Kundenservice und Marketing mit Customer Agent verbinden
Generiert von Klaviyo AI
Sieben Praxisbeispiele zeigen, wie Agenturen Klaviyo Customer Agent für Bestellfragen, Abonnementänderungen, Kursbuchungen, Reklamationen und nachgelagerte E-Mails einsetzen. Entscheidend sind echte Kundenfragen, aktuelle Systemdaten, schriftliche Handlungsregeln und regelmäßige Tests anhand tatsächlicher Gespräche.
- Gespräche als Ausgangspunkt: Die regelmäßige Auswertung tatsächlicher Chats zeigt, welche Wissenslücken und Anwendungsfälle Agenturen zuerst bearbeiten sollten.
- Live-Daten für Aktionen: Anbindungen an Bestell-, Abonnement- und Buchungssysteme ermöglichen Auskünfte und Änderungen direkt im Chat.
- Klare Regeln festlegen: Schriftliche Vorgaben bestimmen zulässige Aussagen, erforderliche Bestätigungen und die Übergabe sensibler oder verdächtiger Fälle an Menschen.
- Service und Marketing abstimmen: Gemeinsame Kundenprofile ermöglichen passende Folgenachrichten und das Aussetzen von Werbesendungen bei offenen Beschwerden.
- Nach dem Chat nachfassen: Chat-Ereignisse lösen Klaviyo-Flows mit Gesprächszusammenfassungen, empfohlenen Produkten oder Service-Nachfragen aus.
Die meisten Teams planen einen KI-Customer Agent so, wie sie einen Produktkatalog planen. Sie listen auf, was sie verkaufen, und versuchen dann, alles abzudecken.
Ich habe festgestellt, dass es besser funktioniert, mit dem zu beginnen, was Kund*innen in ihren Chats tatsächlich sagen.
Als E-Commerce Operations Manager bei ECD Digital Strategy leite ich die KI-Automatisierung für unsere Direct to Consumer-Marken. Klaviyo Customer Agent ist der KI-Customer Agent, der mit demselben Kund*innenprofil arbeitet wie deine E-Mail, Textnachrichten, dein Web-Chat und WhatsApp.
Dieses geteilte Profil macht die leistungsstarken Anwendungsfälle unten erst möglich.
Die stärksten Customer Agent-Builds haben ein paar gemeinsame Merkmale:
- Volumen: Zac Fromson, Mitgründer von Lilo Social, beschreibt eine Duftprobenmarke mit Tausenden monatlichen Konversationen, bei denen „die meisten wiederholte Fragen mit bekannten Antworten sind“. Solche Fragen lassen sich am einfachsten an einen KI-Agenten übergeben.
- Eine Uhr: Fromson weist darauf hin, dass bei einer Abonnementmarke „die meisten Abonnementfragen Routine sind und eine Frist haben“. Wenn niemand vor der nächsten Abbuchung antwortet, wird die Bestellung trotzdem versendet. Ein KI-Agent, der in Sekunden antwortet, schließt diese Lücke und verhindert, dass die Sendung verschickt wird, wenn es Probleme gibt.
- Zugriff auf die Systeme, in denen die Antwort liegt: Roddy Smith, General Manager North America bei Andzen, einer preisgekrönten CRM-Lifecycle-Agentur für Direct to Consumer- und E-Commerce-Marken, hat eine Verbindung zur Buchungsplattform eines Studios aufgebaut, sodass der KI-Agent und das Marketingteam „dieselbe Live-Ansicht jedes Mitglieds teilen.“ Sobald ein KI-Agent Live-Daten sehen und darauf handeln kann, wird ein viel größerer Teil deines Konversationsvolumens lösbar.
- Schriftliche Regeln: Jeder Build unten legt fest, was der KI-Agent sagen darf, was er tun kann und wann er das Gespräch an eine Person übergibt. Das ist es, was das Team dazu bringt, ihm echte Kund*innen anzuvertrauen.
Hier sind 7 Builds von Agenturen aus der Praxis, die Use Cases abdecken, die von Tracking von Bestellungen über Kursbuchungen bis hin zu Follow-up-E-Mails reichen, die nach dem Ende eines Chats versendet werden.
