Автоматизация контакт-центра. Часть 2. Речевая аналитика

В первой части статьи мы рассказали об использовании голосовых роботов на базе Yandex SpeechKit от Яндекс.Облака. В этот раз поговорим о речевой аналитике.

Зачем внедрять речевую аналитикуЗачем внедрять речевую аналитику

Маркетинг и продажи контакт-центра совместно решают несколько задач: расширение воронки продаж и повышение конверсии, развитие и удержание клиентов.

Результат решения этих задач во многом зависит от того, как оператор контакт-центра общается с клиентами. Поэтому контакт-центру приходится обучать операторов и контролировать качество звонков. И если обучить всех операторов возможно, то 100% контроль содержания звонков — непосильная задача для человека. Повысить качество консультаций, в которых роботы не эффективны, поможет речевая аналитика.

Речевую аналитику используют, чтобы:

• Оценить долю нецелевых звонков, фрода и качество трафика в целом.
• Разметить звонки для создания сквозной маркетинговой аналитики, определить долю целевых звонков в конце воронки и сопоставить с маркетинговыми активностями.
• Определить частые или сложные вопросов клиентов, спланировать обучение будущих работников или улучшить процессы.
• Выявить профили клиентов и оценить эффективность разных сценариев для одинаковых офферов или одинаковых сценариев для разной аудитории.
• Контролировать соблюдение сценариев, стандартов работы операторов и оценивать реакцию клиентов.

Как работает речевая аналитикаКак работает речевая аналитика

Сервис Yandex SpeechKit, а именно его функциональность speech-to-text, позволяет преобразовать неструктурированную аудиоинформацию в текст. Распознанный текст — это основа для структурирования и разметки. Его можно преобразовать в данные, которые позволят «подсвечивать» важные события о клиентах и сотрудниках в учётных системах, принимать решения, планировать маркетинговые и sales-активности.

С помощью речевой аналитики Yandex SpeechKit вы сможете контролировать 100% звонков в автоматическом режиме. Вы сможете не только оценить работу оператора, но и лучше узнать клиентов. В результате — не только сделать выводы о конкретных операторах, но и о клиентах. Например, если из 10 000 звонков 500 закончились негативом, система сообщит вам, что этим абонентам нужно перезвонить и устранить негатив.

Преимущества речевой аналитики на базе Yandex SpeechKitПреимущества речевой аналитики на базе Yandex SpeechKit

Облачный сервис Yandex SpeechKit распознаёт речь с помощью технологии транскрибации. Она переводит длинные аудиозаписи в текст, разделяя речь по каналам и проставляя временные метки начала и конца каждого слова. Загрузка аудиофайлов для распознавания не требует нарезки и это ускоряет процесс распознавания.

Yandex SpeechKit способен обработать миллионы часов аудио в кратчайшие сроки. Например, 100 часов аудио из 200 файлов можно обработать меньше, чем за час.

Как речевая аналитика «оживляет» голосовых роботовКак речевая аналитика «оживляет» голосовых роботов

Чтобы запустить голосового робота, 1000+ звонков подвергают транскрибации — переводят в текст. Затем выделяют основные ветки диалогов, их частоту и варианты финалов. Это служит основой для речи робота и позволяет создать робота, который с самого старта работы «адекватно» реагирует на большинство запросов пользователей. Это создает ощущение диалога с человеком.

Чтобы улучшить робота, также используют транскрибацию: анализируют звонки, которые закончились неуспехом, определяют и устраняют точку отказа. И в этом случае речевая аналитика помогает оценить, что говорит клиент, что повлияло на его решение, и изменить скрипты разговора для робота.

Запуск и внедрение речевой аналитикиЗапуск и внедрение речевой аналитики

Чтобы внедрить речевую аналитику на базе Yandex SpeechKit, нужно подготовиться: выстроить логику разговора и маршрутизацию звонков, настроить интеграцию, подобрать правильные словари синонимов. Вы можете сделать это самостоятельно или пригласить наших партнёров, которые умеют решать такие задачи.

Что могут компании-партнёры?Что могут компании-партнёры?

• Построить логику целевого разговора, подобрать словари синонимов и подготовить основу для разметки текста.
• Автоматизировать процесс передачи аудиофайлов на распознавание и перевод в текст .
• Автоматизировать анализ текста и выделить показатели, важные для вашего бизнес-процесса. Обычно это: профили клиентов, источники информации о компании или предложении, факт следования скрипту, наличие или отсутствие кросс-продажи, соблюдение стандартов (приветствие, прощание, представление), эмоциональный фон речи и причины негатива, наличие дополнительных запросов и т. д.
• Настроить передачу данных об отклонениях во внутренние системы для выделения отклонений и оперативных мер, настроить отчетность.