Vad är automatisering av kundtjänst?

Varje supportautomatisering har samma tre delar: något som startar den (en händelse som ett nytt ärende, eller förfluten tid), villkor som avgör om den ska gälla och åtgärder som den utför. Helpdesksystem exponerar den här modellen direkt. Zendesk kallar dem affärsregler: triggers körs direkt efter att ett ärende har skapats eller uppdaterats, medan automatiseringar är tidsbaserade och körs en gång i timmen på ärenden som inte är stängda. Zendesk påpekar att skillnaden mellan de två inte ligger i vilka åtgärder de kan utföra, utan i vilka villkor som sätter i gång dem.

Automatisering finns längs en skala. I ena änden arbetar den innan en människa ser ärendet: en bot besvarar frågan, eller en regel sätter prioriteten och tilldelar en grupp. I andra änden hjälper den agenten: ett sparat svar fyller i ett vanligt svar, eller en sidopanel hämtar kundens order från ett annat system. Båda räknas, och de flesta team behöver båda.

Makron är ett användbart gränsfall. Zendesk påpekar att makron inte har några villkor: ingenting utvärderar ett ärende för att avgöra om ett makro ska gälla, så det är en agent som väljer det. Det gör sparade svar till det minst riskfyllda stället att börja, eftersom en person fortfarande bestämmer varje gång.

Routning är ofta där automatiseringen lönar sig först, eftersom den berör varje ärende. Zendesks intelligent triage klassificerar till exempel nya ärenden efter ämne, sentiment och språk, och kan routa dem via omnikanalroutning, kompetensbaserad routning eller triggers. Enklare upplägg använder regler baserade på nyckelord eller formulärfält för att sätta grupp och prioritet.

Automatisering är bra på repetitivt, väldefinierat arbete. Den är dålig på omdöme, empati och undantag. Zendesks vägledning för AI-agenter är att en fråga ibland behöver överföras till en mänsklig agent när den är komplex, brådskande eller känslig, och Zendesk rekommenderar att du definierar de eskaleringsvägarna före lansering. I praktiken bör du låta människor sköta följande:

• Klagomål, uppsägningar och känsloladdade konversationer
• Faktureringstvister, återbetalningar utanför policyn och andra undantag som kräver någon med befogenhet
• Kontosäkerhet och identitetskontroller där ett misstag blir dyrt
• Frågor som boten inte kan klassificera, eller redan har misslyckats med att besvara
• Konton med högt värde eller risk att gå förlorade, som du har bestämt att hantera personligen

Vad du än automatiserar, se till att det finns ett synligt sätt att nå en person och att konversationshistoriken följer med, så att kunden inte behöver upprepa sig. Vår guide om överlämning från chattbot till människa beskriver hur du gör det.

Du behöver sällan byta helpdesk för att automatisera den. Moderna helpdesksystem kan anropa andra system från sina regler, och andra system kan uppdatera ärenden via helpdeskens API. Det är så anpassade automatiseringar byggs:

• Zendesk: du skapar en webhook i Admin Center och kopplar den sedan till en trigger eller automatisering med åtgärden Notify webhook. Anropets body kan vara JSON, XML eller formulärkodad, och platshållare infogar ärendedata.
• Freshdesk: automatiseringsregler som körs när ärenden skapas eller uppdateras kan använda åtgärden Trigger webhook med GET, POST, PUT, PATCH eller DELETE och platshållare som {{ticket.id}}. Misslyckade webhooks görs om var 30:e minut, upp till 48 anrop.
• Jira: automatiseringsåtgärden Send web request anropar ett annat system när en regel körs och kan vänta på svaret så att senare steg kan använda den returnerade datan.

Ett typiskt anpassat flöde ser ut så här:

1. En helpdeskregel körs på ett nytt eller uppdaterat ärende och skickar en webhook.
2. Ett arbetsflödesverktyg som Make eller n8n, eller en liten tjänst, tar emot den och slår upp data någon annanstans: ett ordersystem, ett CRM eller en språkmodell.
3. Arbetsflödet skriver tillbaka resultatet via helpdeskens API som en tagg, ett fältvärde, en intern anteckning eller en tilldelning.
4. Agenterna ser resultatet i ärendet, och helpdeskens egna regler tar över därifrån.

1. Lista dina vanligaste typer av förfrågningar från den senaste månaden och markera dem som följer samma steg varje gång.
2. Fixa routning och autosvar först. De berör varje ärende och är lätta att verifiera.
3. Gör om återkommande svar till makron eller färdiga svar innan du lägger in dem i en bot.
4. Lägg till en bot för de vanligaste frågorna med låg risk, med en tydlig överlämning till en person.
5. Mät tid till första svar, lösningstid och CSAT före och efter varje ändring, så att du vet vad som faktiskt hjälpte.

TascaLab är en enmansverksamhet som drivs av Roman Zakharenko och som bygger supportautomatisering ovanpå de verktyg du redan använder, bland annat Zendesk, Freshdesk, Jira och Slack, med API:er, webhooks och Make eller n8n. Engångspriserna omfattar Ticket Routing & Categorization (7 700 kr), en Starter Chat Bot (4 000 kr) och Automated Reports (6 900 kr). De flesta upplägg tar 1–3 veckor och levereras med grundläggande dokumentation, 30 dagars support efter lansering och inga dolda avgifter. Du kan börja med ett kostnadsfritt Health Check-samtal på 30 minuter.