רק 1 מכל 26 לקוחות לא מרוצים באמת מתלונן. 25 האחרים פשוט עוזבים בשקט.
הנתון הזה, המיוחס לחוקר חוויית הלקוח Esteban Kolsky מ־ThinkJar, הוא לא פרט טריוויה מעניין. הוא מצביע על בעיה מבנית. על כל תלונה שמגיעה לתור הטיפול שלכם, יש עוד 25 לקוחות שבשקט מחליטים לא לחזור. הדשבורדים שלכם לעולם לא יסמנו אותם. ועד שמדדי הנטישה מתחילים להשתנות, הנזק כבר נעשה.
CommBox היא פלטפורמת AI ארגונית לניהול מעורבות לקוחות, שמאפשרת לצוותי CX להבין ולפעול על בסיס שיחות לקוח בערוצי קול, מסרים, סוכני AI וערוצים דיגיטליים.
Era Insights, פלטפורמת החקירה התפעולית מבוססת ה־AI של CommBox, מנתחת באופן פעיל את התוכן של שיחות אמיתיות עם לקוחות כדי להסביר תוצאות תפעוליות- והיא נבנתה עבור צוותי CX המתמודדים עם היקפי פעילות גדולים.
מלכודת הניהול התגובתי
רוב מוקדי השירות מגלים בעיות דרך תלונות, הסלמות לנציג אנושי או דוחות נטישה חודשיים. עד שכבר ניתן לזהות דפוס, הוא הספיק להשפיע על מאות לקוחות.
זו לא בעיית הדרכה וגם לא בעיית כוח אדם. זו בעיה מבנית. תלונות הן הסימן הכי חזק, ולכן צוותי התפעול מכוונים את עצמם אליהן- בעוד שכל הסימנים השקטים יותר מסוננים עוד לפני שהם מגיעים למקבלי ההחלטות. התוצאה היא מצב תמידי של כיבוי שריפות: טיפול בבעיות שכבר התפרצו, במקום באלה שעומדות להתפרץ.
למה כלי BI לא יכולים לפתור את הבעיה הזאת
כשיש פער בנראות, האינסטינקט הוא להוסיף עוד דשבורדים. כלים כמו Tableau ו-Power BI עושים בדיוק את מה שהם נועדו לעשות- הם מראים לכם מה קרה, ברמה מצרפית, בדיעבד.
מה שהם לא יכולים לעשות הוא להסביר למה זה קרה.
מדדים מובנים לא משקפים את התוכן של השיחות עצמן. הם לא יכולים להגיד לכם שכשל מסוים בתסריט של צוות החיוב הוא זה שגורם לעלייה בפניות חוזרות. לפי ‘דוח הרלוונטיות של Coveo לשנת 2022 בתחום השירות’, 46% מהלקוחות כמעט אף פעם או אף פעם לא מתלוננים על חוויה שלילית- הם פשוט עוברים הלאה.
אותו רוב בכלל לא נכנס למערכת ניהול הפניות שלכם. הוא נמצא בתמלולים, בהקלטות שיחה ובלוגים של צ’אטים- מקומות שכלי BI, וגם פלטפורמות אנליטיקה שממוקדות בטיקטים כמו Zendesk או Salesforce, שמציגות נתונים מובנים אבל מספקות עומק מוגבל בניתוח של שיחות, פשוט לא קוראים.
Era Insights: שאלו את הנתונים שלכם כל דבר
Era Insights מאפשרת להפוך כל שיחת לקוח לניתנת לחקירה- בשפה טבעית, בלי SQL ובלי להמתין לאנליסט.
מנהלי תפעול יכולים לשאול: למה הייתה קפיצה בכמות הפניות ביום חמישי? או: מה הלקוחות אומרים אחרי האינטראקציה הראשונה שלהם עם סוכן ה-AI?
Era Insights מחפשת בו-זמנית בשיחות קוליות, הודעות, אינטראקציות עם סוכני AI וערוצים דיגיטליים, ומחזירה תשובות שמבוססות על התוכן בפועל של שיחות הלקוחות.
