ข้ามไปยังเนื้อหา
AI-SNS.IO — CHAT SUPPORTAI-SNS.IO — CHAT SUPPORT
KPI

อ่านอัตราส่งต่อให้เจ้าหน้าที่ เพื่อหาจุดที่ AI ต้องปรับปรุง

กองบรรณาธิการ AI SNS CHATเผยแพร่ อ่าน 8 นาที

เรียนรู้วิธีแยกสาเหตุของการส่งต่อแชตให้เจ้าหน้าที่ แยกตามช่องทางและหัวข้อ แล้วเลือกวิธีแก้ที่ตรงจุด พร้อมรูทีนตรวจทุกสัปดาห์

หลายทีมดูตัวเลขอัตราส่งต่อให้เจ้าหน้าที่ แล้วได้แค่คำถามว่า "สูงไปไหม" หรือ "ต่ำไปไหม" ทั้งที่ตัวเลขเดียวไม่ได้บอกว่าควรแก้อะไร บทความนี้พาคุณแยกการส่งต่อแต่ละครั้งเป็นสาเหตุ ดูว่าเกิดที่ช่องทางไหน หัวข้อไหน ช่วงเวลาไหน แล้วเลือกวิธีแก้ที่ตรงจุด สุดท้ายจะได้รูทีนสั้น ๆ ที่ทำได้ทุกสัปดาห์โดยไม่ต้องใช้เครื่องมือซับซ้อน

อัตราส่งต่อวัดอะไรกันแน่

อัตราส่งต่อ (handoff rate) คือสัดส่วนของบทสนทนาที่ AI ส่งต่อหรือถูกเจ้าหน้าที่เข้ามารับช่วงต่อ เมื่อเทียบกับบทสนทนาทั้งหมดในช่วงเวลาเดียวกัน

ตัวอย่างสมมติ: ร้านแห่งหนึ่งมีแชตเข้ามา 300 บทสนทนาต่อเดือน และมี 45 บทสนทนาที่ต้องส่งต่อให้เจ้าหน้าที่ อัตราส่งต่อจะเท่ากับ 15% ตัวเลขนี้ใช้เพื่อประกอบการอธิบายเท่านั้น ไม่ใช่เกณฑ์มาตรฐานของธุรกิจใด

สิ่งสำคัญที่มักถูกมองข้ามคือ อัตราส่งต่อไม่ใช่คะแนนความสำเร็จหรือความล้มเหลวโดยตรง แต่เป็นสัญญาณว่ามีบางอย่างเกิดขึ้น การส่งต่ออาจมาจากเหตุผลที่ดี เช่น ลูกค้าต้องการขอคืนเงินที่ต้องให้คนตัดสินใจ หรืออาจมาจากเหตุผลที่ควรแก้ เช่น AI ไม่มีข้อมูลเรื่องค่าจัดส่งทั้งที่ลูกค้าถามทุกวัน

ดังนั้นแทนที่จะถามว่า "ตัวเลขควรเป็นเท่าไร" ให้ถามว่า "การส่งต่อแต่ละครั้งเกิดขึ้นเพราะอะไร และเราทำอะไรกับมันได้บ้าง"

ขั้นที่ 1: จัดทุกการส่งต่อเข้าสาเหตุ

เริ่มจากดึงบทสนทนาที่ถูกส่งต่อในสัปดาห์ที่ผ่านมา แล้วอ่านทีละเคสพร้อมใส่ป้ายสาเหตุหนึ่งอย่าง วิธีที่ง่ายที่สุดคือใช้สเปรดชีตที่มีคอลัมน์ วันที่ ช่องทาง หัวข้อ และสาเหตุ

สาเหตุที่พบบ่อยแบ่งได้ประมาณนี้:

