Tasso di deflection

Che cos'è il tasso di deflection?

Il tasso di deflection misura la percentuale di richieste di supporto gestite tramite canali self-service, come knowledge base, pagine FAQ, chatbot o sistemi IVR, senza l'intervento di un operatore umano. La formula è semplice: Tasso di deflection (%) = (Richieste gestite in self-service / Totale richieste ricevute) x 100. Un tasso di deflection del 40% significa che 4 richieste di supporto su 10 sono state gestite senza coinvolgere un operatore umano.

Pur essendo una metrica di supporto molto diffusa, il tasso di deflection ha un limite importante: deviato non significa sempre risolto. Un cliente che abbandona un portale self-service viene comunque conteggiato come "deviato" in molti sistemi, anche se il suo problema resta irrisolto.

Come si calcola il tasso di deflection

Le aziende misurano il tasso di deflection confrontando il volume di richieste gestite senza intervento umano con il volume totale in ingresso. I canali di deflection più comuni includono chat basate sull'AI, articoli della knowledge base, forum della community, risposte email automatiche e flussi self-service IVR. Il calcolo dipende da come si definisce "gestita". Alcune aziende considerano deflection qualsiasi interazione con un canale self-service, altre richiedono che il cliente confermi la risoluzione del problema o che non ricontatti il supporto entro un certo periodo.

Proprio per questa disomogeneità nella misurazione, il tasso di deflection va sempre affiancato a metriche complementari come il CSAT, il tasso di risoluzione e il tasso di ricontatto, così da verificare che il dato rifletta risultati reali e non solo traffico dirottato.

Perché il tasso di deflection è importante

I team di supporto monitorano il tasso di deflection perché ogni richiesta gestita senza un operatore umano riduce i costi operativi. Telefonate e chat con operatori sono i canali di supporto più costosi, spesso tra 5 e 12 dollari per interazione. Le interazioni self-service costano una frazione di questa cifra. Per le aziende che gestiscono centinaia di migliaia di ticket al mese, anche un miglioramento modesto della deflection può far risparmiare milioni ogni anno.

Il tasso di deflection indica anche lo stato di salute della tua knowledge base e dei tuoi strumenti self-service. Una deflection in crescita con un CSAT stabile suggerisce che le risorse self-service aiutano davvero i clienti. Una deflection in crescita con un CSAT in calo è un campanello d'allarme: i clienti vengono respinti, non serviti.

Tasso di deflection e tasso di risoluzione: la differenza cruciale

È la distinzione più importante tra le metriche del customer service moderno. La deflection misura se una richiesta è stata tenuta lontana da un operatore umano. La risoluzione misura se il problema del cliente è stato davvero risolto. Non sono la stessa cosa.

Dati di settore: i chatbot tradizionali e gli strumenti self-service di base raggiungono in genere tassi di deflection tra il 10% e il 30%, ma molti di questi ticket "deviati" non vengono mai davvero risolti. Il cliente rinuncia, richiama o trova una soluzione alternativa. Una vera risoluzione richiede che il problema venga identificato, affrontato e confermato come risolto.

Per questo le organizzazioni di supporto più avanzate stanno spostando il loro KPI principale dalla deflection dei ticket al tasso di risoluzione. Un tasso di deflection del 30% con un CSAT scarso vale meno di un tasso di risoluzione del 90% in cui l'agente AI gestisce end-to-end la maggior parte delle richieste. La metrica su cui lavori determina la customer experience che offri.

Il vantaggio Maven: risolvere, non deviare

Maven AGI si basa su una filosofia radicalmente diversa: risolvere, non deviare. Mentre gli strumenti tradizionali spingono i clienti verso il self-service sperando per il meglio, gli agenti AI di Maven interagiscono con i clienti, comprendono il problema, estraggono i dati dai sistemi collegati e lo risolvono end-to-end, senza intervento umano.

I risultati di Maven: Papaya Pay, un'azienda FinTech, ha raggiunto il 90% di risoluzione autonoma con Maven AGI. Non è deflection: è il 90% dei problemi dei clienti interamente risolto dall'agente AI, confermato e completato.

L'approccio di Maven sposta la domanda da "Quanti ticket possiamo tenere lontani dagli operatori?" a "Quanti problemi dei clienti possiamo risolvere davvero?". Questa attenzione alla risoluzione al primo contatto è ciò che distingue la moderna AI per il customer service dagli strumenti di deflection tradizionali. Per approfondire questo cambiamento, leggi le ricerche di Harvard Business Review sul customer service o scopri la previsione di Gartner secondo cui l'agentic AI risolverà l'80% dei problemi di assistenza più comuni entro il 2029.

Domande frequenti

Qual è un buon tasso di deflection per il customer service?

Non esiste un benchmark universale, perché il tasso di deflection dipende dal settore, dalla base clienti e dal mix di canali. I chatbot tradizionali raggiungono una deflection tra il 10% e il 30%. Le piattaforme di automazione del customer service più evolute possono ottenere tassi più alti. La domanda più importante, però, è: qual è il tuo tasso di risoluzione? Un tasso di deflection del 25% con il 95% di risoluzione vale molto di più di un tasso di deflection del 50% in cui metà dei clienti "deviati" richiama.

In cosa il tasso di deflection è diverso dal tasso di contenimento?

Il tasso di contenimento indica di solito la percentuale di interazioni che restano interamente in un unico canale (come IVR o chat) senza trasferimento ad altri canali. Il tasso di deflection misura la percentuale di richieste tenute lontane dagli operatori umani. Una richiesta può essere "contenuta" in un chatbot e restare comunque irrisolta. Senza dati sulla risoluzione, entrambe le metriche sono incomplete.

Un tasso di deflection elevato può danneggiare la customer experience?

Sì. Se i clienti vengono dirottati verso canali self-service che non possono risolvere il loro problema, provano frustrazione, affrontano tempi di risoluzione complessivi più lunghi e devono impegnarsi di più. Per questo il ROI del supporto va misurato sulla qualità della risoluzione, non solo sul volume di deflection. L'obiettivo è ridurre il carico degli operatori risolvendo davvero i problemi, non creando ostacoli per chi cerca aiuto.