เวอร์ชันสั้น
ฉบับปี 2026ประเด็นสำคัญ
ทุกรายการจะเชื่อมโยงไปยังแถวข้อมูลหลักของรายการนั้นๆ ตัวเลขที่รายงานเป็นของผู้ผลิตที่อ้างถึง ส่วนผลลัพธ์ที่สร้างแบบจำลองจะถูกระบุว่าเป็นการคำนวณ
- การศึกษาการสนับสนุน: การเพิ่มขึ้นของปัญหาที่แก้ไขได้ต่อชั่วโมง: 15.2% (การเปิดตัวส่วนใหญ่ในฤดูใบไม้ร่วงปี 2020–ฤดูหนาวปี 2021; บทความเผยแพร่เดือนกุมภาพันธ์ 2025)Brynjolfsson, Li และ Raymond
- การศึกษาการสนับสนุน: การลดลงของเวลาจัดการแชทโดยเฉลี่ย: 8.5% (การเปิดตัวส่วนใหญ่ในฤดูใบไม้ร่วงปี 2020–ฤดูหนาวปี 2021; บทความเผยแพร่เดือนกุมภาพันธ์ 2025)Brynjolfsson, Li และ Raymond
- การศึกษาการสนับสนุน: การเพิ่มขึ้นของสัดส่วนแชทที่แก้ไขได้, ประมาณ (ไม่มีนัยสำคัญทางสถิติ): 1.3 pp (การเปิดตัวส่วนใหญ่ในฤดูใบไม้ร่วงปี 2020–ฤดูหนาวปี 2021; บทความเผยแพร่เดือนกุมภาพันธ์ 2025)Brynjolfsson, Li และ Raymond
- การศึกษาการสนับสนุน: การลดลงของ NPS ของลูกค้า, ประมาณ (ไม่มีนัยสำคัญทางสถิติ): 0.12 (การเปิดตัวส่วนใหญ่ในฤดูใบไม้ร่วงปี 2020–ฤดูหนาวปี 2021; บทความเผยแพร่เดือนกุมภาพันธ์ 2025)Brynjolfsson, Li และ Raymond
- การศึกษาการสนับสนุน: การเพิ่มขึ้นของปัญหาที่แก้ไขได้ต่อชั่วโมงสำหรับตัวแทนที่มีทักษะน้อยและมีประสบการณ์น้อย: 30% (การเปิดตัวส่วนใหญ่ในฤดูใบไม้ร่วงปี 2020–ฤดูหนาวปี 2021; บทความเผยแพร่เดือนกุมภาพันธ์ 2025)Brynjolfsson, Li และ Raymond
- แบบสำรวจผู้บริโภค Zendesk: ต้องการให้ตัวแทนดำเนินการต่อจากการโต้ตอบก่อนหน้านี้: 81% (รายงานปี 2026 เผยแพร่เดือนพฤศจิกายน 2025; วันที่ดำเนินการภาคสนามไม่ได้เปิดเผยในการเผยแพร่)Zendesk
- แบบสำรวจผู้บริโภค Zendesk: รู้สึกหงุดหงิดกับการต้องบอกข้อมูลซ้ำ: 74% (รายงานปี 2026 เผยแพร่เดือนพฤศจิกายน 2025; วันที่ดำเนินการภาคสนามไม่ได้เปิดเผยในการเผยแพร่)Zendesk
- แบบสำรวจผู้บริโภค Zendesk: กล่าวว่าการตอบสนองและความแม่นยำส่งผลต่อการซื้ออย่างมาก: 86% (รายงานปี 2026 เผยแพร่เดือนพฤศจิกายน 2025; วันที่ดำเนินการภาคสนามไม่ได้เปิดเผยในการเผยแพร่)Zendesk
- แบบสำรวจผู้บริโภค Zendesk: จะเลือกข้อความ เสียง และภาพในบทสนทนาเดียว: 76% (รายงานปี 2026 เผยแพร่เดือนพฤศจิกายน 2025; วันที่ดำเนินการภาคสนามไม่ได้เปิดเผยในการเผยแพร่)Zendesk
- แบบสำรวจผู้บริโภค Zendesk: คาดหวังคำอธิบายสำหรับการตัดสินใจที่ทำโดย AI: 95% (รายงานปี 2026 เผยแพร่เดือนพฤศจิกายน 2025; วันที่ดำเนินการภาคสนามไม่ได้เปิดเผยในการเผยแพร่)Zendesk
เกิดอะไรขึ้นเมื่อตัวแทนฝ่ายสนับสนุนได้รับความช่วยเหลือจาก AI?
