Omnichannel Routing: Right Agent, First Try, Every Time

Seorang pelanggan mengirim pesan tentang pembayaran yang gagal. Percakapan itu mendarat di agen penjualan, yang mentransfernya dua kali sebelum bagian billing akhirnya menangani. Pada saat itu, pelanggan sudah setengah jalan keluar.

Perutean omnichannel adalah logika di dalam platform engagement pelanggan yang mencegah hal seperti ini. Logika ini membaca percakapan, pelanggan, dan daftar agen sebelum membuat penugasan.

Saat ini, sebagian besar operasi dukungan di Indonesia masih belum memiliki perutean omnichannel khusus. Sisanya mengandalkan antrian manual atau tools saluran yang terputus, dan hasilnya adalah pelanggan yang mengulang diri, agen yang menangani permintaan tidak sesuai, dan tingkat penyelesaian yang stagnan.

Perutean cerdas memperbaikinya dengan mencocokkan setiap percakapan ke agen yang tepat berdasarkan keterampilan, bahasa, saluran, dan ketersediaan.

Apa yang Sebenarnya Dilakukan Perutean Omnichannel

Saat pelanggan mengirim pesan WhatsApp, memulai live chat, atau membalas kampanye SMS, mesin perutean mengevaluasi permintaan. Sistem mempertimbangkan keterampilan agen, beban kerja saat ini, preferensi bahasa, dan riwayat percakapan sebelum membuat penugasan.

Ini berarti pelanggan berbahasa Indonesia dengan pertanyaan billing menjangkau spesialis billing berbahasa Indonesia, bukan agen umum berikutnya yang tersedia.

Tanpa logika ini, tim dukungan kembali ke antrian first-come, first-served. Pendekatan itu memperlakukan setiap percakapan secara sama, bahkan ketika kompleksitas, bahasa, dan urgensi berbeda.

Bagaimana Model Perutean Dibandingkan: Round-Robin, Pick-Me, Skills-Based, dan AI-Powered

Mengatasi kompleksitas itu dimulai dengan memahami model perutean mana yang cocok untuk operasi Anda, karena tidak semua perutean bekerja dengan cara yang sama. Empat model paling umum melayani tujuan berbeda.

• Round-robin: Mendistribusikan percakapan secara merata di antara agen yang tersedia. Sederhana untuk disetel, tetapi mengabaikan keahlian agen. Terbaik untuk tim yang menangani jenis permintaan seragam.
• Pick-me: Membiarkan agen memilih percakapan dari antrian bersama daripada menerima penugasan otomatis. Berguna untuk tim spesialis di mana agen tahu permintaan mana yang cocok dengan keahlian mereka, atau untuk tim kecil yang lebih suka kontrol manual.
• Skills-based: Mencocokkan percakapan ke agen yang ditandai dengan keterampilan relevan, seperti bahasa, pengetahuan produk, atau kemampuan teknis. Meningkatkan kualitas penyelesaian tetapi membutuhkan penandaan keterampilan yang akurat.
• AI-powered: Menganalisis isi percakapan, riwayat pelanggan, dan performa agen untuk membuat penugasan secara real-time. Triase AI menyerap pemilahan manual yang biasanya ditangani supervisor, membebaskan mereka untuk fokus pada coaching.

Perutean skills-based bekerja dengan baik ketika keterampilan agen didefinisikan dengan jelas, dan volume tetap dalam kapasitas. Model ini rusak ketika tag keterampilan berkembang melewati jumlah yang dapat dikelola, ketika permintaan itu sendiri ambigu, atau ketika volume puncak tiba lebih cepat daripada yang dapat diserap roster.

Perutean AI-powered mulai membayar diri pada titik yang sama. Setelah tim menangani lebih dari beberapa ratus percakapan sehari di tiga atau lebih saluran, set aturan kaku tidak dapat mengikuti.

