قد تسعد بإجابة آلية تخبرك أين وصلت شحنتك، ثم تطلب التحدث مع شخص حقيقي عندما تحتار في مقاس قطعة ملابس لمناسبة مهمة. الشخص نفسه قد يفضّل الذكاء الاصطناعي في موقف، ويحتاج إلى موظف في موقف آخر.
يتغير الاختيار بحسب ما تبحث عنه: معلومة واضحة، أو مساعدة على اتخاذ قرار، أو حل لمشكلة، أو طمأنة بأن هناك من سيتحمل مسؤولية المتابعة. فهم هذا الفرق يساعد الشركات على تقديم خدمة أسرع وأكثر مراعاة لعملائها.
قد يقدم الشات بوت معلومة صحيحة تماماً، ومع ذلك يشعر العميل أن سؤاله لم يُفهم. يحدث ذلك عندما يكون وراء السؤال احتياج آخر لم تعالجه الإجابة.
سؤال «هل يمكن الاستبدال؟» قد يعني أيضاً: «أنا قلق من أن أدفع ثمن قطعة لا تناسبني، ولا أعرف هل سأجد من يساعدني بعدها». عرض سياسة الاستبدال مفيد، لكن العميل قد يحتاج إلى توضيح كيف تنطبق على حالته.
وتُظهر أبحاث Qualtrics حول تفضيلات قنوات الخدمة في 2025 استمرار أهمية القنوات البشرية والثقة والتعاطف في تجربة العملاء. وهذا لا يعني رفض جميع أشكال الخدمة الذاتية؛ بل يدعو إلى مراعاة نوع التفاعل.
قد يثق العميل في قدرة النظام على عرض موعد التسليم، لكنه يريد موظفاً يراجع الحالة عندما يتكرر التأخير. في الموقف الثاني، يبحث عن صلاحية لاتخاذ إجراء، وشرح واضح، والتزام بالمتابعة.
ويمكن أن يفشل الموظف أيضاً إذا اكتفى بقراءة إجابة محفوظة. اللمسة الإنسانية تظهر في الاستماع وفهم التفاصيل واتخاذ خطوة مفيدة، وليست مجرد وجود اسم شخص في نافذة المحادثة.
يستطيع مساعد آلي مرتبط ببيانات المتجر توضيح المقاسات المتاحة، والخامات المسجلة، والأسعار، وسياسة الإرجاع. لكنه يحتاج إلى بيانات موثوقة ومحدثة؛ فلا يمكنه الإجابة بدقة عن كل سؤال لمجرد قدرته على إجراء محادثة.
بعض أسئلة الملابس تتعلق بالتجربة الشخصية: كيف تبدو القَصّة؟ هل القماش شفاف؟ هل اللون في الصورة قريب من الواقع؟ هل ستناسب القطعة تفضيل العميل للملابس الواسعة؟ هنا تصبح جودة المعلومات وفهم المقصود مؤثرتين في القرار.
موقف توضيحي افتراضي، وليس محادثة عميل حقيقية
«عادةً ألبس مقاس M، لكن لا أحب أن تكون القطعة ضيقة، وأحتاجها لمناسبة قريبة. هل ستناسبني؟»
«المقاس M متوفر. يمكنك مراجعة جدول المقاسات.»
«هل يمكن مقارنة قياسات قطعة مريحة لديك بجدول هذا المنتج؟ سأراجع أيضاً وصف القَصّة وموعد التوصيل المتوقع. وإذا كانت هناك معلومة غير مؤكدة عن الخامة، سأطلب تأكيدها من الفريق.»
يستطيع مساعد آلي جيد طرح أسئلة متابعة مشابهة. وتبرز قيمة الموظف عندما يتطلب الأمر فحص القطعة، أو تفسير حالة غير معتادة، أو التنسيق مع المخزن، أو اتخاذ قرار ضمن صلاحياته.
ولا ينبغي لأي طرف ضمان ملاءمة المقاس أو موعد وصول غير مؤكد. الطمأنة المفيدة ترتبط بمعلومة وإجراء، لا بوعد يصعب الوفاء به.
وقد يفضّل عميل آخر إتمام الاختيار وحده باستخدام المقاسات والصور والمساعد الآلي. توفير الخيارين يخدم هذا الاختلاف دون فرض أسلوب واحد على الجميع.
عندما يسأل العميل عن آخر تحديث للشحنة، يكون احتياجه غالباً محدداً. يستطيع النظام عرض الحالة من مصدرها، وتاريخ التحديث، والخطوة التالية، دون انتظار موظف ليبحث عن المعلومات نفسها.
