نویسنده: Sam Ransbotham

مترجم: فریبا ولیزاده　

از مزایای تجزیه‎ و تحلیل داده‎ در حوزه خدمات مشتریان شواهد بسیاری در دست است. پرسشی که این روزها نظر گروه‏های زیادی را به خود جلب کرده این است که تجزیه ‎و تحلیل داده چگونه می‏تواند امنیت مشتریان را بهبود بخشد؟سازمان‏ها هر روز داده‏ بیشتری گردآوری می‏کنند. درحالی‌که داده‏ غنی و با کیفیت منجر به ارائه خدمات سفارشی می‏شود، اما گردآوری اطلاعات دقیق درباره افراد حقیقی اغلب با دغدغه‏ها و نگرانی‏هایی همراه است. درست همانطور که این اطلاعات برای سازمان‏ها بسیار ارزشمند هستند، می‏توانند برای مجرمان هم از اهمیت بالایی برخوردار باشند و منجر به افزایش قابل توجه مجموعه‏ای از شکاف‏های امنیتی شوند.

استفاده از تجزیه‏ و تحلیل داده باعث تشدید ناامنی‏هایی در فضای کسب‌وکار شده است. استفاده از فرآیندهای تحلیل داده حتی در پایین‏ترین سطوح هم منجر به تشدید نگرانی‏ها در حوزه امنیت خدمات مشتریان می‎شود، چرا که اغلب تحلیل‎هایی که در حوزه بازاریابی انجام می‎شوند در تلاشند تا حد امکان بیشترین اطلاعات را در خصوص مشتریان بالقوه به دست آورند. این فرآیندهای تحلیلی به‌طور روزافزونی در ردیابی داده‎های مربوط به افراد مختلف قدرتمندتر می‎شوند. با این حال، تکنیک‎های ردیابی نمونه‎ای از روش‎هایی است که تحلیلگران از آن دست کم به عنوان راه‎حلی کوچک برای رفع دغدغه‎های امنیتی مطرح‌شده نام می‎برند. برای نمونه تصور کنید در تماسی تلفنی با بانک مشکل گم شدن کارت اعتباری خود را در میان می‎گذارید. مشکل اصلی این است که بانک قبل از ارائه هرگونه خدماتی باید بتواند هویت شما را تایید کند. فرآیند احراز هویت باید با این فرض آغاز شود که تماس‌گیرنده فردی است که با هدف جعل هویت صاحب حساب و به‌منظور سودجویی اقدام به چنین تماسی کرده است. به این ترتیب تا زمانی که بی‎گناه بودن فرد مورد نظر ثابت نشود، وی یک مجرم تلقی خواهد شد. بانک تنها زمانی به فرد تماس گیرنده کمک خواهد کرد که از هویت او به‌طور کامل مطمئن شده باشد. درحالی‌که چنین فرآیندی برای مشتریانی که به دنبال کمک فوری هستند آزاردهنده به‌نظر می‏رسد، اما واقعیت این است که چنین سطحی از امنیت همواره از الزامات بوده است. در واقع، به نفع ما است که بانک قبل از هر اقدامی به بهترین نحو ممکن از هویت فرد تماس‌گیرنده اطمینان حاصل کند.

به طور کلی، فرآیند احراز هویت تلفنی شامل پاسخ به مجموعه‏ای از سوالات است: شماره حساب شما چیست؟ شماره امنیت اجتماعی شما چیست؟ شماره شناسه شخصی شما چیست؟ آیا می‏توانید به سه تراکنش آخر کارت اعتباری خود اشاره کنید؟ آدرس قبلی شما چه بوده است؟ این فرآیند ادامه پیدا می‏کند و به‌طور بالقوه به سوالات امنیتی در خصوص اطلاعات خاصی که در آغاز همکاری میان بانک و مشتری رد‎وبدل شده است می‏انجامد تا در نهایت بانک هویت فرد را تایید کند.فرآیند مذکور طراحی خصمانه‏ای دارد. تماس‌گیرنده تا زمانی که از این مبارزه جان سالم به در نبرده است، قابل اعتماد نیست. بانک‏ها هم از برقراری ارتباطات خصمانه حتی در ابتدایی‏ترین تعاملات با مشتریان چندان خشنود نیستند. اما داده‎ها و یادگیری ماشینی و به‌خصوص فناوری‎های پردازش گفتار، نمونه‎ای شگرف از روش‎های نامرئی و همزمان تجزیه و تحلیل اطلاعات هستند که در بهبود خدمت‎رسانی به مشتریان و تامین امنیت آنها نقش قابل توجهی ایفا می‎کنند.

