Hoe Just Carpets grip kreeg op meer dan 100.000 klantgesprekken
Een agent-orchestrator analyseerde meer dan 100.000 tickets en lost ze nu 100× goedkoper op, 24/7, in 11 talen.
- Sector
- Flooring e-commerce
- Regio
- Europe, 11 markets
- Bedrijfsgrootte
- 60 employees
- Doorlooptijd
- 12 weeks (6 discovery, 6 build/deploy)
goedkoper dan handmatig werk
antwoorden 24/7
lagere AI-kosten per opgelost ticket
Just Carpets is een van Europa’s toonaangevende online vloerenretailers, actief in 11 markten en talen en met duizenden supportaanvragen per maand via het Trengo-platform.
De uitdaging
Het probleem? Niemand kon bevestigen dat die cijfers klopten.
Tickets hadden labels. Maar een ticket getagd als "orderstatus" kon eigenlijk een klacht over een verloren pakket zijn. Een ticket getagd als "boekhouding" kon een annulering zijn die ook een creditnota nodig had. Na verloop van tijd stapelden deze inconsistenties zich op en bleek de leiding drie vragen niet te kunnen beantwoorden die eenvoudig hadden moeten zijn:
Categoriseren we onze tickets correct?
Welke kwesties verbruiken eigenlijk de meeste tijd van ons team?
Waar investeren we het eerst in automatisering?
Zonder antwoorden was een geplande investering in AI-gedreven support stil komen te liggen. Er was geen gevalideerde data om een businesscase op te bouwen. En met groeiend volume over 11 talen voelde meer agents aannemen als de enige overgebleven optie, een dure die het onderliggende probleem niet zou oplossen.
Hoe we het aanpakten
Voordat we ook maar één regel code schreven, moesten we weten wat er werkelijk gebeurde.
We begonnen met een ontdekkingsfase samen met de supportmedewerkers van Just Carpets, waarbij we echte workflows in kaart brachten, niet het gedocumenteerde proces, maar de werkelijke dagelijkse praktijk van hoe tickets werden afgehandeld en hoe labels werden toegekend.
Daarna exporteerden we alles. 100.000+ tickets. Klantberichten, agentantwoorden, interne notities, bestaande tags. Alles gestructureerd in één dataset.
We zetten een eigen LLM-agent in om elk ticket te lezen zoals een menselijke analist dat zou doen, met begrip van intentie en context, niet alleen het matchen van trefwoorden. Voor elk ticket controleerde de agent of het bestaande label overeenkwam met de werkelijke inhoud, stelde herclassificaties voor waar dat niet zo was, detecteerde vermeldingen van producten en diensten voor nauwkeuriger filteren en scoorde de sentimentontwikkeling over de hele gesprekslijn.
Naast classificatie zochten we naar patronen. Welke tickettypes vergden het meeste heen-en-weer? Waar verslechterde het klantsentiment halverwege het gesprek? Welke kwesties klonterden samen rond specifieke vervoerders, regio's of periodes? Deze analyselaag bracht de knelpunten aan het licht die tag-gebaseerde rapportage jarenlang had verborgen.
Met herstelde, nauwkeurige tagging en de complexiteit in kaart konden we elke ticketcategorie rangschikken op volume, oplostijd, sentimenteffect en automatiserings-ROI. In plaats van gokken waar te investeren, had Just Carpets een door data onderbouwde roadmap, gerangschikt op zakelijke impact.
De ontdekkingsfase herstelde niet alleen de data. Het maakte de blauwdruk voor alles wat daarna gebouwd werd.
Wat we hebben gebouwd
Met de roadmap in handen bouwden we wat Just Carpets echt nodig had: geen chatbot, maar een intelligent AI-agentsysteem dat supporttickets van begin tot eind kan afhandelen, in alle 11 talen, dag en nacht.
De architectuur: een orchestrator met gespecialiseerde sub-agents.
In plaats van één groot model dat alles probeert te doen, bouwden we een orchestrator die begrijpt wat een klant nodig heeft en het verzoek naar de juiste specialist routeert. Elke sub-agent is geoptimaliseerd voor precies één taak:
De orderstatus-agent bevraagt de order-API en interpreteert verzendgegevens om klanten nauwkeurige, realtime updates over de levering te geven.