وقد تكفي صفحة تتبع واضحة دون محادثة أصلاً. استخدام الذكاء الاصطناعي يصبح مفيداً إذا سهّل السؤال بلغة طبيعية أو شرح التحديث بطريقة مفهومة.
لكن طبيعة الطلب تتغير عندما يقول العميل: «الحالة لم تتغير منذ أيام، وهذه ثالث مرة أتواصل فيها». هنا ينبغي الانتقال من عرض الحالة إلى التحقيق والمتابعة، سواء نفذ النظام إجراءً مصرحاً به أو أحال الحالة إلى موظف.
تحليل المبيعات مثال على مساعد للعمل الداخلي، ويختلف عن محادثة عميل قلق بشأن طلبه. قد يريد صاحب المتجر مقارنة فترتين أو تلخيص أداء المنتجات، ثم متابعة التحليل بأسئلة إضافية.
عندما يكون المساعد مرتبطاً ببيانات مصرح له باستخدامها وأدوات حساب موثوقة، يمكن أن يسهّل الوصول إلى النتائج وشرحها. ويستطيع المستخدم تغيير السؤال واستكشاف أكثر من زاوية دون إعداد تقرير جديد في كل مرة.
يجب أن يوضح المساعد الفترة ومصدر البيانات وتعريف المقياس: هل المقصود إجمالي الطلبات أم المبيعات بعد المرتجعات؟ وهل تشمل الأرقام الطلبات الملغاة؟
كما يجب فصل النتيجة عن تفسيرها. ظهور انخفاض في المبيعات لا يثبت سببه؛ فقد يرتبط بنفاد المخزون أو تغير الإنفاق الإعلاني أو عوامل أخرى تحتاج إلى تحقق. يبقى القرار التجاري بحاجة إلى سياق وخبرة، حتى عندما يكون التحليل الأولي سريعاً.
ترتفع أهمية الدعم البشري عندما تكون الحالة غامضة، أو عاطفية، أو متكررة دون حل، أو تتطلب استثناءً وصلاحية تتجاوز ما يسمح به النظام.
| الموقف | البداية المناسبة | متى يدخل الموظف؟ |
|---|---|---|
| السؤال عن توفر مقاس | إجابة آلية من بيانات المخزون الحالية. | عند تعارض البيانات أو الحاجة إلى تحقق فعلي. |
| الحيرة في ملاءمة قطعة | معلومات واضحة وأسئلة عن التفضيل والقياسات. | عند استمرار التردد أو الحاجة إلى فحص المنتج أو طلب العميل. |
| متابعة شحنة | عرض آخر تحديث موثق. | عند التأخير غير المفسر أو تكرار التواصل دون نتيجة. |
| شكوى عن منتج تالف | تجميع التفاصيل اللازمة وتسجيل الحالة. | عند الحاجة إلى تقدير أو استثناء أو معالجة اعتراض. |
| مشكلة تقنية متكررة | خطوات تشخيص مناسبة للسياق. | عند فشل الخطوات أو تعطل عمل العميل أو الحاجة إلى صلاحية خاصة. |
| تلخيص المبيعات | مساعد مرتبط بالبيانات والحسابات المعتمدة. | لتفسير نتائج غير معتادة أو اعتماد قرار مؤثر. |
هذه نقطة انطلاق لتصميم الخدمة، وليست قاعدة تمنع العميل من اختيار قناة أخرى. طلب التحدث إلى موظف ينبغي أن يكون مساراً واضحاً، مع توضيح أوقات التوفر إذا لم يكن الدعم البشري متاحاً فوراً.
تختلف اللغة والعادات وتجارب التسوق والثقة في العلامات التجارية بين الأسواق. لكن «العالم العربي» و«الغرب» لا يمثلان جمهورين متجانسين، ولا يصح افتراض أن العميل العربي يريد إنساناً دائماً بينما يفضّل الغربي الأتمتة.
تقدم نتائج دراسة PwC الإقليمية لعام 2024 مثالاً يناقض هذا التبسيط: بلغت نسبة من قالوا إنهم يثقون باستخدام الذكاء الاصطناعي لخدمة العملاء 53% في العينة الإقليمية مقابل 44% عالمياً. وفي الوقت نفسه، كان الوصول إلى موظف من القدرات التي يقدّرها المشاركون في الشات بوت.
