Hej!

Dobrze Cię widzieć w #6 wydaniu CS w Pigułce Premium w nowym roku.🥳

Zobacz, co dzisiaj dla Ciebie przygotowaliśmy. 👇

🚂Rozkład jazdy:

1. 🤖AI W Customer Success[Free]

   Zobacz, jak może Ci się przydać

2. 🔢10 CS-owych statystyk[Premium]

   Które mogą Cię zaskoczyć

3. 🛠 Dlaczego tooltipy są okropne i warto ich używać?[Premium]

   Czyli o tym jak wykorzystywać je mądrze.

4. 🎓 Jak zaprojektować strategię edukacji klienta? [Premium]

   Żeby realizowała Twoje cele.

5. 🌏 Jak zdefiniować strategię angażowania klientów na dużą skalę [Premium]

   Zobacz, jak robi to Zendesk.

6. 🏋️‍♂️ Ćwiczenie CS-owe[Premium]

7. 🤪Memik[Premium]

8. 🏹3 szybkie strzały[Premium]

   1. Ciekawe wyniki badania wynagrodzeń CSM-ów 2022.

   2. Poznaj sytem na zapamiętanie wszystkiego.

   3. 8 zasad Customer Success w 2023

🤖 AI W Customer Success

Więcej informacji znajdziesz TUTAJ, TUTAJ, TUTAJ i TUTAJ. 

Dzięki ChatGPT 3.5 30 listopada zaczęło robić się bardzo głośno o AI. Prawdopodobnie każdy z nas choć raz zalogował się na OpenAI Chat aby “porozmawiać” z nowinką technologiczną.

Z tej części dowiesz się, jak AI może pomóc Ci w codziennej pracy i co obecnie mówi się o przyszłości tej technologii w Customer Success.

Wersja krótka. Dla zabieganych lub gdy chcesz upewnić się, że warto czytać dalej.

Główne zalety:

• Mniej energochłonne podejmowanie decyzji,

• Zautomatyzowanie prostych zachowań ludzkich,

• Precyzyjniejsza kontekstowa komunikacja z użytkownikiem.

Wniosek z głównych zalet → dobrze wykorzystany AI da Ci więcej czasu na ważniejsze zadania.

Nie zawsze jest idealnie, czyli o wadach AI:

• AI nie zastąpi Twojego doświadczenia,

• AI jak każda technologia, nie jest odporny na bugi,

• AI uczy się i analizuje tylko dane, jakie otrzyma, nie tworzy nowych danych.

Wersja rozszerzona. Gdy już wiesz, że warto dowiedzieć się więcej. ;)

Główne zalety:

Mniej energochłonne podejmowanie decyzji.

Sytuacja z dnia CSM-a.

Wykonujesz analizę churnu z ostatniego kwartału.

Patrzysz na:

• okres rozpoczęcia współpracy,

• LTV,

• ścieżkę relacji z Tobą dla każego z churnujących,

• cechy charakterystyczne dla Twoich użytkowników próbując znaleźć korelacje między churnującymi,

• powody churnu.

W zależności jak dużo masz doświadczenia w takich analizach i ilości danych do zebrania może Ci to zająć od kilku godzin do kilku dni/tygodni.

Wyobraź sobie, że po prostu pytasz AI: “Jakie są główne cechy charakterystyczne churnujących użytkowników?”.

Odpowiedź dostaniesz w kilka sekund.

W kolejnym kroku spośród bazy Twoich użytkowników i danych, które zbierasz, możliwe byłoby oflagowanie tych, którzy są najbliżej pożegnania się z Tobą.

Ciekawym narzędziem, które już teraz próbuje pomóc Ci w wyciąganiu wniosków z zebranych przez Ciebie danych od użytkowników, jest Viable.

Zautomatyzowanie prostych zachowań ludzkich.

W wielu działach CS jednym z codziennych zadań jest odpowiadanie użytkownikom na czacie.

Czasem wystarczy jedna osoba, czasem kilka godzin, a czasem potrzebujemy do tego całego zespołu.

Rozwiązywanie zgłoszeń w najkrótszym możliwym czasie jest czymś, czego klienci oczekują najbardziej. Przy zbyt dużym obłożeniu zespołu i braku możliwości na zatrudnienie dodatkowych osób może to być nawet nie osiągalne. To następnie generuje większe ryzyko churnu lub po prostu niezadowolenie z Twojego produktu.

Z drugiej strony, wyobraź sobie, że połowa Twojego obecnego zespołu Customer Supportu może rozwinąć się do roli Customer Success Managera. Jak wtedy wyglądałaby rzeczywistość, w której żyjesz? Jak bardzo mógłbyś pomóc wszystkim swoim użytkownikom? Jak niski byłby Twój churn?

