Geautomatiseerde klantenservice

Geautomatiseerde klantenservice is het gebruik van software om klantvragen via telefoon, chat, e-mail of selfservice te beantwoorden en op te lossen, zonder dat een menselijke medewerker elke stap afhandelt.

Het varieert van eenvoudige regels, zoals een IVR-menu of een automatisch e-mailantwoord, tot AI-agents die een vraag in de eigen woorden van de klant begrijpen, het account opzoeken, de wijziging doorvoeren en die bevestigen. De meeste contactcenters gebruiken de eerste soort al. De open vraag is hoe ver je gaat met de tweede, en waar je begint.

Deze gids behandelt de kanalen, welke verzoeken je als eerste automatiseert en welke je bij mensen houdt, hoe een geautomatiseerd telefoongesprek precies werkt, waar automatisering misgaat, hoe je het meet, en een korte checklist voor de uitrol.

Wat valt er onder geautomatiseerde klantenservice?

Elk onderdeel van een supportinteractie dat zonder medewerker verloopt: het contact aannemen, de klant identificeren, het antwoord vinden, de actie uitvoeren en het resultaat vastleggen. Software voor geautomatiseerde klantenservice, of die nu wordt verkocht als geautomatiseerde klantondersteuning, chatbot of stemagent, valt uiteen in twee brede groepen.

• Regelgebaseerde automatisering volgt paden die iemand vooraf heeft gebouwd. Denk aan IVR-menu's ("toets 2 voor facturatie"), standaard e-mailantwoorden, beslisbomen in chatbots en routeringsregels in de helpdesk. Het is voorspelbaar en goedkoop in gebruik, maar kan alleen afhandelen wat de bouwer had voorzien.
• AI-gebaseerde automatisering interpreteert wat de klant bedoelt, bepaalt welke informatie nodig is en roept je systemen aan om actie te ondernemen. Het kan omgaan met formuleringen die niemand heeft gescript, en het kan het werk daadwerkelijk doen in plaats van het te beschrijven.

De meeste teams gebruiken beide: regels voor vaste stappen met weinig risico, zoals het invoeren van een pincode via het toetsenbord, en AI voor het gesprek daaromheen. Wanneer de AI verzoeken van begin tot eind oplost binnen de grenzen die jij stelt, noemen we dat autonome klantenservice, het uiterste eind van hetzelfde spectrum.

Welke klantenservicekanalen kun je automatiseren?

Je kunt alle vier de hoofdkanalen automatiseren. Ze verschillen in hoe moeilijk het is om het goed te doen en hoeveel een onbeantwoord contact je kost.

• Telefoon. Het moeilijkste kanaal en meestal het duurste om te bemensen, omdat een live gesprek de volledige aandacht van één medewerker vraagt zolang het duurt. Automatisering betekende hier vroeger IVR-bomen. Tegenwoordig betekent het steeds vaker een AI-stemagent die het gesprek aanneemt, met de beller praat en het verzoek oplost of doorverbindt.
• Chat. Websitechat en SMS waren de eerste kanalen met AI, omdat tekst makkelijker te verwerken is dan spraak. Het risico is een bot die alleen naar helpartikelen verwijst.
• E-mail. Automatisering classificeert en routeert berichten, stelt conceptantwoorden op en sluit eenvoudige verzoeken af. Het volume kan hoog zijn, maar klanten verwachten tragere antwoorden, dus vertraging kost minder dan aan de telefoon.
• Selfservice. Helpcentra, accountportalen en statuspagina's laten klanten zichzelf helpen voordat ze ooit contact met je opnemen. Ze werken als de content actueel en makkelijk te vinden is.

Voor mid-market- en enterpriseteams verdient de telefoonlijn meestal de meeste aandacht. Klanten bellen als een verzoek urgent is of selfservice heeft gefaald, wachtrijen en afgebroken gesprekken stapelen zich daar op, en een slechte IVR doet de meeste schade aan hoe klanten je zien. De rest van deze gids richt zich op de telefoon, al geldt het meeste ook voor chat.

Welke klantverzoeken moet je als eerste automatiseren?

Begin met verzoeken die een hoog volume hebben, duidelijke regels volgen en worden opgelost met een opzoeking of een eenvoudige wijziging in één bronsysteem. In de meeste supportwachtrijen gaat het om vier groepen:

1. Statuscontroles. Waar is mijn bestelling, claim, aanvraag, terugbetaling of monteur?
2. Planning. Een afspraak inplannen, verzetten, bevestigen of annuleren.
3. Accountwijzigingen. Een adres, telefoonnummer, betaaldatum of contactvoorkeur bijwerken.
4. Veelgestelde vragen. Openingstijden, locaties, beleid, voorwaarden en hoe-vragen met een gedocumenteerd antwoord.

Deze hebben drie kenmerken gemeen: de intentie is makkelijk te herkennen, er is één juiste uitkomst en de actie kan ongedaan worden gemaakt. Verzoeken zonder die kenmerken horen bij mensen, in elk geval in het begin.

