AI vadīti ievadīšanas un aktivizēšanas aģenti

Efektīva klientu ievadīšana ir kritiski svarīga: daži pētījumi liecina, ka pat 40–60% jauno lietotāju atsakās no pakalpojuma pēc pirmās pieteikšanās, ja viņi nesaskata pievienoto vērtību [65] (resources.rework.com). Mūsdienu ar AI darbināmi ievadīšanas aģenti cenšas mainīt šo tendenci. Šie inteliģentie asistenti personalizē jauna lietotāja ceļu, sniedzot pareizos norādījumus un palīdzību īstajā laikā. Tie var aktivizēt lietotnē iebūvētus ceļvežus un padomu burbuļus, atbildēt uz lietotāju jautājumiem, izmantojot tērzēšanu vai balsi, un nodot sarežģītas problēmas cilvēkam, ja nepieciešams. Būtiski ir tas, ka tie ir savienoti ar produktu analītiku, CRM datiem, atbalsta sistēmām un ziņojumapmaiņas platformām, lai katra mijiedarbība būtu kontekstuāla un savlaicīga. Mērķis ir samazināt laiku, kas nepieciešams klientam, lai sasniegtu savu pirmo “aha” brīdi – rādītāju, kas pazīstams kā vērtības sasniegšanas laiks –, vienlaikus saglabājot augstu aktivizācijas līmeni un zemu atbalsta dienesta noslogojumu.

Šo viedo aģentu ieviešanai nepieciešama skaidra stratēģija. Pirmkārt, jādefinē veiksme katram klientu segmentam. Piemēram, mazo uzņēmumu lietotāja veiksmes kritēriji varētu būt ievadīšana 2 dienu laikā un galveno funkciju izmantošana katru nedēļu, savukārt uzņēmuma klienta panākumi var ietvert parakstītu projekta plānu, pārvaldības apstiprinājumu vai apmācību pabeigšanu. Patiesībā, viena analīze apgalvo, ka “klientu ievadīšana vairs nav vienots ceļš – tā ir segmentēta disciplīna, kas pielāgojas katra klienta veida mērogam, sarežģītībai un cerībām” (www.moxo.com). Piemēram, MVU bieži novērtē ātrumu un vienkāršību ievadīšanas procesā, savukārt uzņēmuma klienti pieprasa stingru drošību, starpkomandu koordināciju un atbilstību noteikumiem (www.moxo.com). Veiksmes kritērijiem jāatspoguļo šīs atšķirības: novērtējiet katru segmentu pret pareizajiem atskaites punktiem (piemēram, funkciju pieņemšana, parakstīti dokumenti, konfigurācijas soļi) un nosakiet atbilstošus mērķus (savlaicīga piegāde, apmierinātības rādītāji utt.).

Kad segmenti ir definēti, izstrādājiet personalizētas ievadīšanas plūsmas katram. Izmantojiet lietotāju atribūtus (nozare, loma, plāna līmenis) un uzvedību no jūsu analītikas (piemēram, produktu lietošanas dati Mixpanel, Amplitude vai Segment) dinamiskai pieredzes pielāgošanai. Pētījumi liecina, ka 63% klientu sagaida personalizāciju kā pamata standartu (www.firstsource.com). Piemēram, AI aģents var sveicināt uzņēmuma administratoru un nekavējoties pāriet pie iestatīšanas uzdevumiem, vienlaikus vadot iesācēju cauri pamata profiliem un iestatījumiem. Tas var izmantot tādus aktivizētājus kā “pirmā pieteikšanās”, funkciju izmantošana vai neaktivitātes brīdinājumi (piemēram, viena platforma brīdina, ja galvenais solis nav pabeigts dažu dienu laikā (www.moxo.com)) lai izlemtu, kādu saturu parādīt. Pašas plūsmas var veidot ar mūsdienīgām digitālās adopcijas platformām (DAP). Rīki, piemēram, Appcues vai Userpilot, ļauj produktu komandām palaist lietotnē iebūvētas apmācības, kontrolsarakstus un reklāmkarogus bez kodēšanas (thecxlead.com) (thecxlead.com). Piemēram, Appcues nodrošina bezkodu veidotāju ievadīšanas plūsmām, paziņojumiem un aptaujām, kas vada lietotājus cauri jūsu lietotnei (thecxlead.com). Pendo līdzīgi nodrošina mērķtiecīgas apmācības un padomu burbuļus “tieši jūsu produktā” (thecxlead.com), vienlaikus izsekojot reāllaika iesaistes datus. Šie DAP rīki integrējas ar pamatsistēmām – piemēram, Appcues savienojas ar Salesforce, HubSpot, Slack, Zendesk un analītikas platformām (thecxlead.com) – nodrošinot, ka pareizais ceļvedis tiek parādīts, pamatojoties uz lietotāja datiem.