  • ไม่มีข้อมูล: ลูกค้าถามเรื่องที่ฐานความรู้ยังไม่ครอบคลุม AI จึงตอบไม่ได้หรือตอบอ้อม ๆ
  • ลูกค้าขอคุยกับคนเอง: ลูกค้าพิมพ์ว่า "ขอคุยกับเจ้าหน้าที่" ตั้งแต่ต้น แม้ AI อาจตอบได้ก็ตาม
  • ต้องใช้ดุลยพินิจ: เช่น ขอคืนเงิน ขอยกเว้นเงื่อนไข หรือกรณีพิเศษที่นโยบายไม่ได้เขียนไว้ชัด
  • อารมณ์ลูกค้า: ลูกค้าไม่พอใจหรือร้อนใจ และการตอบแบบอัตโนมัติอาจทำให้แย่ลง
  • ตอบผิดหรือเข้าใจผิด: AI ตีความคำถามคลาดเคลื่อน หรือใช้ข้อมูลที่ล้าสมัย
ไม่มีข้อมูลในฐานความรู้
14
ลูกค้าขอคุยกับเจ้าหน้าที่
9
ต้องใช้ดุลยพินิจ
8
ลูกค้าไม่พอใจ
5
ตอบผิดหรือเข้าใจผิด
4
ตัวอย่าง: จำนวนการส่งต่อแยกตามสาเหตุในหนึ่งสัปดาห์สมมติ (รวม 40 เคส)ตัวอย่างประกอบ

ตัวเลขข้างต้นเป็นตัวอย่างสมมติเพื่อให้เห็นวิธีอ่าน ไม่ใช่ผลสำรวจจริง สิ่งที่ควรสังเกตคือ ในตัวอย่างนี้สาเหตุอันดับหนึ่งคือ "ไม่มีข้อมูล" ซึ่งเป็นสาเหตุที่แก้ได้ง่ายที่สุด เพราะแค่เติมความรู้เข้าไป ส่วน "ต้องใช้ดุลยพินิจ" ไม่ควรพยายามกำจัด เพราะเป็นงานที่คนควรทำอยู่แล้ว

ขั้นที่ 2: แยกอัตราส่งต่อตามช่องทาง หัวข้อ และเวลา

เมื่อรู้สาเหตุแล้ว ให้ลองหั่นข้อมูลอีกสามมุม เพราะตัวเลขรวมมักซ่อนปัญหาเฉพาะจุดไว้

ตามช่องทาง

ธุรกิจไทยจำนวนมากรับลูกค้าผ่าน LINE เป็นหลัก ร่วมกับ Facebook Messenger และแชตบนเว็บไซต์ ลูกค้าแต่ละช่องทางมีพฤติกรรมต่างกัน ผู้ใช้ LINE มักพิมพ์สั้น ส่งสติกเกอร์ ส่งรูปสลิปหรือรูปสินค้า และคาดหวังคำตอบเร็ว ส่วนแชตบนเว็บไซต์มักเป็นคนที่กำลังเลือกซื้อและถามรายละเอียดสินค้า ถ้าอัตราส่งต่อของช่องทางหนึ่งสูงกว่าช่องทางอื่นชัดเจน ให้ย้อนอ่านเคสของช่องนั้นก่อน

ตามหัวข้อ

จัดกลุ่มคำถามเป็นหัวข้อ เช่น สถานะพัสดุ การชำระเงิน การเปลี่ยนคืน โปรโมชัน แล้วดูว่าหัวข้อไหนถูกส่งต่อบ่อยที่สุด หัวข้อที่ถูกถามบ่อยและถูกส่งต่อบ่อยพร้อมกันคือโอกาสปรับปรุงที่คุ้มที่สุด เพราะแก้ครั้งเดียวช่วยลดงานได้ซ้ำ ๆ

ตามเวลา

ดูว่าการส่งต่อกระจุกอยู่ช่วงไหน เช่น นอกเวลาทำการ ช่วงแคมเปญลดราคา หรือหลังส่งโปรโมชันทาง LINE ถ้าเคสกระจุกตัวหลังมีการเปลี่ยนนโยบายหรือเปิดแคมเปญ มักแปลว่าฐานความรู้ยังไม่ทันอัปเดต

ลองสร้างตารางสรุปง่าย ๆ ทุกสัปดาห์:

มุมมองคำถามที่ควรถาม
ช่องทางช่องไหนส่งต่อสูงกว่าช่องอื่นอย่างเห็นได้ชัด
หัวข้อหัวข้อไหนถูกถามบ่อยและส่งต่อบ่อยพร้อมกัน
เวลามีช่วงเวลาที่พุ่งขึ้น และตรงกับเหตุการณ์อะไร

