Projektsteckbrief
Ziel
KI-gestützte Automatisierung der Customer Service E-Mail-Inbox mit Backend Processing der Anfragen
Dauer
3 Monate
System
IBM Cloud, Watson Knowledge Studio und Machine Learning, weitere Watson Services
Branche
Fashion
Typ
B2C
Onboarding
2017
Antwortzeiten im Kundenservice reduzieren – Kundenzufriedenheit steigern
Ein internationales Modeunternehmen mit Standorten in 40 Ländern und ausgeprägter Customer Centricity-Orientierung stand vor der Herausforderung, die digitale Kundenkommunikation zu optimieren. In Zahlen heißt das: 600.000 E-Mails im Jahr binden die Customer Service Center-Ressourcen. Für zum größten Teil Standardanfragen werden wichtige Ressourcen gebunden, die eigentlich besser für wertschöpfende Aufgaben eingesetzt werden könnten.
Die Herausforderung
Viele dieser E-Mails ziehen zeitaufwändige Recherche-, Dokumentations- und Anpassungsaufgaben in den Backend-Systemen nach sich. Hierdurch verlängert sich die Antwortzeit des Customer Service, der E-Mail-Rückstau wird immer größer und die Kundenzufriedenheit nimmt aufgrund der langen Antwortzeiten ab.
Die Lösung
Aufgebaut wurde ein System zur Unterstützung des Customer Service-Centers mit KI-gestützter Analyse und Klassifizierung eingehender E-Mails, automatisierter Beantwortung des Kundenanliegens auf Grundlage vordefinierter Textbausteine sowie die Integration in die Backend-Systeme des Unternehmens zur Durchführung notwendiger Aktionen zur Beantwortung und Erfüllung des Kundenanliegens.
Über einen Integration Layer greift Miyu auf die relevanten Backend-Systeme zu und beschleunigt so aufwendige Prozesse wie die der Informationsbeschaffung, Generierung von Dokumenten oder Aktualisierung von Datensätzen.
Miyu nutzt Feedback-Funktionalitäten zur kontinuierlichen Weiterentwicklung der genutzten Machine Learning-Algorithmen, die nahtlos in die Customer Service-Prozesse integriert und von den CS-Agenten genutzt werden können.
Die Technik
- Realisiert wurde Miyu in der IBM Cloud. Feature Extraction und Training wurden mittels des Watson Knowledge Studio und des Textminings des Natural Language Processing der IBM umgesetzt.
- Zur E-Mail-Klassifikation wurde ein neuronales Netz im Watson Machine Learning eingesetzt.
- Die Applikation wurde mittels Node.js in der IBM Cloud umgesetzt.
