最近ChatGPT掀起了一波AI熱潮，我也聽同僚介紹了OpenAI，同時也試用了一下Azure Chat GPT。下面我說一下在售後服務領域，Chat GPT能帶來的業務價值。
我在之前文章《智慧工單倒逼服務全鍊條優化》中介紹了使用三維工單評估模型（EIE）來對工單全流程進行評估和量化，進而倒逼售後服務全鍊條優化。三維工單評估模型（EIE）分成九個時間段和三個次元，三個次元分别指效率（efficiency）、智能（intelligence）和體驗（experience）。下面我就根據三維工單評估模型（EIE）做一個Chat GPT業務價值分析。
圖1 EIE模型-ChatGPT業務價值分析
如上圖，在三維工單評估模型（EIE）九個時間段和三個次元評估中，完美是指Chat GPT可以在該領域産生很大業務價值，賦能是指Chat GPT可以在該領域的個别方面産生業務價值，不足是指Chat GPT在該領域幫助不大。
圖 2 售後服務領域ChatGPT業務價值效果總結
如上圖分析可以看出ChatGPT在前台和中台會帶來很大業務價值，即在前台的使用者體驗和服務品質方面；中台通過經驗積累和學習，在服務工程師效率和服務能力方面。但在背景帶來的業務價值不大，即在公司管理機制和整體服務資源排程等方面。
下面我就對根據三維工單評估模型（EIE）的每一個領域，對ChatGPT的業務價值進行一下分析。
（一） t1：從工單接入到工單受理完成。
1) 效率（efficiency）。 t1時長：服務請求接入到完成受理的時長。
分析：完美。不管是自助管道，還是人工管道，ChatGPT都能通過更個性化，更精準，更快捷方式幫助完成工單受理和建立。
2) 智能（intelligence）。線上解決率：針對需要現場的服務，是否能線上解決，而不是通過服務上門解決。如坐席員語音和視訊解決，線上機器人解決，IOT四自。
分析：完美。不管是自助管道，還是人工管道，ChatGPT都能通過知識輸出，提升線上解決率。
3) 體驗（experience）。自助管道使用率占比：是否服務無處不在，接入是否順暢快捷，是否線上就能解決，是否提供個性化接入管道，進而更加傾向自助下單。
分析：完美。ChatGPT可以提供7*24小時，更個性化，更精準，更高效服務。
（二） t2：從工單完成受理到工程師接單。
1) 效率（efficiency）。t2時長：從工單完成受理到最終上門服務工程師接單的時長。
分析：不足。針對具有成千上萬服務工程師的一次派單到位性，需要智能排程算法，ChatGPT最多做一下對接工具。
2) 智能（intelligence）。平均改派次數：展現了派單的智能性，能否一次到位，減少二次派單。
分析：不足。針對具有成千上萬服務工程師的一次派單到位性，需要智能排程算法，ChatGPT最多做一下對接工具。
3) 體驗（experience）：平均改派次數。展現了派單的智能性，能否一次到位，減少二次派單。
分析：不足。針對具有成千上萬服務工程師的一次派單到位性，需要智能排程算法，ChatGPT最多做一下對接工具。
（三） t3：從服務工程師接單到服務工程師出發上門。
1) 效率（efficiency）。t3時長：展現了工程師排程的效率。
分析：不足。針對具有成千上萬服務工程師的排程高效性，需要智能排程算法，ChatGPT最多做一下對接工具。
2) 智能（intelligence）。服務工程師有效工作占比：展現了排程智能、備件推薦智能和備件預測準确性。
分析：賦能。針對具有成千上萬服務工程師的排程高效性，需要智能排程算法，ChatGPT最多做一下對接工具。針對備件推薦，ChatGPT可以很好實作。針對備件預測，需要針對各個服務網點庫做備件預測模型，ChatGPT無法完成。
3) 體驗（experience）。服務工程師日平均關單量：展現了服務工程師每天平均處理現場服務工單數增加，收入增加。
分析：賦能。針對具有成千上萬服務工程師的排程高效性，需要智能排程算法，ChatGPT最多做一下對接工具。但ChatGPT可以通過備件推薦，減少二次上門率。
（四） t4：從服務工程師出發到服務工程師到現場。
1) 效率（efficiency）。t4時長：展現了工程師路徑優化後的效率。
分析：不足。需要針對成千上萬服務工程師針對地圖進行高效性排程，需要根據地圖等智能排程算法，ChatGPT最多做一下對接工具。
2) 智能（intelligence）。t4時長：服務工程師花在途中時間最短，路徑最優。
分析：不足。需要針對成千上萬服務工程師針對地圖進行高效性排程，需要根據地圖等智能排程算法，ChatGPT最多做一下對接工具。
3) 體驗（experience）。全程可視應用比例：展現使用者使用數字化工具檢視服務工程師軌迹和預計到達時間比例。
