Oplossingspercentage

Het oplossingspercentage begrijpen

Het oplossingspercentage (resolution rate) is een klantenservicemetric die meet bij welk percentage van de supportvragen het probleem van de klant volledig is opgelost. Anders dan het deflectiepercentage, dat bijhoudt of een ticket bij een menselijke medewerker is weggehouden, beantwoordt het oplossingspercentage een belangrijkere vraag: is het probleem van de klant echt verholpen?

Voor supportteams die AI-tools evalueren, is dit onderscheid belangrijk. Een hoog deflectiepercentage ziet er goed uit op een dashboard, maar zegt niets over of de klant tevreden vertrok of het gewoon opgaf. Het oplossingspercentage dicht dat gat.

Zo bereken je het oplossingspercentage

Oplossingspercentage = (Opgeloste vragen / Totaal aantal vragen) x 100

Stel dat je team in een week 500 tickets behandelt en er 425 volledig worden opgelost zonder opvolging, dan is je oplossingspercentage 85%.

Een vraag geldt als "opgelost" wanneer:

• De vraag van de klant volledig is beantwoord
• Elke gevraagde actie is uitgevoerd (terugbetaling verwerkt, account bijgewerkt, abonnement gewijzigd)
• Er binnen 48 uur geen vervolgcontact nodig was voor hetzelfde probleem

Dat laatste punt is cruciaal. Veel tools tellen een ticket als opgelost zodra het wordt gesloten, ook als de klant de volgende dag opnieuw contact opneemt over hetzelfde probleem. Door herhaalde contacten binnen 48 uur bij te houden, krijg je een eerlijker beeld van de werkelijke oplossing.

Benchmarks voor het oplossingspercentage

Benchmarks verschillen per kanaal en complexiteit, maar dit is wat de data laat zien:

• Traditionele regelgebaseerde bots: 10-30% opgelost (de meeste vragen escaleren naar medewerkers)
• AI-tools van de eerste generatie: 30-50% opgelost (beter taalbegrip, maar beperkt vermogen om acties uit te voeren)
• Moderne AI-agents: 70-93% opgelost (volledige gesprekscontext, kunnen acties uitvoeren, gebaseerd op geverifieerde kennis)

Volgens het Freshworks 2025 Customer Service Benchmark Report, dat ruim 1,2 miljard tickets van meer dan 32.000 teams analyseerde, kan AI-gestuurde automatisering de oplostijd met maximaal 40% verkorten en een aanzienlijk deel van de tickets direct afhandelen.

First contact resolution (FCR) ligt in de branche rond 70-75%, maar daar zijn menselijke medewerkers bij inbegrepen. Voor oplossing door alleen AI is de bandbreedte veel groter en hangt die sterk af van het platform en van hoe "oplossing" wordt gedefinieerd.

Waarom het oplossingspercentage belangrijker is dan deflectie

De meeste AI-supporttools zijn geoptimaliseerd voor deflectie. Ze rapporteren metrics als "70% van de klanten kwam nooit bij een medewerker terecht." Dat klinkt indrukwekkend, maar deflectie vertelt je alleen dat de klant niet escaleerde. Het vertelt je niet:

• Of het probleem van de klant echt is opgelost
• Of de klant gefrustreerd afhaakte en stilletjes vertrok
• Of de klant zelf een omweg vond en je support helemaal opgaf
• Of de klant morgen terugkomt met hetzelfde probleem

Het oplossingspercentage dwingt een lastigere vraag af: hoeveel van de mensen die met je AI in contact kwamen, zijn volledig geholpen? Dat is een hogere lat en daar is betere AI voor nodig. Maar het is de enige metric die aansluit bij wat klanten echt willen.

Onderzoek uit de branche: Gartner stelt dat deflectie via selfservice vaak onopgeloste vraag maskeert, en raadt aan om echte containment (oplossing) naast deflectie te meten om misleidende KPI's te voorkomen.

Wat zorgt voor een hoog oplossingspercentage?

