Klantenservice automatiseren: van €2,50 naar €0,20 per case

De situatie: 3.500 cases per maand, uitbesteed

Deze verkoper doet volume op zes kanalen tegelijk: bol.com, Amazon, Decathlon, ANWB, MediaMarkt en zijn eigen webshop. Meerdere duizenden orders per maand, een breed assortiment, en daarmee een gestage stroom klantvragen: waar is mijn pakket, ik wil ruilen, het artikel is beschadigd, past deze onderdeel op mijn model, ik wil annuleren. Bij elkaar 3.500 cases per maand.

Dat was ondergebracht bij een extern klantenservicebureau. Een normale keuze, en op zichzelf netjes uitgevoerd: de afspraak was €2,50 per gesloten case. Bij 3.500 cases is dat €8.750 per maand, ruim een ton per jaar, voor werk dat voor het grootste deel uit dezelfde tien vragen bestond.

Maar de kosten waren niet eens het grootste probleem.

Een klantenservice is het enige punt in een e-commercebedrijf waar de klant je ongevraagd vertelt wat er mis is. Welke EAN structureel de verkeerde maat blijkt te hebben. Welke productfoto’s een verwachting wekken die het artikel niet waarmaakt. Welke leverancier telkens beschadigd aanlevert. Bij een extern bureau wordt dat afgehandeld als losse tickets, netjes gesloten, en daarna is het weg. Het inkoopteam koopt hetzelfde probleem opnieuw in, en het marketingteam blijft dezelfde listing adverteren.

Klantenservice uitbesteden of automatiseren: waar de rekening vandaan komt

Wie klantenservice wil uitbesteden, betaalt in de praktijk per case of per uur. Dat is een eerlijk model, want je betaalt voor werk dat gedaan wordt. Maar het heeft één eigenschap die je bij groei tegenkomt: de kosten lopen recht mee met je volume. Twee keer zo veel orders is twee keer zo veel cases is twee keer zo veel rekening. Een goed seizoen kost je geld.

Automatiseren draait die verhouding om. Je bouwt een keer, en daarna kost een extra case bijna niets. De vraag is alleen of het antwoord dan nog goed genoeg is. Dat is waar de meeste projecten stuklopen: een chatbot die het halve verhaal weet, klanten die zich niet gehoord voelen, en een team dat achteraf alsnog alles nabelt.

Het verschil per case lijkt klein: twee euro dertig. Bij 3.500 cases per maand is dat €8.050, en over een jaar ruim €96.000.

Wat we gebouwd hebben

Klantenservice automatiseren werd hier geen chatbot op de website. Het werd een systeem dat de cases zelf afhandelt, in de kanalen waar de klant ze al stelt, met dezelfde gegevens waar een medewerker naar zou kijken. In lagen:

1. BinnenhalenAlle klantvragen komen op één plek binnen: de berichtenstroom van de marketplaces, de mailbox van de webshop en de formulieren. Elke case krijgt een eigen dossier, ongeacht waar hij vandaan kwam.
2. BegrijpenElke case wordt geclassificeerd naar onderwerp, urgentie en toon: verzending, retour, garantie, productvraag, klacht, annulering. Dit is de laag die later ook de rapportages voedt: alles wat hier gebeurt, is meetbaar.
3. Context ophalenHet systeem zoekt zelf de order erbij: status, track&trace, leverdatum, retourhistorie, de productgegevens van de EAN en eerdere berichten van diezelfde klant. Dit is de stap die het verschil maakt tussen een bot en een antwoord.
4. AntwoordenOp basis van die context wordt het antwoord opgesteld in de huisstijl en de toon van de verkoper, in de taal van de klant. Bij de tien veelvoorkomende vragen gaat dat direct de deur uit.
5. AfhandelenHet antwoord is niet het einde. Een retour wordt aangemeld, een verzendlabel aangemaakt, een creditering klaargezet, een leveringsklacht bij de vervoerder ingediend. De case sluit pas als de handeling erachter ook gedaan is.
6. EscalerenTwijfelt het systeem, gaat het om geld boven een grens, of is de klant boos, dan gaat de case naar de mens, met de samenvatting en het voorstel er al bij. Dat is de 10% die niet automatisch gaat, en dat is met opzet.
7. LerenElke correctie van de medewerker gaat terug het systeem in: als antwoordvoorbeeld, als regel, of als reden om de productinformatie aan te passen. De 90% van vandaag was 70% in week drie.

