Колонки

«Наши разговоры — это новая big data»: как речевые технологии помогут бизнесу лучше узнать клиентов

Колонки
Денис Ерзиков
Денис Ерзиков

Менеджер продукта «Речевая аналитика» CoMagic

Дарья Мызникова

Речевые технологии у многих ассоциируются с «Алисой» от «Яндекса» и голосами роботов, которые сообщают о прибытии такси и смене интернет-тарифа. Но их применение в бизнесе гораздо шире: от контроля за соблюдением скрипта до выявления обсценной лексики и скрытых потребностей в разговоре с клиентом. 

Денис Ерзиков, менеджер продукта «Речевая аналитика» CoMagic, рассказывает о наиболее интересных кейсах использования речевых технологий и лайфхаках для бизнеса.

«Наши разговоры — это новая big data»: как речевые технологии помогут бизнесу лучше узнать клиентов

Больше данных для бизнеса: научиться распознавать диалоги с клиентом

В основе речевых технологий (и в той же «Алисе») два ключевых процесса: распознавание голосового сообщения и синтез (перевод) ответа системы в речь. Самое сложное — это как раз расшифровка речи, особенно если брать отдельные сферы бизнеса. Для обучения нейросети нужна база, например, 10 тыс. записей в тематике «Медицина». После обучения система расшифрует диалоги с пациентами с точностью 96-97%. Но в разговоре о растениеводстве распознает не все слова. 

Расшифровка всех 100% диалогов с клиентами — это новые большие данные для маркетинга и продаж. Главное — научиться не просто распознавать, но и анализировать их.

Сбор и анализ данных, полученных в результате расшифровки разговоров, называется речевой аналитикой. Она позволяет на основе большого массива данных выявлять закономерности, проверять соблюдение заданных правил, делать разметку по алгоритмам. По данным MarketsandMarkets, этот рынок растет на 20-30% в год. Теперь разберем на примерах, что именно речевая аналитика дает бизнесу.

Коллекторское агентство: выявить нарушения закона и сохранить лицензию

Агентство судебного взыскания занимается возвратом долгов в сотрудничестве с банками и микрофинансовыми организациями. Закон запрещает сотрудникам угрожать или морально давить на должника. Сотрудники обязаны уведомить о записи диалога, исключать разглашение персональных данных в ситуациях, которые предусмотрены законом. Жалобы должников чреваты судами и штрафами вплоть до лишения лицензии.

Штатный аудитор прослушивал лишь 5% диалогов. Тогда подключили речевую аналитику. Система расшифровывала диалоги и автоматически помечала, было ли приветствие, не назвался ли сотрудник приставом — не ввел ли должника в заблуждение. 

Все оказалось сложнее с выявлением случаев некорректного общения. Его не распознать по двум-трем словам-маркерам. Тогда аудитор сел прослушивать звонки и искать его признаки.

Когда в речи собеседника звучит «грубите», «хамите», «повышаете голос», вероятно, сотрудник выходит за рамки. Поэтому составили словарь некорректного общения. Его добавили в систему, и при обнаружении отдельных слов она помечала диалог тегом «Некорректное общение». Аудитору достаточно прослушать только эти звонки. 

photo

Скриншот из личного кабинета CoMagic: настройка условий оценки по тегу «Некорректное общение» 

Так избежали найма новых аудиторов, а по каждому сотруднику получили данные в динамике: не здоровался — стал здороваться, хамил — перестал. Если улучшений нет, специалист перестает работать в компании.

Кейс e-commerce: узнать, чего хотят клиенты

Можно написать самые сильные скрипты, но будут ли они так же хороши в деле? Когда в интернет-магазине бытовой техники «Премьер-Техно» настроили проверку чек-листов с помощью речевой аналитики, оказалось, что менеджеры-нарушители продают лучше. 