AI zbierając wszystkie Twoje odpowiedzi użytkowników, informacje z Twojej bazy wiedzy będzie w stanie zapewnić odpowiedzi na prostsze zgłoszenia (a z czasem na większość z nich). Oczywiście bez utraty na jakości odpowiedzi.

Tutaj znajdziesz listę 21 narzędzi dla Supportu, które wykorzystują AI.

Precyzyjniejsza kontekstowa komunikacja z użytkownikiem.

Bardzo ważnym czynnikiem w prowadzeniu klienta przez całą ścieżkę klienta jest kontekstowość.

Podawanie potrzebnych informacji w momencie, gdy użytkownik potrzebuje ich najbardziej, będzie bardzo miłym zaskoczeniem i da poczucie, że naprawdę znasz się na sukcesie Twoich klientów.

Nie każdemu jednak przychodzi z łatwością.

Na drodze do kontekstowej komunikacji stoi:

1. brak danych o każdej aktywności użytkowników w Twojej aplikacji,

2. brak danych charakteryzujących Twoich użytkowników,

3. brak czasu na budowanie takiej komunikacji.

Contextual AI to właśnie sektor AI gdzie buduje się narzędzia zdejmujące z Twoich barków analizę odczuć Twojego klienta w danym momencie, jego historii kontaktu z Tobą, a następnie generującego dla Ciebie wnioski i dalsze kroki.

Pamiętaj jednak, że aby w pełni wykorzystać moc Contextual AI zbieranie jak największej ilości danych o Twoich użytkownikach to must-have.

Więcej o contextual AI przeczytasz w tym artykule z 2019 roku → tutaj.

Zaś narzędzie, które może Ci pomóc w kontekstowości Twoich wiadomości to Symbl.ai.

Nie zawsze jest idealnie, czyli o wadach AI:

AI nie zastąpi Twojego doświadczenia.

AI pomoże Ci w zebraniu setek, tysięcy danych w proste dane do wykorzystania. Jednocześnie to od Ciebie zależy, o co spytasz AI oraz jak wykorzystasz je dalej.

Umiejętność zadawania odpowiednich pytań i świadomość co jest tym najważniejszym najbliższym zadaniem do wykonania to coś, co nabywa się z doświadczeniem lub czytając ten newsletter. ;) 

Niestety (albo stety) AI w obecnym poziomie rozwoju nie podpowie Ci kontekstowo na bazie Twojego życia, co powinieneś teraz robić. Chyba, że byśmy je zmetrykowali, ale to rozmowa na inny temat…

Zatem miej świadomość tego, że AI nie wykona za Ciebie całej pracy. Zack Korman powiedział o AI w bardzo ciekawy sposób:

“Błąd, który popełniają ludzie, polega na tym, że pytają „jak mogę to wykorzystać do zautomatyzowania pracy inteligentnej osoby”, kiedy powinni pytać „co bym zrobił, gdybym miał nieograniczoną liczbę głupich ludzi"”.

AI jak każda technologia, nie jest odporny na bugi.

Im więcej osób zaczęło używać ChatGPT, tym trudniej było z niego korzystać.

Często AI nie odpowiadało na zapytanie, generowało błędy. Z prostego powodu → obciążenie bazy.

AI nie jest tutaj wyjątkiem.

Tak samo jest z danymi na podstawie, których AI będzie mogło Ci pomóc. Muszą być aktualizowane i ulepszane, aby wnioski były jeszcze bardziej precyzyjne.

AI wymaga usprawnień i aktualizacji oraz coraz większej mocy obliczeniowej.

Komputery kwantowe pomogą w jeszcze sprawniejszym rozwoju AI i rozwiążą ten problem.

AI uczy się i analizuje tylko dane, jakie otrzyma, nie tworzy nowych danych.

Jak to mawia powiedzenie: “Z pustego to i Salomon nie naleje”.

AI potrzebuje mieć dane, aby następnie je wykorzystać.

Stąd bardzo kluczowe jest zbieranie każdej informacji o Twoim użytkowniku, która może zbliżyć Cię do podjęcia odpowiednich działań i poprowadzenia go w kierunku sukcesu najbardziej skutecznie.

Polecam zadać sobie pytanie “Jakich informacji potrzebuje, aby w automatyczny sposób określać ryzyko churnu?”.

A dla bardziej zaawansowanych “Jakie dane o moich użytkownikach potrzebuję wiedzieć, aby być na poziomie NRR 150%?”.

Więcej informacji znajdziesz TUTAJ, TUTAJ, TUTAJ i TUTAJ. 

Subscribe to CS Po Polsku Członkostwo Premium to read the rest.