Wie Calendly seinen Kundensupport mit Conversation Intelligence bereichert

Dieser Kundenbericht wurde ursprünglich auf Loris.ai veröffentlicht und spiegelt die Erfahrungen des Kunden mit dem Produktangebot wider. Nach der Integration von Loris.ai in die Rechtsgruppe von Contentsquarewurde dieser Kundenbericht als Teil unserer einheitlichen Content Experience auf diese Seite [Contentsquare.com] migriert.

Vorstellung von Calendly

Calendly ist die führende Online-Plattform für die automatisierte Terminplanung und wird von Millionen Kund:innen weltweit genutzt. Das Unternehmen bietet verschiedene Lösungen an, von kostenlosen Einzelkonten bis hin zu Services auf Enterprise-Niveau für Vertriebs- und Recruiting-Teams. Calendly ist kompatibel mit Google-, Office 365- und Outlook-Kalendern sowie mit Apps wie Salesforce, Stripe, PayPal, Google Analytics, GoToMeeting und Zapier, wodurch es für eine reibungslose User Experience sorgt.

Das rund 100-köpfige Kundensupport-Team von Calendly arbeitet vollständig remote und bietet seinen Kund:innen weltweit rund um die Uhr, sieben Tage die Woche Unterstützung. Daher ist es wichtig, eine Datenerfassungsmethode zu haben, um Kundenprobleme und die Kundenzufriedenheit mit dem Produkt besser nachvollziehen zu können.

Jon Helin, VP für Customer Support bei Calendly, betont die Bedeutung der Customer Experience:

Wir nehmen unsere Customer Experience sehr ernst. Besonders auf unsere Probekund:innen konzentrieren wir uns immer. Wir möchten sicherstellen, dass sie positive Interaktionen erleben und wir sie bei der Nutzung und Wertschöpfung des Produkts unterstützen, damit wir ihren Erfolg ankurbeln und ihnen den Wechsel zu kostenpflichtigen Abonnements erleichtern können.

Die Suche nach Verbesserungsmöglichkeiten des Kundensupports mithilfe von AI

AI war für Calendly der logische nächste Schritt. Im Laufe des Wachstums des Unternehmens startete das Kundensupport-Team einen ausführlichen, 6-monatigen Such- und Evaluierungsprozess für Lösungen, die mehreren ihrer Anliegen gerecht werden konnten, darunter Qualitätsmanagement, Live-Support für Agents und Kunden-Insights insgesamt. Sie wussten, dass sie Maestro QA, ihr bestehendes QA-Tool (Quality Assurance = Qualitätssicherung), aufgrund fehlender AI-Funktionalitäten und eines komplexen Konfigurationsprozesses ersetzen mussten. Unter den in Betracht gezogenen Alternativen untersuchte Calendly auch Conversation Intelligence, unterstützt von Loris, sowie einige der führenden AI-gestützten Plattformen für Conversation Intelligence und Quality Assurance. Letztere waren entweder zu teuer, wirkten als Gesamtprodukt nicht vertrauenerweckend, erforderten einen zu hohen Modellpflegeaufwand oder boten keine echten unterstützenden Features für Agents.

Calendly erkannte das Potenzial von Conversation Intelligence, unterstützt von Loris – nicht nur mit Blick auf den unmittelbaren Bedarf an einem Assistenztool für Agents, sondern auch bezüglich einer zukünftigen Ausweitung auf Insights zu Quality Assurance und Voice of Customer (VOC). Jon Helin erklärt diese Entscheidung wie folgt:

Ich hatte schon eine Weile nach AI-Tools für unser Support-Team gesucht, besonders um die Effizienz der Agents zu steigern und die Konsistenz der Servicequalität zu verbessern. CoPilot war eines der wenigen Tools, bei denen ich sofort einen Aha-Moment hatte. Ich erkannte, wie es die Bearbeitungszeit verkürzen könnte, den Agents helfen würde, schneller die nötigen Informationen zur Problemlösung zu erhalten, und das Onboarding-Training von neuen Mitarbeitenden beschleunigen würde.

