.svg?width=24&height=24&name=hamburger.svg){kind=small}
-1.svg)
.svg)
.svg)
Ready for the future of customer interaction ?
Join leading Swiss companies already embracing AI. Discover how Heidi can improve your customer service experience.
Mit konversations-basierter KI den Fahrgast-Support bei TransPennine Express neu definieren
Wie TPE 99,5 % Erstkontaktlösung erreichte und Reaktionszeiten mit Enterprise Bot auf nur 3 Sekunden reduzierte
Über TransPennine Express
TransPennine Express (TPE) ist ein britischer Bahnbetreiber, der Intercity-Verbindungen im Norden Englands und in Schottland anbietet. Bekannt dafür, Metropolen wie Manchester, Liverpool, Leeds, Newcastle und Edinburgh zu verbinden, spielt TPE eine entscheidende Rolle im regionalen Personentransport Großbritanniens.
Heading 1
with a request body that specifies how to map the columns of your import file to the associated CRM properties in HubSpot.... In the request JSON, define the import file details, including mapping the spreadsheet's columns to HubSpot data. Your request JSON should include the following fields:... entry for each column.
About Rhein-Main-Verkehrsverbund
The Rhein-Main-Verkehrsverbund (RMV) is one of the largest public transport networks in Germany, covering the Frankfurt Rhine-Main area. RMV operates a comprehensive network of regional rail services, buses, trams, and commuter trains, serving over 800 million passengers annually. As a key player in public transportation, RMV is dedicated to improving passenger experiences through digital innovation.
To achieve this, RMV partnered with Enterprise Bot and ACP Digital to implement a scalable, AI-powered support solution.
.svg)
Client: Rhein-Main-Verkehrsverbund (RMV)
.svg)
Solution: AI-powered Chatbot, Email Bot, and Voice Bot (upcoming)
.svg)
Objective: Improve customer service efficiency, reduce redundant queries, and enhance agent productivity
Heading 1
with a request body that specifies how to map the columns of your import file to the associated CRM properties in HubSpot.... In the request JSON, define the import file details, including mapping the spreadsheet's columns to HubSpot data. Your request JSON should include the following fields:... entry for each column.
Die Herausforderung
TransPennine Express sah sich bekannten Herausforderungen im öffentlichen Transport gegenüber:
Obwohl der Chatbot zunächst nur im Bereich Kontakt & Hilfe implementiert wurde, bearbeitete er bereits 2.000 Anfragen im Monat.
Heading 1
with a request body that specifies how to map the columns of your import file to the associated CRM properties in HubSpot.... In the request JSON, define the import file details, including mapping the spreadsheet's columns to HubSpot data. Your request JSON should include the following fields:... entry for each column.
The Challenge
RMV faced increasing pressure on its customer service teams due to:
With growing passenger demand and expanding services, RMV sought an innovative solution to automate and streamline customer support processes.
Heading 1
with a request body that specifies how to map the columns of your import file to the associated CRM properties in HubSpot.... In the request JSON, define the import file details, including mapping the spreadsheet's columns to HubSpot data. Your request JSON should include the following fields:... entry for each column.
.png)
Penny: Eine digitale Assistentin für moderne Bahnreisen
Der Chatbot “Penny” von TPE, basiered auf den Open AI Modellen von Microsoft Azure, hilft bei der Optimierung der Kundenkommunikation und reduziert den Druck auf Kundenservice-Teams.
Schlüsselkompetenzen
Schlüsselkompetenzen
- Entwicklung einer konversations-basierten KI-Lösung
- 24 Stunden an 7 Tagen in der Woche erreichbar, um Fahrgästen zu helfen
- Integriert mit Darwin Echtzeit-Feed zu Abfahrten und Störungen (das offizielle Live-Zuginformationssystem von Großbritanniens Schienentransportindustrie) und Journey Checker
- Integrierung mit Wissensdatenbank und LLM, um FAQs präzise zu beantworten
- Integrierung von WhatsApp-Eskalationsbehandlung in das Social Dashboard
- Reduzierung von veralteter Information durch ständige Content-Verbesserungen
Heading 1
with a request body that specifies how to map the columns of your import file to the associated CRM properties in HubSpot.... In the request JSON, define the import file details, including mapping the spreadsheet's columns to HubSpot data. Your request JSON should include the following fields:... entry for each column.
Heading 1
with a request body that specifies how to map the columns of your import file to the associated CRM properties in HubSpot.... In the request JSON, define the import file details, including mapping the spreadsheet's columns to HubSpot data. Your request JSON should include the following fields:... entry for each column.
Intelligentere Beantwortung durch parallele Orchestrierung
Penny beantwortet nicht nur Fragen - sie denkt schnell. Indem sie diverse Prozesse parallel ausführt, sorgt Penny dafür, dass Fahrgäste in Rekordzeit die präziseste und relevanteste Antwort erhalten.