Papildus iepriekš izveidotām apmācībām, mūsdienu aģenti piedāvā sarunvalodas palīdzību. Iestrādājot AI tērzēšanas robotu produktā vai atbalsta vietnē (vai saistot to ar tērzēšanas kanāliem, piemēram, Slack vai e-pastu), lietotāji var uzdot jautājumus un saņemt tūlītējas atbildes. Tas var izmantot dabisko valodu sapratni un zināšanu bāzi. Piemēram, ja lietotājs ieraksta “Kā es varu uzaicināt komandas dalībnieku?”, aģents meklē iekšējos dokumentos vai izmanto apmācītu modeli, lai atbildētu. Uzņēmumi ir atklājuši, ka tērzēšanas roboti, kas saistīti ar jūsu zināšanu bāzi, “ievērojami uzlabo pakalpojumu pieredzi” (www.zendesk.hk), samazinot vajadzību pēc manuāla atbalsta. Aģents var arī proaktīvi parādīties, lai piedāvātu norādījumus: ja tas redz, ka lietotājs pārāk ilgi aplūko kādu funkciju vai atkārtoti noklikšķina uz palīdzības ikonas, tas var proaktīvi parādīt atbilstošu padomu vai uzsākt tērzēšanu.

Vieds aģents zina, kad problēmas novirzīt tiešajam atbalstam. Ja lietotāja jautājums ir pārāk jauns vai sensitīvs AI, tam vajadzētu eskalēt to cilvēkam ar pilnu kontekstu. Vairāki risinājumi automatizē šo nodošanu. Piemēram, Fini – uzņēmuma AI aģents – uzrauga lietotāja pieprasījumu un eskalē to cilvēka Klientu veiksmes vadītājam tikai tad, kad tas atklāj “patiesi jaunu nolūku” (www.usefini.com). Cita pieeja ir laika balstītu brīdinājumu iestatīšana: piemēram, paziņojiet veiksmes pārstāvim, ja izmēģinājuma lietotājs nav pabeidzis ievadīšanu pēc noteikta sliekšņa, vai ja aktivizācijas rādītājs konkrētam segmentam nokrīt zem 70% (www.moxo.com). Apvienojot reāllaika analītiku ar viediem aktivizētājiem, aģents nodrošina, ka kritiskie gadījumi tiek ātri risināti ar cilvēka palīdzību, savukārt ikdienas jautājumi paliek automatizēti.

