×

Accenture Song เผย ธุรกิจใช้ AI บริการไม่ถึงใจคน เน้นประหยัดต้นทุนมากกว่าประสิทธิภาพ ลูกค้า 87% ไม่กลับมาซ้ำถ้าเจอประสบการณ์ไม่ดี เพียงครั้งเดียว

13.02.2026
  • LOADING...
ภาพแสดงแนวคิดปัญญาประดิษฐ์ (AI) ในการบริการลูกค้า โดยมีสมองดิจิทัลเชื่อมโยงกับผู้คนและข้อมูล

Accenture Song ประเทศไทย เผยลูกค้าจำนวนมากยังมองว่าเทคโนโลยีทำให้ทุกอย่างซับซ้อนขึ้น แทนที่จะง่ายขึ้น โดยลูกค้า 87% จะเลิกใช้บริการหลังได้รับประสบการณ์ไม่ดีเพียงครั้งเดียว

 

สุนาถ ธนสารอักษร กรรมการผู้จัดการ Accenture Song ประเทศไทย ได้ให้มุมมองว่า การบริการลูกค้าเป็นหัวใจสำคัญของการสร้างความเชื่อมโยงกับลูกค้าและความภักดีต่อแบรนด์ในตลาดของประเทศไทยที่ลูกค้าคุ้นเคยกับการใช้เทคโนโลยีดิจิทัลเป็นอย่างดี แต่หลาย ๆ บริษัทยังไม่สามารถตอบโจทย์ความคาดหวังของลูกค้าได้อย่างแท้จริง เนื่องจากมักให้ความสำคัญกับเรื่องต้นทุนและประสิทธิภาพมากกว่าประสบการณ์ที่มีความหมาย

 

งานวิจัยของเราพบว่า Generative AI หากนำมาใช้อย่างเหมาะสม สามารถเป็นตัวเปลี่ยนเกมได้ทั้งการสร้างประสบการณ์เฉพาะบุคคลให้เกิดขึ้นในวงกว้าง การช่วยให้ทีมบริการลูกค้าแก้ปัญหาได้เร็วขึ้น และสามารถยกระดับสู่ประสบการณ์เชิงรุกที่คาดการณ์ล่วงหน้าได้ว่าลูกค้าจะมีความต้องการแบบใด แทนที่จะคอยตั้งรับ

 

อย่างไรก็ตาม AI อาจไม่สามารถให้ผลลัพธ์ได้แบบอัตโนมัติ เพราะมีลูกค้าถึง 35% ที่กังวลว่า AI จะมาลดทอนคุณภาพบริการและทำให้รู้สึกไม่ไว้วางใจ จึงเป็นสิ่งที่ย้ำเตือนว่า วิธีการนำเทคโนโลยีมาใช้นั้น สำคัญมากพอๆ กับตัวเทคโนโลยีเอง

 

ผลวิจัยเรื่อง Customer service on the brink พบว่า การบริการลูกค้ายังคงเป็นปัจจัยสำคัญที่ส่งผลต่อมุมมองของผู้บริโภคที่มีต่อธุรกิจ และการตัดสินใจในการเลือกใช้บริการ โดย

 

  • 64% ของผู้บริโภคบอกว่า คุณภาพของบริการเป็นปัจจัยสำคัญที่สุดที่สร้างความแตกต่างระหว่างบริษัท
  • 87% ของผู้บริโภคที่เพิ่งมีประสบการณ์ด้านลบบอกว่า มีแนวโน้มหลีกเลี่ยงบริษัทนั้นในอนาคต

 

“การเป็นลูกค้านั้น มีภาระเพิ่มขึ้น” ลูกค้ารู้สึกว่าถูกเทคโนโลยีที่ผสานอยู่ในประสบการณ์ของลูกค้าสร้างภาระให้

 

  • มีเพียง 32% เท่านั้นที่คิดว่าการบริการดีขึ้นในช่วงห้าปีที่ผ่านมา
  • มีเพียง 18% เท่านั้นที่บอกว่า เทคโนโลยีทำให้ประสบการณ์ด้านบริการดีขึ้นอย่างมีนัยสำคัญ
  • ผู้บริโภคส่วนใหญ่ (78%) บอกว่า พวกเขาชอบการสื่อสารโต้ตอบกับพนักงานบริการลูกค้าโดยตรงมากกว่า

 