การศึกษาพบว่าประสิทธิภาพการผลิตสูงขึ้นและเวลาในการจัดการสั้นลง มาตรการคุณภาพเฉลี่ยไม่แสดงการปรับปรุงที่มีนัยสำคัญทางสถิติ ดังนั้นประสิทธิภาพการผลิตที่สูงขึ้นจึงต้องไม่ถูกตีตราว่าเป็นความพึงพอใจของลูกค้าที่สูงขึ้น
เลื่อนไปทางขวาเพื่อเปรียบเทียบทุกคอลัมน์ →
| ผลลัพธ์ที่วัดได้ | การเปลี่ยนแปลงที่รายงาน | การตีความ |
|---|---|---|
| การเพิ่มขึ้นของปัญหาที่แก้ไขต่อชั่วโมง | 15.2%ผลลัพธ์กึ่งทดลอง | มีนัยสำคัญทางสถิติ |
| การลดลงของเวลาจัดการแชทโดยเฉลี่ย | 8.5%ผลลัพธ์กึ่งทดลอง | มีนัยสำคัญทางสถิติ |
| การเพิ่มขึ้นของสัดส่วนแชทที่แก้ไขได้ ประมาณ | 1.3 ppผลลัพธ์กึ่งทดลอง | ไม่มีนัยสำคัญทางสถิติ |
| การลดลงของ NPS ของลูกค้า ประมาณ | 0.12ผลลัพธ์กึ่งทดลอง | ไม่มีนัยสำคัญทางสถิติ |
| การเพิ่มขึ้นของปัญหาที่แก้ไขต่อชั่วโมงสำหรับตัวแทนที่มีทักษะน้อยและมีประสบการณ์น้อย | 30%ผลลัพธ์กึ่งทดลอง | ผลลัพธ์กลุ่มย่อย; ไม่ใช่ค่าเฉลี่ยของกำลังคน |
ใช้บทความที่เผยแพร่ ไม่ใช่เอกสารการทำงานฉบับก่อนหน้า การเปลี่ยนแปลงเปอร์เซ็นต์สัมพัทธ์ การเปลี่ยนแปลงเปอร์เซ็นต์จุด และคะแนน NPS เป็นหน่วยที่แตกต่างกัน การประมาณค่าที่ไม่สำคัญไม่ใช่ข้อพิสูจน์ของผลกระทบที่เป็นศูนย์
แหล่งข้อมูลปฐมภูมิ: Brynjolfsson, Li และ Raymond — 4 กุมภาพันธ์ 2025
ผู้บริโภคคาดหวังอะไรจากบริการที่เปิดใช้งานด้วย AI?
ผู้บริโภครายงานความชอบในด้านความต่อเนื่อง การตอบสนอง ความยืดหยุ่นของช่องทาง และคำอธิบาย นี่คือความคาดหวังจากการสำรวจ ไม่ใช่อัตราการรักษาลูกค้าที่สังเกตได้ หรือผลลัพธ์การสนับสนุนที่วัดได้จากการทดลอง
| การตอบสนองของผู้บริโภค | สัดส่วนของผู้ตอบ |
|---|---|
| ต้องการให้ตัวแทนดำเนินการต่อจากการโต้ตอบก่อนหน้านี้ | 81%ความคาดหวังจากการสำรวจ |
| รู้สึกหงุดหงิดกับการต้องบอกข้อมูลซ้ำๆ | 74%ความคาดหวังจากการสำรวจ |
| คาดหวังการสนับสนุนที่ปรับให้เหมาะกับการโต้ตอบก่อนหน้านี้ | 67%ความคาดหวังจากการสำรวจ |
| ระบุว่าความสามารถในการตอบสนองและความแม่นยำส่งผลต่อการซื้ออย่างมาก | 86%ความคาดหวังจากการสำรวจ |
| จะเลือกข้อความ เสียง และภาพในบทสนทนาเดียว | 76%ความคาดหวังจากการสำรวจ |
| คาดหวังคำอธิบายสำหรับการตัดสินใจที่ AI ทำ | 95%ความคาดหวังจากการสำรวจ |
จำนวนผู้เข้าร่วมทั้งหมดจะต้องไม่ถูกใช้เป็นตัวหารสำหรับคำถามของผู้บริโภคแต่ละรายการ
แหล่งข้อมูลปฐมภูมิ: Zendesk — 18 พฤศจิกายน 2025
การศึกษานี้แสดงให้เห็นว่าบอทอัตโนมัติสามารถแทนที่ตัวแทนได้หรือไม่?