Een aantal factoren onderscheidt teams met 30% oplossing van teams die boven de 90% uitkomen:

• Kennisgrounding: AI die put uit geverifieerde documentatie, eerdere tickets en productdata in plaats van antwoorden vanaf nul te genereren. Dat vermindert hallucinaties en bouwt vertrouwen op.
• Acties kunnen uitvoeren: Een probleem oplossen betekent vaak iets doen, niet alleen een vraag beantwoorden. Om een terugbetaling te verwerken, een account bij te werken of een abonnement te wijzigen, moet de AI integreren met backendsystemen.
• Context over gesprekken heen: Klanten willen hun probleem niet elke keer opnieuw uitleggen. AI die eerdere interacties onthoudt en de accountgeschiedenis ophaalt, lost problemen sneller en nauwkeuriger op.
• Slimme escalatie: Weten wanneer je níet moet oplossen is net zo belangrijk. Als een probleem menselijk oordeel vereist, moet de AI het met volledige context overdragen, zodat de medewerker niet bij nul begint.
• Continue verbetering: Bijhouden welke onderwerpen worden opgelost en welke worden geëscaleerd, en die data gebruiken om de AI steeds verder te verbeteren.

Oplossingspercentage vs. andere supportmetrics

• vs. Deflectiepercentage: Deflectie meet het voorkomen van tickets. Oplossing meet of het probleem is opgelost. Een klant die gefrustreerd een chatbot verlaat, telt als "gedeflecteerd" maar niet als "opgelost".
• vs. First Contact Resolution (FCR): FCR meet of een probleem bij het eerste contact is opgelost, ook door medewerkers. Het oplossingspercentage voor AI meet volledig geautomatiseerde oplossing zonder menselijke tussenkomst.
• vs. CSAT: Oplossing stuwt tevredenheid, maar ze meten verschillende dingen. CSAT legt sentiment vast. Het oplossingspercentage legt operationele resultaten vast. Beide tellen.
• vs. Average Handle Time (AHT): AHT meet snelheid. Het oplossingspercentage meet effectiviteit. Haast maken om tickets sneller te sluiten kan de oplossing juist schaden als problemen niet volledig worden aangepakt.

Bewezen oplossingspercentages bij klanten van Maven AGI

Maven AGI hanteert oplossing, niet deflectie, als belangrijkste metric. Zo ziet dat er in de praktijk uit:

• Mastermind (EdTech): 93% van de livechatgesprekken opgelost. Live in 6 weken.
• Enumerate (PropTech): 91% oplossingspercentage over alle supportkanalen.
• Papaya Pay (FinTech): 90% autonome oplossing.
• K1x (FinTech): 80% oplossingspercentage, een 10x verbetering ten opzichte van hun vorige AI-tool. Live in 1 week.

Aanpak van Maven AGI: Oplossing is de enige metric waarop Maven AGI optimaliseert. Bij elke klantimplementatie wordt bijgehouden of het probleem echt is opgelost, niet of een ticket is vermeden. Die focus op resultaat in plaats van volume zorgt voor oplossingspercentages van 80-93% in sectoren als EdTech, FinTech, PropTech en SaaS.

Veelgestelde vragen

Wat is een goed oplossingspercentage?

Dat hangt af van het kanaal en van de vraag of je oplossing door mensen of door AI meet. Voor menselijke supportteams ligt de benchmark voor first contact resolution rond 70-75%. Bij oplossing door alleen AI halen traditionele chatbots 10-30%, terwijl moderne AI-agents die acties kunnen uitvoeren 80-93% bereiken.

Wat is het verschil tussen het oplossingspercentage en het deflectiepercentage?

Het deflectiepercentage meet hoeveel tickets niet bij een medewerker terechtkwamen. Het oplossingspercentage meet hoeveel klantproblemen echt zijn opgelost. Een ticket kan "gedeflecteerd" zijn zonder dat het probleem is verholpen. Oplossing is de lastigere, eerlijkere metric.

Hoe verbeter je het oplossingspercentage?

Richt je op drie gebieden: betere kennisgrounding (geef je AI juiste, actuele informatie), integraties om acties uit te voeren (laat AI terugbetalingen verwerken en accounts bijwerken, niet alleen vragen beantwoorden) en feedbackloops (houd bij welke onderwerpen misgaan en verbeter die stap voor stap).

Kan AI echt meer dan 90% van de supporttickets oplossen?

Ja, maar alleen met de juiste architectuur. Regelgebaseerde chatbots komen niet verder dan 10-30%. Agentic AI-platforms die taalbegrip, het ophalen van kennis en backendintegraties combineren, halen in productieomgevingen consequent 80-93%.