Система находила в расшифрованных диалогах слова-маркеры, например, приветствие, стоимость, прощание, и ставила теги по каждому менеджеру. Затем нужно было прослушать звонки «несогласных», определить продающие пункты разговора и переписать скрипты. Диалоги с негативом стали размечать автоматически.

Ранее при поступлении жалобы надо было идентифицировать клиента, найти дату, время звонка, прослушать записи. Теперь — поиск в два клика. В результате мало того что разгрузили сотрудника, но и нашли еще одну причину негатива. 

Часть клиентов была недовольна тем, что стоимость доставки на этаж озвучивали постфактум. Добавили этот пункт в скрипт, негатива стало меньше. 

Параллельно прослушали звонки, которые после расшифровки система помечала тегом «продажа». Выяснили, что клиенты часто упоминают ряд сопутствующих товаров. Добавили нужные фразы в скрипт. Суммарно за счет речевой аналитики увеличили продажи на 20%.

Опыт клиники: следи за собой, будь настороже

В медицинской клинике подключили речевую аналитику, чтобы автоматически контролировать качество обработки входящих звонков. Изначально за работу сотрудников на телефоне отвечал старший менеджер, который прослушивал 5-10% звонков. 

Речевая аналитика позволила размечать тегами все диалоги. В результате по каждому сотруднику автоматически стал виден результат — количество звонков с тегом «запись на прием». Эти данные сделали публичными, на соревновательных началах сотрудники сами стали стремиться к улучшению результатов. 

Позицию старшего менеджера упразднили, сотрудника перевели на другую работу, а менеджеры перешли под управление вышестоящего руководителя. 

Еще одна опция, характерная для клиник, — автоматический мониторинг услуг, которыми интересуются клиенты. Если компания еще не оказывает такую услугу / не имеет врача нужной специализации, варианта два: проверить, насколько корректно настроена реклама, которая привлекает этих клиентов, или задуматься о том, чтобы запустить новое направление. 

Как получить максимум

Сколько звонков прослушивают в вашей компании — не более 10%? Речевые технологии позволяют достать из серой зоны оставшиеся 90% данных о сотрудниках и клиентах. Конечно, подобные решения не внедряются на раз-два. Предлагаем минимальный, но обязательный перечень работ с записями разговоров колл-центра и отдела продаж: 

  1. Если у вас нет автоматического контроля соблюдения чек-листов, прослушивайте самых успешных менеджеров.  Вы можете найти продающие фразы и масштабировать их опыт, а можете узнать, что они не соблюдают бизнес-процесс и идут на уловки в ущерб компании.
  2. Если у вас нет автоматического тегирования звонков, как минимум проставляйте в CRM метки «продажа», «негатив».  Это позволит в дальнейшем выборочно прослушивать звонки для решения конкретных задач и доработки бизнес-процессов в компании. 
  3. Прослушивайте диалоги с негативом от клиентов.  Они, как и отрицательные отзывы в сети, дают полезную обратную связь. Либо вы можете узнать, что менеджерам требуется дополнительное обучение. 
  4. Отдельно прослушайте диалоги, которые привели и не привели к сделке.  Это источник данных о том, что клиентам можно допродать, какие пункты скрипта / бизнес-процесса улучшить. Один клиент прослушивал звонки в спортивный зал и узнал, что менеджеры вынуждены часто отказывать подросткам. В итоге открыл новое направление и получил дополнительных клиентов.


Фото на обложке: Shutterstock/ioat
Изображение в тексте предоставлено автором

Нашли опечатку? Выделите текст и нажмите Ctrl + Enter

Материалы по теме

  1. 1 «Добрый день! Меня зовут робот Вова!»: подводные камни речевых технологий
  2. 2 Как речевые технологии решают проблемы контакт-центров и розничных продаж
  3. 3 Голосовой ассистент как «лицо» бренда и закат эпохи спам-звонков: тренды в применении диалоговых роботов

Актуальные материалы —
в Telegram-канале @Rusbase

ВОЗМОЖНОСТИ

20 октября 2020

20 октября 2020