- Analyse des Nutzer-Stresslevels (Bewertung der Stimmung von -1 bis +1), um Ton und Stil der Antworten anzupassen
- Persona-Klassifizierung (z. B. Geschäftsreisende, Familien, Zugänglichkeitsanforderungen) für besser personalisierte Interaktionen
- Anfrage-Klassifikation für schnelleres und präziseres Routing
- Parallele Orchestrierung: Stress-, Persona- und Anfrageanalyse laufen simultan und erhöhen die Reaktionszeiten erheblich
Heading 1
with a request body that specifies how to map the columns of your import file to the associated CRM properties in HubSpot.... In the request JSON, define the import file details, including mapping the spreadsheet's columns to HubSpot data. Your request JSON should include the following fields:... entry for each column.
Intelligente Voice-Erfahrungen
Enterprise Bot hat außerdem einen Voice-Agenten-MVP mit dem unverwechselbaren Akzent Nordenglands entwickelt, der von Darwin mit einem Abfrage-Tool für Echtzeit-Zugdaten betrieben wird. Diese Demo-Lösung ermöglicht es Fahrgästen, anzurufen und Echtzeit-Zuginformationen (Abfahrten, Verspätungen, Störungen) direkt von Darwin zu erhalten und stellt damit das Potential der Sprachautomatisierung im öffentlichen Zugverkehr heraus.
Intelligente Voice-Erfahrungen
Enterprise Bot hat außerdem einen Voice-Agenten-MVP mit dem unverwechselbaren Akzent Nordenglands entwickelt, der von Darwin mit einem Abfrage-Tool für Echtzeit-Zugdaten betrieben wird. Diese Demo-Lösung ermöglicht es Fahrgästen, anzurufen und Echtzeit-Zuginformationen (Abfahrten, Verspätungen, Störungen) direkt von Darwin zu erhalten und stellt damit das Potential der Sprachautomatisierung im öffentlichen Zugverkehr heraus.
Heading 1
with a request body that specifies how to map the columns of your import file to the associated CRM properties in HubSpot.... In the request JSON, define the import file details, including mapping the spreadsheet's columns to HubSpot data. Your request JSON should include the following fields:... entry for each column.
Was unser Kunde sagt
.jpg?width=1024&height=1258&name=Gemini_Generated_Image_2vjm422vjm422vjm%20copy%20(1).jpg)
.svg){kind=small}
“Wir sind sehr zufrieden mit Penny, unserem TPE-Chatbot von Enterprise Bot, der in den letzten Monaten große Fortschritte gebracht hat, mit verbesserter Live-Zugassistenz, schnelleren Reaktionszeiten, noch besserem Sprachgebrauch, und Verständnis der Kundenstimmung mit der entsprechenden Reaktion darauf.”
Colin
Heading 1
with a request body that specifies how to map the columns of your import file to the associated CRM properties in HubSpot.... In the request JSON, define the import file details, including mapping the spreadsheet's columns to HubSpot data. Your request JSON should include the following fields:... entry for each column.
.png?width=2000&name=Group%201948757508%20(6).png)
Implementierungs-Reise
-
Implementiert im November 2024 -
Anfangs begrenzt auf den Hilfe-Bereich, jetzt auf mehr Bereiche ausgeweitet
-
Verfeinerung von Bot-Reaktionen und Platzierung der Benutzeroberfläche durch Feedback
-
Integrierung mit Wissensdatenbanken und live Störungs-Feeds bietet die benötigten präzisen Informationen
Heading 1
with a request body that specifies how to map the columns of your import file to the associated CRM properties in HubSpot.... In the request JSON, define the import file details, including mapping the spreadsheet's columns to HubSpot data. Your request JSON should include the following fields:... entry for each column.
GenAI-Erkenntnisse: Daten in Aktion bringen
Das Dashboard mit GenAI-Erkenntnissen von Enterprise Bot verschafft TPE beispiellose Transparenz bei Kundeninteraktionen und Serviceleistungen. Das sind nicht nur Analysen – das ist Intelligenz, die Entscheidungsfindung vorantreibt.
- Erstkontakt-Lösungsquoten
- Gründe für Eskalationen an Agenten
- Durchschnittszeit vor Eskalation wird sichtbar
- Trends bei Stimmung und Zufriedenheit
Mit diesem Erkenntnislevel kann TPE Eskalationsmuster identifizieren, Effizienzsteigerungen verfolgen und Penny stetig optimieren, um sich verändernde Kundenerwartungen zu erfüllen.
Heading 1
with a request body that specifies how to map the columns of your import file to the associated CRM properties in HubSpot.... In the request JSON, define the import file details, including mapping the spreadsheet's columns to HubSpot data. Your request JSON should include the following fields:... entry for each column.
Zukunftsaussichten
Zukunftsaussichten
- Expansion der Bot-Präsenz auf mehr Internetseiten
- Geplante Integrationen mit Live-Zugstörungssystemen
- Potentielles Rollout von produktionsfertigen Sprachassistenten
Heading 1
with a request body that specifies how to map the columns of your import file to the associated CRM properties in HubSpot.... In the request JSON, define the import file details, including mapping the spreadsheet's columns to HubSpot data. Your request JSON should include the following fields:... entry for each column.
Bereit für die Zukunft der
Kundeninteraktion ?
.svg){kind=small}
.png?width=1544&height=1408&name=Isolation_Mode%20(2).png)
-1.svg){kind=small}
-1.svg){kind=small}
-1.svg){kind=small}
.svg){kind=small}