De medewerker die het draait: dertig minuten per dag

Er is bewust niemand ontslagen en er is ook niemand ingehuurd. We hebben één bestaande medewerker uit het team van de verkoper opgeleid tot beheerder van het systeem. Hij begint zijn dag met een half uur:

• de escalaties van de afgelopen 24 uur afhandelen: de gevallen waar het systeem zelf niet uit kwam;
• een steekproef van tien automatisch verzonden antwoorden nalezen;
• de signalen beoordelen die eruit springen: een EAN die opeens vijf keer dezelfde klacht oplevert, een vervoerder die achterloopt;
• waar nodig een antwoordvoorbeeld of een regel bijstellen.

Dat is het. Geen wachtrij, geen ingelogde dag in een ticketsysteem. En omdat hij uit het bedrijf zelf komt, weet hij welke productvraag een inkoopprobleem verraadt. Dat is iets wat een extern bureau per definitie niet kan weten.

De rapportages: van kostenpost naar stuurinformatie

Dit is het deel dat de verkoper achteraf het meest heeft opgeleverd, en dat vooraf niemand had gevraagd. Omdat elke case toch al geclassificeerd wordt, is de klantenservice een meetinstrument geworden. Vier rapportages, automatisch, elke week naar de mensen die er iets mee kunnen:

Die laatste is in de praktijk een vroeg alarm gebleken. Een dalende score per EAN loopt vóór op de beoordelingen op de marketplace, en die lopen weer voor op de verkoop.

Zes weken van eerste gesprek tot live

Dit soort trajecten duurt normaal maanden. Hier niet, om een simpele reden: we hadden het fundament al. De opbouw van de lagen hierboven, de manier waarop context bij een case wordt gezocht, de escalatieregels, het meten: dat is bij ons een bestaand systeem. Wat per klant verschilt is de aansluiting op zijn kanalen, zijn assortiment en zijn toon. Dat inbouwen in zijn eco-systeem was het werk, niet het uitvinden.

1. Week 1Meelezen. Duizend afgehandelde cases van het bureau doorgenomen: welke vragen, welke antwoorden, welke uitzonderingen, welke gegevens waren nodig.
2. Week 2Koppelingen. Berichtenstroom van de marketplaces, mailbox, ordergegevens, retouren en productdata aan elkaar geknoopt.
3. Week 3Meelopen zonder te verzenden. Het systeem stelde antwoorden op die de medewerker beoordeelde. Iedere afwijking werd een regel. Score: circa 70% bruikbaar.
4. Week 4Live op de eenvoudige categorieën: verzending en track&trace. De rest bleef nog langs de mens.
5. Week 5Retouren, garantie en productvragen erbij, inclusief de handelingen erachter. De rapportages ingericht.
6. Week 6Overdracht: de medewerker draait het zelf, het bureau is opgezegd, de grenzen voor escalatie definitief gezet.

Waar die €0,20 uit bestaat

Eerlijk over de rekensom, want €0,20 per case klinkt als een truc. Het is de kostprijs van het draaien: het half uur per dag van de medewerker, het verbruik van de taalmodellen en de koppelingen, en het onderhoud aan het systeem. Gedeeld door het aantal cases dat in die maand gesloten is.

Wat er niet in zit, is de bouw zelf. Die is eenmalig en was in dit traject binnen het eerste jaar terugverdiend. Bij een besparing van ruim €8.000 per maand ging dat sneller dan de verkoper zelf had ingecalculeerd. En anders dan bij een bureau daalt de prijs per case verder naarmate het volume stijgt: het halve uur per dag blijft een half uur.

