محمد احمدی‌آذر: بانک باید پیش از اعلام مشکل از سوی مشتری وارد عمل شود

محمد احمدی‌آذر: بانک باید پیش از اعلام مشکل از سوی مشتری وارد عمل شود

گفت‌وگوی رضا قربانی با رئیس اداره بازاریابی دیجیتال و تحلیل داده بانک تجارت درباره پرستاری مشتری، نقش هوش مصنوعی و تجربه مشترک در بانکداری تعبیه‌شده
محمد احمدی‌آذر در گفت‌وگو با راه پرداخت
۳ دقیقه مدت مطالعه

باشگاه مشتریان، CRM و مرکز تماس هرکدام ابزاری برای مدیریت ارتباط با مشتری‌اند؛ اما «پرستاری مشتری» قرار است یک گام عقب‌تر و جلوتر از این ابزارها حرکت کند: پیش از بروز مشکل، مسیر مشتری را زیر نظر بگیرد و پس از دریافت خدمت نیز او را تنها نگذارد. محمد احمدی‌آذر، رئیس اداره بازاریابی دیجیتال و تحلیل داده بانک تجارت و رئیس هیئت‌مدیره شرکت چابک تجارت آسیا، این مفهوم را نه یک محصول تازه، بلکه نگرشی برای همراهی داده‌محور با مشتری می‌داند.

اهمیت این رویکرد با تغییر ماهیت خدمات بانکی بیشتر شده است. زمانی مشتری در چند دقیقه خدمت خود را از باجه دریافت و شعبه را ترک می‌کرد، اما برخی فرایندهای اعتباری دیجیتال ممکن است چند روز ادامه داشته باشند. در این مسیر، شعبه‌ای وجود ندارد که ابهام‌های مشتری را برطرف کند و ناآشنایی با مراحل دریافت خدمت نیز می‌تواند اضطراب او را افزایش دهد. چابک تجارت آسیا می‌خواهد از مرحله ورود مشتری تا پاسخ‌گویی، پشتیبانی و خدمات پس از فروش، این خلأ را پوشش دهد.

چالش اصلی، پراکندگی اطلاعات مشتری میان شعبه، مرکز تماس و کانال‌های دیجیتال است. احمدی‌آذر می‌گوید این مسئله فقط به بانک تجارت محدود نیست و بسیاری از سازمان‌های بزرگ با آن درگیرند. داده‌ها در کانال‌ها و رسانه‌های مختلف تولید می‌شوند، اما تبدیل آنها به یک تصویر واحد و اتخاذ استراتژی یکپارچه در تمام نقاط تماس همچنان دشوار است.

هدف نهایی، عبور از پشتیبانی واکنشی است. در مدل متداول، بانک منتظر می‌ماند تا مشتری ناراضی شود، بازخورد بدهد یا با مرکز تماس ارتباط بگیرد. در مدل پرستاری مشتری، سازمان باید پیش از اعلام مشکل، رخداد را شناسایی کند و اقدام مناسب بعدی را پیشنهاد دهد. این تغییر، رابطه بانک و مشتری را از پاسخ‌گویی پس از حادثه به مراقبت پیش‌دستانه تبدیل می‌کند.

هوش مصنوعی در این مدل می‌تواند داده‌های پراکنده را تحلیل و خطاهای اخیر مشتری را شناسایی کند. احمدی‌آذر به راهکاری اشاره می‌کند که هنگام تماس مشتری، گزارش خطاهای نیم‌ساعت گذشته او را بررسی و روی صفحه کارشناس نمایش می‌دهد. درنتیجه، کارشناس می‌تواند پیش از توضیح مشتری، مسئله احتمالی را تشخیص دهد. این تجربه به مشتری نشان می‌دهد که بانک از مسیر و مشکل او آگاه است.

بااین‌حال، احمدی‌آذر جایگزینی کامل نیروی انسانی با هوش مصنوعی را راه‌حل مطلوب نمی‌داند. به اعتقاد او، هوش مصنوعی در تحلیل و پاسخ‌گویی توانمند است، اما احساس دلگرمی ناشی از پیگیری یک انسان را منتقل نمی‌کند. مدل پیشنهادی او ترکیب توان تحلیلی هوش مصنوعی با همدلی و قضاوت نیروی انسانی است.

این مسئله در بانکداری تعبیه‌شده پیچیده‌تر می‌شود؛ زیرا مشتری خدمت بانکی را در نقطه فروش یک پلتفرم دیگر دریافت می‌کند و منشأ خطا را میان بانک و پلتفرم تفکیک نمی‌کند. از نگاه احمدی‌آذر، تجربه مشتری قابل تقسیم نیست و بانک و کسب‌وکار باید با توافق‌نامه‌های سطح خدمت مشترک و داشبوردهای لحظه‌ای، مسئولیت آن را بپذیرند. نامرئی‌شدن بانک نباید به نامرئی‌شدن مسئولیت پاسخ‌گویی منجر شود.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

مطالب پیشنهادی

راه پرداخت را به گوگل پیشنهاد دهید
تا تازه‌ترین مطالب تخصصی فین‌تک را آسان‌تر در گوگل پیدا کنید
پیشنهاد به گوگل