ขั้นที่ 3: จับคู่สาเหตุกับวิธีแก้ที่เหมาะ

ข้อผิดพลาดที่พบบ่อยคือแก้ผิดจุด เช่น พยายามปรับน้ำเสียงของ AI ทั้งที่ปัญหาจริงคือไม่มีข้อมูล หรือเติมความรู้เพิ่มทั้งที่ปัญหาคือกฎการส่งต่อกว้างเกินไป ตารางนี้ช่วยจับคู่ให้ถูก

สาเหตุวิธีแก้ที่ควรลองก่อน
ไม่มีข้อมูลเติมคำถามและคำตอบ หรือเอกสารที่ขาดเข้าฐานความรู้
ลูกค้าขอคุยกับคนเองปรับข้อความต้อนรับให้บอกชัดว่า AI ช่วยอะไรได้บ้าง และมีทางเลือกคุยกับเจ้าหน้าที่เมื่อจำเป็น
ต้องใช้ดุลยพินิจเก็บไว้ให้คนทำ แต่ทำให้การส่งต่อเร็วและมีบริบทครบ
ลูกค้าไม่พอใจส่งต่อเร็วขึ้น ไม่ให้ลูกค้าวนกับ AI หลายรอบ
ตอบผิดหรือเข้าใจผิดแก้คำตอบที่ผิด ตรวจแหล่งข้อมูลที่ล้าสมัย และทดสอบคำถามเดิมซ้ำ

ระวังการแก้ที่ทำให้ตัวเลขสวยแต่ลูกค้าแย่ลง

ถ้าคุณซ่อนปุ่มหรือทางเลือกในการคุยกับคน อัตราส่งต่อจะลดลงทันที แต่ลูกค้าที่ต้องการความช่วยเหลือจริง ๆ จะติดอยู่กับ AI หรือเลิกคุยไปเลย ตัวเลขดีขึ้นแต่ประสบการณ์แย่ลง ให้ตรวจเสมอว่าเมื่ออัตราส่งต่อลด ความพึงพอใจและจำนวนคำถามที่ถูกแก้ปัญหาได้จริงไม่ลดตามไปด้วย

ขั้นที่ 4: ทำให้การส่งต่อที่ยังเหลือราบรื่น

การส่งต่อบางส่วนจะยังอยู่ตลอด และไม่ควรหายไป เป้าหมายคือทำให้ลูกค้าไม่ต้องเล่าซ้ำและไม่ต้องรอแบบไม่รู้ชะตากรรม

สิ่งที่ควรเตรียม:

  1. ให้คนที่รับช่วงเห็นประวัติทั้งหมด ลูกค้าไม่ควรต้องพิมพ์ชื่อ เลขที่คำสั่งซื้อ หรือปัญหาซ้ำอีกรอบ
  2. บอกลูกค้าว่าขั้นต่อไปคืออะไร เช่น มีเจ้าหน้าที่จะตอบเมื่อไรโดยประมาณ ถ้าอยู่นอกเวลาทำการ ให้บอกตรง ๆ ว่าจะติดต่อกลับในเวลาทำการ ไม่ควรให้คำมั่นที่ทีมรักษาไม่ได้
  3. กำหนดคนรับเคสให้ชัด ใครอยู่เวรช่วงไหน เคสไหนต้องแจ้งเตือนใคร ไม่เช่นนั้นเคสจะค้างอยู่กลางอากาศ
  4. นำเคสที่คนแก้แล้วกลับไปสอน AI เมื่อเจ้าหน้าที่ตอบได้ดี คำตอบนั้นควรกลายเป็นความรู้ให้ AI ในครั้งต่อไป

เรื่องข้อมูลส่วนบุคคลก็ควรคิดไว้ด้วย บทสนทนาที่ส่งต่อมักมีชื่อ เบอร์โทร ที่อยู่จัดส่ง หรือข้อมูลการสั่งซื้อ ซึ่งเป็นข้อมูลส่วนบุคคลตาม PDPA ควรจำกัดผู้ที่เข้าถึงบันทึกแชต เฉพาะคนที่จำเป็นต้องใช้ และกำหนดระยะเวลาเก็บรักษาตามนโยบายของธุรกิจ