Lapisan perutean AI modern melakukan lima hal yang tidak dapat dilakukan aturan statis:

• Prediksi intensi: Membaca pesan pembuka, mengklasifikasikan intensi, dan merutekan ke agen yang paling cocok dengan jenis permintaan spesifik itu.
• Handoff chatbot ke agen langsung: Meneruskan thread lengkap, konteks pelanggan, dan saran tindakan berikutnya kepada agen langsung saat otomatisasi mencapai batasnya.
• Perutean berbasis prioritas: Mendahulukan akun bernilai tinggi, tiket sensitif SLA, dan eskalasi yang ditandai di atas pertanyaan rutin. Perutean prioritas multichannel melangkah lebih jauh dengan memberi bobot pada percakapan berdasarkan saluran itu sendiri – sehingga panggilan suara dapat mengambil prioritas atas chat web ketika tekanan antrian meningkat.
• Penskalaan volume puncak: Memperluas pool agen yang memenuhi syarat dan melonggarkan tag keterampilan spesifik secara otomatis saat volume melonjak selama peluncuran atau gangguan.
• Deteksi sentimen: Mengidentifikasi pelanggan yang frustrasi atau berisiko secara real-time dan mengeskalasinya sebelum percakapan memburuk – menandai perubahan nada yang akan terlewat oleh aturan statis.

Dampak Bisnis dari Perutean Cerdas

Koneksi antara kualitas perutean dan hasil bisnis bersifat langsung dan terukur di setiap level organisasi.

Di level pelanggan, dampak terlihat dalam kecepatan penyelesaian. Perusahaan yang menggunakan perutean cerdas telah mendorong FCR dari 62% ke 78%, dengan perutean AI-powered mengurangi waktu penyelesaian sekitar 40%. Peningkatan itu mengalir langsung ke kepuasan: peningkatan 1% di FCR sesuai dengan peningkatan 1% di skor kepuasan pelanggan (CSAT).

Dan 49% konsumen mengatakan penyelesaian kontak pertama adalah bagian paling penting dari pengalaman dukungan, menjadikan akurasi perutean bukan hanya metrik operasional, tetapi pendorong langsung loyalitas pelanggan.

Di level agen, perutean cerdas mengurangi upaya yang sia-sia. Lebih sedikit penugasan yang tidak cocok berarti lebih sedikit waktu yang dihabiskan untuk mentransfer percakapan dan briefing agen berikutnya. Itu membebaskan kapasitas tanpa menambah headcount.

Di level bisnis, kombinasi FCR yang lebih tinggi, waktu penanganan yang lebih rendah, dan tingkat transfer yang berkurang menekan biaya per kontak, salah satu sinyal terjelas bahwa investasi perutean membuahkan hasil.

Baca Selengkapnya: Revolusi Dukungan Pelanggan dengan Tools CPaaS untuk Bisnis

Perutean Bahasa dan Saluran untuk Pasar di Indonesia

Penyelesaian kontak pertama menjadi jauh lebih sulit ketika bisnis beroperasi di berbagai pasar dan bahasa, tantangan yang sangat akut di nusantara.

Sebuah bisnis tunggal yang beroperasi di Jakarta, Surabaya, dan Bali dapat menerima pesan pelanggan dalam bahasa Indonesia, Jawa, Sunda, dan Inggris di WhatsApp, Instagram, LINE, dan SMS.

Tanpa perutean yang sadar bahasa, pesan-pesan ini mendarat di antrian umum. Agen yang tidak berbicara bahasa pelanggan akan mentransfer percakapan (menambah delay) atau mencoba merespons dengan tools terjemahan (mengurangi kualitas). Perutean omnichannel cerdas memecahkan ini dengan menandai agen dengan keterampilan bahasa dan keahlian saluran, kemudian mencocokkan percakapan sesuai.

Perutean spesifik saluran juga penting. Pelanggan yang menghubungi dukungan via WhatsApp dari Jakarta mengharapkan kadensi respons dan nada yang berbeda dari seseorang yang mengirim email dari Bali. Logika perutean yang memperhitungkan preferensi saluran menghasilkan hasil yang lebih baik daripada memperlakukan semua saluran secara identik.

Untuk percakapan yang melampaui teks, 8×8 Converse mendukung WhatsApp Business Calling – membiarkan agen mengeskalasi chat WhatsApp ke panggilan suara di dalam thread yang sama. Pelanggan tidak menelepon nomor terpisah, dan agen menyimpan riwayat percakapan lengkap di layar. Di Indonesia di mana WhatsApp mendominasi komunikasi pelanggan, ini menjembatani kesenjangan antara kenyamanan pesan dan kejelasan suara tanpa pergantian saluran.

