独立组织研究和数据录入任务。这种解决更复杂问题、跨系统执行操作的能力，最终能带来更优质的自助服务、更少的人工转接、更个性化的后续跟进。这些优势有助于客户服务中心员工专注于发挥其独特的共情能力。

数据和编排智能体助力客户成功

Gartner预 测，到 2029 年，智能体 AI 将在无需人工干预的情况下，自主解决高达 80% 的常见客户服务问题。但要在客服服务中心这类复杂、数据密集的场景中真正收获智能体 AI 的价值，仅对独立智能体进行训练和部署是远远不够的。

AI 智能体编排平台可智能地协调多个专门的 AI 智能体。每个智能体都专为擅长特定任务或处理某类客户咨询而设计。相较于依赖单一 AI 系统，智能调度能让组织部署一组专用 AI 智能体，实现无缝协同工作。

这种专业化分工打造出深度优化的 AI 智能体，在特定领域具备深厚知识，无论是产品推荐、账单查询、故障排查，还是人工客服辅助。当一次交互所需的专业知识超出单个智能体的能力范围时，智能调度可在智能体网络之间实现平滑切换；同时支持多个 AI 智能体针对复杂问题同步协作。

数据是 AI 自动化与智能调度的核心，它为专用 AI 提供训练所需的上下文，同时为每个智能体提供可调用的外部工具。这包括用于实现个性化服务的完整客户数据，以及用于大规模分析的批量交互数据。这还包括用于劳动力管理的运营数据，以及用于整体优化客户服务中心运营的情感分析数据。

通过整合可靠、清晰、准确的数据，组织能够形成一个反馈闭环：更多数据转化为更优的 AI 表现，同时减少客户服务中心全流程的运营阻力。

衡量客户服务中心的客户服务

评估客户服务中心的客户服务需要在效率指标和软标准之间取得平衡。组织若过度追求自动化、牺牲有温度的人性化服务，终将为此付出代价。相反，当平均处理时间增加时，客户会发现自己处于待命状态的时间过长，组织无法获得预期的客户服务中心投资回报率 (ROI)。

任何客户体验技术转型，都应跟踪客户服务中心的多元化指标，并优先采用实时仪表盘与分析工具。衡量客户反馈与客户之声评分（净推荐值、客户满意度、客户努力值），会对企业整体指标产生重大影响。

例如，某电信公司 CEO 直接处理客户投诉后，客户满意度跃居行业首位，客户流失率下降了 75%。三年内，该公司收入几乎翻倍。

尤其是在部署新技术时，企业管理者应全面看待客户服务中心表现：是否平均处理时长、问题解决量等服务指标在提升，但客户忠诚度指标与售后支持却在下滑？若要实现客户服务中心的高效运转与长期成功，必须从多个维度持续分析工作流程与新业务方案。

作者

Amanda Downie

Staff Editor

IBM Think

Molly Hayes

Staff Writer

IBM Think

复制链接