ไม่. เป็นการประเมินคำแนะนำที่ส่งให้กับตัวแทนสนับสนุนที่เป็นมนุษย์ ซึ่งสามารถแก้ไขหรือเพิกเฉยได้ การแก้ไขปัญหาอัตโนมัติ นโยบายการยกระดับ และประสิทธิภาพของแชทบอทแบบ end-to-end จำเป็นต้องมีการประเมินของตนเอง
อย่าติดป้ายประสิทธิภาพตัวแทนที่ได้รับความช่วยเหลือใหม่ว่าเป็นอัตราการกักกันบอท การลดจำนวนพนักงาน หรือการประหยัดต้นทุนที่รับประกัน
แหล่งข้อมูลปฐมภูมิ: Brynjolfsson, Li และ Raymond — 4 กุมภาพันธ์ 2025
บัตรให้คะแนนฝ่ายสนับสนุน AI ควรแยกเมตริกใดบ้าง?
ติดตามการแก้ไขที่เสร็จสมบูรณ์ เวลาในการจัดการ การติดต่อซ้ำ การส่งต่อ และคุณภาพที่ลูกค้าให้คะแนนแยกกัน กำหนดตัวหารสำหรับแต่ละมาตรการ และรวมงานที่ดำเนินการหลังจากบอทส่งต่อการสนทนาไปยังบุคคล
| ตัวชี้วัด | คำจำกัดความสำหรับการประเมินในท้องถิ่น |
|---|---|
| ประสิทธิภาพการแก้ไขปัญหา | ความละเอียดที่ยอมรับได้หารด้วยชั่วโมงการทำงาน |
| เวลาจัดการ | เวลาจัดการที่ใช้งานต่อการสนทนา พร้อมกฎการทำงานพร้อมกันที่ระบุ |
| การยกระดับ | การสนทนาที่ส่งต่อไปยังมนุษย์หรือผู้ดูแลระบบหารด้วยการสนทนาที่มีสิทธิ์ |
| คุณภาพ | การตรวจสอบอิสระหรือข้อเสนอแนะจากลูกค้าโดยใช้มาตราส่วนเดียวกันในทุกเงื่อนไข |
กรอบการวัดผลของ Workspace369 คำจำกัดความเหล่านี้ไม่ใช่ผลการทดลองเพิ่มเติม
รายงานนี้สร้างขึ้นอย่างไร
ระเบียบวิธีและข้อจำกัด
- ตารางผลลัพธ์ที่วัดได้ยังคงการประมาณการที่ต้องการของบทความที่เผยแพร่และผลการค้นพบคุณภาพที่เป็นกลาง ตารางแบบสำรวจมีเฉพาะความคาดหวังของผู้บริโภคที่อ้างอิงแยกต่างหาก
- บทความที่โฮสต์โดยผู้เขียนสาธารณะได้รับการตรวจสอบโดยตรง รวมถึงตารางผลลัพธ์หลัก มีการสรุปเฉพาะผลลัพธ์ข้อเท็จจริงที่เลือกเท่านั้น บทความและแผนภูมิไม่ได้ถูกแจกจ่ายใหม่
- ผลงานดั้งเดิมคือการเปรียบเทียบประเภทหลักฐานและกรอบการวัดผลที่นำกลับมาใช้ใหม่ได้ ไม่ใช่การทดลองสนับสนุนใหม่ ไม่มีค่าเฉลี่ยข้ามแหล่งที่มาถูกคำนวณ
สิ่งที่ตัวเลขเหล่านี้ไม่สามารถบอกคุณได้
- การศึกษาการดำเนินงานเกี่ยวข้องกับบริษัทเดียว ผู้ช่วยในอดีต และการเปิดตัวเต็มรูปแบบที่ไม่สุ่ม กลยุทธ์การระบุตัวตนแข็งแกร่งกว่าแบบสำรวจความคิดเห็นง่ายๆ แต่ไม่รับประกันการถ่ายโอนไปยังทีมอื่น
- แบบสำรวจผู้บริโภคได้รับการสนับสนุนจากผู้ขาย ความชอบที่ระบุไม่ใช่การตัดสินใจซื้อที่สังเกตได้ และปีของฉบับรายงานไม่ใช่ปีที่ทำการสำรวจภาคสนาม
- ไม่มีผลลัพธ์ใดที่ระบุว่า Workspace369 ทำงานอย่างไร พิสูจน์อัตราการแทนที่ด้วยตัวแทนอัตโนมัติ หรือสนับสนุนการอ้างสิทธิ์ ROI ด้านบริการลูกค้าแบบครอบคลุม
