De inzet van AI agents tijdens de retail-verkooppiek in november

Traditioneel leidde de toestroom van klanten (en daarmee klantcontacten) tijdens de drukke novembermaand in retail tot het aannemen van extra personeel. Maar personeel vinden in de huidige markt is lastig. Ondanks dat organisaties wellicht wel willen opschalen, kunnen ze dat simpelweg niet bereiken met extra mensen. Je ziet dat bedrijven nu ook investeren in technologische oplossingen zoals ‘AI agents’ om de operaties te stroomlijnen en de klantenservice te verbeteren. In dit artikel vertel ik meer over hoe dit werkt.

November, de maand die de retailwereld op zijn kop zet! Voorheen was Black Friday in Nederland en België een onbekend fenomeen, maar nu is het niet meer weg te denken. Toch komt Black Friday vaak te laat voor onze regio. Retailers willen niet tot de laatste week wachten voor Sinterklaasverkopen en verschuiven de drukte naar een hele week of zelfs een hele maand vol Black Friday-deals. November blijft een waanzinnig drukke maand, en dat geldt ook voor de klantenservice-teams. De toegenomen drukte zorgt voor een stortvloed aan verkoop- en servicegerelateerde vragen.

GenAI vs AI agents vs chatbots: wat maakt ze anders?

Als je bij het horen van “AI agent” meteen aan chatbots denkt, ben je niet de enige. Chatbots zijn al jaren bekend, maar ondanks verbeteringen blijft het lastig om ze effectief in te zetten met behoud van klanttevredenheid.

Nieuwe functionaliteiten

Met de introductie van GenAI is er een keerpunt bereikt. AI Agents combineren traditioneel conversational design met GenAI (generatieve artificial intelligence) en met API-integraties met achterliggende systemen.

Als voorbeeld: stel dat je op jouw retail-website twee kennisartikelen hebt met schoenmaat-conversies (hoe verhoudt schoenmaat 42 zich tot de UK- en de US-maten, waarbij de schoenmaten voor damesschoenen anders zijn dan voor herenschoenen?), dan is het van belang dat je weet of de klant op zoek is naar heren- of naar damesschoenen. Door het gesprek aan te gaan via conversational design, kun je de context van de klant beter begrijpen, en op basis daarvan de prompt voor GenAI een stuk specifieker en dus persoonlijker maken.

Mocht deze klant in het verleden al eerder herenschoenen hebben besteld, dan kan een AI agent dat begrip ook verkrijgen uit de data die opgehaald wordt uit achterliggende systemen (“Vorige keer bestelde je herenschoenen bij ons. Gaat jouw schoenmaat-vraag dit keer ook over herenschoenen?”). Een AI agent wordt daarom ook vaak ingezet voor klantenservice, waarbij met integraties met achterliggende systemen, volledige retourprocessen geautomatiseerd kunnen worden.

Chat, messaging, WhatsApp, maar ook e-mail en webformulieren

Ook kunnen AI agents kanaalonafhankelijk zijn. Waar chatbots zich met name richten op het automatiseren van live chatgesprekken, worden AI agents ingezet voor alle kanalen, inclusief chat, messaging, WhatsApp, in-app messaging, maar zelfs traditionele kanalen zoals e-mail en webformulieren.

AI agents gaan daarbij dus verder dan de chatbot van 10 jaar geleden. En dankzij integraties met GenAI kunnen ze ingezet worden voor allerlei processen, van sales tot retouren tot “waar zijn mijn spullen?”, en dat voor alle kanalen.

Zet niet een AI agent in voor ‘alles’

Ik krijg vaak de vragen: “waar leg ik de lat voor AI agents?” en “waar zet ik de AI agent voor in?”. Beginnend met de laatste vraag, dan kan ik zeggen dat AI agents met name succesvol zijn in de repeterende vragen. De bekende 80/20-regel is ook hier deels op van toepassing. Het merendeel van je klantcontacten gaat slechts over een beperkt deel van je processen/producten. Die 80% van het volume wordt daarmee een mooie kandidaat voor automatisering. Er zijn veel voorbeelden bekend waarbij dergelijke percentages ook gehaald worden. Eén voorbeeld is een retailer die na een project van een paar weken, ruim 35% van de binnenkomende berichten automatiseerde.

