Cosa fanno gli agenti DRING nelle chiamate reali
Cinque progetti in produzione, ciascuno misurato su ogni chiamata del proprio periodo, da una campagna di un'ora a un anno in produzione.
I case study sono pubblicati in forma anonima per settore, senza il nome del cliente. I brand che hanno dato il permesso scritto di essere citati sono elencati nella pagina delle referenze. Qui sotto sono documentati cinque progetti, ciascuno con il suo periodo; l'elenco cresce man mano che altri arrivano a maturazione.
| Settore | Processo | Il dato chiave |
|---|---|---|
| E-commerce, elettronica ricondizionata | Assistenza inbound, sondaggio outbound, linea negozi | ~75% risolte senza passaggio a un operatore |
| Finanza, pagamenti digitali | Assistenza inbound, sondaggio pilota | 92,6% con risposta immediata |
| Distribuzione B2B | Campagna outbound verso i rivenditori | 17,3% di lead caldi |
| Logistica, marketplace dei trasporti | Linea inbound per gli autisti, 24/7 | 100% con risposta immediata |
| Logistica, piattaforma internazionale | Qualificazione dei lead outbound | 194 lead qualificati |
Gran parte dell'inbound la gestisce l'AI
Un grande marketplace di elettronica ricondizionata in Turchia gestisce un negozio online con moltissime transazioni: stato degli ordini, verifiche di garanzia sui dispositivi classificati per grado e resi, tutto su larga scala. Prima di DRING il volume inbound superava spesso le forze del team di assistenza, con attese che crescevano durante promozioni e riassortimenti, e non c'era un modo costante per ricontattare gli acquirenti dopo la consegna né per presidiare una linea dedicata ai punti vendita.
Tre agenti, tre momenti
Un agente di assistenza inbound risponde alla linea principale, legge i dati dell'ordine e risolve in chiamata le domande su garanzia e resi, compresi i casi tipici del ricondizionato come una contestazione sullo stato della batteria. Un agente outbound chiama gli acquirenti dopo la consegna per un breve controllo di soddisfazione, e un terzo agente presidia la linea di assistenza per negozi e punti vendita.
- Analisi
Prima i motivi di chiamata
Prima di scrivere un solo prompt abbiamo mappato i motivi di chiamata più frequenti: stato dell'ordine, garanzia, resi.
- Sviluppo
Tre agenti, un solo sistema ordini
Gli agenti per assistenza inbound, sondaggio outbound e linea punti vendita sono stati costruiti sui dati degli ordini e sul CRM del marketplace.
- Test
I casi limite del ricondizionato
Prima dell'avvio le conversazioni simulate hanno coperto contestazioni sul grado e letture discordanti dello stato della batteria.
- Lancio
Avvio graduale
L'agente ha preso prima una parte del volume inbound, poi l'intera linea quando il tasso di risoluzione si è stabilizzato.
- Evoluzione
Regolare i passaggi a un operatore
Con il passaggio a un operatore attivo, il tempo medio di gestione è sceso a circa 40 secondi. Poi il team ha affinato le regole di trasferimento, e l'agente ha smesso di passare chiamate che poteva risolvere da solo.
| Metrica | Risultato | Nota |
|---|---|---|
| Risolte senza passaggio a un operatore | ~75% | Dopo un anno in produzione, con passaggio a una persona e relativo contesto quando serve |
| Vantaggio sui costi operativi | Fino all'81% in meno | Rispetto al riferimento concordato con soli operatori umani per lo stesso processo |
| Quota AI del volume inbound | Dal 60 all'80% | Cresciuta fino a stabilizzarsi nel primo anno, con operatori umani disponibili per le eccezioni |
| Volume mensile | Tra 17.000 e 18.000 chiamate | Regime attuale, dopo un anno |
| Volume gestito | ~43.000 chiamate | In un periodo di misurazione di due mesi e mezzo |
| Disponibilità | 24/7, senza coda | Nessuna attesa, a qualsiasi ora |
| Tempo medio di gestione | ~40 secondi | Da quando è attivo il passaggio a un operatore |
Circa il 75% delle conversazioni si è chiuso senza passaggio a un operatore, con l'escalation sempre disponibile quando un caso richiedeva una valutazione umana. Su questo progetto selezionato i costi operativi sono stati fino all'81% più bassi rispetto al riferimento concordato con soli operatori umani. La quota gestita dall'AI è cresciuta con costanza dall'avvio fino a una fascia stabile tra il 60 e l'80% nel primo anno: una tendenza da seguire, non il picco di una singola settimana. Attivare il passaggio a un operatore ha ridotto il tempo medio di gestione a circa 40 secondi, ma ha fatto emergere anche un problema a sé, i trasferimenti di troppo, da regolare separatamente dal tasso di risoluzione. Gli agenti per il sondaggio e per la linea punti vendita coprono momenti che la linea inbound non vede mai.
