De deflectiemetric die tegen u liegt

De meeste supportorganisaties rapporteren een deflectiepercentage ergens tussen de 30 en 50%. Ik heb nog geen team gezien waar dat cijfer, eerlijk berekend, boven de 22 uitkomt.

Het verschil zit in de telling. Een ticket dat de AI-assistent “oplost” maar dat de klant 36 uur later heropent, zit nog steeds in de deflectie-emmer. Hetzelfde geldt voor het ticket waarbij de klant het kanaal verlaat en overstapt naar e-mail — het oorspronkelijke gesprek werd gesloten, dus de rapportagelaag markeert het als gedeflecteerd. De rapportagelaag weet niet dat de klant nog steeds hetzelfde probleem probeert op te lossen. Ze ziet alleen een gesloten ticket.

Hoe een eerlijke telling eruitziet

Een nuttige deflectiemetric volgt het volledige traject van de klant op één intentie, niet de levenscyclus van één afzonderlijk ticket. Als een klant een bericht naar de chatbot stuurt, een antwoord krijgt, en binnen zeven dagen niet escaleert op dezelfde intentie, telt dat als deflectie. Al het andere — heropening, kanaalwissel, nieuw ticket op dezelfde grondoorzaak binnen het venster — telt niet.

Onder die definitie komen de teams waarmee ik heb gewerkt bij hun eerste implementatie ergens tussen de 14% en 22% werkelijke deflectie uit. Na een kwartaal van afstemming van de kennisbank op de werkelijke heropeningspatronen klimt dat cijfer naar de hoge twintig. Geen van hen komt tot 50.

Waarom het opgeblazen cijfer ertoe doet

Supportleiders die 45% deflectie aan de CFO presenteren, scheppen een verwachting die het programma niet kan overleven. Zes maanden later is de AHT op geëscaleerde tickets verslechterd — de AI handelt nu het eenvoudige werk af, waardoor de agentwachtrij dichter wordt qua samenstelling. De executive sponsor begint te vragen waarom de geprojecteerde budgetimpact niet is uitgekomen. Het eerlijke antwoord is dat de 45% een meetartefact was, maar tegen die tijd is de reputatie van het programma een lastiger probleem om op te lossen dan de metric ooit was.

De teams die hun executive sponsorship het langst behouden, zijn degene die in maand één eerlijk 18% deflectie rapporteren, dit tegen maand vier opvoeren naar 24% met het werk om het te onderbouwen, en vermijden de wereld te beloven voordat het programma het verdiend heeft. Minder indrukwekkend op de eerste slide. Veel duurzamer.

Wat u werkelijk moet meten

Het is de moeite waard om vier cijfers te volgen in plaats van één opgeblazen kopcijfer: het heropeningspercentage op door AI opgeloste tickets (uitgesplitst naar intentieklasse), het kanaalwisselpercentage binnen 7 en 14 dagen, de CSAT op door AI opgeloste interacties vergeleken met door agents opgeloste interacties voor dezelfde intentie, en het percentage herhaalcontact van dezelfde klant binnen 30 dagen. Als die vier de goede kant op bewegen en uw deflectiecijfer met hen meebeweegt, werkt het programma. Als uw deflectiecijfer beweegt en zij niet, dan liegt het deflectiecijfer tegen u.

Onze playbook voor automatische ticket-triage is gebouwd rond het eerlijk instrumenteren hiervan vanaf de eerste implementatiedag, in plaats van de meting achteraf in te bouwen nadat het programma in de problemen is geraakt.