Voicebase dan tablo memberikan wawasan baru melalui analitik ucapan

Panggilan telepon Helpdesk merupakan kontak pertama dengan pelanggan perusahaan serta peluang untuk membuat kesan yang baik, menyelesaikan masalah, atau melakukan penjualan. Ini membuat informasi yang terkandung dalam panggilan-panggilan ini sangat berharga namun agak sulit diakses. Dengan kata lain, panggilan suara merupakan peluang besar. Menurut Gartner Research, lebih dari 90 persen percakapan pelanggan masih terjadi di telepon dan menghasilkan sejumlah besar data berharga bagi perusahaan. Analitik wicara sedang melonjak dan diperkirakan akan menjadi industri bernilai miliaran dolar pada tahun 2020, menurut MarketsandMarkets Research.

Percakapan suara dapat mendorong pengalaman pelanggan yang lebih baik serta menghasilkan umpan balik yang berharga. Pidato adalah alat analitik yang lebih bernuansa dan akurat yang digunakan untuk mengukur respons pelanggan. Ini terutama berlaku di lingkungan helpdesk di mana pengalaman pelanggan yang tidak menguntungkan dapat menyebabkan klien frustrasi, erosi nilai merek, dan kehilangan penjualan.

Setiap hari, ada 56 juta jam panggilan telepon pelanggan yang terjadi; itu sekitar 400 miliar kata yang diucapkan. Lebih penting lagi untuk bisnis, data ini dapat menjadi sumber input pelanggan dan intelijen bisnis (BI) yang terfokus.

Apa itu Analisis Wicara?

Analisis wicara adalah proses mengekstraksi makna dari rekaman audio sehingga ini dapat dianalisis menggunakan kecerdasan buatan (AI) untuk memilah-milah data yang dapat digunakan bisnis untuk wawasan yang lebih dalam tentang percakapan. Perangkat lunak analisis wicara dapat membutuhkan berjam-jam panggilan dukungan yang ada dan menggunakan AI untuk memisahkan beberapa pembicara pada panggilan, mendeteksi keadaan emosional penelepon dengan menganalisis isyarat dalam nada suara dan nada, dan mengungkap dan melacak kata kunci yang sering disebutkan.

"Pidato pada umumnya cukup matang, telah diasah, diuji, dan disempurnakan dalam pengaturan call center dan di tempat lain, " kata pakar PCMag dan basis data PC Pam Pam. "Ucapan-ke-teks adalah umum untuk pesan voicemail dan itu bentuk pidato yang sangat matang. Setelah dikonversi menjadi teks, pekerjaan analisisnya hampir sama dengan input berbasis teks lainnya."

Dari Percakapan ke Dasbor

Banyak data yang digunakan untuk analitik ucapan berasal dari sistem voice-over-IP (VoIP) berbasis cloud yang secara otomatis merekam panggilan dan bentuk interaksi lainnya, termasuk obrolan teks dan konferensi video. Sebagian besar, data ini tetap pada server yang menjalankan cloud PBX, yang cocok untuk solusi analitik ucapan karena, selama platform ini juga digunakan dalam model Perangkat Lunak sebagai Layanan (SaaS), mereka mudah diintegrasikan dengan sistem VoIP atau pusat panggilan.

Vendor analytics yang didukung AI, VoiceBase baru-baru ini bekerja sama dengan visualisasi data dan pemimpin pasar BI Tableau. Dengan menggunakan solusi VoiceBase, rekaman audio pusat panggilan sekarang dapat diuraikan dan kemudian tersedia sebagai sumber data dalam format teks yang diperkaya yang dapat digunakan Tableau Desktop untuk menghadirkan visualisasi yang kaya.