Ondanks dat AI agents een steeds groter wordende rol spelen in de wereld van klantenservice, moet deze ook niet ingezet worden voor alles. Er zullen altijd situaties zijn die een uitzondering zijn, of situaties die juist een ‘human touch’ nodig hebben. De kunst is dan ook om ervoor te zorgen dat dergelijke situaties snel herkend worden, en op een passende wijze afgehandeld worden.

De weg naar nog meer automatisering

Welke stappen kun je zetten naar nog meer automatisering?

1. GenAI

Dankzij de tijd waarin we leven, beginnen vele organisaties tegenwoordig met GenAI bovenop hun bestaande kennisbronnen. Waar vroeger de bots getraind moesten worden voor iedere vraag en het bijbehorende antwoord, wijs je tegenwoordig een bot de weg naar jouw kennisbank, en GenAI doet vervolgens de rest.

2. Conversational design bovenop GenAI

Zoals gezegd, werkt FAQ-gebaseerde GenAI voor veel vragen, maar voor sommige vragen heb je simpelweg extra context nodig. Zoals: is de klant op zoek naar herenschoenen of damesschoenen? Of, wat is de reden dat de klant iets wil retourneren? Al dit soort context is van belang voor het antwoord dat GenAI moet geven. En het is daarmee van belang dat dit aan GenAI bekend gemaakt wordt via additionele, prompt-relevante informatie.

3. Integraties met achterliggende systemen

Nadat het plafond bereikt is van puur GenAI en op kennis gebaseerde vragen en antwoorden, wordt het tijd voor een volgende stap: integraties met achterliggende systemen. Wellicht is het de meest gestelde vraag in de maand november binnen retail: “waar zijn mijn spullen?”. Om zo’n orderstatus- of verzendstatusvraag te beantwoorden, is integratie met achterliggende systemen van belang.

• Wie is deze klant?
• Welke producten heeft deze klant besteld?
• Over welke bestelling gaat het?
• Wie zorgt voor de bezorging van dat pakket?
• En waar is dat pakket nu, volgens de bezorger?

Al dit soort informatie kan opgehaald worden uit achterliggende systemen, als deze systemen natuurlijk de aanknopingspunten / API’s bieden die hiervoor benodigd zijn.

Zie AI agents als verlenging (en geen vervanging) van de menselijke ondersteuning.

Strategische inzet van AI agents voor CX binnen retail

Organisaties gebruiken vervolgens de behaalde efficiëntie om het verloop van agents op te vangen, of om de bestaande agents juist andere taken uit te laten voeren. Een goed voorbeeld was een organisatie die simpelweg niet de bandbreedte had om extra klantcontactkanalen aan de klanten aan te bieden. Dankzij de inzet van AI agents ontstaat die ruimte wel, en kunnen er extra kanalen zoals WhatsApp aangeboden worden.

De extra ondersteuningskanalen voor klanten, en de extra klantcontactmomenten kunnen vervolgens weer zorgen voor een persoonlijkere ervaring, wat weer een impact kan hebben op de klanttevredenheid. En vanuit een organisatieperspectief wordt er dus ‘meer gedaan met hetzelfde aantal mensen’. Ook kun je 24/7 bereikbaar zijn. Zie AI agents dan ook als verlenging (en geen vervanging) van de menselijke ondersteuning.

Voor de retailers die zich nu aan het voorbereiden zijn op de drukke novembermaand: kijk goed naar de doelen die je wil bereiken, probeer niet “Rome in 1 dag” te bouwen, en kies componenten die helpen om een eerste goede stap te zetten. Of je nu begint met zo’n traject in het derde kwartaal van het jaar, of op een ander moment, het is altijd goed om je klantenservice tijdens piekmomenten goed onder de loep te nemen.