ขั้นที่ 5: สร้างรูทีนประจำสัปดาห์

การวิเคราะห์ที่ดีที่สุดคือการวิเคราะห์ที่ทำได้ต่อเนื่อง ไม่ต้องใหญ่ เพียงสัปดาห์ละ 30 ถึง 60 นาที ก็เพียงพอสำหรับร้านขนาดเล็กถึงกลาง

  1. 01อ่านเคสที่ส่งต่อ
  2. 02ใส่ป้ายสาเหตุ
  3. 03แก้ที่ต้นเหตุ
  4. 04วัดซ้ำสัปดาห์หน้า
จากการส่งต่อสู่การปรับปรุงตัวอย่างประกอบ

ตัวอย่างลำดับงานที่ทำได้จริง:

  • ต้นสัปดาห์: ดึงเคสที่ส่งต่อในสัปดาห์ก่อน ใส่ป้ายสาเหตุ และนับจำนวนต่อสาเหตุ
  • กลางสัปดาห์: เลือกสาเหตุอันดับหนึ่งหรือสองมาแก้ เช่น เติมคำตอบ ปรับกฎการส่งต่อ หรือแก้ข้อความต้อนรับ
  • ก่อนปล่อยจริง: ทดสอบคำถามเดิมที่เคยทำให้เกิดการส่งต่อ เพื่อดูว่าคำตอบใหม่ใช้ได้
  • สัปดาห์ถัดไป: เปรียบเทียบเฉพาะสาเหตุที่แก้ไป ไม่ใช่แค่ตัวเลขรวม

จดบันทึกการเปลี่ยนแปลงแต่ละครั้งไว้ด้วย เช่น "วันที่เท่านี้ เพิ่มข้อมูลค่าส่ง" เมื่อตัวเลขขยับ คุณจะรู้ว่าเกิดจากอะไร

ทำสิ่งนี้ใน AI SNS CHAT

AI SNS CHAT ไม่ได้มีหน้าจอที่แสดง "อัตราส่งต่อ" เป็นตัวเลขสำเร็จรูป แต่มีเครื่องมือที่ครอบคลุมงานแต่ละขั้นตามบทความนี้

อ่านและจัดกลุ่มเคส: ไปที่ Activity → Chat logs ซึ่งเก็บบทสนทนาของทุกช่องทางที่ไม่ใช่อีเมล (อีเมลอยู่ในเมนู Inbox) คุณใช้ตัวกรอง เลือกหลายรายการพร้อมกัน ติดธง ส่งต่อ (escalate) หรือปิดเคสได้ และส่งออกข้อมูลไปคำนวณในสเปรดชีตเพื่อใส่ป้ายสาเหตุและนับสัดส่วน ผู้ใช้ยังกดให้คะแนนถูกใจ/ไม่ถูกใจต่อคำตอบได้ ซึ่งช่วยชี้เคสที่ควรเปิดอ่านก่อน

ดูภาพรวมหัวข้อและอารมณ์: เมนู Analytics มีมุมมอง Chats, Topics, Question history และ Sentiment ช่วยดูว่าคำถามกลุ่มไหนถูกถามบ่อยและลูกค้ารู้สึกอย่างไร โดยอนาลิติกส์ขั้นสูงต้องใช้แพ็กเกจ Pro

แก้ที่ต้นเหตุ: เติมความรู้ผ่าน Data sources เช่น Q&A, Text snippets, Files หรือ Website เมื่อเจ้าหน้าที่เข้ารับช่วงแชต บอตจะหยุดชั่วคราว และคุณแก้คำตอบของเจ้าหน้าที่ให้เป็นคำตอบในอุดมคติเพื่อสอน agent ได้ทั้งใน Inbox และ Chat logs ก่อนปล่อยจริง ใช้ Playground ลองถามคำถามเดิมซ้ำ และหากการแก้ไขทำให้ผลแย่ลง สามารถย้อนกลับด้วยจุดคืนค่า (restore points) ได้สูงสุด 40 จุดต่อบอต

จัดการเวรและการแจ้งเตือน: ที่ Helpdesk → Scheduling ตั้งเวรรายคนตามเขตเวลา การส่งต่อจะถูกมอบหมายให้คนที่อยู่เวรอัตโนมัติ และแจ้งเตือนไปยัง Slack, Teams, LINE WORKS, WhatsApp, อีเมล หรือ webhook ได้ ข้อความถึงลูกค้าเมื่อส่งต่อจะบอกขั้นตอนถัดไปโดยอ้างอิงตารางเวร และระบบไม่แต่งเวลารอขึ้นมาเอง ส่วนนี้ต้องใช้แพ็กเกจ Standard ขึ้นไป