ทั้งนี้ ธุรกิจจำนวนมากใช้งานบริการลูกค้าเพื่อแก้ปัญหาด้วยต้นทุนที่ต่ำ แต่กลับต้องแลกมาด้วยต้นทุนที่สูงยิ่งกว่า นั่นคือความภักดีของลูกค้าที่สูญเสียไป

 

  • เมื่อเทียบกับรายงานการวิจัยเกี่ยวกับงานบริการลูกค้าครั้งล่าสุดของ Accenture ในปี 2022 จำนวนผู้บริหารที่มองว่าแผนกบริการมีไว้เพื่อสร้างคุณค่าให้ลูกค้าลดลงถึง 60%
  • 46% ของผู้บริหารที่ดูแลงานบริการลูกค้า ระบุว่า สิ่งที่กังวลหลัก ๆ คือ การควบคุมต้นทุน
  • 64% ของผู้บริหาร ยอมแลกประสิทธิภาพด้านต้นทุนกับความพึงพอใจของลูกค้า
  • 62% บอกว่า สามารถลดต้นทุนการดำเนินงานในช่วงสามปีที่ผ่านมา แต่ในขณะเดียวกัน กลับมีผู้บริหารเพียง 45% ที่ระบุว่า สามารถเพิ่มอัตราการรักษาลูกค้าไว้ได้

 

3 แนวทางยกระดับงานบริการลูกค้า

 

1. สร้างประสบการณ์เฉพาะบุคคลในทุกการสื่อสาร เพื่อสร้างความไว้วางใจ

 

เครื่องมือแบบ Self-service ควรช่วยได้มากกว่าแค่การทำงานให้จบ ควรทำให้ลูกค้ารู้สึกว่าใช้ง่าย ตอบสนองไว และเป็นประโยชน์กับลูกค้าจริง ๆ เป็นคู่สนทนาที่เข้าใจลูกค้าเป็นอย่างดี ซึ่ง AI ทำให้สิ่งนี้เป็นไปได้ ตัวอย่างเช่น ลูกค้าที่มาเคลมการรับประกัน ควรเข้าถึงประวัติและเงื่อนไขการซื้อของตนเองได้ทันที เพียงสแกนบาร์โค้ดหรืออัปโหลดภาพขึ้นไปที่เว็บพอร์ทัลของบริษัท จากนั้น AI Agent จะช่วยแนะนำขั้นตอนถัดไปอย่างเป็นมิตร อย่างไรก็ตาม บริการที่ขับเคลื่อนด้วย AI ไม่ควรหยุดอยู่แค่บริการแบบ Self-service เท่านั้น

 

เพื่อสร้างบทสนทนากับลูกค้าให้ตอบโจทย์ได้อย่างแท้จริง พนักงานบริการจะต้องมีข้อมูลอินไซต์แบบเรียลไทม์พร้อมคำแนะนำจากระบบอัจฉริยะ เพื่อช่วยให้สามารถให้คำแนะนำได้อย่างมีประสิทธิภาพ และแนะนำผลิตภัณฑ์หรือบริการได้อย่างเหมาะสม

 

เมื่อมีเครื่องมือที่เหมาะสม พนักงานบริการจะก้าวข้ามจากการแก้ปัญหาเพียงอย่างเดียว ไปสู่การสร้างความสัมพันธ์ที่แน่นแฟ้นและส่งมอบคุณค่าที่แท้จริงให้ลูกค้า นี่เป็นเหตุผลว่าทำไมบริษัทที่มีจุดแข็งด้านบริการลูกค้ามากที่สุด จึงมีแนวโน้มการใช้ Generative AI มากกว่าคู่แข่งถึง 82% เพื่อช่วยให้พนักงานแก้ไขปัญหาได้เร็วขึ้นและมีประสิทธิภาพมากขึ้น

 

บริษัทเหล่านี้ ยังมีแนวโน้มที่จะใช้ Generative AI มากกว่าคู่แข่งถึง 50% เพื่อช่วยแก้ปัญหาแบบเรียลไทม์ และ 87% มีแนวโน้มจะนำเทคโนโลยีมาใช้ปรับช่องทางดิจิทัลให้เป็นแบบเฉพาะบุคคล

 

2. คาดการณ์และแก้ปัญหาความต้องการของลูกค้าแบบเชิงรุก

 

