Как речевая аналитика помогает бизнесу. Примеры из жизни.

Несмотря на повсеместное развитие альтернативных каналов связи - чатов и социальных сетей, звонки и телефонные разговоры никуда не уходят. Более того, они по прежнему занимают большую долю во всем процессе общения с клиентами.

По этой причине, работа со звонками — обязательна. Но подходить к делу нужно с умом - правильно рассчитывая свои силы и время.

Одним из наиболее важных пунктов является анализ звонков. Если раньше отделу контроля качества (или руководителю) приходилось тратить огромное количество времени на прослушку всех записей, то сейчас на помощь приходит речевая аналитика.

Это сервис, который автоматически переводит все звонки в текст и подготавливает его к дальнейшему анализу. Более того, благодаря специальным системам оценки и словарям, аналитика способна выделять из общей массы те разговоры, которые нужны именно вам.

Подробнее о способах применения — в кейсах наших клиентов.

Ресторанный бизнес

Проблема: руководство ресторана задумалось о том, как оптимизировать доступное пространство. Конкретнее — столы какого типа нужно устанавливать — маленькие или для большой компании.

Решение: Так как бронирование столов происходит по телефону, то для определения аудитории ресторана нужно было эти самые звонки прослушать. Основная сложность заключалась в том, что необходимо брать длительный период - около трёх месяцев.

На этом этапе ресторану и пригодилась речевая аналитика. Были настроены словари по ключевым словам (“двое”, “двоих”, “двоём” и прочие числительные).

После окончания периода прослушивания внезапно открылось, что основные посетители ресторана (по крайней мере те, кто бронируют) - это гости, которые приходят парами. А большинство столов в зале рассчитаны на большие компании. Соответственно, планировка зала была изменена по результатам исследования.

Результат: несмотря на то, что общее количество одновременно находящихся в зале людей особо не изменилось, общая проходимость (и общее количество клиентов) выросли на 19%.

Этого результата удалось достичь за счет того, что многие клиенты приходили парами только на обед или ужин, после чего их место занимала новая пара.

Помощь в запуске новых продуктов

Проблема: компания продает промышленное оборудование. Была поставлена задача на расширение доступных товаров. Анализ рынка и опрос клиентов не дал однозначного ответа на главный вопрос — Какой товар нужен клиентам?

Решение: основной объем продаж происходит через звонки. Соответственно, для анализа рынка требовалось прослушать записи звонков отдела продаж. Но если рассматривать ситуацию на достаточно длинном периоде - то возникает необходимость в огромном количестве времени. Этот вариант пришлось сразу отмести.

Для решения вопроса принято решение использовать речевую аналитику. Помимо перевода звонков в текст, были настроены словари по ключевым словам “а есть ли у вас”, “когда появится”, “продаёте ли вы”. Благодаря этому удалось отдельно выделить звонки с запросами и потребностями клиентов и провести анализ того, что требуется добавить в продуктовую линейку.

Результат: После проведения анализа удалось выяснить, что клиентов интересуют определенные товары. Причем одни гораздо чаще чем другие. После того, как ассортимент был расширен, прибыль компании за три месяца выросла более чем на 18%.

Анализ проблемных мест среди обращений в техподдержку

Проблема: Интернет-провайдеру было необходимо выяснить, какие из услуг вызывают у клиентов наибольшее количество вопросов, и какие проблемы встречаются чаще всего. Вся эта информация была необходима для начала работ по модернизации оборудования и изменения программного обеспечения для серверов.

Решение: поддержка клиентов осуществляется по телефону. Для оптимизации времени и работы с большим объемом информации сразу было принято решение использовать речевую аналитику. С помощью настройки словарей удалось разделить звонки сразу по категориям - кабельное телевидение, интернет, работа клиентского оборудования.

Информация была собрана за два месяца, и выяснилось, что основное количество вопросов связано с работой кабельного телевидения, а если еще конкретнее сегментировать вопросы - то многие клиенты ждали появления новых каналов в сетке вещания. Благодаря речевой аналитике удалось выяснить, что запросы касались определенного пула каналов. Причем обращались не только абоненты, но и те, кто был готов ради этих каналов подключиться.

Результат: после анализа обращений, компанией были обнаружены точки роста и уязвимые места. Дополнительно удалось выяснить, что помимо технического улучшения, следует заключить договор с поставщиками каналов телевидения.

В итоге количество активной абонентской базы выросло на 8%, нагрузка на службу поддержки уменьшилась на 13%, в результате автоматизации решения типовых вопросов.