ההבדל המרכזי הוא מכוון: דשבורדים מראים לכם מה קרה. Era Insights אומרת לכם למה. היא לא שכבת ויזואליזציה, לא תחליף לכלי BI ולא כלי כללי לסיכום באמצעות AI- אלא כלי חקירה תפעולי מבוסס AI, שנבנה כדי לענות על השאלות שמנהלי CX באמת צריכים עליהן תשובות, עם נראות מלאה לראיות שמאחורי כל תשובה.
התוצאה: מכיבוי שריפות לניהול אסטרטגי
שאלות נפוצות
האם אפשר לסמוך על תובנות שמופקות באמצעות AI בכלי כזה?
כל תשובה ב־Era Insights ניתנת למעקב עד לשיחות שעליהן היא מבוססת. מנהלי תפעול יכולים לבחון את נתוני המקור שמאחורי כל ממצא. השקיפות הזו מאפשרת לרדת לעומק הנתונים, מבטלת את בעיית ה״קופסה השחורה״ ומאפשרת לפעול על בסיס התובנות בביטחון.
כבר יש לנו דשבורדים. למה אנחנו צריכים את זה?
דשבורדים מראים מה קרה- היקפי פניות, זמני טיפול, ציוני CSAT. Era Insights מסבירה למה זה קרה, באמצעות ניתוח התוכן בפועל של שיחות הלקוחות. דשבורדים אומרים לכם שמדד השתנה; Era Insights מראה לכם מה גרם לשינוי.
למה לא פשוט להשתמש בכלי AI כללי כמו GPT עם תמלילי השיחות שלנו?
כלי AI כלליים אינם כוללים את ההקשר התפעולי, מנגנוני הבקרה והאורקסטרציה שסביבות CX ארגוניות דורשות. Era Insights נבנתה במיוחד עבור תפעול CX- עם ארכיטקטורת הרשאות, אינטגרציות לנתונים בזמן אמת והתנהגות דטרמיניסטית שנדרשת בסביבות ארגוניות.
האם הכלי יכול לבצע הזיות או להחזיר תשובות לא מדויקות?
Era Insights מציגה תשובות שמבוססות על נתוני שיחה אמיתיים, עם אפשרות לרדת עד לראיות המקור שעליהן הן נשענות. ארכיטקטורת האחזור המבוססת הזו שונה באופן מהותי מ־AI גנרטיבי שפועל ללא מגבלות- כשאפשר לראות על איזה מידע ה־AI מתבסס, אפשר גם לאמת את מה שהוא אומר.
איזה סיכון תפעולי השימוש בכלי כזה יוצר?
השאלה הרלוונטית יותר היא מהו הסיכון שבחוסר בנראות הזו. כש־25 מתוך 26 לקוחות לא מרוצים עוזבים מבלי לאותת על כך, היעדר תמונה מלאה כבר מהווה סיכון מהותי לשביעות רצון הלקוחות. Era Insights מוסיפה מנגנוני בקרה מובנים, גישה מבוססת תפקידים וניהול נתונים המוכן לביקורת- וכך מפחיתה סיכון תפעולי במקום להוסיף לו.
מקורות
Esteban Kolsky / ThinkJar– המקור לנתון שלפיו “רק 1 מכל 26 לקוחות לא מרוצים מתלונן”. הנתון מיוחס באופן נרחב למחקר של Kolsky ב־ThinkJar בספרות העוסקת בחוויית לקוח; עם זאת, לא ניתן היה לאמת מקור ראשוני יחיד ונגיש לציבור. האזכור מובא בשם: Esteban Kolsky, ThinkJar Research.
Coveo -“Coveo Research Finds Customers Have Lost All Patience for Poor Service,” GlobeNewswire, March 10, 2022– המקור לנתון שלפיו 46% מהלקוחות כמעט אף פעם או אף פעם לא מתלוננים על חוויית שירות שלילית (Coveo 2022 Relevance Report: Service).
Gartner -“Gartner Predicts Agentic AI Will Autonomously Resolve 80% of Common Customer Service Issues Without Human Intervention by 2029”– הודעה לעיתונות, 5 במרץ 2025.
