Im Bereich Kundenservice stehen Mitarbeitende zunehmend intensiven Herausforderungen gegenüber: Steigende Kundenerwartungen, zunehmende Komplexität von Anfragen und der ständige Druck, Effizienz und Qualität in Einklang zu bringen. Durch den Einsatz moderner KI-Lösungen können Unternehmen nicht nur ihre Serviceprozesse optimieren, sondern auch das Kundenerlebnis auf ein neues Niveau heben. Diese Fallstudie zeigt, wie Sunny Cars mit KI im Kundenservice ihre Abläufe für Mitarbeitende und Kunden optimieren konnte.
Über Sunny Cars
Sunny Cars ist einer der führender Anbieter von Mietwagen-Dienstleistungen Europas.
Der Anbieter agiert als Vermittler und arbeitet mit einer Vielzahl von Autovermietungen weltweit zusammen, um seinen Kunden eine breite Auswahl an Fahrzeugen zu bieten.
Das Unternehmen bietet All-Inclusive-Pakete an, die in der Regel Versicherungen und andere Zusatzleistungen beinhalten, um den Mietwagenprozess für den Kunden so transparent und sorgenfrei wie möglich zu gestalten.
Sunny Cars agiert in über 120 Ländern, was es zu einem globalen Dienstleister im Bereich der Autovermietung macht.
Für Sunny Cars sind Kundennähe und exzellenter Kundenservice von zentraler Bedeutung.
Das Unternehmen legt großen Wert darauf, den Mietwagenprozess für die Kunden so einfach und sorgenfrei wie möglich zu gestalten. Aus diesem Grund sollten im Rahmen dieses Projektes genau an den Prozessen gearbeitet werden, welche direkt in das Kundenerlebnis einzahlen.
Die Herausforderung
Der Markt der Mietwagen-Vermittlung wächst und ebenso Sunny Cars Kundenanfragen.
Sunny Cars sah sich daher mit der Herausforderung konfrontiert, das wachsende Volumen an Kundenanfragen effizient zu bewältigen.
Die Anfragen umfassten eine breite Palette von Anliegen, von vergessenen Gegenständen im Mietwagen bis hin zu Schadensmeldungen oder nicht vollständig zufriedene Kunden. Viele der Anfragen sind aber auch der Kategorie „weißes Rauschen“ zuzuordnen und müssen weniger aktiv bearbeitet, sondern eher aufgeräumt werden.
Das hochqualifizierte Customer Care Team von Sunny Cars musste also täglich eine große Anzahl von Emails lesen, manuell klassifizieren und bearbeiten, was äußerst zeitaufwändig war.
Neue ebenso hochqualifizierte Mitarbeitende waren in Zeiten des Fachkräftemangels nicht leicht zu finden.
Um diese Kundenanfragen effizienter zu bearbeiten und die Kundenzufriedenheit zu erhöhen, entschied sich Sunny Cars, KI im Kundenservice zur Unterstützung bei einigen der tagtäglichen Aufgaben zu implementieren.
Das ONTEC AI Team wurde dabei besonders aufgrund der Kompetenz im Bereich komplexer und sensibler Daten, LLM-Agnostizität, der vollumfänglichen GDPR-Compliance sowie dem Expertenteam selbst ausgewählt, welches durch den Prozess begleitete.
Die Lösung
In Zusammenarbeit mit dem Team von ONTEC AI wurden zur Unterstützung des Customer Care Teams mehrere Lösungen implementiert:
Automatische Klassifikation/Kategorisierung der Anfrage
Eine der ersten Herausforderungen war die manuelle Zuweisung von Anfragen zu spezifischen Kategorien, den sogenannten ‚Claim Types‘, also Anfragekategorien. Es gab etwa zehn verschiedene Kategorien, wie z.B. ‚Kreditkarte‘, ‚Schaden‘, ‚Feedback‘.
Basierend auf historischen Daten wurden verschiedene Ansätze getestet, um diesen Prozess zu automatisieren:
- Klassifizierungsanfragen an ein bestehendes LLM: Erzielte eine Klassifizierungsgenauigkeit von etwa 20%.
- Selbst trainierte Modelle: Erreichten eine Genauigkeit von bis zu 80%
- Finetuning eines bestehenden Modells: Letztendlich wurde ein Embedding-Modell als Vorstufe verwendet, auf dem der Classifier aufgebaut wurde. Dieses Modell konnte direkt die richtige Kategorie zuweisen und erreichte im Praxiseinsatz eine Genauigkeit von über 90%.
Bereitstellung von Zusammenfassungen der Anfragen
Eine weitere Herausforderung war die Zusammenfassung der eingehenden – teils sehr ausführlichen und umfänglich formulierten – Anfragen.
Bisher wurden vom Customer Care Team manuell Zusammenfassungen geschrieben, um bei einer späteren Bearbeitung (z.B. nach Antwort des Gegenübers) sich schnell wieder einen Überblick verschaffen zu können.