Die Implementierung lief schnell und effizient. Calendly begann in den ersten Wochen mit einer kleinen Testgruppe, um Workflows zu testen und iterative Verbesserungen vorzunehmen. Innerhalb von 2 Monaten wurde das System dann auf alle Support-Agents ausgeweitet.

Erste Erfolge mit AI im Kundenservice

Das erste Produkt, mit dem Calendly startete, war CoPilot, ein Tool zur Live-Assistenz von Kundendienstmitarbeitenden im Live-Chat, das diese dabei unterstützt, Kundenanfragen schnellst- und bestmöglich zu beantworten. Es erwies sich als effektiver Testfall, da das Tool rasche Erfolge und klare Erfolgsmetriken lieferte. Calendly verzeichnete deutliche Verbesserungen mit Blick auf Effizienz und Konsistenz:

• 3-minütige Reduzierung der Average Handle Time (AHT, durchschnittliche Bearbeitungszeit). Bei über 35 000 Support-Fällen pro Monat ist das eine beträchtliche Zeitersparnis.

• Verbessertes Onboarding von neuen Mitarbeitenden für eine kürzere Anlaufphase.

• Stärkere Konsistenz in der Kundenkommunikation.

Wir konnten die Average Handle Time (AHT, durchschnittliche Bearbeitungszeit) um etwas über 3 Minuten reduzieren, seit wir die Agent-Tag-Tickets abgeschafft haben. Das hat unsere Kosten pro Fall um 23 % gesenkt.

Jon Helin

VP für Customer Support

Ausweitung der Rolle von AI auf Quality Assurance.

Einer der Gründe, warum Calendly sich für Conversation Intelligence (powered by Loris) entschied, war die Tatsache, dass diese einzelne Plattform alle Anforderungen an Kundenservicequalität und ‑Intelligence abdecken konnte. Quality Assurance (QS) ermöglichte es Calendly, das bestehende QA-Tool durch eine AI-gestützte Lösung zu ersetzen. Dies führte zu einem effizienteren Prozess und erlaubte den QA-Analysefachkräften, sich datenbasiert auf die relevanten – statt auf zufällig ausgewählte – Konversationen zu konzentrieren. Insgesamt konnte Calendly dank QA Folgendes erreichen:

• Wechsel von einer checklistenbasierten QA-Sicherung hin zu eher subjektiven, wertorientierten Gesprächen,

• Nutzung von AI-gestützten Gesprächsqualitäts-Scores und Lösungsindikatoren, um die Gespräche objektiv und im großen Maßstab zu verstehen,

• Identifizierung von aussagekräftigen Gesprächen zugunsten von Auswertungen und Coachings anhand spezifischer Kriterien, anstelle einer zufälligen Auswahl, und

Wir waren angenehm überrascht, wie wir mittels QA bedeutsame Gespräche identifizieren und die Agents entsprechend schulen konnten... Von einem anfangs sehr standardmäßigen QA-Formular haben wir uns hin zu eher subjektiven Konversationen darüber entwickelt, wie wir mit Kund:innen kommunizieren und ob wir in diesen Gesprächen eben jenen Mehrwert bieten, den wir kultivieren wollen...

Jon Helin

VP für Customer Support

tiefgründigeres Verständnis dank Voice-of-Customer-Insights.

Als Teil der Plattform erkannte Calendly den großen Mehrwert der VOC-Features (Voice of Customer). Dank der sofort einsatzbereiten Bibliothek von AI-Modellen wandelt Conversation Intelligence, unterstützt von Loris, Kundenservicegespräche dieser Art in nutzbare Daten um. Das deckt alle möglichen relevanten Aspekte auf, darunter etwa das Hauptproblem, das eine erhöhte Kontaktaufnahme mit Kund:innen auslöst, die Kundenstimmung während einzelner Gespräche, Probleme mit der Agent-Qualität, die einer Überprüfung bedürfen, sowie Dutzende weiterer zentraler Dateneckpunkte.