Integrācijas: Aģenta ekosistēma

Ievadīšanas aģents ir tik labs, cik dati un kanāli, ar kuriem tas ir savienots. Integrācija ar produktu analītiku (piemēram, Segment, Mixpanel, Amplitude vai Google Analytics) ļauj aģentam izsekot notikumiem, piemēram, funkciju izmantošanai vai progresam jūsu ievadīšanas kontrolsarakstā. CRM integrācija (piemēram, ar Salesforce vai HubSpot) nozīmē, ka aģents zina katra klienta profilu, abonēšanas līmeni un kontaktus, lai tas varētu pielāgot ziņojumus (un atjaunināt CRM ar rezultātiem). Līdzīgi, saistīšana ar jūsu atbalsta rīkiem (Zendesk, Freshdesk, Intercom) ļauj aģentam automātiski izveidot, atjaunināt vai slēgt pieteikumus, pamatojoties uz sarunām. Daudzi aģenti ir saistīti arī ar komunikācijas platformām – piemēram, tie var nosūtīt Slack vai e-pasta paziņojumu, kad tiek sasniegts kāds atskaites punkts, vai pat veikt ievadīšanu, izmantojot ziņojumus. Piemēram, Fini reklamē vairāk nekā 20 vietējos savienotājus atbalstam (Zendesk, Intercom) un CRM (Salesforce, HubSpot), kā arī lielākajām analītikas sistēmām (www.usefini.com), lai aktivizētāji varētu iedarboties no jebkura “patiesības avota”. Līdzīgi, Appcues integrāciju saraksts ietver HubSpot, Salesforce, Slack un analītikas rīkus (thecxlead.com), un Userpilot savienojas ar Zendesk, Google Analytics, Intercom, Mixpanel un citiem (thecxlead.com). Praksē iespējojiet katru atbilstošo kanālu: ievadīšanas aģents var parādīt ātru padomu, izmantojot lietotnē iebūvētu uznirstošo logu, nosūtīt sveiciena e-pastu, izmantojot jūsu mārketinga platformu, nosūtīt klientam ziņojumu WhatsApp vai Slack, un visus mijiedarbības datus reģistrēt CRM/atbalsta ierakstos.

Panākumu metrika un eksperimentēšana

Jums ir jānovērtē, vai jūsu ievadīšanas aģents darbojas. Galvenie rādītāji ir aktivizācijas līmenis (lietotāju procentuālā daļa, kas veic jūsu definēto “aktivizācijas notikumu”), vērtības sasniegšanas laiks (TTV) un atbalsta pieteikumu skaits uz jaunu klientu. Katram klientu segmentam izlemiet, ko nozīmē “aktivizācija” (piemēram, iestatīšanas uzdevumu pabeigšana, galvenās funkcijas izmantošana vai cits atskaites punkts) un izsekojiet pabeigšanas līmeni. Moxo, klientu panākumu platforma, definē TTV kā “ilgumu no ievadīšanas sākuma līdz pirmā rezultāta piegādei” (www.moxo.com). Īsāks TTV stipri korelē ar noturību: piemēram, Slack atklāja, ka lietotāji, kuri sasniedza savu “aha brīdi” pirmajā sesijā, ar 2–3 reizes lielāku varbūtību palika lietotāji (resources.rework.com). Tāpēc izsekojiet laiku, līdz katrs segments sasniedz savus pirmos panākumus. Uzraugiet arī atbalsta dienesta noslogojumu: viens brīdinājuma stāsts parāda, ka jauns klients pirmajās 3 dienās iesniedz trīs pieteikumus (jautājumi, uz kuriem jau ir atbildēts palīdzības centrā) – ilustrējot, ka “katrs jautājums, kas kļūst par atbalsta pieteikumu, ir jūsu ievadīšanas neveiksme” (supp.support). Patiesībā, interaktīvu ceļvežu un zināšanu robotu pievienošana var dramatiski samazināt pirmās nedēļas atbalsta apjomu (supp.support). Skaitlisku mērķu noteikšana (piemēram, vidējais TTV zem 2 dienām, aktivizācija > 70%, mazāk nekā X pieteikumi/jauns lietotājs) ļauj jums novērtēt uzlabojumus laika gaitā.

