"Happy Robot’s AI phone agent has enabled Encompass agents to engage more meaningfully with customers by handling routine inquiries, allowing human agents to focus on more complex interactions."
Vice President of Customer Support
Jim Scarff
Über Encompass
Encompass Supply Chain Solutions ist der größte Lieferant von Original-Ersatzteilen (OEM) in Nordamerika. Das 1953 gegründete Unternehmen mit Hauptsitz in Lawrenceville, Georgia, hat sich in über 70 Jahren als erste Adresse für Haushaltsreparaturen etabliert, verwaltet ein Portfolio mit Hunderten führender Marken und führt Original-OEM-Teile einer breiten Palette vertrauenswürdiger Hersteller.
Encompass ist die vertrauenswürdige Empfehlung für Kundinnen und Kunden großer Hausgeräte- und Elektronikmarken, wenn Reparaturen anstehen, und liefert Original-Ersatzteile für nahezu jedes Haushaltsprodukt: Fernseher, Waschmaschinen, Trockner, Geschirrspüler, Herde, Kühlschränke, HVAC-Systeme und mehr. Encompass führt einen der größten Kataloge für OEM-Teile der Branche, mit Hunderttausenden aktiv vorrätigen Artikeln in strategisch über die USA verteilten Distributionszentren.
Ausgangslage
Kundinnen und Kunden wenden sich vor allem wegen Preis und Verfügbarkeit an Encompass, aber auch wegen Auftragsstatus, Lieferterminen bei Rückständen und Stornierungen. Diese Anfragen mit hohem Volumen und Zeitdruck erforderten jahrelang menschliche Mitarbeitende.
Die monatliche Auswertung zeigte: Die meisten eingehenden Anrufe waren transaktional, repetitiv und einfach zu beantworten. Mitarbeitende verbrachten viel Zeit mit dem Nachschlagen von Teilenummern und der Prüfung von Auftragsstatus – Aufgaben, die sich mit der richtigen Technologie automatisieren lassen.
Mit dem Wachstum von Encompass und der Erweiterung des Markenportfolios wurde klar, dass sich das Problem ohne Eingreifen nicht lösen würde. Mehr Personal war keine nachhaltige Lösung.
Lösung
Die Partnerschaft von Encompass mit HappyRobot begann, nachdem CEO Robert Coolidge einer Präsentation des HappyRobot-Gründers im The Breakers in West Palm Beach beigewohnt hatte. Beeindruckt vom dialogorientierten Charakter der Technologie, die sich deutlich von klassischen menügeführten Systemen unterschied, teilte er die Präsentation mit Jim Scarff, VP of Customer Support.
Das Team ging methodisch vor: Demos, Gespräche mit bestehenden Nutzern und die Bewertung von Alternativen. Miguel Rodriguez, ein Operations-Veteran mit 20 Jahren Contact-Center-Erfahrung, war von Anfang an beteiligt. Das Team war sich einig, dass HappyRobot der richtige Partner ist. Der Erfolg wurde daran gemessen, wie viele Anrufe HappyRobot ohne Eskalation an einen Menschen bearbeiten konnte. Brian Ecenarro, der den Kundenservice der Parts Town Home Division leitet, formulierte es so: „Wir haben Erfolg und Misserfolg an der Anzahl der Übergaben als Eskalationen an Live-Mitarbeitende gemessen.“
Encompass startete bewusst mit Midea als kontrollierter Umgebung, um den Agenten zu testen, die Logik zu verfeinern und Vertrauen aufzubauen, bevor Marken mit höherem Volumen folgten. Kundinnen und Kunden konnten mit einer Modellnummer anrufen, und der Agent lieferte eine Liste kompatibler Teile mit Bestand und Preisen in Echtzeit. Das Konzept war einfach. Die Umsetzung alles andere als das.
Die alphanumerischen Modellnummern von Encompass sind lange, komplexe Zeichenfolgen, bei denen eine einzige vertauschte Ziffer oder ein falsch verstandenes Zeichen ein völlig falsches Ergebnis liefert. Keine Teilpunkte, kein „fast richtig“. Jeder Fehler führte zu einer fehlgeschlagenen Suche, die eine Weiterleitung an einen Menschen auslöste – und damit als Misserfolg zählte. In einem Umfeld, in dem die Fehlertoleranz praktisch null war, musste die KI jedes Mal richtig liegen.
Frühe Versionen des Sprachagenten kämpften genau damit. Erste LLM-Iterationen verwechselten mitunter visuell oder phonetisch ähnliche Zeichen – ein „B“ mit einer „8“, ein „D“ mit einem „T“ – und lieferten unbemerkt das falsche Teil oder gar kein Ergebnis. Die Lösung erforderte eine tiefe, iterative Zusammenarbeit zwischen Federico, dem Forward-Deployed Engineer von HappyRobot, und dem Encompass-Team: Verfeinerung der Transkriptionslogik, Aufbau von Validierungsschichten und Stresstests für Randfälle, bis der Agent die gesamte Bandbreite der bei Encompass im Produktivbetrieb auftretenden Modellnummernformate zuverlässig verarbeiten konnte.
