AI-klantenservice voor marketplaces

Klantenservice op marketplaces is een ander vak dan klantenservice in je eigen webshop, en dat wordt bij het automatiseren ervan het vaakst over het hoofd gezien. Het gaat niet om een chatbot op je site. Het gaat om berichten die binnenkomen via bol, via Amazon, via je eigen mailbox, elk met een eigen reactietermijn en een eigen retourbeleid, en waarbij te traag antwoorden je beoordeling als verkoper raakt. Op bol is "klantvragen" één van de vijf servicenormen achter de kwaliteitsscore.

Waar de winst zit: één vraag

Bij vrijwel elke verkoper waar wij binnenkomen is de grootste groep berichten steeds dezelfde vraag: waar blijft mijn bestelling. In het vak heet dat een WISMO-ticket, naar "where is my order".

Het bijzondere aan die vraag is dat het antwoord al bestaat. De order staat in je systeem, de verzendbevestiging is verstuurd, de vervoerder heeft een status. Er hoeft niemand iets uit te zoeken, na te vragen of te beoordelen. Er hoeft alleen iemand drie schermen te openen en het over te typen.

Dat is de reden dat dit onderwerp bovenaan staat en niet een ingewikkelder gespreksvorm: het is veel werk zonder enige denkstap erin.

Daarnaast zit er nog een groep in dezelfde categorie: is mijn retour ontvangen, hoe stuur ik iets terug, wanneer krijg ik mijn geld, welke maat is dit. Allemaal vragen met een feitelijk antwoord dat al ergens staat.

Waarom "een chatbot erop zetten" niet werkt

Drie redenen, en ze hebben allemaal met de marketplaces zelf te maken.

Het beleid verschilt per kanaal. Retourtermijnen, wie de verzendkosten van een retour draagt, binnen hoeveel tijd je moet reageren, wanneer je een terugbetaling moet doen: dat is per platform anders, en het wijkt af van wat er op je eigen site staat. Een agent die één algemeen antwoord geeft, geeft dus op minstens één kanaal het verkeerde antwoord. Dat levert eerst een klacht op en daarna een aantekening bij het platform.

Praktisch betekent dit dat het beleid per kanaal ergens moet staan waar de agent bij kan, en dat het antwoord afhangt van waar het bericht vandaan kwam. Dat is geen modelprobleem maar een inrichtingsprobleem, en het is het meeste werk.

De berichten komen niet op één plek binnen. Bol heeft zijn eigen berichtenomgeving, Amazon de zijne, je webshop stuurt mail. Zolang die drie gescheiden blijven, is elk overzicht en elke meting onmogelijk. Het bundelen gaat via de API's van de platformen en is op zichzelf saai werk, maar het is wel de voorwaarde voor al het andere.

Een model dat niets weet, verzint. Vraag een taalmodel zonder gegevens waar een pakket blijft en het geeft een plausibel klinkend antwoord dat nergens op gebaseerd is. De oplossing is niet een beter model maar een strengere opdracht: de agent mag alleen antwoorden met gegevens die hij daadwerkelijk heeft opgehaald, en moet overdragen zodra die er niet zijn.

Hoe wij het inrichten

Vier lagen, en de volgorde is niet vrijblijvend.

1. Bundelen. Berichten uit alle kanalen op één plek, met daarbij vastgelegd waar ze vandaan komen. Dat laatste is essentieel, want het kanaal bepaalt straks het beleid.

2. Sorteren. Elk bericht krijgt een categorie: bezorgvraag, retourvraag, productvraag, klacht, overig. Hier gaat het alleen om indelen en nog niet om beantwoorden. Deze stap is meteen de eerste opbrengst, ook zonder dat er iets automatisch beantwoord wordt: je ziet voor het eerst waar je vragen vandaan komen, en dat wijst vaak op een probleem verderop in het proces: een productbeschrijving die onduidelijk is, of een vervoerder die op één route structureel te laat is.

3. Beantwoorden waar het mag. Alleen de categorieën met een feitelijk antwoord, en alleen met gegevens die uit de systemen komen. Concreet: de agent haalt de order op, kijkt naar de verzendstatus, past het beleid van dát kanaal toe en schrijft het antwoord in de toon van dat kanaal.

4. Overdragen waar het moet. Alles wat niet in laag drie past, gaat naar een mens, maar niet blanco. Er hoort een samenvatting bij: wie het is, wat er besteld is, wat er al gebeurd is en wat het voorstel zou zijn. Dat scheelt de opzoektijd, ook bij de vragen die je bewust niet automatiseert.

Wat je nooit automatisch laat afhandelen

Dit lijstje is korter dan mensen verwachten en belangrijker dan ze denken.