1. Beginne mit den Fragen, die Kund*innen bereits stellen
Fromsons Team arbeitet mit einer Direct to Consumer-Duftprobenmarke, die pro Monat Tausende Support-Gespräche erhält. Etwa 36 % davon benötigen Live-Bestelldaten, um zu antworten, zum Beispiel:
- „Wo ist meine Bestellung?“
- „Es ist nicht angekommen.“
- „Wie kann ich kündigen?“
So funktioniert’s: Live-Bestelldaten und Warnmeldungen bei verspäteten Bestellungen
Fromson und sein Team bei Lilo Social nutzen die sofort einsatzbereiten Skills von Customer Agent zum Nachschlagen und Ändern von Bestellungen und greifen dabei auf die Klaviyo- und Shopify-Daten der Marke zurück. Ausserdem haben sie eine benutzerdefinierte Claude-Skill entwickelt, die das Warenhaussystem der Marke verbindet und zwei Dinge hinzufügt:
- Ein prognostiziertes Lieferdatum, bevor es eine Trackingnummer gibt
- Kennzeichnet Bestellungen, die verspätet sind
Verspätete Bestellungen lösen außerdem eine Klaviyo-Flow-Nachricht aus, bevor Kund*innen schreiben. Fromson sagt, dieser Ansatz „reduziert die Anzahl der Tickets, statt nur die Antworten zu automatisieren.“ Wenn Customer Agent eine Bestellung storniert, „bestätigt er die Stornierung in jedem nachgelagerten System, bevor er Kund*innen sagt, dass es erledigt ist.“
Wenn Customer Agent die Bestellung storniert, bestätigt er die Stornierung in jedem nachgelagerten System, bevor er Kund*innen mitteilt, dass alles erledigt ist.
2. Die Regeln der Marke schriftlich festhalten
Für dieselbe Duftmarke sagt Fromson, dass etwa 37 % der Anfragen Wissensfragen sind. Kund*innen fragen nach der Echtheit von Proben, Größen und Versandkosten nach Markt.
Weitere 11 % sind Treueprogramm-Fragen zu Punkteständen, Ablauf und Einlösung. Früher öffneten Lilo Social-Mitarbeiter*innen Klaviyo täglich, um Punkte und Promo-Codes manuell nachzuschlagen.
So funktioniert es: Markenregeln, die in die Anleitung für den KI-Agenten geladen werden
Fromson und sein Team haben die Regeln der Marke zu Folgendem in die Guidance von Customer Agent geladen:
- Exakte Produktgrößenbezeichnungen
- Bedingungen für den endgültigen Verkauf bei Proben
- Keine garantierten Versandgeschwindigkeiten
- Separate Schwellenwerte für kostenlosen Versand für Bestellungen aus den USA und internationale Bestellungen
- Eine Liste verbotener Wörter
Auf diese Weise „verspricht Customer Agent nie etwas, was die Marke nicht liefern kann“, erklärt Fromson. Ein benutzerdefinierter Skill (mit dem Marken ihre individuellen Anwendungsfälle automatisieren können) ermöglicht es, Kontostände zu prüfen, Einlösungen zu verarbeiten und zu erklären, warum ein Promo-Code nicht gilt – alles innerhalb des Gesprächs.
3. Lass die Gespräche entscheiden, was du erstellst
Bei einer Marke für Schweiß- und Pipeline-Sicherheitsausrüstung hat mein Team bei ECD aufgehört, Customer Agent rund um den Katalog zu planen, und stattdessen angefangen, ihn rund um die Chats zu planen.
So funktioniert’s: eine wöchentliche Überprüfung jedes Gesprächs
Jeden Montag liest eine KI-Routine, die wir auf Customer Agent API aufgebaut haben, jede Konversation aus der vergangenen Woche. Sie versieht jede mit einem Tag nach Thema, Ergebnis und Kaufabsicht. Sie kennzeichnet, wo der KI-Agent nicht weiterkam, eine falsche Antwort gab oder eine*n kaufbereite*n Shopper*in ohne Produktlink abspringen ließ.
Kleine Korrekturen, wie Wissenssnippets und Skill-Anweisungen, gehen noch in derselben Woche live. Bevor das passiert, lassen wir echte Fragen von Shopper*innen im Vorschaumodus durch den KI-Agenten laufen, sowohl vor als auch nach der Änderung. Customer Agent entwirft größere Builds, wie neue Skills und Follow-up-Flows, damit unser Team sie mit einer einzeiligen E-Mail-Antwort freigeben kann.