Kritiski svarīgi ir pieņemt nepārtrauktas eksperimentēšanas kultūru. Neuzskatiet, ka viena plūsma ir labākā. Veiciet A/B testus (vai daudzfaktoru testus) ar jūsu ievadīšanas variācijām un mēriet ietekmi uz aktivizāciju un TTV. Kā iesaka viens izaugsmes ceļvedis, “Testējiet nepārtraukti. Mēriet aktivizācijas līmeni, vērtības sasniegšanas laiku un noturību pa aktivizācijas kohortām. Optimizējiet, pamatojoties uz datiem, nevis viedokļiem.” (resources.rework.com). Katrā testā: mainiet vienu mainīgo (piemēram, ceļveža tekstu vai aktivizētāja laiku), salīdziniet galvenos rādītājus ar kontroles grupu un saglabājiet to, kas darbojas. Pārskatiet katru segmentu atsevišķi (uzņēmumi pret MVU, maksas pret izmēģinājuma versiju utt.), jo dažādas grupas bieži reaģē uz dažādām pieejām (www.moxo.com) (resources.rework.com). Vāciet arī kvalitatīvas atsauksmes (CSAT/NPS): mēriet, cik apmierināti klienti jutās tūlīt pēc ievadīšanas (www.moxo.com). Tas var izcelt problēmas, kuras neapstrādāti rādītāji nepamana. Rezultātam jābūt iteratīvam ciklam: definēt mērķus, instrumentēt izsekošanu (aktivizācijas un TTV paneļus), veikt testus, analizēt un attiecīgi pilnveidot ievadīšanas saturu un laiku.

Satura drošība un atbilstība

Ja jūsu aģents izmanto ģeneratīvo AI vai skriptētas atbildes, nodrošiniet, ka saturs ir precīzs, atbilst zīmolam un ir likumīgs. Izvairieties no “halucinācijām” vai neatbilstošām novirzēm. Jūtīgās jomās (veselība, finanses, juridiskie pakalpojumi) piemērojiet stingrus filtrus. Piemēram, viens AI aģentu piegādātājs ievieš “PII vai Personīgi identificējama informācija vai Datu aizsardzības vairogu”, kas automātiski rediģē jebkādu personīgi identificējamu informāciju lietotāja ievadītajos datos (www.usefini.com), kas ir būtiski regulētās nozarēs. Vienmēr apmāciet aģentu ar jūsu pārbaudīto dokumentāciju un apsveriet “droša pabeigšanas” režīmu, kurā aģents vai nu atsakās, vai atliek atbildes sniegšanu, ja pieprasījums skar aizliegtas tēmas. Pārskatiet galveno AI pakalpojumu sniedzēju vadlīnijas: neļaujiet aģentam sniegt medicīniskus, juridiskus vai finanšu padomus, ja vien tas nav īpaši pārbaudīts. Tā vietā ieprogrammējiet aģentu atbildēt ar atteikuma paziņojumiem vai novirzīt lietotāju pie cilvēka speciālista. Nodrošiniet arī datu drošību un privātuma atbilstību: izvēlieties platformas ar uzņēmuma sertifikātiem (SOC 2, ISO 27001, GDPR/HIPAA utt.). Piemēram, Fini platforma izceļ savu atbilstību SOC2, ISO27001, PCI-DSS un HIPAA (www.usefini.com), kas nozīmē, ka tai var uzticēt apstrādāt ievadīšanas veidlapas, kas satur veselības vai maksājumu informāciju. Īsumā, iestatiet moderēšanas noteikumus un atbilstības pārbaudes attiecībā uz jūsu aģenta zināšanām un izvadi, lai saturs būtu drošs un bez kļūdām.

Galvenās metrikas, ko izsekot

• Vērtības sasniegšanas laiks (TTV): cik ilgs laiks paiet no reģistrācijas, līdz lietotājs sasniedz pirmo nozīmīgo rezultātu (resources.rework.com) (www.moxo.com). Ātrāks TTV ir saistīts ar augstāku noturību. Centieties to samazināt katram segmentam.
• Aktivizācijas līmenis: jauno lietotāju procentuālā daļa, kas pabeidz iepriekš definēto aktivizācijas atskaites punktu (www.moxo.com). Augstāks aktivizācijas līmenis norāda, ka ievadīšanas plūsma ir efektīva.
• Atbalsta pieteikumi uz jaunu klientu: izsekojiet, cik daudz atbalsta jautājumu nāk no katras jauno lietotāju grupas. Pieteikumu skaita samazināšanās pēc ievadīšanas uzlabošanas liecina par panākumiem. Kā atzīmē viens eksperts, ievadīšanas uzlabošana bieži “novērš lielu daļu jūsu atbalsta noslogojuma” (supp.support) (supp.support). Mērķis ir, lai lielākā daļa lietotāju atrastu atbildes plūsmā vai pašapkalpošanās rīkos, nevis sazinoties ar atbalsta dienestu.
• Klientu apmierinātība: izmantojiet ātras aptaujas (CSAT vai NPS) ievadīšanas beigās, lai novērtētu lietotāju noskaņojumu (www.moxo.com). Tas aptver procesa kvalitatīvo rezultātu. Meklējiet apmierinātības uzlabojumus kopā ar citiem rādītājiem.