92,6% delle chiamate con risposta immediata
Una piattaforma di pagamenti digitali gestisce al telefono domande su stato delle transazioni, pagamenti non riusciti e conto: il tipo di chiamata in cui ogni minuto di attesa suona come un campanello d'allarme. Il volume dell'assistenza cresceva e le richieste erano urgenti. La piattaforma voleva anche un modo affidabile per misurare la soddisfazione dopo ogni contatto con l'assistenza, invece di affidarsi a qualche chiamata manuale ogni tanto.
Assistenza in linea, più un sondaggio pilota
L'agente di assistenza inbound legge lo stato del conto e delle transazioni, risolve in chiamata ciò che può e passa la chiamata a una persona con tutto il contesto quando il caso richiede una valutazione o una verifica manuale con la banca. Un secondo agente, outbound, gestisce un sondaggio di soddisfazione pilota dopo i contatti con l'assistenza.
- Analisi
I tipi di chiamata principali
Bonifici in sospeso, pagamenti non riusciti e domande sul conto sono risultati i motivi di chiamata più frequenti e più urgenti.
- Sviluppo
Collegato ai sistemi dei conti
L'agente lavora sullo stato reale di transazioni e conti, non su una copia in cache.
- Test
Simulare le contestazioni
Transazioni non riuscite e addebiti contestati sono stati provati in conversazioni simulate prima del lancio.
- Lancio
Operativo sulla linea di assistenza
L'agente inbound è entrato in produzione sulla linea principale di assistenza, con il passaggio a una persona sempre disponibile.
- Evoluzione
Il sondaggio parte come pilota
Il sondaggio di soddisfazione outbound è partito come progetto pilota su un gruppo ridotto, prima di decidere se estenderlo.
| Metrica | Risultato | Nota |
|---|---|---|
| Interazioni (30 giorni) | 479 | 417 di assistenza, 62 di sondaggio |
| Chiamate con risposta immediata | 92.6% | Nessuna coda |
| Dialoghi arrivati a una conclusione | 70.3% | 40 risolti dalla sola AI, 218 passati a una persona con tutto il contesto |
| Sentiment | 96,9% positivo | |
| Raccomandazione nel sondaggio pilota | +54 | Media 8,4/10, n=13, campione ridotto |
Nei pagamenti rispondere subito pesa più che in quasi ogni altra linea: il 92,6% di risposte immediate ha creato fiducia prima ancora che l'agente affrontasse il problema. Il solo tasso di risoluzione sottovaluta il risultato. Del 70,3% di dialoghi arrivati a una conclusione, la maggior parte è passata a una persona, e 218 di questi passaggi portavano con sé tutto il contesto, così il cliente non ha mai dovuto ripetersi. Il punteggio di raccomandazione di +54 del sondaggio pilota è incoraggiante, ma n=13 è troppo poco per parlare di tendenza: il passo successivo è ripeterlo su un campione più ampio prima di trarre conclusioni.
Ascoltate questo processo
117 rivenditori contattati in circa un'ora
Un distributore B2B di tecnologia doveva presentare una nuova offerta a tutta la sua rete di rivenditori: una lista fatta di relazioni, dove il tono conta quanto il tasso di contatto. Chiamare a mano 117 rivenditori avrebbe impegnato un commerciale per circa una giornata intera, tempo che il team vendite non poteva dedicare a contatti che forse non avrebbero portato a nulla.
Prima la chiamata, poi le vendite
Un agente per campagne outbound ha chiamato tutta la lista dei rivenditori, ha presentato l'offerta e ha chiesto se volessero essere ricontattati da un commerciale con un preventivo. I rivenditori interessati sono stati segnalati come lead caldi, e l'agente ha annotato anche interessi di cross-selling che andavano oltre lo script originale.
- Analisi
Segmentare la lista dei rivenditori
Prima di scrivere lo script abbiamo analizzato la lista dei 117 rivenditori e l'offerta della campagna.
- Sviluppo
Lo script dell'offerta
L'agente è stato costruito per presentare l'offerta, rispondere alle domande di base e segnalare l'interesse alle vendite.
- Test
Simulare le obiezioni dei rivenditori
Le obiezioni più comuni, cioè tempi, prezzi e versioni precedenti del prodotto, sono state provate in simulazione prima del lancio.