Das hat Calendly eine Reihe von Vorteilen eingebracht, darunter folgende Fähigkeiten:

• präzise Kategorisierung und Identifizierung von zugrunde liegenden Kundenproblemen,

• Reduzierung des Zeitaufwands für das manuelle Mitarbeiter-Tagging von Kundendienstgesprächen, dank der Automatisierung dieses Prozesses, und

• Einsparen der unzähligen Stunden manueller Datenerfassung und ‑analysen bei der bisherigen Erstellung von VOC-Berichten.

Wir haben unsere gesamte VOC-Berichterstattung sehr schnell auf Loris-Daten umgestellt. Das hat uns unzählige Arbeitsstunden und das mühsame Durchwühlen unserer CRM-Daten erspart, da sie jetzt direkt in Loris angezeigt werden. Es läuft einfach präziser, wenn das System die Daten automatisch auswertet. Die Liste der Tags war lang, daher haben die Mitarbeitenden wahrscheinlich oft den einfacheren, aber vielleicht nicht unbedingt den passenderen Tag ausgewählt. Ich denke, es stärkt auch unser aller Vertrauen in die Daten, die wir den Produkt- und Entwicklungsteams zur Verfügung stellen, wenn es darum geht, was genau Reibung bei den Kund:innen auslöst.

Automatische Zusammenfassung von Gesprächen, was Agents erspart bleibt

In den meisten Unternehmen verbringen Kundendienstmitarbeitende bis zu 20 % ihrer Arbeitszeit mit der Dokumentation und dem Tagging von Kundengesprächen. Diese Daten sind zwar unabdingbar, halten die Mitarbeitenden aber von ihrer eigentlichen Aufgabe ab: der Kundenbetreuung. Calendly nutzt nun mithilfe von Conversation Intelligence AI, um Gespräche automatisch zusammenzufassen. So entfällt die mühsame Nachbearbeitung nach den Anrufen und die Mitarbeitenden können sich um noch mehr Kund:innen kümmern.

• Fasse automatisch zusammen, warum einzelne Kund:innen Kontakt aufgenommen haben, wie die Interaktion verlief und ob das Problem gelöst wurde.

• Ersetze subjektivere, manuelle Zusammenfassungen durch konsistente, AI-automatisierte Zusammenfassungen.

• Erspare jedem Agent bei jedem Anruf wertvolle Minuten, was zu erheblichen Effizienzsteigerungen führt.

Loris ist weiterhin eines der besten Beispiele für AI – dafür, wie sie unser Leben erleichtern und uns ermöglichen kann, sich auf das zu konzentrieren, was wirklich einen Unterschied macht: sich auf anregende Gespräche mit unseren Nutzenden einzulassen!

Customer Service Agent

Datenwertschöpfung zur Verbesserung aller Aspekte der Customer Journey

Neben einem moderneren Ansatz für die Unterstützung von Agents, Quality Assurance und Voice-of-Customer-Analysen, hat Calendly auch viele weitere Einsatzmöglichkeiten der Plattform entdeckt. Mithilfe des FAQ-Features (häufig gestellte Fragen) erhielten sie eine zentrale Liste von Kundenanfragen, um zu erkennen, wo und wie sich diese lösen lassen, noch bevor der Kundensupport kontaktiert wird. Calendly schätzt das Potenzial des FAQ-Features für folgende Bereiche besonders hoch ein:

• Bereicherung des Hilfecenter-Contents, damit Kund:innen sich leichter selbst weiterhelfen können,

• Verbesserung der Chatbot-Antworten, damit dieser mehr Probleme ohne menschliches Eingreifen lösen kann,

• Identifizierung von Bereichen mit Verbesserungspotenzial im Kundensupport und Hinweise, wie sich Mitarbeitende auf häufige Fragen und Einwände vorbereiten können, sowie

• Hervorhebung von Produktproblemen, um sowohl unbekannte Schwierigkeiten aufzudecken als auch Feedback darüber zu erhalten, wie stark der Impact einzelner Probleme ist.

