Tekst objašnjava kako da pripremite korisničku podršku za sezonski špic, kroz pet koraka koje treba završiti pre nego što obim počne da raste. Oslanja se na istraživanje kompanije Daktela iz 2026. godine, sprovedeno u Češkoj i Slovačkoj, na podatke kompanija Gartner i Freshworks, i na primer kompanije Sportisimo. Glavna poruka je da špic ne ruši podršku zbog količine upita, nego zato što se priprema radi prekasno da bi se bilo šta testiralo.
- Špic se ne meri prosečnim danom nego najgorim satom u sezoni.
- 42,8% kupaca ne završi kupovinu ako je podrška spora.
- Sportisimo je uz chatbot smanjio broj poziva za 32%, uz dvostruko više tiketa.
- Samo 14% kupaca uspe da sam reši problem kroz samouslugu.
- Automatizacija uvedena u toku sezone uči usred krize i tada najskuplje greši.
.webp)
Priprema korisničke podrške za špic obično se odloži za poslednji mesec, jer se čini da ima vremena. Onda sezona krene i ispostavi se da problem nikada nije bio u broju upita. Problem je što se sve što je trebalo uraditi ranije radilo u trenutku kada više nije bilo prostora da se bilo šta testira.
Cena tog kašnjenja je merljiva. Prema istraživanju kompanije Daktela iz 2026. godine, sprovedenom u Češkoj i Slovačkoj, 42,8% kupaca neće završiti kupovinu ako je podrška spora. U špicu, kada je svaki upit potencijalna prodaja, to nije neugodnost nego direktan gubitak prihoda.
Ovaj tekst je lista od pet koraka koje treba završiti pre nego što obim počne da raste, a ne dok raste.
Tim koji devet meseci godišnje radi besprekorno može da pukne u jednoj nedelji, i to se retko dešava zbog nesposobnosti. Dešava se zato što špic menja tri stvari odjednom: obim raste neravnomerno, upiti postaju jednoličniji, a vreme za razmišljanje nestaje.
Procesi koji su podnosili improvizaciju u normalnim uslovima prestaju da rade čim improvizacija postane jedini režim. Zato priprema nije stvar dodatnog truda u sezoni, nego odluka donetih pre nje.
Ključan broj: 42,8% kupaca odustane od kupovine ako je podrška spora. U špicu se ta stopa primenjuje na najveći obim u godini.
Dovoljno rano da svaki sistem koji uvodite ima nekoliko mirnih nedelja stvarnog rada iza sebe. To je jedini rok koji ima smisla, jer ne zavisi od kalendara nego od toga koliko vremena treba da se greške pojave i isprave dok su još besplatne.
Praktično, to znači da priprema treba da bude gotova pre nego što obim počne da raste, a ne kada je već narastao. Sve što uvedete u sezoni uči usred krize.
.webp)
Većina timova gleda prošlogodišnji mesečni prosek i po njemu planira smene. Špic međutim ne izgleda kao mesec, nego kao nekoliko sati u kojima sve stane. Prosek te sate izravna i sakrije, pa tim uđe u sezonu spreman za dan koji se nikada neće desiti.
Izvucite podatke po danu i po satu i nađite 10 najgorih sati cele prošle sezone. Ako je vaš najgori sat imao tri puta više poziva od proseka, to je vaš stvarni cilj kapaciteta. Ta jedna tabela određuje sve ostale korake, jer govori i koliko ljudi treba i koliko toga mora da preuzme automatizacija.
.webp)
Dok ste u izveštajima, pripremite i ekran koji ćete gledati u toku sezone: dužina reda, vreme čekanja, propušteni pozivi i vreme prvog odgovora na jednom mestu. Prošlogodišnji podaci vam govore koliko kapaciteta treba, a taj ekran vam u sezoni govori da li se plan drži. U špicu problem morate da vidite za nekoliko sati, ne u izveštaju sledećeg meseca.
Automatizacija korisničke podrške je najbrži način da tim primi više upita bez novih ljudi, ali ima jednu zamku: bot ne proradi savršeno prvog dana. Treba mu nekoliko nedelja da se vidi kojim rečima kupci zaista postavljaju pitanja i gde pogrešno misli da je razumeo.
Krenite od 10 pitanja koja se najčešće ponavljaju, jer ona obično nose neproporcionalno velik deo obima. Chatbot za korisničku podršku tu daje najbrži efekat, pošto se isti odgovor ponavlja stotinama puta dnevno. Kada ta rade pouzdano, širite obuhvat. Ne pokušavajte da bot od prvog dana pokrije sve, jer tada je podešavanje sporo, greške česte, a tim izgubi poverenje u sistem.
