Inhoudsopgave:
Video: Call Analytics for Tableau (November 2024)
Helpdesk-telefoontjes vormen het eerste contact met de klanten van een bedrijf en bieden de mogelijkheid om een goede indruk te maken, problemen op te lossen of een verkoop te doen. Dit maakt de informatie in deze oproepen enorm waardevol en toch enigszins moeilijk toegankelijk. Met andere woorden, spraakoproepen vormen een enorme kans. Volgens Gartner Research vindt nog steeds meer dan 90 procent van de klantgesprekken via de telefoon plaats en genereren ze een verbazingwekkende hoeveelheid waardevolle gegevens voor bedrijven. Spraakanalyses nemen toe en zullen naar verwachting in 2020 een industrie van miljard dollar worden, volgens MarketsandMarkets Research.
Spraakgesprekken kunnen leiden tot betere klantervaringen en waardevolle feedback genereren. Spraak is een genuanceerder en nauwkeuriger analytisch hulpmiddel dat wordt gebruikt om de respons van klanten te meten. Dit geldt met name in helpdeskomgevingen waar ongunstige klantervaringen kunnen leiden tot gefrustreerde klanten, erosie van merkwaarde en omzetverlies.
Elke dag vinden er 56 miljoen uren telefoongesprekken met klanten plaats; dat zijn ongeveer 400 miljard woorden. Nog belangrijker voor bedrijven, deze gegevens kunnen een gerichte bron van klantinvoer en business intelligence (BI) zijn.
Wat is spraakanalyse?
Spraakanalyse is het proces van het extraheren van betekenis uit audio-opnamen, zodat deze kunnen worden geanalyseerd met kunstmatige intelligentie (AI) om gegevens te ontleden die bedrijven kunnen gebruiken voor een dieper inzicht in het gesprek. Spraakanalysesoftware kan uren duren van bestaande ondersteuningsoproepen en AI gebruiken om meerdere sprekers tijdens een oproep te scheiden, de emotionele toestand van bellers detecteren door te analyseren op signalen in stempitch en toon, en vaak genoemde sleutelwoorden ontdekken en volgen.
"Spraak is over het algemeen vrij volwassen, nadat deze is aangescherpt, getest en verfijnd in callcenterinstellingen en elders, " zei PC Baker, BI- en database-expert Pam Baker. "Spraak-naar-tekst is gebruikelijk voor voicemailberichten en dat is een zeer volwassen vorm van spraak. Eenmaal omgezet in tekst, is het analysewerk vrijwel hetzelfde als voor andere tekstgebaseerde invoer."
Van gesprekken naar dashboards
Veel van de gegevens die worden gebruikt voor spraakanalyse zijn afkomstig van cloud-gebaseerde voice-over-IP (VoIP) -systemen die automatisch gesprekken en andere vormen van interacties hebben opgenomen, waaronder tekstchats en videoconferenties. Voor het grootste deel blijven deze gegevens op de servers met de cloud PBX, wat goed past bij oplossingen voor spraakanalyse omdat, zolang deze platforms ook worden ingezet in het Software-as-a-Service (SaaS) -model, ze zijn eenvoudig te integreren met het VoIP-systeem of callcenter.
AI-aangedreven spraakanalyseverkoper VoiceBase werkte onlangs samen met datavisualisatie en BI-marktleider Tableau. Door de oplossing van VoiceBase te gebruiken, kunnen audio-opnames in callcenters nu worden ontleed en vervolgens beschikbaar worden gesteld als gegevensbron in een verrijkte tekstindeling die Tableau Desktop kan gebruiken om rijke visualisaties te leveren.
Het gevolg is dat bedrijven toegang hebben tot inzichten die ze voorheen niet hadden. Deze omvatten het gebruik van natuurlijke taalverwerking (NLP) om trefwoorden en onderwerpen naar boven te halen die opgenomen inhoud vindbaar maken. Machine learning (ML) wordt gebruikt om spraakanalyses uit te breiden en gespreksstatistieken te genereren, wat leidt tot oproepdrivers en zakelijke trends. Deze informatie kan worden gebruikt om call center-interacties te verbeteren, call-agent scripts te stroomlijnen en product- of servicegebieden te markeren die voor verbetering vatbaar zijn.
"Ik zou denken dat spraakanalyses van nature geschikt zouden zijn voor BI-leveranciers die al zijn ingesteld op het gebruik van natuurlijke taalquery's en audio- of videogegevens-mining. Andere BI-leveranciers moeten misschien meer werk doen om het geschikt te maken, maar het is nog steeds logisch om doe dat, 'zei Baker.
Eenmaal beschikbaar via de interactieve dashboards van een BI-verkoper, kunnen gebruikers inzoomen op de oproepen van hun bedrijf om klachten, concurrentievermeldingen, interacties met agenten, over-talk, verkoopbezwaren en churn-voorspelling te begrijpen (dat wil zeggen, voorspellen of klanten een service of een product zullen annuleren). Voorspellende analyses worden gebruikt om complexe gebeurtenissen te detecteren en toekomstig klantgedrag te voorspellen dat is gebaseerd op eerdere oproepen en patronen.
Hoe Voice Data Visualization werkt
Toepassing van AI- en ML-technologie voor spraakoproepen betekent dat gesprekken moeten worden omgezet in meetbare en bruikbare gegevensstromen. In het geval van de VoiceBase-oplossing worden deze datastromen vervolgens in verschillende datafeeds onderverdeeld. Deze omvatten een breed scala aan analyses, waaronder oproepvoorspellingen, oproepcategorisatie, conversiestatistieken en transcriptie. Eenmaal bekeken door een BI-lens, kunnen deze analyses gebruikers helpen een momentopname te maken van merkgezondheid, concurrentieanalyse, de klantreis, analyse van marketingcampagnes, agentmonitoring en verkoopoptimalisatie, om maar een paar mogelijkheden te noemen.
- De beste helpdesksoftware voor 2019 De beste helpdesksoftware voor 2019
- De beste Self-Service Business Intelligence (BI) -hulpmiddelen voor 2019 De beste Self-Service Business Intelligence (BI) -hulpmiddelen voor 2019
- Speech Analytics: hoe de klantenservice te verbeteren en de verkoop te verhogen Speech Analytics: hoe de klantenservice te verbeteren en de verkoop te stimuleren
"We hebben een grote trend gezien in de wens van onze klanten om spraakanalysegegevens beter te benutten, die van oudsher gevangen zitten in het callcenter, en deze te correleren met de enorme hoeveelheid BI die al door Tableau wordt bediend, " zei Jay Blazensky, mede-oprichter en Chief Revenue Officer (CRO) bij VoiceBase.
"In het geval van spraakanalyse is de toegevoegde waarde voor elke BI-leverancier groter", legt Baker uit. "Dat komt omdat deze vorm van gegevens en analyses van oudsher beperkt was tot callcenteractiviteiten, bijvoorbeeld het analyseren van telefoontjes op klantensentiment, klachten, escalaties, resoluties en andere zaken met betrekking tot klantbehoud en merkreputatie. Het toevoegen van deze callcentergegevens aan de mix van andere gegevens geeft meer uitgebreide en genuanceerde output voor bedrijven om op te reageren. Verder kunnen spraakanalyses worden uitgebreid buiten het callcenter zodat nog meer gegevens kunnen worden verzameld en gedolven."
