Tantangan Layanan Pelanggan Teratas di tahun 2023 dan Cara Mengatasinya

Lebih dari 60% pelanggan yang disurvei oleh Zendesk pada 2022¹ mengklaim bahwa ekspektasi mereka terhadap standar layanan pelanggan yang mereka terima lebih tinggi daripada pada tahun 2021.

Tim dukungan yang tidak memenuhi ekspektasi pelanggan ini memiliki banyak hal yang bisa hilang. Menurut survei Hiver terbaru², setelah hanya satu pengalaman negatif dengan perusahaan:

• 72% pelanggan akan beralih ke perusahaan lain.
• 52% akan mencegah teman dan keluarga membeli dari perusahaan tersebut.
• 36% akan membagikan pengalaman negatifnya via media sosial atau situs web ulasan.

Jangan biarkan statistik ini menakutkan Anda, tetapi biarkan statistik ini memotivasi Anda dan tim dukungan pelanggan Anda. Bersiaplah untuk tahun mendatang dengan mempelajari tentang ekspektasi dukungan pelanggan pada tahun 2023 dan cara Anda dapat memenuhinya.

Pelanggan Menginginkan Peningkatan Solusi yang Cepat

Pelanggan tidak ingin menunggu lama saat mereka membutuhkan dukungan. Mereka menginginkan respons yang cepat dan realtime.

Menurut Laporan Tren Pengalaman Pelanggan terbaru dari Zendesk, 76% pelanggan ingin merek segera berinteraksi setelah menghubungi perusahaan untuk mendapatkan dukungan. Survei State of Customer Support 2022 dari Hiver menemukan bahwa 33,7% pelanggan mengharapkan penyelesaian dalam 2 jam, dan 52,17% pelanggan mengharapkan penyelesaian dalam 24 jam setelah menghubungi perusahaan.¹.

Bisnis menyadari bahwa mereka masih bisa lebih baik dalam hal ini. Kurang dari 20% perusahaan yang disurvei oleh Zendesk menilai kemampuan mereka untuk menyelesaikan masalah pelanggan dengan cepat sebagai “sangat kuat”.¹.

Tips: Manfaatkan chatbot berbasis AI dan analitik pendukung prediktif

Guna mempercepat waktu tanggapan, pakai teknologi untuk mengotomatisasi tugas layanan pelanggan (CS) yang berulang agar agen bisa menangani pekerjaan yang lebih penting. Tambahkan chatbot yang didukung oleh kecerdasan buatan (AI) ke semua saluran komunikasi langsung Anda (aplikasi pengiriman pesan, situs web, media sosial, dalam aplikasi).

Chatbot AI bisa menangani kebutuhan layanan rutin seperti memulai retur, mengubah/melacak pengiriman, dan lainnya.

Anda juga bisa memprogram chatbot untuk menjawab pertanyaan umum pelanggan secara otomatis agar bisa menawarkan dukungan langsung dan sepanjang waktu. Meskipun bot perlu mengalihkan masalah ke agen langsung, pelanggan akan senang dengan respons chat yang cepat.

Organisasi juga bisa menggunakan analitik prediktif seperti analisis sentimen untuk mengenali potensi masalah pelanggan dan berusaha secara proaktif untuk menghindarinya. Dengan bantuan pemrosesan bahasa alami (NLP), AI mengolah percakapan pelanggan untuk mengidentifikasi sentimen pelanggan yang positif atau negatif.

Ketika tim CS Anda bisa mengidentifikasi awal mula terjadinya sentimen negatif dalam komunikasi dengan pelanggan, mereka bisa bekerja secara proaktif untuk meningkatkan pengalaman pelanggan dengan menangani masalah secara cepat — terkadang, bahkan sebelum pelanggan menyadari adanya masalah.

Cara Mengamati Kemungkinan Frustrasi Chatbot

Sebagian besar pelanggan senang berinteraksi dengan chatbot. Zendesk menemukan bahwa 66% pelanggan percaya bahwa chatbot mempermudah kehidupan mereka, menghemat waktu dan tenaga, dan 69% tidak keberatan membiarkan chatbot membantu menyelesaikan pertanyaan sederhana dari pelanggan.¹.