Die Chats erzählen eine andere Geschichte als der Katalog. Fragen zu Schirmen und Sonnenschutz waren der größte ungedeckte Bedarf; bei über 40 % wurde an das Team übergeben. Eine Geschenk-Schleife, die wir aus dem Katalog gebaut haben, wurde kein einziges Mal erwähnt. Die wöchentliche Schleife findet außerdem kleine Lücken schnell, z. B. wenn der KI-Agent sagte, es gäbe kein Bundle, obwohl es 5 gab.
Die Ergebnisse: höhere Scores bei Testkonversationen und nahezu die 3-fache Conversion
In den ersten 3 wöchentlichen Zyklen gingen 9 Verbesserungen live, jede zuerst mit echten Shopper*innenfragen getestet. Das haben wir herausgefunden:
- Bis zu 26 Punkte besser: Der Score von Customer Agent bei wiederholten Fragen von Shopper*innen stieg in einem einzigen Zyklus von 63 % auf 89 %.
- Fast 3x Conversion, wo uns die Gespräche hingeführt haben: Chats, die über den übergeordneten Skills abgewickelt wurden, führten zu Bestellungen mit 19 %, verglichen mit 7 % für Chats insgesamt.
- 67–78 % gelöst: Das ist der Anteil der abgeschlossenen Chats, die der KI-Agent eigenständig löst, ohne dass das menschliche Team eingreifen muss.
4. Kurse im Chat buchen und stornieren
Ein Boutique-Fitnessstudio verwaltet jede Klasse, jedes Credit-Pack und jede Mitgliedschaft in seiner Buchungsplattform Mariana Tek. Customer Agent konnte darauf nicht sofort zugreifen, und Klaviyo konnte es ebenfalls nicht sehen. Das Team von Andzen hat eine benutzerdefinierte Middleware entwickelt, die die Buchungsplattform mit Klaviyo verbindet und 3 Jahre an Daten sowie fortlaufende Echtzeit-Updates zu jedem Mitglied bereitstellt.
So funktioniert es: Buchung, Stornierung und Live-Mitgliedsdaten
Angemeldete Mitglieder können den Live-Zeitplan sehen, ihre Credits prüfen, anstehende Buchungen ansehen und einen Kurs buchen oder stornieren, ohne den Chat zu verlassen. Im Hintergrund hat Andzen 3 Jahre Verlauf in Klaviyo nachgetragen.
Jetzt werden 12 Ereignistypen innerhalb von Sekunden erfasst: Buchungen, Check-ins, Stornierungen, Nichterscheinen, Bestellungen und Mitgliedschaftsänderungen. Guthaben, Mitgliedschaftsstatus und Anwesenheit stehen in jedem Profil.
Die Regeln des Studios sind in der Anleitung von Customer Agent hinterlegt, sodass jede Aktion ihnen folgt. Zum Beispiel:
- Customer Agent wiederholt Kurs, Datum, Uhrzeit und Trainer*in und „wartet dann auf ein eindeutiges Ja, bevor er handelt“, sagt Smith.
- Innerhalb des 12-Stunden-Fensters erklärt Customer Agent die Gebühr für eine späte Stornierung und fragt erneut nach.
- Kündigungen und Pausierungen von Mitgliedschaften gehen in den Mitgliedschaften-Posteingang.
- Customer Agent „handelt nur auf Basis der eigenen Buchungen des angemeldeten Mitglieds“, sagt Smith.
Diese gemeinsame Sicht ermöglicht Flows, die das Studio vorher nicht ausführen konnte, etwa: erste besuchte Klasse, Follow-up bei Nichterscheinen und bald ablaufende Credits.
Customer Agent handelt ausschliesslich auf Basis der eigenen Buchungen der angemeldeten Mitglieder.
Die Ergebnisse: 679 Buchungen in zwei Wochen und eine Bestehensquote von 100 % bei Testszenarien
- In den ersten zwei Wochen der Datenverbindung wurden 679 Kursbuchungen Klaviyo zugeordnet, zuvor waren es null.
