Så löser vi 22 000 supportärenden varje månad med ElevenAgents

Vi använder ElevenAgents för vår egen kundsupport och löser över 22 000 ärenden varje månad utan att behöva involvera en enda person. Vår AI-supportagent arbetar med text, skärmbilder och PDF:er och är integrerad med vår ärendehanteringsplattform. Den hanterar långvariga konversationer, slår upp kontoinformation, vidtar åtgärder och eskalerar ärenden till supportpersonalen vid behov.

Förra månaden löste vår AI-supportagent 65 % av våra ärenden från början till slut. Vår genomsnittliga tid till första svar är nu 60 sekunder, jämfört med flera timmar innan vi fick vår kollega från ElevenAgents. Bland alla konversationer som AI-agenten hanterade fick 70 % positiva omdömen från användarna.

Demo av ElevenLabs kundsupport

Så byggde vi vår supportagent

Vårt supportteam hade redan detaljerade standardrutiner för varje större ärendekategori – återbetalningar, ändringar i fakturering, frågor om professionell röstkloning med mera. Kärnan i arbetet var att omvandla den befintliga kunskapen till något som en agent kunde utföra på ett tillförlitligt sätt. Två funktioner i ElevenAgents var avgörande här: procedurer och webhook-verktyg.

Procedurer gör att team kan omvandla befintliga standardrutiner för kundsupport (SOP:er) till återanvändbara arbetsflöden för agenter. Vi förde över supportteamets handböcker till Procedures för varje större ärendekategori. Vid kritiska åtgärder, som att utfärda återbetalningar, förlitar vi oss på Structured Procedures för att säkerställa att varje steg utförs deterministiskt.

Webhook-verktyg är anpassningsbara verktyg som gör att agenter dynamiskt kan slå upp användarinformation, till exempel abonnemangsnivå, kreditanvändning, röster som användaren äger med mera. Med webhook-verktyg kunde vår supportagent enkelt komma åt användarinformation, vilket förbättrade förmågan att lösa användarens problem från början till slut. 

Bättre svarskvalitet

Följande funktioner hjälpte oss att nå den höga kvalitetsnivå som våra kundsupportteam kräver:

• Inställningar för kanalbeteende. E-post- och röstanvändare förväntar sig olika beteenden. E-postanvändare vill ha svar på så få vändor som möjligt, medan röstanvändare förväntar sig naturliga, interaktiva konversationer i realtid med betydligt fler vändor. Vi införde inställningar för kanalbeteende så att varje kanal kan uppfylla sina egna krav – till exempel e-postsvar skrivna enligt standarden för professionell e-postkommunikation.
• Simuleringstester. Vi använde simuleringstester för att förstå hur vår agent presterade i de omkring 50 scenarier som vårt kundsupportteam oftast möter. Därefter itererade Architect systemprompten och procedurerna för att klara alla tester på ett tillförlitligt sätt.  Slutligen körde vi testsviten igen efter konfigurationsändringar för att säkerställa att vi inte hade introducerat några regressioner.
• Skuggläge. Vi använde vår funktion för skuggläge för att se hur agenten skulle bete sig med verklig trafik i vårt ärendehanteringssystem innan vi driftsatte den. När vi var säkra på svaren lanserade vi den i produktion.

Simuleringstester

Förbättringsloop med Architect

Vårt kundsupportteam använder ElevenAgents Architect – vår agentbyggare för naturligt språk – i sitt dagliga arbete för att bättre förstå våra kunder och förbättra vår AI-agent:

Förstå drivkrafter. Vi granskar kontinuerligt varför vår agent fastnar i ärenden och var den kan bli bättre. Med en enda fråga på naturligt språk ger Architect oss en uppdelning av de vanligaste ärendekategorierna. På begäran diagnostiserar den också varför ett specifikt problem eskalerades, oavsett om det beror på en lucka i kunskapsbasen, ett saknat verktyg eller en intern policy som behöver förtydligas. När grundorsaken har identifierats föreslår Architect sedan ändringar som förbättrar vår lösningsgrad. 

Ärendeanalys från Architect

Genomför ändringar på ett säkert sätt. För att förbättra agentens prestanda förlitar sig vårt supportteam på Architect för att utarbeta, granska och genomföra uppdateringar. Innan något lanseras skapar Architect nya simuleringstester och lägger till dem i hela testsviten, både för att säkerställa att nya procedurer fungerar och för att fånga upp regressioner innan ändringarna når produktion.

Vårt kundsupportteam är fortsatt delaktigt för att bättre förstå kundernas behov, uppdatera policyer och undvika att överanpassa sig till någon specifik typ av ärende. Architect har dock gett dem större möjligheter att diagnostisera problem, iterera, testa och förbättra agentens prestanda i den takt som vår växande produktportfölj kräver.

Prova själv i dag

Vill du sätta upp egna kundsupportagenter för flera kanaler, som e-post, chatt eller röst? Läs mer om ElevenAgents och kontakta oss.