Predictive engagement

Leid klanten proactief naar succesvolle journeys op de website. Door toepassen van machine learning, dynamische persona’s en waarschijnlijke uitkomsten identificeert u de juiste momenten voor proactieve benadering, bijvoorbeeld met een webchat of een screenpop met hulpinformatie.

Werken met betekenisvolle data

Een van de grootste uitdagingen voor moderne bedrijven is het leren werken met de beschikbare data op een manier die zowel betekenisvol als makkelijk uitvoerbaar is.

De door een website gegenereerde data wordt vaak niet doorzocht en daardoor worden de intenties en reacties van individuele klanten en prospects vaak gemist. De focus ligt op de grote lijnen (metrics zoals het aantal conversaties per maand) en er is geen mogelijkheid om potentiële klanten te identificeren die toenadering zoeken. Het resultaat is dat klanten die op het punt staan een proefperiode te starten, af te rekenen of informatie zoeken over service en support of welk ander gewenst gedrag dan ook, tussen wal en schip vallen.

De grote hoeveelheden websitebezoekers maken het lastig om de juiste personen, beste momenten en optimale manieren te identificeren voor realtime benadering. De verwachtingen ten aanzien van een korte responstijd worden hoger maar meer medewerkers aanstellen is duur.

Machine learning
Genesys Predictive Engagement gebruikt machine learning voor het volgen van de progressie van websitebezoekers richting de gewenste resultaten – zoals een aankoop of een offerte. De technologie zorgt dat bedrijven realtime observaties en voorspellingen kunnen gebruiken, in plaats van statische regels, voor het activeren van interventies enkel en alleen op de punten waar het er toe doet.

Voor klanten die op zoek zijn naar service of support is de bedrijfswebsite vaak het eerste contactpunt, al is het maar voor het vinden van een telefoonnummer. Maar voor bedrijven is het lastig om alle data die door hun website wordt gegenereerd begrijpelijk en bruikbaar te maken op een manier die zowel zinvol is als gericht op realtime actie.

Het resultaat is dat klanten besluiten om het contact center te bellen (een duur supportkanaal) of gefrustreerd raken omdat ze juiste hulp niet kunnen vinden. Genesys Predictive Engagement geeft prioriteit aan bezoekers met een hoge waarde en biedt proactief chat aan voor effectievere inzetten van personeel en voor lagere kosten.

Voorbeelden van hoe de customer experience kan worden geoptimaliseerd voor predictive engagement door het gebruik van data, context en gedrag op de website:

• Gebruik van machine learning voor het detecteren van de voortgang van websitebezoekers richting gedefinieerde resultaten (aankoop afronden, offerte aanvragen) en zorgen dat interventies alleen geactiveerd worden op de punten waar deze echt nodig zijn.
• Een klant die moeite lijkt te hebben met het invullen van de aanvraag voor een lening krijgt een aanbod voor een proactieve webchat waarmee een agent de klant door de stappen heen kan praten.
• Een klant moet een nieuwe mobiele telefoon activeren, gaat naar de website en zoekt naar ‘toestel activeren’. Een proactieve chatbot biedt de klant aan om te assisteren bij de verschillende stappen.
• Een klant plant een reis naar het buitenland en moet dat laten weten aan het credit cardbedrijf. Op basis van de zoekopdracht ‘reis melden’ op de website van het bedrijf volgt het aanbod voor een chatbot voor assistentie om te voorkomen dat het contact center wordt gebeld.
• Een klant wordt proactief selfservice-opties aangeboden om te helpen bij een transactie, bijvoorbeeld door een link naar een video met hulp bij een retourzending.