Proximus anticipeert op drukte in het contactcenter met AI

Lang wachten voor je bij een contactcenter iemand aan de lijn krijgt? Daar kijkt niemand naar uit. Möbius zet de voorspellende kracht van AI in om de wachtrij bij het contactcenter van Proximus in te korten.

‘Elke week overloop ik de operationele performantie van onze diensten’, vertelt Kris Adriaenssens, kwaliteitsverantwoordelijke bij Proximus. ‘Slaagt de klantendienst erin alle vragen te behandelen? Verwerken we vervolgens tijdig de bestellingen die nodig zijn om een probleem op te lossen? Sturen we op tijd een technieker ter plaatse? Kan de logistieke afdeling snel genoeg hardware leveren? Volgt de facturatie vlekkeloos?’

Dat hele traject kan maar vlot verlopen als er overal voldoende mensen en middelen voorzien zijn. ‘In 2023 was dat niet altijd het geval’, zegt Kris Adriaenssens. ‘We kregen veel te vaak veel meer klantenvragen in onze callcenters binnen dan verwacht.’ Daarom klopte Proximus bij consultancybedrijf Möbius aan, met de vraag om een AI-model te ontwikkelen dat de volumes klantenvragen preciezer zou inschatten.

Zoeken naar patronen

‘Proximus bezorgde ons data over de volumes klantenvragen die de callcenters van 2019 tot halverwege 2023 te verwerken kregen’, zegt Sofie De Coninck, projectleider bij Möbius. ‘Daarin gingen we op zoek naar patronen: hoe evolueert de drukte doorheen de seizoenen, van maand tot maand en zelfs van dag tot dag? En welke elementen hebben daar invloed op, zoals bijvoorbeeld het moment waarop klanten hun factuur ontvangen.’

Vervolgens ontwikkelde Möbius een AI-model dat de toekomstige volumes klantenvragen voorspelt. ‘We startten met voorspellingen voor de tweede helft van 2023’, vertelt Sofie De Coninck. ‘Die kon Proximus dan aftoetsen aan de reële volumes uit die periode, want die cijfers waren er al. Vervolgens konden we met een verbeterd model voorspellingen maken voor 2024.’

Betere voorspellingen met minder werk

Het Forta-team – het team van Proximus dat de volumes klantenvragen voorspelt – gebruikt intussen volop het AI-model dat Möbius ontwikkelde. Het doet dat binnen de software CCForecast, dat een voorspelling van het belvolume maakt.

Het team moet die voorspellingen ook voor veel minder types oproepen doen. Vroeger maakte het een voorspelling voor veertig types oproepen. Dat bleek veel te veel. Möbius selecteerde de types oproepen waarvan intussen geweten is dat de volumes van andere types er op een vergelijkbare manier mee evolueren. Dat bespaart het team heel wat werk en tijd.

Minder lang wachten

‘Wat ook helpt, is dat we de instroom aan klantenvragen deels zelf sturen. We doen dat bijvoorbeeld door de decoders voor digitale tv gefaseerd te vervangen, doelbewust in luwere periodes. Tegelijk voorzien we op die momenten extra personeel in de contactcenters.’ Het Forta-team weet vandaag ook veel beter welke commerciële en technische acties er gepland zijn. En dan is er nog de digitale assistent. ‘Als je naar de klantendienst belt, checkt een chatbot welke vraag je hebt. Die stuurt je gericht door naar de juiste medewerker of naar een geautomatiseerde oplossing. Ook dat beperkt het aantal klantenvragen.’

Vandaag kan het Forta-team beter en comfortabeler zijn werk doen, terwijl ook de volumes klantenvragen beter onder controle zijn in de contactcenters. ‘Het een kan niet zonder het ander’, zegt Kris Adriaenssens. ‘Zonder goede voorspelling valt alles in duigen, én omgekeerd. In normale omstandigheden zit de voorspelling heel dicht bij de realiteit. Zelden is het verschil groter dan vijf procent. En ja, we hebben wel nog eens een onverwachte piek, maar die kunnen we beter aan, net omdat we al goed georganiseerd zijn voor de courante volumes. Bij een piek gaan we mogelijk nog altijd even in het rood, maar minder lang.’