0
0
Использование систем распознавания речи и речевой аналитики — тренд последних лет, который активно развивается во многих сегментах: от банковской сферы до ретейла. IT-директор компании Teleperformance Вячеслав Власов рассказывает, чем системы распознавания речи могут помочь бизнесу уже сегодня.
Теперь без оператора: как системы распознавания речи улучшают клиентский сервис
Дарья Мызникова
Распознавание речи — это базовая технология, которая составляет основу целого комплекса специализированных продуктов. Спектр ее практического использования чрезвычайно широк, и многие инструменты на основе распознавания речи и речевой аналитики уже успешно применяются на практике. Наиболее показательный сегмент — контакт-центры. Развитие технологии распознавания речи внесло большой вклад в популярность систем речевой аналитики.
Эти системы позволяют анализировать большие объемы данных и понимать, с какими запросами обращаются клиенты на линию. Часто клиенты в рамках своих вопросов оператору выдают большой массив полезной для бизнеса информации. Например, делают запросы на определенные сервисы, которых у компании еще нет. Так можно узнать, каких услуг или какого функционала не хватает пользователям. С помощью системы распознавания речи и аналитики можно определить дополнительную зону развития компании.
Анализ эффективности
Еще одно применение — повышение качества консультаций контактного центра. Например, система помогает выявлять наиболее частые причины пауз в звонке. Анализируя, после каких вопросов клиента возникло молчание или постановка клиента на hold, можно понять причину и поработать над ее устранением.
Выявляются темы, которые вызывают затруднения, по которым время консультации превышено. Становятся видны недостатки в работе конкретных систем и процессов. Обнаруживаются инструменты с низкой долей реальной эффективности.
Например, речевая аналитика помогла нашему клиенту выяснить, что доля тишины в обращениях по одной специфической проблеме занимает до 15% всего звонка. Из-за этого время обработки запросов растягивалось, и бизнес нес лишние расходы. Дополнительное обучение операторов, оптимизация используемого ПО и модернизация скриптов позволили закрыть утечку времени и финансов компании.
100% охвата
У каждого контакт-центра есть своя служба контроля качества, сотрудники которой прослушивают звонки и выявляют проблемные зоны. Однако в крупном бизнесе, где на обращения отвечают тысячи операторов, прослушать все звонки становится крайне тяжелой и дорогой задачей. При наличии систем распознавания речи и речевой аналитики эта задача существенно облегчается.
Компания может проверить, насколько четко оператор следовал скрипту, когда он сказал ключевую фразу, поздоровался ли, попрощался ли с клиентом, был ли он вежлив, не говорил ли запрещенных слов, была ли его интонация дружелюбной.
Так можно анализировать звонки в полном объеме. Понятно, что сегодня речевая аналитика не может полностью заменить ручной труд. Но с помощью таких инструментов можно вывести работу службы контроля качества на принципиально иной уровень эффективности. Например, перенаправить все внимание аналитиков на конкретные звонки, которые система признала подозрительными (содержащими нарушения). В связи с этим очень полезной опцией является определение тональности диалога.
Unsplash
Сменить тон
Фиксация изменений эмоциональной окраски позволяет выявлять конфликтные звонки и анализировать их. Это принципиально важно для тех сервисов, в которые клиенты обращаются в основном с проблемами и неполадками (например, техподдержка).
С помощью речевой аналитики можно посмотреть на большую выборку таких звонков и увидеть закономерности, неочевидные на локальном уровне. Например, выявить, какие действия оператора привели к изменению эмоционального фона клиента (он успокоился) и оценить, остался ли звонивший удовлетворен в итоге.
Есть случаи, когда изначально спокойный клиент, позвонивший на линию, превратился в клиента раздраженного, нелояльного, недовольного сервисом. Это тоже опыт, который надо разбирать и на его основе дорабатывать тренинговые материалы. Скажем, вводить в обучение операторов дополнительные модули по развитию soft skills, урегулированию конфликтов. Основная задача — трансформировать клиента с негативом в лояльного клиента, который решил свою проблему, остался доволен и готов дальше пользоваться услугами компании.
Самообслуживание
Благодаря тому, что качество и скорость распознавания речи улучшается с каждым днем, мы можем активно использовать эти технологии в сфере автоматического обслуживания клиентов без участия оператора. Когда раньше вам звонил робот, имитирующий оператора, с первых секунд было понятно, что с вами разговаривает не живой человек. Скорость между ответами, точность, с которой робот определял тематику вашей фразы, — все это оставляло желать лучшего.
Сейчас ситуация изменилась, подобные сервисы уже не вызывают раздражения, вам не нужно по несколько раз повторять одну и ту же фразу. IVR с голосовым управлением становится обычным делом.
Подобная автоматизация позволяет существенно изменить фокус работы контактного центра. Рутина отдается автоматическим сервисам, а оператор колл-центра может сконцентрироваться на сервисе, где требуется индивидуальный подход.
Ближайшие перспективы
Говоря о ближайшем будущем таких сервисов, думаю, что вектора уже обозначены, теперь речь идет об их улучшении. Эти технологии известны уже давно, а проекты на их основе активно тестируются многими компаниями последние 5–7 лет.
Мы находимся на этапе внедрения лучших практик и масштабирования систем, показавших свою эффективность. Автоматизация уже сейчас позволяет исключить операторов из многих процессов, традиционно завязанных на колл-центре (уведомление об изменениях, подтверждение заказа и его статуса, опросы службы контроля качества). Бизнес получил возможность повысить эффективность работы с клиентами и одновременно урезать довольно внушительную статью затрат.
Фото на обложке: Shutterstock/zendograph
Нашли опечатку? Выделите текст и нажмите Ctrl + Enter
Источник: https://rb.ru/
Average Rating