近一半（48%）的人寧愿去看牙醫也不愿打電話給客戶服務。但是，這真的應該那么令人驚訝嗎？以下是數據驅動的聯絡中心，可為您的客戶服務提供主動、預測和預防性支持。

等待幾天（如果不是幾周）來回復電子郵件的情況并不少見，如果它真的來過的話。或者等待幾個小時與電話中的代理交談。回撥選項也并不總是有效：62%已被公司多次隱藏。也許最糟糕的是，即使客戶與代理互動，65%的人也必須多次跟進才能解決一個問題。在這種情況下，牙醫聽起來并沒有那么糟糕。

這些不利的經歷導致客戶的耐心逐漸減弱，他們越來越多地抨擊客戶服務代理。三分之一的人承認曾對客戶服務代理大喊大叫或發誓。與此同時，代理商承受的壓力比以往任何時候都大，并且隨著票務量的增加而不知所措，他們越來越心煩意亂，有時舉止粗魯。

您的客戶服務中心是在提供服務，還是讓您的員工失望？

客戶服務讓每個人都失望了。標準的做事方式嚴重依賴于客戶參與與公司聯系的耗時任務，這使公司損失了數十億美元。盡管如此，效率低下也導致客戶流失。

知識庫形式的自助服務和自動關閉工單的虛擬代理對整體支持體驗產生了顯著影響。盡管如此，這種自助服務還需要更進一步，讓品牌成為客戶擁護者，從一開始就預測并防止問題發生。

客戶擁護者是用數據打造的

組織擁有如此多的數據可供使用，但這些數據常常處于孤立狀態，彼此之間從未交流過。因此，組織沒有有效地使用超過80%的數據。

要成為客戶擁護者，品牌必須更好地利用其跨部門數據。在AI之前，這成本太高而無法擴展。

現在，人工智能可以被訓練成為這些主要的協調者，了解哪些客戶在何時聯系的類似屬性，并找到生命周期與客戶旅程以及與公司的聯系之間的相關性。AI現在還可以將這一切與來自實時信號的產品和上下文智能結合起來。

所有這些數據都可以讓公司擁有真正預測客戶未來可能需要什么的超級大國。

支持這一新時代的關鍵數據包括：

聯系類型和頻率：是否有經常聯系的特定客戶，即使是輕微或基本的查詢？（即常見的技術問題）。我們能否預測他們可能對新產品或服務提出的下一個問題或問題？

與特定產品或服務相關的聯系人：有哪些疑問，以及客戶在旅程的哪個階段（購買前、購買、購買后六個月等）與特定產品或服務聯系？例如，在客戶擁有一臺新的機器人吸塵器三個月后，是否經常有符合特定配置的客戶詢問有關維護或更換過濾器的問題？是否有機會在客戶必須之前預測這些接觸點并獲取信息？

聯系人的上下文驅動因素：您是否了解影響客戶遇到問題和聯系公司的可能性的日期、時間、地點、天氣或其他外部因素？說，如果一個人在一個溫度非常高的地方，不同產品的性能會發生變化嗎？是否可以提供一些提示來緩解性能不佳的情況？“哇，外面好熱啊。不要在超過113度的溫度下騎行，以保護電動自行車的電量！”

后端系統洞察：人工智能需要能夠對業務系統中的變化采取行動，例如訂單和庫存管理、客戶關系管理、忠誠度和運營。

當數據相互交流并從歷史背景中揭示模式時，它可以真正為主動和預防性的支持體驗提供動力。然而，在外展中成為目標是必不可少的。我們生活在一個雜亂無章的世界中，沒有人愿意被不必要的信息轟炸。

只有當一個品牌在一個非常具體的情況下為一個特定的人預期一個問題時，才會發生這種外展活動。

將支持從成本和解決中心轉變為宣傳中心

幾十年來，呼叫中心一直是座席的流水線，專注于解決問題和回答問題，消耗了大量成本，對公司的整體健康幾乎沒有影響。那些時光已經一去不復返了。隨著客戶體驗已成為賭注，客戶支持功能已轉變為直接影響收入的功能。

人們根據客戶體驗做出購買決定，一個人與品牌的每一次互動都可能成為建立信任或完全摧毀信任的催化劑。

通過利用數據并轉向更具預測性、主動性和預防性的護理，支持可以變成一個真正的宣傳中心，建立品牌與客戶之間最深厚的關系。建立在信任和品牌正在尋找客戶并將他們的最大利益放在心上的概念的關系。讓我們看一些可能的例子。

我去機場要遲到了，在拼命想趕飛機回家時遇到了堵車。這不會發生。當我拿出手機打電話給航空公司時，我看到一條消息：艾米麗，我們注意到你還沒到機場，你可能會錯過返回丹佛的航班。下午6點32分還有一班航班起飛。你想讓我們為你找個座位嗎？為什么是的，你絕對可以。

或者，假設我希望本周末為婚禮送來一件禮服。隨著交貨日的臨近，我打開了我的電子郵件：我知道您今天期待交貨。我們很抱歉；發生了導致延誤的天氣事件。您的訂單將在周三下午5點前送達，而不是明天到貨。再次，對于給您帶來的不便，我們深表歉意。至少我知道它仍然會準時到來。

如果我在開始下雨時在繁忙的城市角落等待拼車怎么辦？想要縮短5分鐘的等待時間？步行到Park和35th的拐角處，您的司機可以更快地接您。現在就去那里。

人工智能為主動式客戶服務的未來提供動力

僅僅依靠人類來提供支持已經阻止了主動和預測性護理的可擴展性。如果沒有人工智能，在廣泛的基礎上嘗試這種護理成本太高——對所有客戶，而不僅僅是少數客戶。

人工智能可以被訓練來有效地預測——基于無數的數據變化和組合——個人何時可能會遇到問題并采取適當的步驟來A)防止它發生或B)至少，在客戶必須花時間聯系公司之前，向客戶傳達計劃中的挫折或變化。

這種類型的幫助將支持客戶關系的未來。