人工智慧加值電信業　大幅提升服務品質(2)

電信門市：潛在首要優化場所

人工智慧工具可以協助強化營運的一個領域是電信門市環境，未來商店技術、行銷科技、智慧預測工具能夠突破當前消費者零售體驗的瓶頸，例如在美國電信門市，大約40%到50%的手機銷售發生在實體門市中，其中70%的交易與購買手機配件有關，例如屏幕保護貼、手機殼或耳機。不過，由於門市通常面積不大，因此顧客等待時間相當長。人工智慧能夠更好地利用這些閒暇時間，除了在時間內針對消費者提供客製化廣告與電信方案優惠，經過改良的存貨分析也可以讓零售店在特定門市缺貨時將商品運送到客戶家中，這與時尚零售商已經開始採用的方式十分類似。在這種情況下，電信業者可以在其所有據點提供完全可客製的手機配件供應，並滿足更多客戶需求。要達到這點，電信門市需要有足夠的員工來幫助顧客做出決定和購買，這便是智慧調度系統可以協助的地方。在客戶有需要時提供其所需產品的能力與總體客戶獲取率和保留率密切相關，因此配置足夠的值班人員至關重要。

然而，預測門市環境中的人員需求依舊十分困難，現有工具無法提供足夠的精度來預測電信業者的零售招募需求。一款熱門的新手機發布或即將到來的假日購物可以預見，但預測若無法精細到人流高峰時間的話，仍不足以應付。單靠電子表格也不足以了解工作量並做出準確預測，機器學習等人工智慧工具可以降低多數營運商目前用於預測門市人員配置需求並適當安排的大量猜測與手動流程。如果工具使用妥當，這些技術可以顯著減少人員過多或是人員不足的問題。透過建立機器學習預測模型，使用人口統計、收入和搜索趨勢資料等資訊來增強內部歷史資料，電信業者能夠預測零售層面的員工需求，使得預測準確率達80%。例如，有業者將內部資料與人口統計和線上搜索趨勢等外部資訊結合，在其核心人工智慧模型之上建立儀表板用於預測和計畫優化，並在大約三個月內準備好試點專案。這些儀表板為勞動力調度員提供了前所未有的透明度和可見性，例如以前隱藏的勞動力需求和可用性的高峰及低谷，進而可以更精確地安排零售員工。

客服中心也是保留消費者的決勝點

售後服務也是電信業者競爭的利基之一。過去因法規要素，業者投入數位轉型的時間較慢，加上許多電信業者為國營事業，組織龐大繁雜，一時間要調度人力投入轉型較為困難。不過，在消費者變化更加快速的情況下，客服中心的角色也大為改變。隨著應用程式變得越來越複雜，電信業者不僅希望減少客戶因為應用程式不便利而產生的客訴，還希望確保最大限度利用溝通過程提供額外銷售機會。這時就需要一種「能夠自我循環的AI解決方案」，舉例來說，賬單查詢是客戶查詢的主要項目，而自我循環解決方案會試圖尋找賬單產生問題的主要原因，以及客戶的賬單歷史、客戶生命週期，接著採取不同行動因應。一個客戶可能只需要在他們的賬單中提供一個解釋就能解決疑惑(比如上個月帳單為何暴漲)，而另一個客戶可能需要更多資料來找到適合解釋，能否快速回答客戶問題，變成客服中心基本卻仍需要人工智慧改善的部分。這種解決方案可以透過機器學習的反饋循環強化功能，提升未來回覆效率，使其決策變得越來越精確。

這種能夠自我調整的人工智慧還可以透過對有線設備的問題進行故障排除來減少客服中心的工作量，例如，可以在客戶注意到之前識別並修復速度變慢的路由器，提早派出維修人員對設備速度和性能進行持續檢查。該解決方案可以對一個設備的性能與附近設備的性能進行三角測量，以確定要採取的最佳行動方案；如果問題是客戶的路由器需要重置或下載配置更改，則可以在客戶未主動使用設備並且不知道問題出現的情況下遠程完成。如果問題需要客戶採取行動，解決方案能夠預測客戶針對此問題致電的傾向，再向他們發送警報或準備必要的資訊以縮短原先需要人員撥打電話的時間。對於需要現場解決的問題，可以在客戶注意到網路速度變慢並打電話投訴之前派出修繕車輛與人員因應。

這些措施可以協助電信業者大幅減少客訴量，使其他人員能夠將時間投入到真正複雜的加值活動中，進而改善客戶體驗，例如將更多時間花在需要直接與客戶互動以解決關鍵需求或提供產品和服務教育的溝通上，提供更好的體驗並提高客戶滿意度。這也能改善員工體驗，不僅員工的能力得到了更好的利用，他們原先必須處理的客訴數量也大幅減少。長期下來，有助於提高營運效率並建立品牌忠誠度。同時，與先前提及的門市人員配置一樣，客服中心人員配置可以從人工智慧調度中受益，以確保員工在正確的時間值班。客戶抱怨的問題和原因等資訊可以和勞動力調度系統相結合，以優化人員配置水平和時間安排。業者能透過人工智慧提供跨職能資源調度，包括客訴中心、中央管理、門市等，建立一個正向反饋循環，使整體電信服務體系變得更智慧。

外勤人員也可受益於人工智慧

外勤人員也是電信產業可以關注的焦點，必須在客戶、員工間取得平衡。由於目前技術尚無法使用機器人代替外勤維修人員，因此外勤智慧化與績效制度優化將考驗企業的經營能力。人工智慧教練解決方案可以協助提升一線員工的作業效率與服務品質，強化客戶和員工的體驗。這些複雜的數位學習工具使用機器學習演算法來生成績效洞察力，以及員工標準化績效指標作為企業輸入的參數，例如業者能使用人工智慧輔導系統發現分布在數百、甚至數千名員工中的特定員工遭遇共同困難，數位工具能夠根據員工過去的表現確定客製化指導方案，並直接向員工的手持設備提供有針對性的提示來提升維修教學效率，這種方法不僅有助於提高員工績效，也能提高員工的工作滿意度。

現場工作人員操作也可以從智慧調度中受益，尤其是在技術人員準時到達部分，天氣、交通和其他外部因素都會對日程安排產生重大影響，進而影響客戶和員工安全性，降低員工外出發生意外的風險。與客服中心和門市人員的調度一樣，基於機器學習的人工智慧可以使用歷史資料來揭示原本不清楚的延誤原因，將該資料與天氣和交通資料結合，重新安排現場的技術人員。這類解決方案甚至可以根據歷史資料和客戶資料評估出現技術故障的可能性，並提醒技術人員當天的訪問可能需要攜帶哪些維修零組件或工具。儘管電信業者面臨巨大的轉型阻力，卻也能夠透過人工智慧緩解。人工智慧和機器學習應用正不斷成長，顛覆現有的營運流程，長期來看，藉此機會繼續在這條道路上創新的電信業者更有可能成為具備數位競爭力的公司。

人工智慧加值電信業 大幅提升服務品質(1)

人工智慧加值電信業 大幅提升服務品質(2)