Ich hatte diese Woche ein Treffen mit der Leiterin unseres Hilfecenters und habe ihr die FAQs gezeigt. Da gibt es einiges, was wir uns genauer ansehen müssen, denn in manchen Bereichen könnten unser Hilfecenter, unser Chatbot oder auch unser Kundensupport bessere Erklärungen für unsere Kund:innen liefern. Manchmal weisen die FAQs auch auf bestehende Produktprobleme. Einige davon sind uns bekannt, andere nicht. Es ist wirklich hilfreich, die Daten auf diese Weise abrufen, die Kundengespräche einsehen und sie mit dem Produktteam teilen zu können. Das war schon immer ein wichtiger Bestandteil unseres Voice-of-Customer-Programms: Direktes Kundenfeedback zu erhalten und zu teilen, ohne die Daten mühsam zusammensuchen zu müssen, das hat sich einfach als enorm hilfreich für das Team erwiesen.

Früherkennung von aufkommenden und bestehenden Produktproblemen

Eines der integrierten Features im Dashboard für Voice of Customer nennt sich Emerging Contact Drivers, also die Erkennung von neu aufkommenden Kontaktgründen. Dieses Modell sucht nach einem Anstieg an neuartigen Kundenproblemen, die auf diese Weise bislang nicht auftraten. Selbst eine relativ geringe Anzahl neuartiger Probleme wird also hervorgehoben, sodass du Schwierigkeiten frühzeitig erkennen und beheben kannst, bevor sie sich auf deine Kund:innen und dein Kundenservice-Team auswirken. Helin hat hierfür ein Beispiel, bei dem dies besonders wirkungsvoll war:

Der allererste Alert, den wir von Loris bekamen, machte uns darauf aufmerksam, dass Kund:innen öfter fragten, warum unser Chat verschwunden war. Da wurde uns klar, dass das Entwicklerteam ein Update veröffentlicht und den Chat-Link verschoben hatte, was bei vielen Kund:innen für Verwirrung sorge. … Das hätten wir andernfalls wahrscheinlich frühstens nach einer Woche bemerkt.

Neben der frühzeitigen Erkennung neu auftretender Probleme hat die Fähigkeit, schneller Kunden-Insights zu sammeln, Calendly mehr Sicherheit beim Launch neuer Produkte und Features gegeben. Denn sie wissen jetzt, dass sie Produktfeedback schnell erhalten, fundierter darauf reagieren und iterative Änderungen vornehmen können – etwa um ein Feature zu optimieren, die Reaktion von Agents auf bestimmte Probleme anzupassen oder bei Bedarf sogar ein Produktupdate rückgängig zu machen.

Erst diese Woche haben wir einige größere UI-Änderungen (User Interface) als Teil unseres Produkts veröffentlicht. Und alles rund um Loris war im Verlauf dieses gesamten Prozesses einfach ein Geschenk des Himmels. Erstmal hat Loris schnell erkannt, bei welchen Kontakttreibern das Volumen aufgrund der Änderung anstieg. Mittels QA konnten wir anschließend darauf zurückkommen, wie genau die Agents auf diese Kund:innen reagierten, Bereiche aufdecken, in denen sowohl bei Kund:innen als auch bei Agents Verwirrungen aufkamen, und auf diese Weise wirklich gezielt und gründlich Verbesserungsbedarfe identifizieren.

Calendly hat große Zukunftspläne mit AI

Während Calendly bereits Erfolge verzeichnen konnte, freut sich das Unternehmen darauf, das Tool noch weitläufiger zu nutzen – vor allem mit Blick auf die Möglichkeit, Chatbot-Konversationen zu analysieren. Jon Helin zeigt sich besonders gespannt auf diese Entwicklung:

Vor allem unser Chatbot-Team hat Schwierigkeiten damit, aussagekräftige qualitative Daten zur Einsicht zu erhalten, um Verbesserungen an unserer, nunja, unserer Selbsthilfe vorzunehmen gewisserweise. Also darum sind sie, denke ich, sehr gespannt darauf. Und ich bin sehr gespannt darauf, wie schnell uns das erlaubt, diesen Geschäftsbereich weiterzuentwickeln.

Jon Helin

VP für Customer Support

Conversation Intelligence, powered by Loris, hat die Kundensupport-Abläufe von Calendly deutlich bereichert und die Effizienz, Konsistenz und datengestützte Entscheidungsfindung über verschiedene Aspekten der Customer Experience hinweg optimiert.