Принципиально новая big data: как технологии речи помогают бизнесу узнать клиентов?

Многие ассоциируют технологии речи с “Алисой” и роботами, извещающими об изменении тарифного плана или прибытии такси. Однако их использование гораздо шире, чем кажется на первый взгляд: от контроля за тем, что говорит менеджер до выявления латентных потребностей клиента.

В этой статье мы будем транслировать самые интересные кейсы применения технологий речи и бизнес-лайфхаки.

Что хочет сказать клиент?

Технологии речи базируются на таких процессах:

1. Трактовка голосового сообщения.
2. Толкование того, что ответила система. Перевод в речевую информацию.

Наиболее сложным этапом является расшифровка речи. В большей степени это важно для некоторых сфер бизнеса, например, для розничной торговли продуктами питания, строительства или реализации медицинских принадлежностей. Для обучения ИНС необходима база, к примеру, 15 000 записей в теме “Строительство” или “Медицина”. По факту обучения система способна распознавать диалоги с потребителями с точностью до 98%. Однако в разговоре о животноводстве она не будет распознавать все слова и выражения.

Речевая аналитика — это и есть сбор, дальнейший анализ данных, которые можно получить по итогам расшифровки диалогов. На основании внушительного массива информации она позволяет находить закономерности, осуществлять разметку в соответствии с алгоритмами и проверять, насколько соблюдены заданные правила. Стоит заметить, что это рынок расширяется на 25-30% ежегодно.

Что именно аналитика речи даёт бизнесу? Кейс №1

Разберём технологию на примере коллекторского агентства. Как распознать нарушение законодательства и не потерять лицензию?

Организация занимается тем, что возвращает долги при условии сотрудничества с банковскими и микрофинансовыми структурами. В соответствии с законодательством сотрудники агентства не имеют права оказывать моральное давление или предъявлять угрозы должнику. Они должны предупредить обязанного, что диалог записывается, и отметить, что разглашение личных сведений в предусмотренных действующим законодательством ситуациях исключено. Жалоба должника может привести к суду, штрафным санкциям или даже лишению лицензии.

До подключения речевой аналитики штатный специалист по аудиту прослушивал лишь 7% диалогов. Внедрили аналитику речи. Теперь система сама расшифровывает разговоры и отмечает, поприветствовал ли сотрудник должника, не представился ли приставом, не стал ли ему угрожать или вводить в заблуждение.

Если собеседник говорит “хамите” или “повышаете голос”, скорее всего, работник агентства переступает границы дозволенного. Было решено создать словарь некорректных слов и выражений. Инструмент внедрили в систему. Сейчас по факту обнаружения слов, входящих в словарь, в рамках диалога отображается пометка “Некорректное общение”. Сейчас аудитор прослушивает исключительно такие звонки.

Принципиально новый подход позволил прекратить найм новых аудиторов. После получения данных по каждому работнику их отношение к работе изменилось: не здоровались — стали здороваться, повышали голос — прекратили это делать. Специалистов, которые приняли решение не исправляться, уволили.

Чего хотят покупатели? Кейс №2

Можно составить сильные скрипты, однако принесут ли они успех в реальном бизнесе? Когда на интернет-площадке товаров для дома стали проверять чек-листы посредством аналитики, выяснилось, что менеджеры, нарушающие правила работы, имеют лучшие показатели продаж.

В тех диалогах, которые уже расшифрованы, система “видела” определённые слова, к примеру, приветствие или прощание. Далее она ставила теги по сотрудникам. Затем прослушивались диалоги “несогласных”, определялись продающие моменты и переписывались скрипты. В отношении разговоров с негативными эмоциями покупателей ставилась автоматическая отметка.

Раньше в случае поступления жалобы нужно было идентифицировать заказчика, определить дату и время разговора, прослушать запись. Сейчас — поиск в пару кликов. Во-первых, система позволила высвободить время менеджеров. Во-вторых, стали очевидными причины негатива.

Руководитель отдела продаж прослушал и звонки с пометкой “Продажа”. Оказалось, что клиенты нередко сами заказывают сопутствующую товарную продукцию. В скрипт добавили необходимые фразы. В результате за счёт аналитики речи показатели продаж увеличились на 20%.

Как максимизировать результат?

Как много диалогов прослушивает руководитель отдела продаж в вашей компании? Наверное, 5 или 10%? Технологии речи помогают “достать” ещё 90% информации о менеджерах и заказчиках.Решения Big Dataневозможно внедрить на раз-два. Тем не менее это того стоит. Преодолев увлекательный путь, ваш бизнес достигнет того уровня, когда можновнедрять Big Data, можно продавать больше, чем конкуренты, и можно наслаждаться всеми бонусами автоматизации.

В заключение мы предлагаем вам небольшой, но обязательный список работ, которые необходимо проделать с записями диалогов между менеджерами и клиентами:

1. Если в вашей компании соблюдение чек-листов не контролируется автоматически, рекомендуем прослушать наиболее успешных специалистов отдела продаж. У вас есть возможность отыскать продающие фразы. Далее масштабируйте опыт их применения. Некоторые выражения менеджеров, напротив, приносят компании ущерб. Соответственно, их нужно исключить.
2. Если у вас по факту звонка тег не проставляется автоматически, рекомендуем отмечать в CRM: “Продажа”, “Негативная реакция” и т.д.
3. Прослушивайте разговоры, приводящие или не приводящие к сделке. Это источник информации о том, как можно улучшить скрипт или какие продукты допродать. Один наш клиент, собственник тренажёрного зала, прослушал диалоги менеджеров и понял, что они вынуждены зачастую отказывать подросткам. В результате он стартовал новое направление и заполучил немало клиентов.
4. Прослушивайте разговоры с негативной реакцией. Они приносят пользу так же, как отрицательные рекомендации в сети. Это позволит узнать, что кому-то из менеджеров необходимо дополнительное обучение, а кого-то лучше уволить.

Совершенствуйте свой бизнес. А решения Big Data обязательно вам в этом помогут!