Waarom dit meeschaalt tot tienmaal het volume

Het systeem is ontworpen op 35.000 cases per maand met dezelfde ene beheerder. Dat kan omdat het werk van die beheerder niet meegroeit met het aantal cases, maar met het aantal soorten uitzonderingen. En dat aantal is eindig. Tien keer zo veel klanten stellen niet tien keer zo veel verschillende vragen; ze stellen tien keer zo vaak dezelfde vraag, en dat is precies het geval waar een systeem beter in is dan een mens.

Drie dingen die daarvoor moesten kloppen, en die je moet bewaken als je dit zelf bouwt:

• De escalatiegrens is een instelling, geen gevoel. Boven een bedrag, bij een klacht met juridische lading of bij twijfel gaat het naar de mens. Die grenzen staan op één plek en zijn met een cijfer aan te passen.
• Elke correctie moet terugvloeien. Zonder die lus stijgt het aantal escalaties met het volume mee en is de schaalbaarheid weg.
• Meten hoort in de kern, niet erbovenop. Omdat elke case bij binnenkomst al geclassificeerd wordt, kostten de vier rapportages achteraf bijna geen extra werk.

Wat je hiervan kunt meenemen

Wil je zelf je klantenservice automatiseren, ook zonder ons, dan is de volgorde die hier werkte de moeite waard:

• Begin bij je afgehandelde cases, niet bij de techniek. Duizend echte gesprekken vertellen je welke tien vragen 80% van je volume vormen. Daar begin je, en nergens anders.
• Automatiseer de handeling, niet alleen het antwoord. Een antwoord zonder het retourlabel erachter verplaatst het werk, het verdwijnt niet.
• Zet een mens op het stuur, niet in de wachtrij. Eén iemand die uitzonderingen afhandelt en het systeem bijstelt, is meer waard dan drie die tickets wegwerken.
• Reken per gesloten case. Het is het enige getal waarmee je uitbesteden, zelf doen en automatiseren eerlijk naast elkaar kunt leggen.
• Vraag je klantenservice om cijfers. Als je systeem je niet elke week vertelt welk product problemen geeft, laat je de helft van de waarde liggen.

Veelgestelde vragen

Wat kost klantenservice uitbesteden ten opzichte van automatiseren?

Uitbesteden gaat meestal per case of per uur; in dit traject was dat €2,50 per gesloten case, oftewel €8.750 per maand bij 3.500 cases. Automatiseren vraagt een eenmalige investering in de bouw en daarna een lage kostprijs per case, hier €0,20. Het omslagpunt ligt bij volume: hoe meer cases, hoe groter het verschil.

Wat gebeurt er als het systeem het antwoord niet weet?

Dan handelt het de case niet af. Twijfel, boosheid, bedragen boven een ingestelde grens en juridisch gevoelige klachten gaan naar de medewerker, met een samenvatting en een voorstel erbij. Die 10% escalaties is een ontwerpkeuze, geen restpost.

Werkt dit ook met bol.com, Amazon of een eigen webshop?

Ja. De kanalen zijn een koppeling, niet het systeem. De berichtenstroom van een marketplace, een gedeelde mailbox en het contactformulier van een webshop komen alle drie als case binnen en worden op dezelfde manier afgehandeld.

Hoe lang duurt het om dit te bouwen?

Hier zes weken, omdat het fundament al bestond en alleen op het eco-systeem van deze verkoper aangesloten hoefde te worden. Wat de doorlooptijd vooral bepaalt is de toegang tot de gegevens: orders, retouren en productdata. Zijn die ontsloten, dan gaat het snel.

Hoeveel eigen mensen heb ik hiervoor nodig?

Eén, en die hoeft er niet bij te komen. In dit traject is een bestaande medewerker opgeleid tot beheerder; hij is er een half uur per dag mee bezig, ook nu het volume gegroeid is.

Wat als mijn assortiment of mijn toon verandert?

De antwoordvoorbeelden en de regels zijn instellingen, geen code. De beheerder past ze zelf aan, en dat is precies het onderhoud waarvoor hij is opgeleid.