- Lancio
Tutta la lista in una volta
La campagna ha chiamato tutti i 117 rivenditori in un'unica sessione.
- Evoluzione
Raccogliere i segnali a margine
L'interesse per il cross-selling emerso fuori dallo script originale ora viene raccolto di proposito nelle campagne successive.
| Metrica | Risultato | Nota |
|---|---|---|
| Rivenditori in lista | 117 | |
| Rivenditori raggiunti | 92% | |
| Conversazioni reali concluse | 98 | |
| Lead caldi passati alle vendite | 17 | 17,3% delle conversazioni |
| Durata della campagna | Circa un'ora | Contro circa una giornata di lavoro di una persona |
| Accoglienza positiva | 97.2% | |
| Opportunità di cross-selling emerse | 4 | Fuori dal perimetro iniziale della campagna |
Una campagna che avrebbe tenuto un commerciale al telefono per quasi una giornata si è chiusa in circa un'ora. La velocità da sola non sarebbe servita se le chiamate fossero state accolte male: è il 97,2% di accoglienza positiva a renderla utile, perché le relazioni con i rivenditori si costruiscono in anni. Le 4 opportunità di cross-selling non erano un obiettivo della campagna. Ricordano che un agente conversazionale raccoglie informazioni oltre il suo script, e vale la pena catturarle di proposito nella prossima campagna invece di trattarle come una nota a margine.
Ascoltate questo processo
Una linea autisti che non dorme mai
Un marketplace dei trasporti mette in contatto autisti e carichi, e gli autisti chiamano per carichi disponibili, tariffe e profilo a qualsiasi ora, quando capita di essere in viaggio. Prima di questa linea le chiamate fuori orario restavano senza risposta, e quella domanda era di fatto invisibile: nessuno sapeva quanta fosse, perché non c'era nessuno a rispondere e a registrarla.
Una linea, a qualsiasi ora
L'agente della linea inbound risponde su carichi disponibili e tariffe, raccoglie i dati del profilo dell'autista e passa al team le trattative sul prezzo con il contesto già allegato, alle 9 di mattina come alle 2 di notte.
- Analisi
Perché chiamano gli autisti
Carichi disponibili, domande sulle tariffe e aggiornamenti del profilo sono risultati i motivi principali per cui gli autisti chiamano.
- Sviluppo
Collegato alla borsa carichi
L'agente lavora sui dati reali di carichi e tariffe, non su un elenco statico.
- Test
Simulare le trattative
Obiezioni sulla tariffa e controproposte sono state provate in simulazione prima del lancio.
- Lancio
24/7 dal primo giorno
La linea è partita 24 ore su 24, non solo in orario d'ufficio.
- Evoluzione
Osservare le chiamate fuori orario
I primi dati su quando chiamano davvero gli autisti ora orientano le prossime regolazioni della linea e delle regole di escalation.
| Metrica | Risultato | Nota |
|---|---|---|
| Chiamate (primi 5 giorni) | 56 | |
| Risposta immediata | 100% | Nessuna coda |
| Dialoghi reali | 87.5% | |
| Esito positivo | 34.7% | 4 incarichi accettati, 6 trattative passate al team, 6 profili autista raccolti |
| Fuori orario d'ufficio | 21.4% | Alcune alle 2 di notte |
| Accoglienza positiva | 87.8% |
Il 21,4% delle chiamate è arrivato fuori orario d'ufficio, alcune alle 2 di notte: una domanda che esisteva già prima della linea ma non trovava risposta, e che la copertura ha reso visibile per la prima volta. Non tutte le chiamate devono chiudersi con una risoluzione completa per contare come buon esito: passare una trattativa sul prezzo con il contesto dell'autista già allegato è stato di per sé un risultato utile. Cinque giorni sono pochi, e questi rapporti, 87,5% di dialoghi reali e 34,7% di esiti positivi, sono una prima lettura e non una tendenza consolidata. Vanno seguiti man mano che il volume cresce.
Ascoltate questo processo
194 lead qualificati da una pipeline ferma
Una piattaforma logistica internazionale aveva un grande bacino di lead ormai freddi: aziende con cui c'era stato un contatto, mai convertite e mai chiuse del tutto. Lavorare quel bacino a mano avrebbe significato togliere il team vendite dalle trattative in corso per fare chiamate che magari non portavano a nulla.
Prima qualificare, poi smistare
Un agente di qualificazione outbound ha chiamato il bacino dormiente per cinque settimane, ha verificato se le spedizioni internazionali fossero ancora un tema e ha posto poche domande di qualificazione. Le aziende qualificate sono passate alle vendite con quel contesto già allegato.