- Rund 200.000 Ereignisse wurden über 3 Jahre nachgetragen, und etwa 2.000 Studiomitglieder wurden als Profile hinzugefügt.
- 15 von 15 Customer-Agent-Testszenarien wurden im Live-Konto bestanden. Sie deckten Buchungen, verspätete Stornierungen, Buchungen anderer Mitglieder, Mitgliedschaften, Datenschutz und Markenstimme ab, ohne dass Buchungen von Mitgliedern geändert wurden.
In den ersten zwei Wochen der Datenverbindung wurden 679 Kursbuchungen Klaviyo zugeordnet, zuvor waren es null.
5. Abonnementänderungen vor der nächsten Abbuchung bearbeiten
Eine Direct to Consumer-Marke für Haustierfutter verkauft gefriergetrocknetes Hundefutter und Trockenfutter. Ein großer Teil ihres Umsatzes stammt aus Bestellungen für ihr abonnieren & Save-Programm, die alle zwei bis 12 Wochen versendet werden.
Kund*innen möchten möglicherweise:
- Eine Sendung überspringen oder verschieben, weil der Beutel noch nicht leer ist.
- Ihre nächste Bestellung vorziehen.
- Ihren Geschmack oder die Beutelgröße ändern.
- Ihre Adresse aktualisieren.
- Frage nach, warum ein Rabatt nicht angewendet wurde.
„Wenn niemand vor der nächsten Abbuchung antwortet, wird die Bestellung trotzdem versendet“, sagt Fromson. Das kann zu einer Rückerstattungsanfrage oder einer Stornierung führen.
So funktioniert es: Versandänderungen und gespeicherte Gespräche
Lilo Social kombiniert Customer Agent mit einer benutzerdefinierten Claude-Skills, die mit der Abonnementplattform der Marke verbunden ist. Im Gespräch prüft der KI-Agent den Abonnementstatus, das nächste Belastungsdatum und die Bestellhistorie. Er kann dann mehrere Änderungen übernehmen:
- Die nächste Lieferung auslassen, verzögern, vorziehen oder die Häufigkeit ändern
- Produkte oder Beutelgrößen tauschen
- Den Kund*innen das neue Versanddatum und den Kaufpreis mitteilen, bevor irgendetwas bestätigt wird
Wenn ein*e Kund*in um eine Stornierung bittet, fragt Customer Agent zuerst nach dem Grund. Dann passt es seine Antwort je nach Grund an:
- Überbestand: Es bietet ein längeres Intervall oder eine ausgelassene Lieferung an.
- Dem Hund schmeckt das Futter nicht: Es schlägt ein anderes Protein vor.
- Gesundheitliche Bedenken oder Beschwerde: Übergibt an eine Person.
Customer Agent folgt den Regeln der Marke. Er macht keine Ernährungs- oder Gesundheitsversprechen, die über das hinausgehen, was auf der Produktseite steht. Er hält die Namen der Produktlinien getrennt. Und er beschreibt Abonnementangebote als im Abonnementportal eingelöst, niemals „beim Checkout“.
Da Abonnement- und Servicedaten im selben Klaviyo-Konto wie Marketing liegen, kann jedes Ergebnis das Profil der Kund*innen aktualisieren. Ein Save wegen „zu viel Essen“ kann vor der nächsten Lieferung eine Erinnerung auslösen. Ein*e gehaltene*r Abonnent*in, der*die die Geschmacksrichtung wechselt, kann ein paar Wochen später einen Check-in erhalten. Kund*innen mit einem offenen Support-Ticket erhalten keine Werbesendungen, bis es gelöst ist.
Da Abonnement- und Servicedaten im selben Klaviyo-Konto wie Marketing liegen, kann jedes Ergebnis das Profil der Kund*innen aktualisieren. Ein „zu viel Essen“-Save kann eine Erinnerung vor der nächsten Lieferung auslösen.
6. Schadensansprüche bewerten und die Ergebnisse dann an das Marketing zurückspielen
Etwa 15 % der Anfragen der Duftmarke betreffen Schäden, Falschlieferungen oder Garantieansprüche. Fromson sagt, dass diese Anfragen das Team am meisten in der Bearbeitung kosten, und Kund*innen reichen manchmal KI-generierte Fotos ein, um Rückerstattungen zu erhalten.