Die Automatisierung der Zusammenfassungen sollten den Bearbeitungsprozess beschleunigen, indem sie den Customer Care Mitarbeitenden fortan hilft, die Art der Anfrage auf einen Blick zu erinnern.
Unterstützte Bewertung und Priorisierung durch eine Sentiment-Analyse
Unterschiedliche Anfragen wurden in der Vergangenheit manuell, basierend auf unterschiedlichen Kriterien, nach ihrer Dringlichkeit priorisiert.
Um die Priorisierung der Anfragen zu optimieren, wurde eine Sentiment-Analyse implementiert.
Diese ermöglicht es, die Stimmung von Kundenanfragen (positiv, neutral, negativ, sehr negativ) automatisch zu erkennen.
Diese Sentiment Analyse unterstützt die Priorisierung der Anliegen und ermöglicht es, proaktiv auf besonders dringliche Anfragen zu reagieren.
Zukünftige Entwicklungen
Im September 2024 sind die ersten Teile des Projektes bereits umgesetzt. Insbesondere folgende Lösungen haben sich aus der initialen Bedarfsanalyse noch zusätzlich ergeben und sind derzeit noch in der Implementierungsphase.
Claim Type Keyword Classifier
Ein weiteres Projektziel ist es, einen Keyword-basierten Classifier zu trainieren, der spezifische Falldetails wie „Reifenschaden“, „Motorschaden“ usw. erkennt.
Diese Falldetails sollten verwendet werden, um detaillierte Analysen durchzuführen, und so beispielsweise Verbesserungspotenziale bei Partnern und spezifischen Standorten zu identifizieren.
Response Draft Generator
Bestehenden Informationen sollen in Prompts eingespeist werden, um automatisch generierte Antwortentwürfe zu erstellen.
Diese dienen zwar als vollständige Grundlage, können aber zusätzlich für den jeweiligen Kunden manuell angepasst werden.
Voucher/Refund Classifier
Dieser gibt automatisiert eine Empfehlung ab, ob ein Kunde einen Gutschein, eine Rückerstattung, beides oder keines davon erhalten sollte.
Diese Empfehlung kann vom Customer Care Team direkt übernommen oder angepasst werden.
51% der Kunden werden nach nur einer einzigen schlechten Serviceerfahrung niemals mehr mit einem Unternehmen Geschäfte machen.
Quelle: info.microsoft.com
Ergebnisse
Die wichtigsten Ergebnisse umfassen:
Effizientere Fallbearbeitung
Durch die Automatisierung der Anfragenklassifizierung und die Einführung von spezifischen Zusammenfassungen konnte die Bearbeitungszeit signifikant reduziert werden.
Optimierte Bearbeitungsreihenfolge
Die Sentiment-Analyse ermöglicht eine optimierte Priorisierung der Anfragen und dadurch eine zeitlich gezieltere Lösung.
Erleichtertes Wachstum
Sunny Cars kann weiter wachsen, ohne die Nachteile von Einstellungsprozessen (langwierige Suche, On- und Offboarding hochqualifizierter Mitarbeitender)
Kultureller Wandel
- Eine „KI-macht-Sinn“-Kultur entsteht – Mitarbeitende sind offen für den Einsatz von KI und entdecken zunehmend Bedarf und Anwendungsfälle
- Hinterfragen des Gedankens „Das haben wir schon immer so gemacht“ dank sichtbarer Wirkung und des Gefühls von Entlastung
Zusammenfassung und Key Takeaways
Diese Fallstudie zeigt, wie künstliche Intelligenz im Kundenservice sowohl Mitarbeitenden als auch Kunden enorm zugutekommen kann. Durch die Implementierung von KI-basierten Lösungen konnte Sunny Cars den Customer Care Prozess und das Kundenerlebnis klar optimieren.
Key Takeaways für Unternehmen, die KI im Kundenservice einsetzen möchten
- Ja, KI kann Customer Care Teams auf unterschiedlichen Wegen stark unterstützen
- Der Start mit den „low-hanging fruit“, den einfach zu erreichenden Erfolgen ermöglicht Mitarbeitenden einen einfachen Zugang zu KI
- Kleine Projekte ermöglichen es sofort den positiven Einfluss von KI-Systemen zu erleben und erhöhen das Commitment von Kunden und Mitarbeitenden
Diese kundenorientierteren Serviceabwicklung von Sunny Cars bietet den Kund*innen des Unternehmens eine noch effizientere Bearbeitung ihrer Anliegen. Das Unternehmen plant, diese KI-basierten Ansätze weiter auszubauen und zu verfeinern.
Klingt spannend?
Gerne sprechen wir mit Ihnen über die Möglichkeiten, die KI im Bereich Kundenservice für Ihr Unternehmen bereithält!