- Analisi
Segmentare il bacino
Prima di iniziare a chiamare, nel bacino di lead dormienti sono state individuate 6.804 aziende nel perimetro.
- Sviluppo
Lo script di qualificazione
Poche domande di qualificazione per separare le aziende davvero interessate dai vicoli ciechi.
- Test
Simulare le reazioni fredde
Risposte disinteressate e scettiche sono state provate in simulazione, così l'agente sa chiudere con garbo, senza insistere.
- Lancio
Cinque settimane, a tappe
La campagna ha lavorato la lista a tappe nell'arco di cinque settimane, non tutta in una volta.
- Evoluzione
Passaggio con il contesto
I lead qualificati sono arrivati alle vendite con le risposte di qualificazione allegate: i commerciali partivano dal contesto, non da una lista fredda.
| Metrica | Risultato | Nota |
|---|---|---|
| Chiamate effettuate | 9,666 | |
| Aziende nel perimetro | 6,804 | |
| Aziende contattate | 2,513 | |
| Conversazioni complete | 1,602 | |
| Lead qualificati passati alle vendite | 194 | 12,1% delle conversazioni |
| Accoglienza costruttiva | 95.1% | Soddisfatta o neutra |
| Tempo liberato per il team vendite | 36 ore di conversazione | Gestite senza impegnare il team vendite |
La sorpresa più grande è stata il 95,1% di accoglienza costruttiva, soddisfatta o neutra, su un bacino che il team dava ormai per freddo: i lead dormienti erano per lo più lead che nessuno aveva richiamato. Il vero collo di bottiglia era il contatto, non la conversione. Delle 6.804 aziende nel perimetro, 2.513 sono state contattate in cinque settimane, quindi pianificare la prossima campagna significa stimare quante aziende si possono realisticamente raggiungere in un certo periodo. Per le vendite il numero che contava era il tasso di qualificazione, il 12,1% delle conversazioni, non il volume grezzo di 9.666 chiamate.
Ascoltate questo processo
Scritto sul campo.
Articoli di approfondimento su ciò che abbiamo imparato portando in produzione agenti vocali, dal turismo sanitario all'hospitality fino alle operations dei call center. Tutti gli articoli
Il futuro del turismo sanitario con l'AI
Come cambia il flusso di pazienti internazionali quando accoglienza, qualificazione e follow-up passano ad agenti vocali che parlano la lingua del paziente.
Leggete SettoreAgenti AI realistici per coinvolgere e soddisfare i pazienti nel turismo sanitario
Perché la voce deve sembrare quella di un collega prima che un paziente prenoti una visita all'estero.
Leggete SettoreRelazioni con gli ospiti in più lingue per diversificare la clientela nell'hospitality
Diversificare la clientela di un hotel quando la reception parla la lingua di ogni ospite.
Leggete SettoreAgenti AI nei settori tradizionali, i primi passi di una svolta
Come gli agenti AI entrano nei settori tradizionali e meno digitalizzati.
Leggete Qualità e testReplicare i collaboratori migliori con gli agenti di team nella voice AI
Come usare gli agenti di team nella voice AI per replicare il metodo dei collaboratori con i risultati migliori.
Leggete Modello operativoCall center e assunzioni: un collo di bottiglia ormai superato?
Le difficoltà di assunzione nei call center e se la voice AI cambia davvero le regole del gioco.
LeggeteMisurati su ogni chiamata, pubblicati per settore.
Ogni caso riporta le misure che il suo processo tiene sotto controllo, tratte dalle stesse quattro definizioni, così i risultati si possono confrontare tra settori e nel tempo.
Gestite dall'AI
Quota di chiamate che l'agente ha preso e lavorato da solo, chiuse con una risoluzione o con un passaggio a un operatore con il contesto allegato. Il rinvio a una richiamata non conta. Quante di queste si sono chiuse senza una persona viene indicato a parte.
Risposta immediata
Quota di chiamate con risposta al primo squillo, senza coda. Misurata sull'intera linea, notti e festivi compresi.
Tasso di esito
Quota di conversazioni chiuse con l'esito per cui la campagna è stata costruita: un lead qualificato, una prenotazione, un sondaggio completato.
Accoglienza
Il sentiment a fine chiamata, etichettato su ogni conversazione e verificato con regolarità da revisori umani su un campione.
Settori con agenti attivi, case study in preparazione.
Progetti in produzione ma non ancora documentati. Ciascuno avrà il suo case study quando ci saranno abbastanza dati di produzione da riportare con un periodo dichiarato.