Речевая аналитика: как она помогает экономить бизнесу

Компаниям, где есть свой контакт-центр, колл-центр на аутсорсе, отдел продаж или отдел по обслуживанию клиентов, важно контролировать работу специалистов на телефоне и в чатах.

Чтобы прослушивать звонки всех операторов или прочитать все тексты чатов, нужно содержать огромный штат специальных сотрудников: не всегда у компаний есть на это деньги и ресурсы.

Выход: воспользоваться специальной программой, которая автоматически слушает звонки в реальном времени, читает чаты и анализирует данные. Такое программное решение называется речевой аналитикой: в этой статье расскажем, как она работает и как помогает бизнесу экономить деньги на персонале. Мы покажем все на примере звонков, для чатов используются те же принципы.

Речевая аналитика, или, по-другому, голосовая аналитика, — это высокотехнологичная платформа на основе машинного обучения. Она автоматически прослушивает и анализирует все звонки компании. На выходе показывает полную статистику по работе отдела, например, какие сотрудники грубили клиенту или не предложили купить дополнительную услугу, в каких звонках клиент жаловался на продукт, а где благодарил.

Она заменяет собой линейных сотрудников отдела контроля качества — тех, кто в ручном режиме прослушивает звонки операторов и анализирует их содержание.

Речевая аналитика нужна тем, кто много общается с клиентами по телефону и в чатах. Например, офисным или удаленным колл-центрам, медицинским клиникам, банкам, страховым, интернет-магазинам. Специфика бизнеса не важна — главное, чтобы были звонки или тексты чатов для анализа.

Без речевой аналитики в компаниях практически никогда не прослушивают все 100% звонков, потому что на практике содержать большой штат контролеров очень дорого. В итоге: прослушивание точечное, а выводы о том, насколько эффективно работает тот или иной отдел, могут быть ошибочными.

В средних и крупных компаниях звонки и чаты прослушивают и контролируют: разговаривал ли оператор с клиентом по стандартам компании, был ли вежливым или грубым, помог ли решить вопрос клиента. Обычно этим занимается отдел контроля качества. В нем работают сотрудники — в разных компаниях их могут называть по-разному, чаще супервизорами, поэтому и мы в статье будем использовать этот термин.

Супервизоры ежедневно прослушивают вручную выборку звонков, оценивают их по критериям, которые важны для компании. У каждого отдела и бизнеса свои критерии, например в магазине по продаже мебели важно, как хорошо оператор закрывает сделку по телефону с клиентом, а в страховой компании — как помогает клиенту решить его вопросы и затруднения по страховому случаю.

Все эти параметры и критерии собраны в специальный оценочный чек-лист. По нему супервизор ориентируется при прослушке, отмечает ошибки или, наоборот, удачные моменты в звонке и не путается.

Результат оценки идет к руководителю отдела, и тот принимает решение, исходя из конкретной ситуации в компании: например, принимает решение заменить одного оператора на другого или отправить сотрудников на дообучение, чтобы развить навык отработки возражений клиента.

Главная проблема такого подхода — ограниченность человеческих возможностей. Для прослушки всех звонков нужен огромный штат отдела контроля качества.

При таком подходе супервизоры обрабатывают максимум 15—25% от всех звонков — это называется глубиной прослушки. 25% — очень низкий показатель, найденные ошибки или удачные места в прослушанных звонках не показательны, выводы могут быть ошибочны, так как они делались на анализе не всего потока звонков, а малой ее части.

С речевой аналитикой прослушать можно уже все 100% звонков, гораздо быстрее и с минимальным участием человека.

Это происходит за счет того, что слушает звонки программа, а не живые люди. У нее практически нет ограничений по количеству звонков — за 5 минут она может прослушать, перевести в текст и выдать результат анализа миллиона звонков разной длительности.

Сервису речевой аналитики не нужны выходные, отпуска и больничные — он может работать круглосуточно.

В итоге он будет выполнять работу сотрудников отдела контроля качества и часть из них можно сократить или перевести на более сложные задачи, например вместо монотонной прослушки сотрудник начнет глубже заниматься аналитикой, изучить более эффективные пути развития операторов.

Речевая аналитика — это платформа на основе машинного обучения, сокращенно ML, от англ. Machine learning. Как и любой инструмент, ее нужно уметь правильно применять. Это не волшебная кнопка: установил на компьютер, нажал «Старт» и программа выполнила все за тебя.

Расскажем, как работает сервис, на примере платформы речевой аналитики и контроля качества Т-Банк.

В итоге интерфейс показывает результаты анализа в графиках, инфографике и диаграммах.

Платформа находит нужные звонки по разным параметрам, например по конкретному слову, фразе, негативу или, вообще, интонации. Например:

После интеграции платформы с рабочими системами компании у сотрудников отдела контроля качества появляется доступ к общему интерфейсу платформы.

Платформа предоставляет разные инструменты для работы, и каждая компания настраивает их под себя. Например, какие именно звонки и по каким критериям искать, по каким параметрам проводить оценку звонков, проводить или не проводить автооценку звонков. Все это работа руководителя или менеджера по контролю качества, и только от квалификации специалиста зависит, какую эффективность принесет инструмент речевой аналитики.

В статье мы не будем рассказывать обо всех функциях, которые есть на платформе, — для знакомства с ними вы можете воспользоваться демоверсией кабинета речевой аналитики Т-Банк.

Дальше расскажем, какие конкретно бизнес-задачи может решать речевая аналитика. Это не полный перечень, а отдельные примеры из реального бизнеса.

Бизнес может экономить на разных затратах, все зависит от самой структуры затрат, от специфики бизнеса и от того, какие задачи вообще стоят перед ним.

Возможно, например:

Покажем это на реальном примере из практики Т-Банк.

Тут также нет универсальных сценариев или шаблонов, все зависит от специфики бизнеса, задачи и умения работать с инструментом.

Например, речевая аналитика помогает работать оперативно в кризис, когда нагрузка на колл-центр резко вырастает.

Приведем еще другой пример, как бизнес может применять речевую аналитику для увеличения своих продаж.

В каждой конкретной компании — свои выгоды от использования речевой аналитики. Тут нет какого-то шаблона расчета, так как в каждом бизнесе своя экономика, своя воронка продаж и объем расходов на контроль качества. В результате внедрения речевой аналитики высвобождаются рабочие руки, увеличивается лояльность клиентов, а также появляется возможность выстроить продажи в компании более эффективно.

Также компании могут сократить затраты на обучение и адаптацию новичков.

Существует два варианта подключения:

Главное отличие в том, что облачная версия позволяет не тратиться на железо и не тратить время на установку во внутренние системы компании.

Облачный сервис. Все мощности располагаются на серверах компании — разработчика платформы. Компания подключается по API к платформе, интегрируется с телефонией и передает свои звонки на сервер платформы. В ответ в облачном интерфейсе отображаются результаты анализа практически в реальном времени.

Для интеграции с платформой можно настроить подключение по API — и для этого нужен разработчик. Либо можно использовать готовую интеграцию от Т-Банк с самыми популярными телефониями, например MANGO OFFICE, UIS, — в этом случае разработчик не нужен, справится рядовой менеджер.

Коробочная версия, или On-premise. Это когда сервис устанавливается на рабочие компьютеры внутри компании-заказчика. Тогда речевой аналитикой можно пользоваться с внутренних ресурсов, без доступа в интернет.

Такое решение стоит, как правило, дороже. Но оно позволяет держать всю информацию во внутреннем контуре.