分析：賦能。全程可視可以通過地圖等實作，ChatGPT最多做一下對接工具。但ChatGPT可以在發現服務工程師上門延誤的前提下，提前和使用者溝通，減少因上門延誤引起的投訴率。
（五） T5：從服務工程師到現場到服務完工。
1) 效率（efficiency）。 T5時長：展現了服務工程師現場服務平均時長。
分析：完美。ChatGPT可以成為服務指導器，通過學習和經驗積累，現場幫助服務工程師解決問題，提升上門一次解決率和減少服務時長。
2) 智能（intelligence）。備件滿足率和一次就好率：展現了現場服務中的智能應用：服務工程師行為規範指導，遠端專家指導，過程智能指導、備件建議。
分析：完美。ChatGPT可以成為服務指導器，通過學習和經驗積累，現場幫助服務工程師解決問題，提升上門一次解決率和減少服務時長。
3) 體驗（experience）。服務過程投訴率：展現了服務過程中通過智慧服務大腦來提升使用者體驗。
分析：完美。ChatGPT可以成為服務指導器，通過學習和經驗積累，現場幫助服務工程師解決問題，提升上門一次解決率和減少服務時長，同時指導服務工程師遵守服務規範，進而提升使用者滿意度。
（六） T6：從服務完工到開始評價。
1) 效率（efficiency）。T6時長：展現了服務評價的時效性。
分析：完美。ChatGPT可以對服務過程和内容進行抽象總結，以使用者最喜歡的語言，馬上針對服務内容進行個性化回訪。
2) 智能（intelligence）。工程師關單數量占比：服務工程師在現場能直接關單的數量占比。
分析：完美。ChatGPT可以現場指導服務工程師根據服務内容，如何快速關單。
3) 體驗（experience）。使用者首次回訪成功比例：使用者首次回訪成功比例。
分析：完美。ChatGPT可以對服務過程和内容進行抽象總結，以使用者最喜歡的語言，馬上針對服務内容進行個性化回訪。
（七） T7：從開始評價到評價完成。
1) 效率（efficiency）。T7時長和回訪管道占比：展現了使用者對回訪的接受度。
分析：完美。ChatGPT可以對服務過程和内容進行抽象總結，以使用者最喜歡的語言，馬上針對服務内容進行個性化回訪。
2) 智能（intelligence）。社交管道回訪占比：展現了回訪中使用者是否願意首選社交管道。
分析：完美。ChatGPT可以對服務過程和内容進行抽象總結，以使用者最喜歡的語言，馬上針對服務内容進行個性化回訪。
3) 體驗（experience）。同上T7回訪完成平均時長：展現了使用者對回訪的接受程度。
分析：完美。ChatGPT可以對服務過程和内容進行抽象總結，以使用者最喜歡的語言，馬上針對服務内容進行個性化回訪。
（八） T8：從評價完成到結算開始。
1) 效率（efficiency）。服務結算開始平均時長：展現了對服務工程師和網點的驅動力。
分析：不足。取決于公司的結算政策，ChatGPT幫助不大。
2) 智能（intelligence）。主要展現在評價完成就開始試算或計算，而不是要等到每月跑批。名額同上效率。
分析：不足。取決于公司的結算政策，ChatGPT幫助不大。
3) 體驗（experience）。能盡快看到每單收益，對服務網點和服務工程師是巨大鼓舞。名額同上效率。
分析：不足。取決于公司的結算政策，ChatGPT幫助不大。
（九） T9：從結算開始到結算完成。
1) 效率（efficiency）。T9服務結算平均時長：展現了對服務工程師和網點的驅動力。
分析：不足。取決于公司的結算政策，ChatGPT幫助不大。
2) 智能（intelligence）。查假比例提升：展現了智慧服務大腦智慧查假的能力。
分析：不足。需要公司通過優化流程，形成閉環，全程可視。ChatGPT幫助不大。
3) 體驗（experience）。能盡快看到每單收益，對服務網點和服務工程師是巨大鼓舞。名額同上效率。
分析：不足。取決于公司的結算政策，ChatGPT幫助不大。
小結：本文根據三維工單評估模型（EIE），介紹了ChatGPT在前台和中台帶來的業務價值。即在前台的使用者體驗和服務品質方面，在中台服務工程師效率和服務能力方面。
筆者介紹：楊峻（公衆号：CRM30）。銷售和服務數字化領域知名專家，暢銷書《營銷和服務數字化轉型 CRM3.0時代的來臨》一書作者，B2B銷售五維理論和智慧服務3.0模型的提出者，CRM領域權威，數字化營運能力成熟度模型标準委員會委員。現任微軟數字化方案資深專家，曾任海爾全球服務數字化轉型和資訊化建設總負責人，IBM GBS 客戶關系管理數字化創新中國區方案負責人。 曾任北大講師，在王選老師的文字處理研究室共同開發出中國第一個蘋果機上的排版軟體。曾在Motorola中國和Siebel Canada從事核心研發工作。