Das Ergebnis spricht für sich. In einer der unerbittlichsten Datenerfassungsumgebungen im Kundenservice erreichte HappyRobot eine Weiterleitungsquote von rund 36 % – das heißt, etwa 64 % der Anrufenden erhielten, was sie brauchten, ohne je einen Menschen zu erreichen. Für einen Workflow, in dem ein einziges falsches Zeichen die Interaktion beendet, ist das nicht nur ein guter Wert. Es ist ein außergewöhnlicher.
Wirkung
Dieser Erfolg wurde zur Vorlage. Encompass erweiterte auf LG, eine größere Marke mit deutlich höherem Anrufvolumen, und HappyRobot bearbeitet heute rund 1.700 LG-Anrufe pro Woche, von denen etwa 64 % ohne menschliches Eingreifen gelöst werden. Die zugrunde liegende Agentenlogik lässt sich auf andere Marken übertragen: Produkt identifizieren, Teil finden, Verfügbarkeit und Preis bestätigen und – wo zutreffend – einen SMS-Link zum Abschluss des Kaufs senden. Jede neue Marke erhält ihren eigenen konfigurierten Agenten, ohne dass der Workflow von Grund auf neu aufgebaut werden muss.
Encompass nutzt ein hybrides Modell. Während der Geschäftszeiten werden Anrufe zu Preisen, Verfügbarkeit, Auftragsstatus oder Stornierungen direkt aus der Cisco-IVR an HappyRobot geleitet. Wünscht eine Kundin oder ein Kunde ein Gespräch mit einem Menschen, wird der Anruf entsprechend weitergeleitet. Außerhalb der Geschäftszeiten bleiben die Self-Service-Optionen verfügbar. Ist ein Rückruf erforderlich, leitet HappyRobot die Anfrage zur Bearbeitung am nächsten Morgen an eine Mitarbeiterin oder einen Mitarbeiter weiter – so erhält jede Anfrage eine Antwort.
Das größere Bild
Ziel von Encompass war nicht die Automatisierung eines einzelnen Anwendungsfalls, sondern die Entwicklung eines skalierbaren Playbooks. Das Team brachte von Anfang an Klarheit mit: Es hatte bereits erfasst, warum Kundinnen und Kunden anrufen, welche Anrufe das höchste Volumen hatten und welche Workflows sich über eine API abbilden lassen. Als HappyRobot dazukam, wusste Encompass bereits, wo zu beginnen war. Diese Klarheit beschleunigte den Prozess.
Das aktuelle Ziel ist, dieses Playbook auf jede Marke im Encompass-Portfolio auszuweiten.
Die Roadmap wächst mit der Technologie weiter. Retouren, die noch nicht automatisiert sind, werden derzeit geprüft. Brian merkte an: „Der Weg war von Problemlösung geprägt. Wir haben uns immer intensiver mit der Technologie beschäftigt und erkannt, dass wir noch viel weiter gehen können.“ Der wesentliche Engpass ist nicht die KI, sondern die APIs, die die notwendigen Daten für jeden neuen Anwendungsfall liefern. Das bleibt sowohl Engpass als auch Schwerpunkt der Roadmap.
Wie es weitergeht
Da der markenübergreifende Rollout kurz vor dem Abschluss steht, stehen zwei Ziele im Fokus: Optimierung und Expansion. Erstens die Optimierung – also eine konstante Leistung auf Benchmark-Niveau bei jeder aktiven Marke. Zweitens die Expansion, sowohl bei Anwendungsfällen als auch bei Unternehmen. Gespräche mit Schwesterorganisationen laufen bereits. Was Encompass hier beweist, beweist das Unternehmen für alle, die zusehen. Der Chatbot, der im bestehenden Vertrag bereits enthalten ist, ergänzt die Sprachkanäle um einen weiteren Kanal und gibt Kundinnen und Kunden mehr Wege zu schnellen, markengenauen Antworten.
Mit Blick nach vorn gibt es eine Version dieses Produkts, bei der Kundinnen und Kunden ihr defektes Gerät beschreiben, in Sekunden das passende Ersatzteil samt Preis erhalten, die Verfügbarkeit bestätigen und einen Kauflink per SMS bekommen – und das alles, ohne mit einem Menschen sprechen zu müssen, sofern sie es nicht selbst wünschen. Diese Version ist nicht bloß ein Konzept. Bei Encompass ist sie größtenteils bereits Realität.