Namun, chatbot juga bisa menjadi sumber frustrasi jika tidak berfungsi dengan baik. Lebih dari separuh (54%) pelanggan mengatakan ke Zendesk bahwa mereka merasa frustasi dengan banyaknya pertanyaan yang harus dijawab sebelum chatbot memutuskan untuk menghubungkan mereka ke agen manusia.1 Hiver menemukan bahwa hampir 40% pelanggan merasa frustasi ketika chatbot tidak bisa memahami dan mengerti masalah mereka dengan benar.²

Dan ketika semakin banyak perusahaan berinvestasi dalam chatbot, banyak yang mengakui bahwa mereka belum mengetahui cara mengoptimalkan penggunaannya. Zendesk menemukan bahwa setengah dari bisnis kecewa dengan kinerja chatbot dan 57% frustrasi karena “pendekatan ad hoc terhadap integrasi AI”.¹.

Tips: Lacak metrik chatbot utama untuk mengoptimalkan interaksi

Pantau dan analisis interaksi antara chatbot dan pelanggan agar Anda bisa mencari tahu cara untuk meningkatkan percakapan ini. Berikut adalah beberapa metrik yang bisa Anda lacak untuk memantau dan menyempurnakan kinerja chatbot Anda.

Tingkat fallback (FBR)

Jawaban fallback diberikan kepada pelanggan oleh chatbot saat chatbot tidak memahami pertanyaan. Ukur kegunaan chatbot Anda dengan menghitung seberapa sering chatbot memberikan tanggapan fallback.

Contoh: 5.000 pesan diberikan, 100 di antaranya adalah jawaban fallback.

5,000 – 100 = 4,900

4,900/5,000 = 0.98

0.98 × 100 = 98%

Rasio fallback chatbot Anda hanya 2% (100% – 98%).

Selidiki pesan yang menerima jawaban fallback dan tentukan apakah lebih baik mengajari chatbot tentang topik ini atau memprogram chatbot untuk mengarahkan pelanggan ke agen langsung.

Rasio penyelesaian sasaran (GCR)

Ukur keberhasilan pelanggan dalam menemukan solusi saat berinteraksi dengan chatbot dengan melacak tingkat penyelesaian tujuan (GCR). Metrik ini menampilkan persentase pengguna yang berinteraksi dengan chatbot yang bisa mencapai tujuan mereka, seperti menjawab pertanyaan onboarding atau menjadwalkan pertemuan dengan agen langsung.

Contoh: 5.000 interaksi terjadi, dan 2.400 pelanggan menyelesaikan sasaran mereka.

2,400/5,000 = 0.48

0.48 × 100 = 48%

GCR Anda adalah 48%

Apakah alur percakapan chatbot Anda terlalu panjang atau membingungkan? Apakah tombol di pesan Anda tidak berfungsi dengan benar? Saat Anda terus memantau tingkat penyelesaian tujuan yang rendah, Anda bisa mengetahui contoh penggunaan chatbot mana yang perlu diperhatikan dan mungkin direvisi.

Rasio pengambilalihan oleh manusia (Human takeover rate – HTR)

Metrik ini menunjukkan seberapa sering chatbot Anda bisa menyelesaikan pertanyaan pelanggan tanpa bantuan dari agen langsung Anda. Tingkat pengambilalihan manusia (HTR) adalah metrik yang lebih spesifik karena ada kalanya interaksi manusia menjadi interaksi yang disukai.

Contoh: 5.000 interaksi terjadi, dan 900 pelanggan meminta transfer ke agen manusia.

900/5,000 = 0.18

0.18 × 100 = 18%

HTR Anda adalah 18%

Ikuti HTR untuk mengidentifikasi potensi hambatan dalam alur chatbot Anda dan kesenjangan dalam pengetahuan mereka. HTR juga bisa menunjukkan situasi yang mungkin lebih baik untuk mengabaikan chatbot sepenuhnya dan segera menyediakan interaksi manusia.

Dengan data HTR yang mencukupi, Anda bahkan dapat menciptakan pengalaman chat tersegmentasi di mana bot berinteraksi dengan pelanggan berdasarkan karakteristik—seperti usia, profesi, tingkat pendidikan, dan banyak lagi.