De factuur-agent navigeert door de documentstructuur van ExactOnline, haalt de juiste PDF op en verstuurt die, een proces dat eerder meerdere handmatige stappen per ticket vergde.
De creditfactuur-agent zoekt de originele factuur op, keert regelitems om tot een creditnota, boekt die terug in ExactOnline en logt het, waarmee een volledig handmatige financiële workflow teruggebracht wordt tot één goedkeuringsklik van een mens.
De orchestrator draagt harde regels die geen enkele sub-agent kan overrulen: lever nooit ruwe API-output aan een klant, escaleer naar een mens als iets onduidelijk is, en antwoord altijd in de taal van de klant met de juiste toon.
Boven op het agentsysteem zetten we een permanente intelligentielaag, een live analysetool die elk nieuw binnenkomend ticket in realtime verwerkt. Het valideert doorlopend de nauwkeurigheid van tags, volgt de prestaties van agents, scoort het sentiment van gesprekken en haalt opkomende supportonderwerpen naar boven voordat ze grote problemen worden. De leiding van Just Carpets heeft nu een levend dashboard van wat klanten werkelijk zeggen, niet alleen van waar tickets als gelabeld staan.
Oplossingen zoals de AI van Intercom rekenen tot $0,99 per opgelost gesprek. Bij de ticketvolumes van Just Carpets loopt dat op tot tienduizenden euro's per jaar voor een systeem dat niet integreert met je ERP, geen financiële documenten maakt en zich niet aanpast aan jouw specifieke workflows. Door de stack zelf te bezitten, daalt de kostprijs per opgelost ticket tot een fractie daarvan. De intelligentie blijft binnen je bedrijf. En het systeem groeit met je mee zonder dat de prijs per ticket tegen je meeschaalt.
Aanpak
Kosten per opgelost ticket | Kosten bij 100.000 tickets/jaar | |
|---|---|---|
Medewerker kosten | ~€5,00 | €500.000 |
Intercom AI (SaaS) | €0,99 | €99.000 |
Eigen stack (Just Carpets) | ~€0,05 | €5.000 |
100×
Het resultaat
Het effect landde over de hele supportoperatie, van de datalaag tot aan de besluitvorming bij de leiding.
Ticketclassificatie ging van onbetrouwbaar naar betrouwbaar. Voor het eerst weerspiegelde de rapportage van Just Carpets waar klanten werkelijk over schreven, wat de leiding een basis gaf voor beslissingen waar ze achter konden staan.
De AI-agent handelt nu de tickettypes af die voorheen de meeste handmatige tijd verbruikten. Vragen over orderstatus, factuuraanvragen en het maken van creditnota's, processen die elk meerdere systeemlogins, handmatig opzoeken en handgeschreven antwoorden vergden, worden nu automatisch of met één goedkeuringsklik afgehandeld.
Het supportteam verschoof de focus van repetitief opzoeken naar complexe gevallen die echt menselijk oordeel vragen. En met de live intelligentielaag die doorlopend draait, veroudert de automatiseringsroadmap niet, hij werkt zichzelf bij naarmate de behoeften van klanten veranderen.
Zoals Gijsbert, COO bij Just Carpets, het beschreef: het team van What's Next werkte als een verlengstuk van hun eigen team. Het ging nooit om het uitrollen van tools om het uitrollen. Het ging om eerst de operatie begrijpen, en dan iets bouwen dat er echt binnen werkt.
Het hele project duurde 12 weken. Zes weken ontdekken en analyseren. Zes weken bouwen en uitrollen. Beide helften waren even essentieel, omdat het verkeerde ding automatiseren op schaal duurder is dan helemaal niet automatiseren.
Het What’s Next-team werkte als een verlengstuk van ons eigen team. De focus lag nooit op het inzetten van tools om de tools zelf.
Wil je ook zulke resultaten?
Praat met ons over wat AI voor jouw team kan opleveren.
- Gratis adviesgesprek van 30 min
- Geen verplichtingen
- Een specialist, geen sales rep