هذه مقارنة بالمتوسط العالمي، وليست مقارنة مباشرة بالغرب وحده. كما أن الثقة المعلنة لا تعني تفضيل القناة في كل موقف، ولا تمثل نتائج العينة جميع المستهلكين العرب.
اختبر فهم اللهجات والتعبيرات المحلية والمزج بين العربية والإنجليزية. فسؤال مثل «القماش بيشف؟» يحتاج إلى فهم خاصية الشفافية، وليس إلى إعادة قائمة الخامات. والسؤال عن اتساع القَصّة يختلف عن السؤال عن توفر المقاس.
راعِ نبرة الخطاب المناسبة لجمهورك، وأسماء المناطق، ووصف المنتجات، وطريقة كتابة المقاسات. وقد يقدّر بعض العملاء تحية شخصية أو رسالة صوتية أو شرحاً أطول، بينما يفضّل آخرون إجابة مختصرة. هذه تفضيلات ينبغي اختبارها مع جمهورك، لا افتراضها بسبب اللغة أو الجنسية.
لا تجعل الاعتياد على الشراء الرقمي دليلاً على الاستغناء عن الدعم البشري. اختبر أيضاً اللغة والنبرة وسياسات الشحن والإرجاع والقنوات المناسبة لكل سوق. قد يكون التتبع الذاتي كافياً، ثم تصبح المحادثة مع موظف ضرورية عندما يتعطل الحل.
قارن بين عملاء يؤدون المهمة نفسها وفي ظروف متشابهة. العمر والخبرة الرقمية ونوع المنتج وتجربة العميل السابقة عوامل تساعد على تفسير التفضيل، بدلاً من إرجاعه كله إلى اختلاف ثقافي واسع.
ويمكن أن يزعج الدعم البشري العميل للأسباب نفسها: رد محفوظ، أو انتظار دون تحديث، أو غياب الصلاحية. لذلك ينبغي تقييم جودة الحل ومسار الوصول إليه، إلى جانب نوع القناة.
يمكن للذكاء الاصطناعي أن يساعد العميل مباشرة، أو يعمل خلف الموظف لتلخيص المحادثة والبحث عن المعلومات واقتراح الرد. في الحالتين، يجب تحديد ما يمكنه تنفيذه ومتى تنتقل المسؤولية إلى شخص.
أخبر المستخدم أنه مساعد آلي، وما الذي يستطيع مساعدته فيه، وكيف يصل إلى الموظف.
استخدم بيانات المنتج والطلب والسياسات الحالية. وعند غياب المعلومة، اطلب التحقق بدلاً من اختلاق إجابة.
مثل طلب العميل، أو تكرار المحاولة دون حل، أو وجود اعتراض يحتاج إلى صلاحية. لا تعتمد على تقدير آلي للمشاعر وحده.
زوّد الموظف بملخص السؤال والخطوات المنفذة ورقم الطلب والمعلومات اللازمة، مع إمكانية مراجعة النص الأصلي.
الوصول إلى شخص لا يكفي إذا لم يتمكن من التحقق أو التصعيد أو ترتيب متابعة محددة.
سجّل الطلب واذكر متى يتوفر الفريق، دون وعد برد فوري لا يمكنك تقديمه.
قِس نجاح الخدمة من وجهة نظر العميل. انخفاض عدد المحادثات المحوّلة إلى الموظفين قد يبدو جيداً، لكنه لا يثبت أن المشكلات حُلّت؛ فقد يكون بعض المستخدمين غادروا بسبب صعوبة الوصول.
اختبر النتائج بحسب السوق واللغة ونوع المهمة، ولا تكتفِ بمتوسط واحد. كما أن مغادرة نافذة المحادثة وحدها لا تعني الرضا أو الحل.
الذكاء الاصطناعي مفيد عندما يجعل المعلومة أقرب والخطوة الروتينية أسرع والتحليل أسهل. ويصبح وجود الإنسان أكثر قيمة عندما يحتاج الموقف إلى فهم دقيق أو تقدير أو تحمل مسؤولية الحل.
عند تصميم تجربة محادثة مع شركة تطوير برمجيات مثل CodersFlow، ابدأ بتحديد احتياجات العملاء ومصادر الإجابات ومسار التحويل، ثم اختر التقنية التي تخدم هذه التجربة.
خطوتك التالية: راجع مجموعة من محادثات الدعم الأخيرة، وصنّفها إلى طلب معلومة، وطلب مساعدة على القرار، ومشكلة تحتاج إلى تدخل. ستعرف من أين تبدأ الأتمتة، وأين ينبغي أن يكون الإنسان متاحاً.