Savet: počnite od pitanja na koja postoji jedan tačan odgovor. Bot je najslabiji tamo gde odgovor zavisi od procene.
Sve što kupac može sam da nađe ne mora da rešava agent. Ali samousluga ume da zavara: prema podacima kompanije Gartner, 73% kupaca pokuša da problem reši sam, a samo 14% u tome uspe.
Razlog je skoro uvek isti: ljudi ne nađu sadržaj koji odgovara njihovom problemu. Zato bazu znanja ne gradite od onoga što mislite da kupci pitaju, nego od onoga što su zaista pitali u prošloj sezoni: odgovore koje agenti iznova ručno kopiraju, teme koje najčešće završe kod čoveka, članke koje kupci otvore pa ipak kontaktiraju podršku.
Iz iste liste napravite i šablone odgovora za agente. Ono što se najviše ponavlja ne treba kucati iznova. Šabloni skraćuju vreme obrade, a što je u sezoni još važnije, drže kvalitet ujednačenim i onda kada odgovaraju ljudi koji su tek došli u tim.
Definicija: SLA po kanalu je unapred dogovoreno vreme u kom se odgovara na svakom kanalu, na primer telefon u roku od jednog minuta, chat u roku od dva, mejl do kraja dana.
U špicu ćete u nekom trenutku imati više upita nego kapaciteta. To nije neuspeh, to je matematika. Neuspeh je što u tom trenutku niko ne zna šta je prioritet, pa svaki agent odlučuje sam. Rezultat je da svi kanali kasne podjednako, a najvredniji upiti se izgube u gomili.
Odlučite unapred koji kanal ima prednost i šta je „dovoljno dobro" po kanalu. Napišite to i podelite timu pre sezone, ne u toku nje. Kada su svi kanali i istorija razgovora na jednom mestu, taj prioritet je moguće i sprovesti, a ne samo proglasiti.
Poslednji korak je onaj koji većina preskoči, jer podrazumeva priznanje da će nešto poći naopako. Upravo zato je najkorisniji.
Odgovorite unapred na tri pitanja: ko se poziva kao ispomoć i iz kog tima, koje aktivnosti se privremeno gase (izveštavanje, odlazni pozivi, administracija), i kako kupac saznaje da čeka duže nego obično. Automatska poruka o dužem vremenu čekanja je jeftinija od tišine.
I najvažnije, jednom to uvežbajte. Plan koji niko nije probao puca prvi. Simulirajte pojačan obim na jednom kanalu, pustite tim da odradi eskalaciju po planu i vidite gde zapinje dok to još ništa ne košta.
Ovde pomaže i to što AI ne mora da zameni agenta da bi ubrzao posao. Prema izveštaju kompanije Freshworks iz 2024. godine, timovi koji koriste AI asistenta rešavaju upite 38,7% brže, iako razgovor i dalje vodi čovek.
Onda ne radite svih pet koraka. Uzmite korak 1 i korak 4, jer se oni mogu završiti za nekoliko dana i ne zahtevaju testiranje. Zatim uzmite jedan kanal i jedno pitanje koje nosi najviše obima i automatizujte samo to.
Delimična priprema koja je testirana vredi više od potpune koja nije. Ostatak ostavite za posle sezone, kada ćete uz to imati i sveže podatke o tome šta je zaista pucalo.
Priprema korisničke podrške za špic nije stvar dodatnih ljudi, nego odluka donetih dok još ima vremena da se greše bez posledica. Njena vrednost se ne meri time koliko ste toga uveli, nego time da li vaši ljudi u najgoroj nedelji sezone imaju prostora za slučajeve koji stvarno traže čoveka.
Kako to izgleda kada je odrađeno na vreme pokazuje Sportisimo (Češka), jedan od najvećih prodavaca sportske opreme u Češkoj, sa izrazito sezonskom potražnjom. Nakon uvođenja chatbota broj poziva im je pao za 32%, isti tim je počeo da obrađuje dvostruko više tiketa, a vreme odgovora na propuštene pozive skratilo se za 55%.
.webp)
„Zahvaljujući centralizaciji komunikacije i AI alatima, sada obrađujemo 32% manje poziva, jer deo komunikacije rešava AI chatbot."
Richard Hranička, vođa tima za brigu o kupcima, Sportisimo
Kada su kanali, AI alati i izveštavanje na jednoj platformi, priprema za sezonu prestaje da bude niz odvojenih projekata. Za e-trgovinu, gde je razlika između dobre i loše sezone merljiva u prihodu, to je razlika koja se vidi u brojkama.
