Hoe we elke maand 22.000 supporttickets oplossen met ElevenAgents

We voeren onze eigen klantenservice uit met ElevenAgents, waarmee we elke maand meer dan 22.000 tickets oplossen zonder dat daar ook maar één persoon aan te pas hoeft te komen. Onze AI-supportagent werkt met tekst, screenshots en pdf's en is geïntegreerd met ons ticketingplatform. De agent behandelt langdurige gesprekken, zoekt accountinformatie op, voert acties uit en escaleert cases naar supportmedewerkers wanneer dat nodig is.

Vorige maand loste onze AI-supportagent 65% van onze tickets volledig op. Onze gemiddelde eerste reactietijd is nu 60 seconden, tegenover uren voordat we onze ElevenAgents-teamgenoot toevoegden. Van alle gesprekken die de AI-agent behandelde, werd 70% positief beoordeeld door gebruikers.

Demo van de klantenservice van ElevenLabs

Hoe we onze supportagent hebben gebouwd

Ons supportteam had al gedetailleerde standaardwerkprocedures voor elke belangrijke ticketcategorie: terugbetalingen, wijzigingen in facturering, vragen over professioneel stemklonen en meer. De kern van de ontwikkeling was om die bestaande kennis te vertalen naar iets dat een agent betrouwbaar kon uitvoeren. Twee functies van ElevenAgents waren hierbij cruciaal: procedures en webhooktools.

Procedures stelt teams in staat om bestaande standaardwerkprocedures (SOP's) voor klantenservice om te zetten in herhaalbare workflows voor agents. We hebben de draaiboeken van ons supportteam voor elke belangrijke ticketcategorie overgezet naar Procedures. Voor cruciale acties, zoals het uitvoeren van terugbetalingen, vertrouwen we op Structured Procedures om ervoor te zorgen dat elke stap deterministisch wordt uitgevoerd.

Webhooktools zijn aanpasbare tools waarmee agents dynamisch gebruikersinformatie kunnen opzoeken, zoals abonnementstype, creditgebruik, stemmen die de gebruiker bezit en meer. Door webhooktools te gebruiken, kon onze supportagent eenvoudig gebruikersinformatie raadplegen, waardoor de agent problemen van gebruikers volledig beter kon oplossen. 

De kwaliteit van reacties verbeteren

Met de volgende functies konden we voldoen aan de hoge kwaliteitsstandaard van onze klantenserviceteams:

• Instellingen voor kanaalgedrag. E-mail- en voicegebruikers verwachten ander gedrag. E-mailgebruikers willen antwoorden in zo weinig mogelijk beurten, terwijl voicegebruikers natuurlijke, interactieve gesprekken in realtime met veel meer beurten verwachten. We introduceerden instellingen voor kanaalgedrag zodat elk kanaal aan zijn eigen standaard voldoet, zoals e-mailreacties die voldoen aan de normen voor professionele e-mailcommunicatie.
• Simulatietests. We gebruikten simulatietests om te begrijpen hoe onze agent presteerde in de ongeveer 50 scenario's die ons klantenserviceteam het vaakst tegenkomt. Vervolgens verfijnde Architect de systeemprompt en procedures om alle tests betrouwbaar te doorstaan.  Tot slot voerden we deze testreeks opnieuw uit na configuratiewijzigingen, om zeker te weten dat we geen regressies hadden geïntroduceerd.
• Schaduwmodus. We gebruikten onze schaduwmodus-functie om te zien hoe de agent zich zou gedragen bij productieverkeer in ons ticketingsysteem voordat we deze uitrolden. Toen we vertrouwen hadden in de reacties, rolden we de functie uit naar productie.

Simulatietests

Verbetercyclus aangestuurd door Architect

Ons klantenserviceteam gebruikt ElevenAgents Architect – onze agentbuilder met natuurlijke taal – in hun dagelijkse workflow om onze klanten beter te begrijpen en onze AI-agent te verbeteren:

Inzicht in oorzaken. We bekijken voortdurend waarom onze agent vastloopt op tickets en waar deze beter kan presteren. Met slechts één query in natuurlijke taal geeft Architect ons een overzicht van de belangrijkste ticketcategorieën. Op verzoek stelt Architect ook vast waarom een specifiek probleem is geëscaleerd, bijvoorbeeld door een leemte in de kennisbank, een ontbrekende tool of een intern beleid dat we moeten verduidelijken. Nadat de hoofdoorzaak is gevonden, stelt Architect wijzigingen voor die ons oplossingspercentage verbeteren. 

Ticketanalyse van Architect

Wijzigingen veilig doorvoeren. Om de prestaties van de agent te verbeteren, vertrouwt ons supportteam op Architect voor het opstellen, beoordelen en doorvoeren van updates. Voordat iets wordt uitgebracht, maakt Architect nieuwe simulatietests en voegt die toe aan de volledige testreeks, zodat nieuwe procedures slagen en regressies worden opgevangen voordat de wijzigingen in productie komen.

Ons klantenserviceteam blijft betrokken om de behoeften van onze klanten beter te begrijpen, beleidsupdates door te voeren en overfitting op een bepaald type ticket te voorkomen. Architect geeft hen echter meer mogelijkheden om problemen te diagnosticeren, te itereren, te testen en de prestaties van de agent te verbeteren, in het tempo dat ons groeiende productportfolio vraagt.

Probeer het vandaag zelf

Wil je je eigen omnichannel klantenserviceagents instellen voor e-mail, chat of voice? Lees meer over ElevenAgents en neem contact op.