Baca Selengkapnya: Dukungan Pelanggan WhatsApp: Handoff AI-Manusia yang Tidak Pernah Disadari Pelanggan

Mengukur dan Mengoptimalkan Performa Perutean

Angka-angkanya menjelaskan kasusnya. Pertanyaannya adalah apakah perutean Anda benar-benar memberikannya, dan itu membutuhkan perlakuan perutean sebagai sistem yang terus disempurnakan, bukan konfigurasi sekali jadi. Mulailah dengan melacak empat metrik ini:

• First-Contact Resolution (FCR): Persentase percakapan yang diselesaikan tanpa transfer atau tindak lanjut. Ini adalah sinyal utama bahwa perutean Anda mencocokkan dengan benar.
• Average Handle Time (AHT): Berapa lama setiap percakapan berlangsung dari penugasan hingga penyelesaian. Penurunan berkelanjutan setelah perubahan perutean menunjukkan kesesuaian agen-ke-masalah yang lebih baik.
• Transfer rate: Seberapa sering agen menyerahkan percakapan kepada orang lain. Tingkat transfer yang terus tinggi menunjukkan kesenjangan tag keterampilan atau aturan yang tidak mencerminkan bagaimana pekerjaan sebenarnya tiba.
• Queue wait time: Berapa lama pelanggan menunggu sebelum menjangkau agen. Perutean cerdas mendistribusikan beban berdasarkan kapasitas real-time, sehingga waktu tunggu adalah salah satu metrik pertama yang bergerak saat perutean membaik.

Tinjau secara mingguan dan cari pola. Sebagian besar masalah perutean memiliki penyebab yang dapat diidentifikasi:

Memulai dengan Perutean Omnichannel

Bagi tim di Indonesia yang belum memformalkan setup perutean mereka, kabar baiknya adalah mengimplementasikan perutean cerdas tidak memerlukan perombakan platform secara total.

1. Audit proses Anda saat ini. Petakan bagaimana percakapan menjangkau agen hari ini, identifikasi di mana ketidakcocokan paling sering terjadi, dan dokumentasikan keterampilan dan bahasa yang dicakup tim Anda.
2. Definisikan aturan perutean Anda. Putuskan faktor mana yang paling penting untuk bisnis Anda: bahasa, keahlian produk, saluran, atau kombinasinya. Tandai agen Anda sesuai.
3. Hubungkan saluran Anda. Platform seperti 8×8 Converse memungkinkan Anda memulai dengan satu atau dua saluran dan berkembang seiring pertumbuhan tim Anda.
4. Ukur dan iterasi. Aturan perutean harus berkembang seiring berubahnya tim, lini produk, dan basis pelanggan Anda.

Bagaimana 8×8 Converse Menangani Perutean Cerdas

Bagi tim yang mencari platform yang mendukung pendekatan bertahap dan berkembang seperti ini, 8×8 Converse dibangun tepat di sekitar model itu.

Percakapan dari WhatsApp, SMS, email, Viber, LINE, chat web, dan lainnya mengalir ke inbox terpadu. Mesin perutean menetapkan setiap percakapan berdasarkan keterampilan agen, kemampuan bahasa, beban kerja saat ini, dan saluran – sementara supervisor memantau performa melalui dasbor real-time dan peringatan SLA yang menandai antrian sebelum melanggar.

Perutean AI memperluas ini dengan prediksi intensi, sehingga pelanggan yang menulis “kartu saya terus ditolak” mendarat di spesialis pembayaran daripada di front desk. Saat percakapan membutuhkan manusia, handoff chatbot ke agen langsung menjaga thread, konteks, dan saran langkah berikutnya tetap utuh.

Untuk kampanye outbound, 8×8 Connect menangani penjadwalan dan pesan broadcast, sementara Converse merutekan percakapan inbound yang dihasilkan – sehingga tim pemasaran dapat menjalankan kampanye tanpa mengganggu dukungan langsung.

Karena Converse berada di atas infrastruktur CPaaS 8×8, bisnis di Indonesia dapat menambahkan saluran melalui API, men-deploy di public cloud atau on-premises, dan melacak efektivitas perutean melalui Laporan Percakapan, dasbor agen, dan tinjauan transkrip lengkap – menyempurnakan aturan saat pola bergeser.

Lihat Bagaimana 8×8 Converse Merutekan Lebih Cerdas

Percakapan yang tepat untuk menjangkau agen yang tepat tidak boleh bergantung pada keberuntungan. Perutean omnichannel cerdas menghilangkan tebakan dari penugasan, mengurangi waktu tunggu, dan memberikan jalur penyelesaian yang lebih cepat kepada setiap pelanggan.

8×8 Converse menyatukan perutean, pesan terpadu, dan analitik real-time ke dalam satu platform yang dibangun untuk operasi multi-saluran dan multi-bahasa. Hubungi 8×8 Indonesia untuk melihat bagaimana perutean cerdas cocok dengan tim dukungan Anda.