Berbagi Detail Pelanggan ke Seluruh Agen

Pelanggan menjadi semakin kesal ketika mereka harus mengulangi informasi. Ini adalah masalah yang umum terjadi dalam layanan pelanggan saat ini, dengan hampir 66% pelanggan yang disurvei Hiver menyatakan bahwa mereka “sering” perlu mengulangi masalah mereka.²

Situasi ini sering terjadi ketika agen tidak memiliki akses ke percakapan sebelumnya sehingga mereka mengajukan pertanyaan yang sudah dijawab pelanggan. Perusahaan terus menambahkan saluran komunikasi baru ke sistem layanan pelanggan mereka, tetapi belum melakukan cukup langkah untuk menghubungkan percakapan omnichannel di antara saluran dan agen mereka.

Perusahaan yang bisa menghubungkan dan mengelola percakapan omnichannel secara efektif akan mendapatkan keuntungan. Menurut Zendesk, 92% pelanggan cenderung berbelanja lebih banyak di perusahaan yang tidak meminta mereka mengulang informasi dalam percakapan.¹.

Tips: Pusatkan data pelanggan agar mudah diakses agen.

Zendesk menemukan bahwa 71% pelanggan pada tahun 2022 mengharapkan perusahaan membagikan informasi mereka dengan benar di antara agen sehingga mereka tidak perlu mengulang informasi tersebut. Jadikan informasi pelanggan—detail individu dan riwayat percakapan—bisa diakses oleh semua agen dengan platform manajemen hubungan pelanggan (CRM).¹

Gunakan perangkat lunak yang memungkinkan Anda mengelola semua percakapan pelanggan di satu tempat dan memberi perwakilan layanan pelanggan akses penuh ke konteks di balik setiap pertanyaan yang mereka tangani.

Platform WhatsApp Business bisa diintegrasikan dengan CRM untuk membantu mewujudkan keuntungan ini. Perusahaan yang memanfaatkan WhatsApp atau Facebook Messenger sebagai saluran komunikasi default mendapatkan riwayat percakapan tersimpan sebagai fitur dasar.

Istimewanya lagi, ketika data terpusat dan dibagikan, pelanggan dapat menggunakan saluran pilihan mereka kapan saja, karena mereka tahu bahwa mereka dapat memulai setiap percakapan baru dengan mudah dari titik terakhir percakapan sebelumnya.

Memberdayakan Pelanggan untuk Memecahkan Masalah Secara Mandiri

Dukungan pelanggan bukan hanya sekadar tersedia untuk membantu pelanggan ketika mereka mengalami masalah. Perusahaan yang ingin unggul dalam layanan pelanggan harus membantu pelanggan mendapatkan jawaban secara mandiri.

Layanan mandiri mengurangi beban kerja agen. Menurut laporan State of Customer Care 2022 dari McKinsey³, 65% bisnis yang berhasil menurunkan volume panggilan secara signifikan menyebutkan bahwa penyediaan basis pengetahuan dan opsi layanan mandiri lainnya adalah pendorong utama.

Namun, yang paling penting adalah pelanggan sangat suka karena bisa menemukan jawaban secara mandiri. Zendesk menemukan bahwa 70% pelanggan mengharapkan perusahaan menawarkan portal layanan mandiri, dan 89% akan menghabiskan lebih banyak waktu dengan perusahaan yang memungkinkan mereka menyelesaikan masalah sendiri.¹.

Tips: Manfaatkan masukan pelanggan untuk memandu prioritas pembuatan sumber daya

Saat membangun sumber daya layanan mandiri, biarkan pelanggan Anda memandu Anda ke jenis konten yang paling mereka inginkan dan butuhkan.

• Tanyakan langsung kepada pelanggan melalui survei tentang jenis konten bantuan mandiri yang ingin mereka lihat.
• Program chatbot untuk menanyakan pelanggan apa yang mereka perlukan dan menawarkan opsi pilihan ganda untuk mengumpulkan data dengan cepat.
• Tambahkan tombol “Apakah ini membantu?” di akhir artikel pusat bantuan untuk mendorong tanggapan cepat ya/tidak dan mengukur efektivitas konten bantuan mandiri Anda.

Anda juga bisa menggunakan platform adopsi digital untuk mengamati interaksi pelanggan dengan sumber informasi Anda. Perhatikan tren yang bisa menunjukkan konten yang tidak efektif. Apakah pelanggan rutin mencari bantuan dari agen langsung setelah membaca artikel tertentu? Ini bisa menjadi pertanda jelas bahwa artikel atau jenis konten tertentu perlu diperbarui atau diubah total.