บริษัทที่มีผลลัพธ์ด้านการให้บริการลูกค้าที่ดีที่สุด จะใช้ข้อมูลเพื่อดำเนินการในเชิงรุกและคาดการณ์ล่วงหน้า พลิกงานบริการเป็นความได้เปรียบเชิงแข่งขัน โดยมีแนวโน้มจะลงทุนอย่างหนักใน Generative AI มากกว่าบริษัทที่มีผลลัพธ์ด้านการให้บริการลูกค้าต่ำถึง 48% เพื่อปรับประสิทธิภาพการคาดการณ์ให้ดีขึ้น อย่างไรก็ตาม แม้จะมีศักยภาพที่ดีกว่า แต่มีผู้บริหารเพียง 14% จากการสำรวจ ที่ระบุว่าบริษัทของตนใช้อินไซต์จากคลังข้อมูลเพื่อปรับปรุงการบริการลูกค้าอย่างสม่ำเสมอ

 

รูปแบบพฤติกรรมของลูกค้าจะช่วยให้บริษัทเข้าใจมุมมองด้านประสบการณ์ของลูกค้าได้แบบเรียลไทม์และฉลาดยิ่งขึ้น ซึ่งเป็นรากฐานการพัฒนาโซลูชันที่ขับเคลื่อนด้วย AI ยกระดับบริการจากการแก้ไขปัญหาไปสู่การคาดการณ์ปัญหาล่วงหน้า ทำให้สามารถป้องกันปัญหา และปรับคำแนะนำตามการใช้งานของลูกค้าแบบเรียลไทม์ แทนที่จะรอแก้ไขเมื่อเกิดปัญหา ก็จะสามารถสร้างประสบการณ์การบริการในเชิงรุกที่สะดวกรวดเร็วยิ่งขึ้น

 

3. ส่งเสริมการทำงานร่วมกันโดยเน้นการบริการลูกค้าเป็นสำคัญ

 

แม้จะอยู่ในโลกที่มีการเชื่อมต่อกันสูง แต่งานบริการลูกค้ายังแยกส่วนกันอยู่ ส่งผลให้กระบวนการทำงานกระจัดกระจาย การสื่อสารไม่สอดคล้อง และมีช่องว่างในประสบการณ์ของลูกค้า ถึงเวลาที่จะต้องทบทวนเรื่องบริการ เพราะงานนี้ไม่ใช่แค่ส่วนที่มาสนับสนุน แต่เป็นศูนย์รวมข้อมูลอินไซต์ของลูกค้า (Customer Insight Hub) ที่การติดต่อสื่อสาร ไม่ใช่เพื่อแก้ปัญหาเท่านั้น แต่ยังสร้างข้อมูลเชิงลึกที่มีคุณค่าขึ้นมาด้วย

 

ที่ผ่านมา อินไซต์ต่างๆ ก็ยังถูกมองข้ามหรือไม่ได้จัดเก็บอย่างเป็นระบบ ซึ่ง Generative AI จะมาเปลี่ยนแปลงสิ่งนี้ ด้วยศักยภาพการประมวลผลข้อมูลที่ไม่ได้จัดเก็บอย่างเป็นระเบียบได้รวดเร็ว ช่วยให้ค้นพบรูปแบบที่ซ่อนอยู่ เข้าใจพฤติกรรมและความต้องการของลูกค้าได้ลึกซึ้งยิ่งขึ้น และเปิดโอกาสให้ธุรกิจสามารถตัดสินใจและดำเนินการได้อย่างแม่นยำมากกว่าเดิม

 

องค์กรที่มีผลการดำเนินงานโดดเด่นกำลังก้าวนำ โดยมีแนวโน้มใช้ข้อมูลอินไซต์จากงานบริการลูกค้ามาปรับปรุงกระบวนการทำงานของทั้งองค์กรสูงกว่าถึง 57% ตั้งแต่กลยุทธ์การเข้าตลาดไปจนถึงการพัฒนาผลิตภัณฑ์ ขณะเดียวกัน องค์กรที่มีจุดแข็งด้านการบริการลูกค้าสูงสุดมีแนวโน้มถึง 87% ที่ระบุว่างานบริการมีบทบาทสำคัญในการกำหนดกลยุทธ์การตลาดขององค์กร

 

ภาพ: Stefano Mazzola / Shutterstock

  • LOADING...

READ MORE






Latest Stories

Close Advertising