Hasilnya adalah perusahaan akan memiliki akses ke wawasan yang sebelumnya tidak mereka miliki. Ini termasuk menggunakan pemrosesan bahasa alami (NLP) untuk memunculkan kata kunci dan topik yang membuat konten yang direkam dapat ditemukan. Pembelajaran mesin (ML) digunakan untuk memperluas analitik ucapan dan menghasilkan metrik percakapan, yang menghasilkan driver panggilan dan tren bisnis. Informasi ini dapat digunakan untuk meningkatkan interaksi pusat panggilan, merampingkan skrip agen panggilan, dan menyoroti area produk atau layanan yang dapat menggunakan peningkatan.

"Saya akan berpikir analitik ucapan akan cocok untuk vendor BI yang sudah siap untuk menggunakan query bahasa alami dan audio atau video data mining. Vendor BI lainnya mungkin harus melakukan lebih banyak pekerjaan untuk membuatnya cocok, tetapi masih masuk akal untuk lakukan itu, "kata Baker.

Setelah tersedia melalui dashboard interaktif vendor BI, pengguna dapat menelusuri panggilan perusahaan mereka untuk memahami keluhan, menyebutkan persaingan, interaksi agen, pembicaraan berlebihan, keberatan penjualan, dan prediksi churn (yaitu, memprediksi apakah pelanggan akan membatalkan suatu layanan atau produk). Analitik prediktif digunakan untuk mendeteksi peristiwa kompleks, dan memprediksi perilaku pelanggan di masa mendatang yang didasarkan pada panggilan dan pola sebelumnya.

Cara Visualisasi Data Suara Bekerja

Menerapkan teknologi AI dan ML untuk panggilan suara berarti bahwa percakapan perlu diubah menjadi aliran data yang dapat diukur dan dapat ditindaklanjuti. Dalam hal solusi VoiceBase, aliran data ini kemudian dikategorikan ke dalam beberapa umpan data. Ini terdiri dari berbagai analitik, termasuk Prediksi Panggilan, Kategorisasi Panggilan, Metrik Konversi, dan Transkripsi. Setelah dilihat melalui lensa BI, analitik ini dapat membantu memberikan pengguna snapshot kesehatan merek, analisis kompetitif, perjalanan pelanggan, analisis kampanye pemasaran, pemantauan agen, dan optimalisasi penjualan, untuk menyebutkan beberapa kemungkinan saja.

• Perangkat Lunak Help Desk Terbaik untuk 2019 Perangkat Lunak Help Desk Terbaik untuk 2019
• Alat Kecerdasan Bisnis Layanan Mandiri Terbaik (BI) untuk tahun 2019 Alat Kecerdasan Bisnis Layanan Mandiri Terbaik (BI) untuk tahun 2019
• Speech Analytics: Cara Meningkatkan Layanan Pelanggan dan Meningkatkan Penjualan Speech Analytics: Cara Meningkatkan Layanan Pelanggan dan Meningkatkan Penjualan

"Kami telah melihat tren besar dalam keinginan pelanggan kami untuk meningkatkan data analitik ucapan yang lebih baik, yang secara historis telah terperangkap di call center, dan untuk mengaitkannya dengan sejumlah besar BI yang telah dilayani oleh Tableau, " kata Jay Blazensky, salah satu pendiri dan Chief Revenue Officer (CRO) di VoiceBase.

"Dalam kasus analisis wicara, nilai tambah untuk setiap vendor BI lebih tinggi, " jelas Baker. "Itu karena bentuk data dan analisis ini secara historis terbatas pada aktivitas pusat panggilan - misalnya, menganalisis panggilan telepon untuk sentimen pelanggan, keluhan, eskalasi, resolusi, dan hal-hal lain yang berkaitan dengan retensi pelanggan dan reputasi merek. Menambahkan data pusat panggilan ini ke campuran data lain membuat output yang lebih komprehensif dan bernuansa untuk ditindaklanjuti oleh bisnis. Selanjutnya, analisis wicara dapat diperluas di luar pusat panggilan sehingga bahkan lebih banyak data dapat dipanen dan ditambang."