ความสดใหม่และการแก้ไข
ดูแลโดยทีมบรรณาธิการของ Workspace369 ตรวจสอบรายไตรมาสและเมื่อผู้ผลิตที่อ้างอิงเผยแพร่การศึกษาฉบับทดแทน การตรวจสอบบรรณาธิการครั้งถัดไป: ธันวาคม 2026 เก็บรักษาเวอร์ชันโมเดลในอดีตและวันที่สังเกต วันที่ฉบับจะเปลี่ยนไปเมื่อหลักฐานหรือเนื้อหาได้รับการตรวจสอบอย่างมีสาระเท่านั้น ไม่ได้เปลี่ยนช่วงเวลาการสังเกตพื้นฐาน
ฉบับพิมพ์ครั้งแรก: . ตรวจสอบการแยกข้อมูล การอ้างอิงแหล่งที่มา และการคำนวณสำหรับฉบับนี้ ไม่มีการอ้างสิทธิ์ในการตรวจสอบโดยผู้เชี่ยวชาญอิสระ
พบข้อผิดพลาดหรือการเผยแพร่หลักที่ใหม่กว่าหรือไม่? ส่งการแก้ไขพร้อมแหล่งข้อมูลและสถิติที่ได้รับผลกระทบ. บันทึกการแก้ไขที่ยืนยันแล้วในประวัติการแก้ไขก่อนที่จะเผยแพร่ซ้ำ
แหล่งข้อมูลปฐมภูมิและที่มา
ทุกเซลล์ตัวเลขที่รายงานเชื่อมโยงโดยตรงกับผู้ผลิต ดาวน์โหลดประกอบด้วยตำแหน่งที่แน่นอนของตารางหรือเวิร์กบุ๊ก ช่วงเวลาที่สังเกต วันที่เข้าถึง สูตร และการอ้างอิงอินพุต
- Brynjolfsson, Li และ RaymondGenerative AI at Work, บทความในวารสารเศรษฐศาสตร์รายไตรมาสที่เผยแพร่ (2025) ↗เผยแพร่ 4 กุมภาพันธ์ 2025. เข้าถึง 12 กันยายน 2026.การสรุปข้อสังเกตข้อเท็จจริงที่เลือกพร้อมการอ้างอิง ไม่มีการแจกจ่ายรายงาน แผนภูมิ ข้อมูลผู้เข้าร่วม หรือฐานข้อมูลที่เป็นกรรมสิทธิ์ใหม่ สิทธิ์ของแหล่งที่มายังคงเป็นของผู้ผลิต
- Zendeskแนวโน้ม CX ปี 2026: ประกาศงานวิจัยของผู้เผยแพร่ต้นฉบับ ↗เผยแพร่ 18 พฤศจิกายน 2025. เข้าถึง 12 กันยายน 2026.การสรุปข้อสังเกตข้อเท็จจริงที่เลือกพร้อมการอ้างอิง ไม่มีการแจกจ่ายรายงาน แผนภูมิ ข้อมูลผู้เข้าร่วม หรือฐานข้อมูลที่เป็นกรรมสิทธิ์ใหม่ สิทธิ์ของแหล่งที่มายังคงเป็นของผู้ผลิต
สร้างขึ้นเพื่อตรวจสอบ จากนั้นจึงอ้างอิง
วิธีอ้างอิงรายงานนี้
สำหรับสถิติที่รายงานโดยแหล่งที่มา โปรดอ้างอิงผู้เผยแพร่ต้นฉบับและเชื่อมโยงไปยังแถวที่แน่นอนที่นี่เมื่อใช้การรวบรวมของเรา สำหรับผลลัพธ์ที่สร้างแบบจำลอง โปรดอ้างอิง Workspace369 และระบุสมมติฐาน การเชื่อมโยงไปยังหน้านี้ไม่ได้ทำให้เราเป็นผู้ผลิตข้อมูลบุคคลที่สามต้นฉบับ
Workspace369 (2026-09-12) สถิติประสิทธิภาพการบริการลูกค้าด้วย AI https://workspace369.com/research/ai-customer-service-performance-statistics/. แหล่งที่มาหลักและช่วงเวลาการสังเกตตามที่ระบุในรายงาน
ไฟล์ดาวน์โหลดเป็นชุดข้อมูลอ้างอิงภาษาอังกฤษ รวมถึงในหน้าที่มีการแปล สิทธิ์ของแหล่งที่มายังคงเป็นของผู้ผลิต อ้างอิงการรวบรวมและการคำนวณของ Workspace369; ปรึกษาข้อกำหนดการใช้ซ้ำของแต่ละแหล่งที่มา