Šo rādītāju izsekošana reāllaikā (piemēram, izmantojot informācijas paneļus pa produktiem, lietotāju veidiem vai reģioniem) ļauj jums pamanīt tendences un problēmas. Piemēram, Moxo iesaka attēlot aktivizācijas līmeni un TTV pa nedēļām vai reģioniem un korelēt tos ar apmierinātības rādītājiem (www.moxo.com). Automatizēti brīdinājumi var norādīt, kad segmenta aktivizācija negaidīti samazinās vai lietotāju grupa ir iestrēgusi. Praksē šo rādītāju mērīšana un optimizēšana pakāpeniski uzlabos katra segmenta ievadīšanas panākumus.

Esošie risinājumi un rīki

Dažādi rīki risina šīs mīklas daļas. Digitālās adopcijas platformas kā GuideCX un Moxo koncentrējas uz pilnīgu ievadīšanas projektu (uzdevumu saraksti, dokumentu vākšana, portāli) pārvaldību. Piemēram, Moxo nodrošina drošus zīmolotus ievadīšanas portālus un darbplūsmas automatizāciju ar integrācijām ar Slack, Gmail, HubSpot, Salesforce un citiem (thecxlead.com). Lietotnē iebūvēti vadlīniju rīki ietver Appcues un Pendo. Appcues ļauj komandām veidot lietotnē iebūvētas apmācības un modālos logus bez koda (thecxlead.com), savukārt Pendo nodrošina mērķtiecīgas apmācības un uztur resursu centru lietotnē (thecxlead.com). Tie savienojas ar analītiku (Mixpanel, Fullstory utt.) un CRM, lai kontekstuāli aktivizētu saturu. Klientu veiksmes platformas kā Gainsight vai ChurnZero palīdz mērīt veselības rādītājus un sūtīt automatizētus e-pastus vai aptaujas, taču bieži vien prasa manuālu iestatīšanu. Uz CRM balstīti risinājumi (piemēram, monday CRM vai HubSpot Service Hub) var tikt konfigurēti ievadīšanas darbplūsmām vai tērzēšanas robotiem, lai gan tiem var trūkt uzlabota AI.

AI/tērzēšanas robotu pusē daži uzņēmumi nodrošina sarunvalodas asistentus. Piemēram, Fini AI ir YC atbalstīta AI aģentu platforma, kas apgalvo gandrīz 100% precizitāti ievadīšanas pieprasījumos, ar iebūvētām atbilstības funkcijām (www.usefini.com). OnRamp piedāvā AI vadītu darbplūsmas rīku: tas izmanto AI, lai ieteiktu nākamos soļus un personalizētu katru iepazīšanās ceļu (thecxlead.com). Trupeer koncentrējas uz klientu veiksmes komandām, apvienojot AI automatizāciju ar veselības novērtēšanu. Ir arī vispārīgi tērzēšanas roboti, piemēram, Intercom vai HubSpot boti, kas var atbildēt uz bieži uzdotiem jautājumiem vai izveidot pieteikumus un integrēties ar savu CRM.