ตรวจย้อนหลัง: Workspace settings → Activity บันทึกว่าใครสร้าง แก้ไข ลบ หรืออัปโหลดอะไรและเมื่อไร ช่วยเชื่อมการเปลี่ยนแปลงกับตัวเลขที่ขยับ

เรื่องข้อมูลส่วนบุคคล การปฏิบัติของ AI SNS CHAT ออกแบบโดยอ้างอิง GDPR และ APPI และมีตัวเลือกกำหนดช่วงเก็บบทสนทนา ซึ่งธุรกิจในไทยควรพิจารณาร่วมกับหน้าที่ตาม PDPA ของตนเอง รายละเอียดดูได้ที่ /security และดูฟีเจอร์ทั้งหมดที่ /features รวมถึงช่องทางที่เชื่อมต่อได้ เช่น LINE และ Messenger ที่ /connections

คำถามที่พบบ่อย

อัตราส่งต่อที่ดีควรอยู่ที่เท่าไร

ไม่มีตัวเลขกลางที่ใช้ได้กับทุกธุรกิจ เพราะขึ้นอยู่กับประเภทสินค้า ความซับซ้อนของคำถาม และนโยบายของร้าน วิธีที่เชื่อถือได้กว่าคือใช้ตัวเลขของตัวเองเป็นฐาน แล้วดูแนวโน้มพร้อมสัดส่วนของแต่ละสาเหตุ ถ้าส่วนใหญ่เป็นเรื่องที่ควรให้คนทำจริง ๆ ตัวเลขสูงก็ไม่ใช่ปัญหา

ควรตั้งเป้าให้อัตราส่งต่อเป็นศูนย์ไหม

ไม่ควร เพราะบางเรื่อง เช่น การขอคืนเงิน การร้องเรียน หรือกรณีพิเศษ ควรให้คนตัดสินใจ การพยายามให้เป็นศูนย์มักทำให้ลูกค้าที่ต้องการความช่วยเหลือจริงติดอยู่กับ AI เป้าหมายที่ดีกว่าคือลดการส่งต่อที่ไม่จำเป็น และทำให้การส่งต่อที่เหลือรวดเร็วและครบบริบท

อัตราส่งต่อลดลงหลังจากปรับระบบ ถือว่าสำเร็จไหม

ยังสรุปไม่ได้ ให้ตรวจก่อนว่าลูกค้ายังหาทางคุยกับเจ้าหน้าที่ได้ง่ายอยู่ไหม คะแนนความพึงพอใจหรือจำนวนเคสที่ปัญหาจบจริงลดลงหรือไม่ และสาเหตุที่ลดลงตรงกับสิ่งที่แก้หรือเปล่า ถ้าสาเหตุ "ไม่มีข้อมูล" ลดลงหลังเติมความรู้ นั่นคือสัญญาณดี แต่ถ้าลดลงเพราะลูกค้าเลิกถามไป นั่นไม่ใช่ชัยชนะ

ควรอ่านกี่บทสนทนาต่อสัปดาห์

ขึ้นอยู่กับปริมาณแชตและเวลาของทีม หากมีการส่งต่อไม่มาก ให้อ่านทุกเคสได้เลย หากมีมากให้สุ่มอ่านให้ครอบคลุมทุกช่องทางและทุกสาเหตุหลัก แล้วเพิ่มเคสที่ติดธงหรือได้คะแนนไม่ถูกใจ สิ่งสำคัญคือทำสม่ำเสมอทุกสัปดาห์มากกว่าอ่านจำนวนมากครั้งเดียว

#อัตราส่งต่อ#KPI#แชตบอต#บริการลูกค้า#LINE

ลงมือทำจริงด้วย AI SNS CHAT

สร้างเอเจนต์ AI ที่เรียนรู้จากเนื้อหาของคุณเอง แล้วเชื่อมกับเว็บไซต์ LINE WhatsApp และอื่น ๆ เริ่มต้นฟรี ไม่ต้องใช้บัตรเครดิต