Возможности речевой аналитики
Мы знаем, что ИИ прекрасно справляется с базовыми запросами, но ограничивается ли этим его возможности? Уже нет. Глубокая семантическая, эмоциональная и предиктивная аналитика уже подвластны ИИ. А если ИИ и современная речевая аналитика станут неотъемлемыми инструментами компании, то ее перспективам можно будет только позавидовать. Давайте перечислим эти поистине стратегические преимущества. Это повышение качества обслуживания, оптимизация процессов, рост конверсии продаж и углубление анализа за счет развития понимания не просто на уровне «что произошло», а на уровне «почему произошло» и «что делать, чтобы стало лучше», а то и вовсе прогнозирование, что только может произойти.
Речевая аналитика помогает найти в диалогах с клиентами то, что порой упускается или недоступно при ручной обработке. Но какие именно инструменты помогают речевой аналитике понимать боли и прогнозировать поведение абонентов, обратившихся в клиентскую службу? Это обработка естественного языка (NLP), извлечение смысловых сущностей и клиентских намерений, ML-модели, LLM-модели, адаптированные под конкретные предметные области, кластеризация.
Как вы думаете, какой из перечисленных выше инструментов помогает лучше всего делать выводы из анализа речи? Разного рода нейросети? Мультиагенты, которые умеют комбинировать анализ текста, видео, речи и биометрии? А может быть кастомизированные модели, обученные для конкретных индустрий, компаний или ситуаций?
Безусловно, это всё эффективные технологии, облегчающие и улучшающие анализ записей. Но всё же наилучшие результаты речевой аналитики заключены в партнерстве ИИ и человека. Нам доступны, конечно, технологии на высшем уровне, но именно наша экспертизы определяет их ценность для бизнеса.
«Искусственный интеллект, конечно, имеет огромные преимущества в анализе большого количества данных, поэтому он и должен отвечать за аналитику и обработку данных. Однако, только человек может задать вектор развития технологии. ИИ – способ отыскать полезную информацию, на основе которой человек принимает дальнейшие бизнес-решения», — поделилась Анна Ивлева, product owner системы Речевая аналитика компании BSS.
Как получить важные данные
С чего начинается любой анализ? С правильно поставленной цели. Без этого уже никак, ведь иначе нельзя оценить ни объемы работ, ни составить роадмап проекта, да и вообще можно забыть о смысле анализа, утонув в обработке сырых данных. И тут нужно быть готовым, что полный цикл от начала работы с данными до извлечения первично подтвержденной информации может, в среднем, занимать от 5 до 14 дней. Крупные проекты с большим количеством направлений могут длиться 1-3 месяца.
Переходим к интересному этапу – извлечению данных из голосовых записей в РА. С помощью речевой аналитики можно классифицировать стандартные темы и подтематики, с которыми обращаются клиенты, выявить стихийно возникающие тематики по разным причинам (например, введение нового закона или техсбой), эмоции клиентов от взаимодействия с компаний и уровня решения вопросов, данные по эмоциональному состоянию самих операторов. Также проводится анализ акустических и голосовых параметров: тон, темп и скорость речи, перебивания, тишина и, наоборот, доля речи в течение диалога. Помимо всего, речевая аналитика может определять возраст и пол говорящего, намерения и смысловые сущности, оценку консультации, что именно было сказано или, наоборот, не сказано, а должно было быть озвучено и многое другое.
Находим ценные инсайты
Как определить тот самый ценный инсайт?
Здесь нужно понимать, что не все найденные инсайты одинаково полезны, даже если они все достоверны. Ценность инсайта определяется влиянием на ключевые метрики компании, на клиентский опыт. Важно ответить себе на вопросы: можно ли с помощью найденного инсайта что-то спрогнозировать или автоматизировать? На сколько велика его встречаемость в диалогах?
Например, если проблема встретилась в 40% диалогов, то ее исправление, вероятнее всего, даст большой эффект. А если в 0,01% от общего объема, то, возможно, даже не стоит тратить ресурсы на оптимизацию.
Для определения как ценности, так и достоверности инсайта, хорошо помогает метод А/В тестирования, когда после выявления определенной закономерности одной группе операторов доводится информация о каком-либо изменении в обслуживании (например, вводят новую фразу), а другой операторской группе нет. И по итогам сравнивается ситуация по группам, и, если, например, у первой группы благодаря нововведению выросла та же конверсия продаж, то инсайт можно считать ценным.
Если инсайт был найден с помощью ИИ, то для определения достоверности надо провести человеческую верификацию, чтобы эксперты проверили выводы модели, сопоставив их с данными из других систем (тем же CRM) или с опросами клиентов. Современные системы речевой аналитики обладают высокой точностью, но всё же интерпретация человеком полученных данных остается одним из главных этапов анализа. ИИ в речевой аналитике может быть необучен особенностям бизнеса или специфики отрасли и, соответственно, не понимать контекст, а эксперт, напротив, в курсе всех нюансов. Особенно если мы говорим о сферах, где знание деталей критически важно и требуется определенный уровень квалификации для выполнения задач. Например, финансы, юриспруденция, медицина, борьба с фродом.
Резюмируя, достоверность инсайтов проверяется статистикой, экспертизой людей и интеграцией с другими данными. Ценность определяется через влияние на бизнес-метрики.
«Несмотря на активно звучащие сейчас фразы по типу «система сама всё сделает за вас» я считаю, что без участия человека, эксперта, не обойтись, и верификация обязательна. Тем не менее, речевая аналитика значительно упрощает поиск разного рода гипотез и закономерностей. Не могу вспомнить ни единого проекта, когда речевая аналитика не смогла бы помочь с нахождением ценного инсайта», — прокомментировала Анна Ивлева, product owner системы Речевая аналитика компании BSS.
Также Анна рассказала о недавнем проекте, где «эксперты выявили, что размытая формулировка голосового робота после окончания диалога с предложением оценить консультацию ставит клиентов в тупик. Клиенты не понимали, что надо нажать на кнопку на клавиатуре смартфона, и называли цифру оценки голосом, которую робот не воспринимал. Это вызывало раздражение у клиентов и многие диалоги оставались без оценки именно по причине двоякой фразы бота. По прогнозам, изменение формулировки робота поможет увеличить долю получения оценок по звонкам на 37%».
