مرکز تماس آنلاین اسنوا از هوش مصنوعی استفاده خواهد کرد
به گزارش روابط عمومی اسنوا، درحالیکه مرکز تماس تلفنی این شرکت فعال در حوزه تولید لوازم خانگی در روز نزدیک به سه میلیون و پانصد هزار تماس را هدایت میکند؛ اما برای نزدیک شدن به مخاطبان خود، مرکز تماس آنلاین را راهاندازی کرده که مأموریت آن، بودن آنلاین در هرجایی است که مخاطبانش انتظار دارند.
این بخش، نهتنها مأموریت پاسخگویی به درگاه آنلاین روی سایت را دارد؛ بلکه وظیفه پاسخگویی به پیامها و کامنتهای دریافتی در شبکههای اجتماعی را نیز عهدهدار است.
طبق اظهارات مدیران اسنوا، در سال ۱۴۰۰، این شرکت نزدیک به یکسوم تماسهای تلفنی خود که حدود یک میلیون گفتوگو ازطریق این کانالها بوده را مدیریت کرده و در کنار آن هیچ پیام و کامنتی در شبکههای اجتماعی نیز بی پاسخ نمانده و این شرکت تصمیم دارد وظایف بیشتری را برای مرکز تماس آنلاین خود، تعریف کند. بخش مرکز آنلاین اسنوا، ماهانه حدود هشتاد هزار گفتوگو در سال گذشته را هدایت کرده است.
رئیس کال سنتر آنلاین اسنوا در این مورد گفت:
درحالحاضر در کمتر از ۲۰ دقیقه (حداکثر) در شبکههای اجتماعی بهویژه اینستاگرام و کمتر از ۱ ساعت (حداکثر) در گفتوگوی آنلاین سایت، پاسخ گوییها انجام میشود و ما میدانیم که همچنان زمان زیادی است. در تلاش هستیم تا این عدد را در مرحله بعدی نزدیک به ۵۰ درصد در شبکههای اجتماعی و ۳۰ درصد در گفتوگوی آنلاین سایت کاهش دهیم که البته همچنان با وضعیت مطلوب ما فاصله دارد.
به گفته او بخش تلفنی پاسخگویی اسنوا ۲۴ ساعته است و این شرکت قصد دارد که این پاسخگویی بدون وقفه شود؛ بنابراین تلفن ۱۶۹۹ همچنان بهعنوان صف اول تماس قرار دارد.
او در مورد اینکه بیشتر تماسها با اسنوا مربوط به چه مواردی است، اعلام کرد:
نزدیک به ۴۰ درصد این موارد مربوط به درخواست خدمات یا راهنمایی در خصوص عملکرد محصول، ۵۰ درصد مربوط به درخواست مشاوره فروش و ۱۰ درصد مربوط به سؤالات دیگری مانند جذب و استخدام یا درخواست تماس در خصوص مواردی مانند داشتن ایدههای جدید و نیاز به ارتباط با مدیران سازمان است.
همچنین در همین زمینه مدیر ارتباطات اسنوا نیز اعلام میکند که بخش CRM اسنوا در حال توسعه یک هوش مصنوعی است که بتواند بهعنوان دستیار در کنار اپراتورهای مرکز تماس آنلاین، قرار بگیرد. از سوی دیگر این سیستم به صورت لحظهای برای تشخیص احساسات مخاطبان با توجه به گفتوگوهای آنها در حال یادگیری است که میتواند به اپراتورها در تشخیص نوع برخورد، کمک کند.