So funktioniert’s: Risikoprüfungen des Profils vor jeder Rückerstattung
Customer Agent erfasst die Bestellnummer und Fotos und prüft dann Profilsignale:
- Vorherige Reklamationen und Reklamationsquote
- Bestellwert
- Kontodauer
- Ob Kund*innen einen versicherten Versand gekauft haben
- Der Zustellscan des Versanddienstleisters
Customer Agent löst erstmalige, risikoarme Reklamationen gemäß der veröffentlichten Richtlinie automatisch. Wiederholte oder verdächtige Reklamationen gibt er an eine Person ab und fasst Warnsignale zusammen. Wenn eine Anfrage nicht für eine Rückerstattung infrage kommt, erklärt Customer Agent die Garantieoptionen. VIPs mit hohem Vertrauenslevel überspringen die Warteschlange.
Die Kundenservicedaten befinden sich im selben Klaviyo Konto wie das Marketing, sodass Lilo Social Werbesendungen zurückhält, solange ein*e Kund*in eine offene Beschwerde hat. Sobald es gelöst ist, wechselt Kund*in in einen Recovery-Flow. Eine positive CSAT-Bewertung löst eine Bewertungsanfrage aus.
7. Nachfassen, nachdem der Chat endet
Customer Agent erstellt Ereignisse in Klaviyo: ein Gespräch gestartet, ein Produkt empfohlen, ein Chat an das Team übergeben. Für die Marke für Schweiß- und Pipeline-Sicherheitsausrüstung nutzen wir sie als Flow-Trigger.
So funktioniert’s: Chat-Ereignisse als Flow-Trigger
- „Gechattet, nicht gekauft“: Der Flow sendet eine Zusammenfassung mit einem Link zu dem, wonach der*die Shopper*in gefragt hat, und anschließend die Fragen, die andere Schweißer*innen am häufigsten stellen. Er endet, sobald sie bestellen.
- „Empfehlung erhalten, nicht gekauft“: Der Flow sendet genau die Produkte, die Customer Agent vorgeschlagen hat.
- „An das Team übergeben, dann ruhig“: Der Flow sendet 3 Tage später einen Service-zuerst-Check-in mit Tracking-, Retouren- und Garantiehilfe.
Jede E-Mail hat eine A/B-Variante parat. Viele Käufer*innen kaufen ein empfohlenes Produkt erst Tage später, und ein zeitnahes Follow-up holt sie genau dort ab.
Die Ergebnisse: mehr Shopper*innen in Flows und 32 % mehr Umsatz
Gemessen über rollierende 30 Tage, innerhalb von zwei Wochen nach dem Livegang der Flows, haben wir Folgendes festgestellt:
- 75 % mehr Shopper*innen in Follow-up-Flows: Die Anzahl stieg von 28 auf 49, und jetzt qualifiziert sich jede*r identifizierte Chatter, gegenüber weniger als 10 % zuvor.
- 32 % mehr Umsatz aus Follow-up-Flows: Customer Agent Follow-up-Flows sorgten außerdem für 3x so viele Bestellungen.
- 19 % Steigerung der Chat-zu-Kaufpreis: Der Anteil der Chatter*innen, die innerhalb von 7 Tagen kaufen, stieg von 5,9 % auf 7,0 %.
- Conversion in der ersten Woche: Der Flow „gechattet, nicht gekauft“ hat in seiner ersten Live-Woche konvertiert.
- Etwa 9 von 10 Käufen nach dem Ende des Chats: Das gilt für von Customer Agent empfohlene Produkte und zeigt, wie weit der Einfluss des Agents über das Gespräch hinausreicht.
ECD Digital verzeichnete 32 % mehr Umsatz aus dem Follow-up-Flow: Follow-up-Flows von Customer Agent sorgten ausserdem für die 3-fache Anzahl an Bestellungen.
Beginne mit deinen eigenen Chats
Wähle den einen Gesprächstyp aus, den dein Team am häufigsten beantwortet, schreibe die Regeln auf und teste Customer Agent an echten Fragen von Shopper*innen, bevor er live geht. Lies dann, was Kund*innen tatsächlich sagen, und lass dich davon bei deinem nächsten Build leiten.
Ähnliche Inhalte