Katram piegādātājam ir savi plusi un mīnusi. Piemēram, WalkMe un Whatfix nodrošina ļoti pulētas lietotnē iebūvētas apmācības, taču tās bieži balstās uz fiksētām veidnēm un var prasīt inženierijas iejaukšanos sarežģītos gadījumos (apty.ai). Turpretim AI-vietējie produkti, piemēram, Fini vai RelevanceAI (bezkoda AI darbplūsmas veidotājs (thecxlead.com)), var dinamiski pielāgot saturu, pamatojoties uz lietotāja nodomu. Integrācijas plašums atšķiras: Appcues un Userpilot dabiski atbalsta desmitiem pakalpojumu (thecxlead.com) (thecxlead.com), savukārt mazāki jaunuzņēmumi var piedāvāt mazāk savienotāju. Izvēloties meklējiet risinājumu, kas atbilst jūsu vajadzībām: vai jums nepieciešama stingra atbilstība noteikumiem (kā finansēs/veselības aprūpē), koncentrēties uz izstrādātājiem draudzīgu integrāciju vai ērtu lietošanu netehniskām komandām? Izvērtējiet bezmaksas izmēģinājuma versijas vai demonstrācijas, lai redzētu, kā tās apstrādā jūsu specifiskās ievadīšanas plūsmas.

Trūkumi un nākotnes iespējas

Neskatoties uz daudzajām iespējām, joprojām pastāv trūkumi. Tikai daži esošie rīki visu apvieno nemanāmi. Bieži vien komandas apvieno vairākus produktus (DAP lietotnē iebūvētām apmācībām + tērzēšanas robots + CRM darbplūsmas), kas var būt dārgi un sarežģīti. Ir vieta vienotai, AI prioritārai platformai, kas apvieno uz datiem balstītu personalizāciju, satura veidošanu un eksperimentu pārvaldību. Iedomājieties aģentu, kas automātiski analizē lietotāju uzvedības datus, tad raksta un ievieš lietotnē iebūvētus ceļvežus vai tērzēšanas atbildes lidojumā, izmantojot ģeneratīvo AI. Tas varētu veikt A/B testus dažādiem skriptiem, mācīties, kuras frāzes samazina klientu aiziešanu, un nepārtraukti pilnveidoties. Arī mazie uzņēmumi ir nepietiekami apkalpoti: daudzi uzņēmumu līmeņa risinājumi ir dārgi vai prasa profesionālus pakalpojumus. Pastāv tirgus iespēja modulāram, uz lietošanu balstītam ievadīšanas API, ko jaunuzņēmumi var viegli integrēt.

Satura palīdzības funkcijas ir vēl viens trūkums. Piemēram, pašreizējās platformas reti automātiski rada ievadīšanas tekstus; nākotnes asistents varētu ģenerēt sveiciena ziņojumus vai palīdzības rakstus, kas pielāgoti katra lietotāja fona informācijai. Daudzvalodu atbalsts ir vēl viena inovāciju joma: lielākā daļa ceļvežu pēc noklusējuma ir vienā valodā, taču AI aģents varētu tulkot vai pielāgot saziņu pēc pieprasījuma. Visbeidzot, ir nepieciešama dziļāka konteksta izpratne: neviens no rīkiem pilnībā neizseko starpplatformu ceļojumus (no e-pasta, uz Slack, līdz lietotnē). Uzņēmējdarbības produkts, kas apvienotu visus saskares punktus – ar robustiem drošības filtriem – varētu revolucionizēt veidu, kā uzņēmumi veic ievadīšanu.

Rezumējot, ar AI darbināmi ievadīšanas aģenti ir spēcīgs veids, kā personalizēt klienta ceļojuma pirmās dienas. Integrējoties ar analītiku un CRM, aktivizējot kontekstuālus ceļvežus un tērzēšanu, un mērot pareizos rādītājus (piemēram, vērtības sasniegšanas laiku un aktivizāciju), uzņēmumi var ievērojami uzlabot adopciju un noturību. Pašreizējais rīku komplekts ir spēcīgs, taču dažās vietās nepilnīgs: joprojām pastāv atvērta iespēja jaunam risinājumam, kas patiesi integrē visas šīs funkcijas, automatizē satura ģenerēšanu un vienkāršo eksperimentēšanu. Uzņēmējiem un produktu komandām vajadzētu sekot līdzi šai jomai – nākamās paaudzes ievadīšanas asistenta izveide varētu atmaksāties dāsni.