Geld teruggeven of coulance toezeggen. Niet omdat een model de regel niet kan toepassen, maar omdat de uitzondering hier de regel is. Een agent die zelfstandig mag terugbetalen, is een agent die op enig moment iets teruggeeft dat niet teruggegeven had moeten worden, en dat is dan wel jouw toezegging.

Klachten met emotie erin. Iemand die boos is, wil weten dat een mens het gelezen heeft. Een keurig en snel geautomatiseerd antwoord maakt dat aantoonbaar erger. Herkennen dat er emotie in een bericht zit kan een model prima; er vervolgens zelf op reageren moet het niet doen.

Alles wat op een geschil kan uitlopen. Schade, garantie, een tweede retour van dezelfde klant. Zodra er een platformgeschil van kan komen, hoort er een mens naar te kijken, want dat dossier wordt later teruggelezen.

Productadvies waar aansprakelijkheid aan hangt. Past dit onderdeel op mijn machine, is dit veilig voor kinderen, mag dit in de vaatwasser. Fout advies is hier duurder dan geen advies.

Wat het oplevert

Eerlijk over de getallen: de tijdwinst valt in de praktijk lager uit dan de percentages die in verkoopverhalen rondgaan, omdat de simpele vragen ook de snelste waren om met de hand te doen.

Waar de winst wél zit:

• Reactietijd. Van uren naar minuten, ook 's avonds en in het weekend. Op bol telt dat rechtstreeks mee in je kwaliteitsscore.
• Gelijke antwoorden. Iedereen krijgt hetzelfde correcte antwoord, ook op drukke dagen en ook van de nieuwe medewerker.
• Zicht op de oorzaak. De indeling uit stap twee laat zien welke producten vragen veroorzaken. Dat is meestal waardevoller dan de bespaarde uren, en het sluit aan op wat er in de retouranalyse uitkomt.
• Rust bij pieken. Rond feestdagen verdubbelt het volume terwijl je bezetting gelijk blijft. Dat is het moment waarop dit zich terugverdient.

Wat het niet oplevert is een klantenservice zonder mensen. Wie dat verkoopt, verkoopt iets anders dan wat er geleverd wordt.

Wat wij doen, in één zin: berichten uit je webshop en al je marketplaces op één plek bundelen, en de vragen met een feitelijk antwoord autonoom laten afhandelen volgens het beleid van dát kanaal.

Geschikt voor: verkopers op twee of meer kanalen bij wie de bezorgvraag de grootste categorie is, en die rond feestdagen zien dat hun reactietijd oploopt zonder dat de bezetting meegroeit.

Veelgestelde vragen

Welke klantenservicevragen kun je veilig automatiseren?

De vragen waarvan het antwoord ergens feitelijk vaststaat: waar is mijn pakket, wanneer wordt het bezorgd, hoe retourneer ik, is mijn retour ontvangen, wat is de garantietermijn, welke maat komt overeen. Wat je niet automatiseert zijn vragen waar geld of beoordeling in zit: coulance, schadegevallen, klachten waar emotie in zit en alles wat op een geschil kan uitlopen.

Wat is een WISMO-ticket?

WISMO staat voor “where is my order”, oftewel de vraag waar de bestelling blijft. Het is bij vrijwel elke webshop en marketplace-verkoper met afstand de grootste categorie binnenkomende vragen. Het antwoord staat altijd al in je systemen: de order, de verzendbevestiging en de track-and-tracestatus. Er hoeft dus niemand iets op te zoeken.

Reageert een AI-agent snel genoeg voor de eisen van bol en Amazon?

Ruimschoots, en dat is meteen het grootste voordeel. Beide platformen meten hoe snel je reageert en rekenen dat mee. Op bol telt “klantvragen” als één van de vijf servicenormen achter je kwaliteitsscore. Een agent antwoordt binnen een minuut, ook in het weekend en 's avonds, precies de momenten waarop een reactietijd oploopt terwijl er niemand aan het werk is.

Wat gebeurt er als het model iets niet weet?

Dan hoort het niets te verzinnen maar door te geven aan een mens. Dat is een ontwerpkeuze en geen eigenschap van het model: je bouwt de agent zo dat hij alleen antwoordt op basis van gegevens die hij daadwerkelijk uit jouw systemen heeft opgehaald, en bij twijfel overdraagt met een samenvatting erbij. Een agent die bij twijfel doorschuift is bruikbaar; eentje die bij twijfel gokt is een aansprakelijkheid.

Merkt de klant dat hij met een AI praat?

Dat hoort hij te kunnen weten, en wij raden aan het gewoon te vermelden. Los van dat het netjes is, scheelt het gedoe: iemand die weet dat hij met een geautomatiseerd antwoord te maken heeft, vraagt sneller om een mens als hij die nodig heeft, en dat is precies het gedrag dat je wilt.