Wil je je eigen versie maken? Haal de contactredenen van het afgelopen kwartaal uit je helpdesk of je gespreksafhandelingscodes en sorteer ze op volume. De belangrijkste redenen die bij het patroon "automatiseren" passen, vormen je eerste scope. Al het andere blijft bij mensen totdat die scope werkt.

Hoe werkt geautomatiseerde klantenservice tijdens een telefoongesprek?

Een geautomatiseerd gesprek doorloopt vijf fasen: begrijpen, opzoeken, handelen, bevestigen en zo nodig overdragen. Zo verloopt dat bij een typisch gesprek om een afspraak te verzetten, en dit moet er voor elke fase gekoppeld zijn.

Begrijpen. De beller zegt in eigen woorden: "Ik moet mijn afspraak van donderdag verzetten." De stemagent bepaalt de intentie (verzetten) en wat er ontbreekt (welke afspraak, welk nieuw tijdstip). Nog voordat de agent iets zegt, kan de webhook voor inkomende gesprekken van Retell bellerspecifieke context, zoals het account dat bij het nummer van de beller hoort, aan het gesprek meegeven, zodat de agent een bekende klant bij naam kan begroeten.

Opzoeken. De agent controleert het record. Met Retell gebeurt dat via integratietools voor systemen als Salesforce, HubSpot, Zendesk, Calendly en Cal.com, of via een custom function die tijdens het gesprek je eigen API aanroept voor al het andere, zoals een bestelsysteem of een planningsbackend. Vragen over beleid worden beantwoord vanuit een kennisbank die is opgebouwd uit je documenten, websitepagina's of gesynchroniseerde content uit Google Drive, OneDrive of Notion.

Handelen. De agent boekt het nieuwe tijdslot, werkt het record bij of maakt een ticket aan. Dit is de fase die het oplossen van een verzoek onderscheidt van het beschrijven ervan. Een agent die alleen kan lezen en niet kan schrijven, sluit het gesprek altijd af met "iemand neemt contact met je op."

Bevestigen. De agent herhaalt de uitkomst ("Je staat nu ingepland op vrijdag om 10.00 uur") en kan tijdens het gesprek een bevestiging sms'en als SMS is ingeschakeld. Na het gesprek legt de extractie na het gesprek een samenvatting vast, het sentiment van de beller, of het gesprek aan je succescriteria voldeed en eventuele custom velden die je definieert, die naar je CRM kunnen worden gesynchroniseerd.

Overdragen. Als het verzoek buiten de scope valt of de beller om een mens vraagt, verbindt de agent het gesprek door. Bij een warme doorverbinding blijft de agent aan de lijn, kan hij een whisper-bericht afspelen dat alleen de ontvangende medewerker hoort, of de beller voorstellen in een driegesprek, zodat degene die opneemt niet bij nul begint. Voor contactcenters op Five9, Genesys Cloud, Amazon Connect of Avaya documenteert Retell hoe je via SIP koppelt, zodat gesprekken kunnen wisselen tussen de AI-agent en je bestaande wachtrijen.

Waar gaat geautomatiseerde klantenservice mis?

Automatisering gaat meestal op een van drie manieren mis: ze kan je systemen niet bereiken, ze dwingt bellers in een vast pad, of ze biedt geen uitweg. Elk daarvan is een ontwerpkeuze, niet iets wat de technologie je oplegt.

Geen toegang tot systemen. Een agent die kan praten maar niets kan opzoeken, wordt een beleefd antwoordapparaat. Klanten leggen hun probleem uit, krijgen een algemeen antwoord en bellen terug. Voorkom dit door vóór je een leverancier kiest de lees- en schrijfacties op te sommen die elk geautomatiseerd verzoek nodig heeft (bestelling opzoeken, afspraak wijzigen, ticket aanmaken), en controleer in een test of elk daarvan werkt met je echte systemen.

Starre IVR-bomen. Menu's waarbij bellers moeten raden welk nummer bij hun probleem past, leiden tot verkeerde routering, herhaalde gesprekken en mensen die steeds weer op nul drukken. Het menu vervangen door een stemagent die vraagt "waarmee kan ik je helpen?" lost het routeringsprobleem op, maar alleen als de agent ook gekoppeld is aan de systemen achter elk verzoek. Onze vergelijking van voice-AI en IVR-keuzemenu's gaat dieper in op die overstap.

Geen uitweg naar een mens. Niets frustreert een beller sneller dan een geautomatiseerd systeem dat hem geen persoon laat bereiken. Maak van "ik wil iemand spreken" een directe doorverbinding en voeg triggers toe voor frustratie, herhaalde mislukte pogingen en alles op je lijst van menselijk te houden verzoeken. Onze gids over wanneer een AI-agent moet overdragen aan een mens legt uit hoe je die regels instelt.

Een vierde, stillere valkuil is verouderde kennis. Als je beleid verandert en de kennisbank niet, geeft de agent vol vertrouwen het antwoord van vorige maand. Wijs een eigenaar aan voor de content en gebruik automatisch vernieuwen voor web- en gesynchroniseerde bronnen als je platform dat ondersteunt.