Saat Anda memprioritaskan sumber daya yang dibuat berdasarkan masukan dan perilaku pelanggan, Anda membantu agen yang bertugas membuat dan memelihara portal konten mandiri. Anda juga menyediakan jenis konten yang mereka inginkan dan butuhkan untuk memecahkan masalah secara mandiri tanpa membuang waktu untuk membuat sumber daya yang tidak mereka anggap bermanfaat.

Menjaga Kepuasan Agen Layanan Pelanggan Anda

Hampir separuh dari manajer layanan pelanggan yang disurvei oleh McKinsey mengatakan bahwa penghentian agen telah meningkat selama 12 bulan terakhir.

Menurut Gartner, pergantian karyawan sukarela di AS diprediksi akan naik hampir 20% pada tahun 2022 dibandingkan dengan tahun 2021⁴. Sebelum pandemi COVID-19, rata-rata tahunan pergantian karyawan yang bersifat sukarela adalah 31,9 juta orang, dibandingkan dengan 37,4 juta orang pada tahun 2022.

Zendesk melakukan polling terhadap agen¹, dan tanggapan mereka cocok dengan klaim ini. Hanya sedikit agen yang puas dengan:

• Beban kerja keseluruhan (15%)
• Opsi jalur karier (14%)
• Kualitas pelatihan (20%)
• Bagaimana CS dilihat oleh seluruh anggota perusahaan (17%)

Untuk terus menawarkan layanan pelanggan yang luar biasa, perusahaan harus mulai memprioritaskan retensi agen dukungan.

Tips: Lengkapi tim CS dengan peralatan, pelatihan, dan kesempatan peningkatan karier yang tepat

Responden survei State of Customer Care dari McKinsey mengatakan bahwa prioritas utama mereka dalam 12–24 bulan ke depan adalah mempertahankan dan mengembangkan tim terbaik. Dari para pemimpin layanan pelanggan yang ditanyai, 34% mengatakan bahwa fokus memotivasi dan membangun kepercayaan pada karyawan adalah strategi yang efektif, dan 11% mengatakan bahwa memberikan jalur dan peluang karier baru kepada agen CS mereka adalah kuncinya.³.

Jika perusahaan Anda serius dengan retensi, Anda harus berinvestasi dalam membangun jalur bagi karyawan terbaik Anda untuk belajar, meraih pencapaian, dan berkembang dalam perusahaan Anda.

• Fitur yang Tepat: Lengkapi mereka dengan fitur yang dibutuhkan agar mereka dapat bekerja lebih baik. Saat Forrester melakukan survei terhadap pelanggan Pengiriman Pesan Bisnis Meta yang aktif, mereka menemukan bahwa 78% responden mengalami penurunan rata-rata rotasi agen sebesar 19% dari tahun ke tahun karena aplikasi perpesanan mengurangi beban panggilan total dan mempermudah dalam membantu pelanggan.⁵.
• Pelatihan yang Tepat: Berikan kesempatan belajar berkelanjutan kepada staf CS. Buat mereka merasa dihargai dengan berinvestasi pada pendidikan dan pelatihan berkelanjutan.
• Peluang yang Tepat: Beri kesempatan kepada karyawan berkinerja terbaik untuk meningkatkan karier mereka. Promosikan untuk posisi manajemen dari dalam tim CS Anda daripada merekrut kandidat luar.

Dengarkan Staf Frontline Anda agar Tetap Terdepan dalam Kompetisi

Tidak ada yang memiliki lebih banyak insight tentang kondisi operasi layanan pelanggan Anda selain agen dukungan Anda sendiri. Selalu informasikan perkembangan terbaru dan libatkan mereka dalam perencanaan dan strategi Anda.

Interaksi harian antara agen dan pelanggan adalah sumber yang bagus untuk mendapatkan insight yang tidak difilter dan dapat ditindaklanjuti mengenai kondisi pengalaman layanan pelanggan yang Anda berikan saat ini serta bagian mana yang perlu ditingkatkan.

Pengalaman pelanggan yang hebat dimulai dengan memberikan agen Anda pengetahuan dan fitur yang diperlukan agen untuk menyampaikan.