Så löser vi 22 000 supportärenden varje månad med ElevenAgents

Vi hanterar vår egen kundtjänst med ElevenAgents och löser över 22 000 ärenden i månaden utan att behöva involvera en enda person. Vår AI-agent för kundtjänst arbetar med text, skärmdumpar och PDF:er och är integrerad med vår ärendehanteringsplattform. Den hanterar långvariga konversationer, hämtar 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 första svarstid är nu 60 sekunder, jämfört med flera timmar innan vi lade till vår ElevenAgents-kollega. Av de konversationer som AI-agenten hanterade fick 70 % positiva omdömen från användarna, i nivå med betyget för vår mänskliga support.

Demo av ElevenLabs kundtjänst

Så byggde vi vår supportagent

Vårt supportteam hade redan detaljerade standardrutiner för alla större ärendekategorier – återbetalningar, ändringar av fakturering, frågor om professionell röstkloning med mera. Kärnan i arbetet var att omvandla den befintliga kunskapen till något som en agent kan utföra tillförlitligt. Två funktioner i ElevenAgents var avgörande här: Procedures och webhook-verktyg.

Procedurer gör det möjligt för team att omvandla befintliga standardrutiner (SOP:er) för kundtjänst till upprepningsbara arbetsflöden för agenter. Vi förde över supportteamets handböcker till Procedures för varje större ärendekategori. För kritiska åtgärder, som att utfärda återbetalningar, använder vi Structured Procedures för att säkerställa att varje steg utförs deterministiskt.

Webhook-verktyg är anpassningsbara verktyg som gör det möjligt för agenter att dynamiskt hämta användarinformation, till exempel abonnemangsnivå, kreditanvändning, användarägda röster med mera. Med webhook-verktyg kunde vår supportagent enkelt få åtkomst till användarinformation, vilket ökade dess förmåga att lösa användarens problem från början till slut. 

Förbättra svarskvaliteten

Följande funktioner hjälpte oss att nå supportteamets höga kvalitetskrav:

• Inställningar för kanalbeteende. E-post- och röstanvändare förväntar sig olika beteenden. E-postanvändare vill ha svar med så få turer som möjligt, medan röstanvändare förväntar sig naturliga, interaktiva konversationer i realtid med många fler turer. Vi introducerade inställningar för kanalbeteende så att varje kanal uppfyller 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 cirka 50 scenarier som vårt kundtjänstteam oftast möter. Därefter itererade Architect på systemprompten och rutinerna för att pålitligt klara alla tester.  Slutligen körde vi om den här testsviten efter konfigurationsändringar för att säkerställa att vi inte hade infört några regressioner.
• Skuggläge. Vi använde vår funktion för skuggläge för att se hur agenten skulle bete sig med produktionsdata i vårt ärendehanteringssystem innan vi driftsatte den. När vi var säkra på dess svar rullade vi ut den i produktion.

Simuleringstester

Förbättringsloop med Architect

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

Förstå orsakerna. Vi granskar kontinuerligt varför vår agent fastnar i ärenden och var den kan bli bättre. Med bara en fråga på naturligt språk ger Architect oss en uppdelning av de vanligaste ärendekategorierna. På begäran diagnostiserar den även varför ett specifikt problem eskalerades, oavsett om det beror på en lucka i kunskapsbasen, ett saknat verktyg eller en intern policy som vi behöver förtydliga. När grundorsaken har hittats 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 utforma, granska och genomföra uppdateringar. Innan något lanseras skapar Architect nya simuleringstester och lägger till dem i hela testsviten, både för att säkerställa att nya rutiner fungerar och för att fånga regressioner innan ändringarna når produktion.

Vårt kundtjänstteam är fortsatt involverat för att bättre förstå kundernas behov, uppdatera policyer och undvika att överanpassa sig till en viss typ av ärende. Architect har dock gett teamet 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 skapa egna kundtjänstagenter för flera kanaler, som e-post, chatt eller röst? Läs mer om ElevenAgents och kontakta oss.