Hoe meet je geautomatiseerde klantenservice?

Meet de automatisering van klantenservice op vier punten, afgezet tegen je eigen nulmeting van vóór de automatisering: containment, oplossing, klanttevredenheid en afhandeltijd. Gepubliceerde branchebenchmarks variëren te sterk per contactmix om bruikbare doelen te zijn, dus wat telt is hoe elke metric beweegt voor de typen verzoeken die je hebt geautomatiseerd.

• Containment rate. Het aandeel contacten dat wordt afgerond zonder doorverbinding naar een mens. Formule: contacten volledig afgehandeld door automatisering ÷ totaal aantal geautomatiseerde contacten. Op zichzelf kan dit misleiden, want een beller die gefrustreerd ophangt, telt ook als "contained".
• Oplossingspercentage. Het aandeel contacten waarbij het verzoek van de klant daadwerkelijk is afgerond. Combineer dit met herhaalcontacten: als dezelfde klant binnen een door jou gekozen termijn terugbelt over hetzelfde probleem, was het eerste contact niet opgelost. Dit is de metric om te optimaliseren, niet containment.
• Klanttevredenheid (CSAT). Stel dezelfde enquêtevraag na het contact voor geautomatiseerde en menselijke contacten, zodat je ze kunt vergelijken. Sentimentscores uit transcripten zijn een nuttig vroeg signaal, maar vervangen het vragen aan de klant niet.
• Afhandeltijd. De gemiddelde duur van geautomatiseerde contacten en, apart daarvan, de afhandeltijd van doorverbonden gesprekken. Als goede overdrachten context meegeven, zou het menselijke deel van een doorverbonden gesprek korter moeten worden, niet langer.

In Retell toont het analytics-dashboard het succespercentage van gesprekken (op basis van succescriteria die je zelf definieert), het percentage gespreksoverdrachten, de reden van verbreking, het sentiment van de gebruiker en de gespreksduur, uitgesplitst per agent of agentversie. AI QA beoordeelt een steekproef van gesprekken aan de hand van oplossingscriteria die jij instelt en signaleert problemen zoals hallucinaties of fouten in de kennisbank. Onze gids over klantenservicemetrics behandelt de bredere set KPI's.

Bekijk deze cijfers per type verzoek en niet alleen in totaal, want een gemiddeld cijfer kan één intentie verbergen die bij de meeste gesprekken faalt.

Hoe rol je geautomatiseerde klantenservice uit?

Rol het smal, meetbaar en omkeerbaar uit. Het patroon om klantenservice goed te automatiseren is op elk kanaal hetzelfde: kleine scope, een duidelijke uitweg naar een mens, wekelijkse evaluatie. Deze checklist behandelt de beslissingen die er het meest toe doen.

• Haal de contactredenen en het volume per kanaal van het afgelopen kwartaal op en kies twee tot vier regelgebaseerde typen verzoeken met een hoog volume voor de eerste scope.
• Leg de lijst van menselijk te houden verzoeken en de doorverbindtriggers vast voordat je iets bouwt.
• Breng elke lees- en schrijfactie in kaart die elk verzoek nodig heeft, en controleer of de agent elk daarvan kan uitvoeren op live systemen.
• Vul de kennisbank alleen vanuit goedgekeurde bronnen en wijs een eigenaar aan die hem actueel houdt.
• Definieer wat "opgelost" betekent voor elk type verzoek en leg je huidige nulmeting vast voor containment, oplossing, CSAT en afhandeltijd.
• Test vóór de lancering met gesimuleerde gesprekken die randgevallen, boze bellers en verzoeken buiten de scope bevatten. Met de simulatietests van Retell kun je deze na elke wijziging als batch opnieuw draaien.
• Lanceer eerst op een deel van het verkeer of op specifieke uren, met het menselijke team paraat om doorverbonden gesprekken op te vangen.
• Beoordeel elke week een steekproef van echte gesprekken, niet alleen bij de lancering, en los het grootste foutpatroon op voordat je de scope verbreedt.
• Voeg het volgende type verzoek pas toe als de huidige typen hun oplossingspercentage vasthouden.

Voor de ticketingkant behandelt onze gids over helpdeskautomatisering routering, tagging en deflectie binnen de helpdesk.

Automatiseer de telefoonlijn zonder de menselijke optie te verliezen

Geautomatiseerde klantenservice werkt als ze is afgebakend tot verzoeken met een duidelijk antwoord, gekoppeld is aan de systemen die dat antwoord bevatten, en is gebouwd met een eenvoudige manier om een mens te bereiken. Op de telefoonlijn hebben de meeste teams het meest te winnen en het meest te verliezen, en daarom loont het om die als eerste goed te regelen. Het AI-klantenserviceplatform van Retell draait AI-agents via stem, chat en SMS die records opzoeken, actie ondernemen in je systemen en met context doorverbinden naar je team wanneer een gesprek een mens nodig heeft.