فناوری به خودی خود موضوع جدیدی نیست، اما فناوری‎های پردازش گفتار تا جایی پیشرفت کرده‎اند که امروزه موسسات مالی با استفاده از آنها در حین مکالمه با مشتری در پشت صحنه صدای آنها را با تماس‎های قبلی مطابقت می‎دهند. برای مثال Fidelity Investments با استفاده از صدانگارها امکان احراز هویت مشتریان را در اولین لحظات برقراری تماس فراهم کرده است. HSBC این روزها خدمات مذکور را نه تنها برای مشتریان برتر بلکه برای بخش اعظمی از مشتریان خود انجام می‎دهد. مشتریان دیگر نیازی به رمز عبور ندارند: Barclays برای شناسایی هویت تماس‌گیرنده به ۲۰ ثانیه نیاز دارد، این ۲۰ ثانیه به صرفه‌جویی قابل‎توجهی در زمان کارکنان بانک نیز منجر شده است. راحتی و صرفه‎جویی‎های یاد شده احتمالا از نخستین محرک‎های اجرای چنین تغییری بوده است. با این حال، شاید مهم‏ترین تاثیر، تغییر جهت‏گیری‌ها باشد. تحلیل داده و یادگیری ماشینی شروع تعامل با مشتری را در فضایی با تمرکز بر کمک به آنها امکان‌پذیر کرده است. واحد خدمات مشتریان باید در کنار مشتری باشد و نه در جبهه مقابل آنان. بنابراین همان‌طور که اشاره شد، می‏توان بدون اینکه مشتری را مجرم در نظر گرفت، از روش‎های احراز هویت پنهان در حین گفت‏وگو با آنان استفاده کرد. این به این معنی است که صرفا به‌دلیل وجود احتمال تهدیدهای امنیتی نباید کیفیت تمامی تعاملات با مشتریان را زیر سوال برد. سازمان‌ها می‌توانند چالش‏های امنیتی را به بهترین شکل، آن هم در پشت صحنه مدیریت کنند.

امنیت تنها باید زمانی آشکارا به نمایش گذارده شود که یک چالش امنیتی واقعی شناسایی شود. در این صورت، هوش مصنوعی مهارت‏های نیروی انسانی را به طریقی غیر قابل مشاهده برای مشتریان تقویت خواهد کرد. در نتیجه این تغییر عظیم، آموزش‏های ارزشمند و پرهزینه‏ای باید برای کارکنان بخش خدمات مشتریان برنامه‎ریزی شود. این آموزش‏ها بیش از اینکه شامل تقویت مهارت‎های امنیتی آنان باشد، باید بر بهبود مهارت‏های آنان در زمینه خدمت‏رسانی به مشتریان تمرکز داشته باشد. درحالی‌که دستاوردهای مستقیم این تغییر آموزش‎های تاثیرگذار در بخش خدمات مشتریان خواهد بود می‎توان از نتایج غیرمستقیم آن به مقیاس پذیری اشاره کرد. هنگامی که تهدیدی امنیتی ظاهر شود، بانک می‌تواند به سرعت از قابلیت‎های مقابله‎ای در تمامی تعاملات خود در بخش خدمات مشتریان بهره‌برداری کند.«فرآیندهای نامرئی» و نمونه‎های مشابه آن ممکن است در مقایسه با روبات‎های انسان‎نما یا chatbots توجه کمتری به خود جلب کنند و برای مشتریان کمتر آزاردهنده باشند. به هرحال، روش‎های تجزیه‎وتحلیل پیشرفته در کاهش برخی از مشکلات امنیتی در حوزه خدمات مشتریان نقش قابل توجهی ایفا کرده است. کاربرد این روش‎ها در حوزه مذکور تاثیر بسیار بیشتری بر کیفیت روابط و تعاملات میان مشتریان و سازمان‎ها داشته و از این رو تاثیرات آن در بخش بازاریابی بیش از سایر حوزه‎های مدیریتی سازمان‎ها نمود ظاهری داشته است.

منبع: MIT Sloan