Лучше слышать своего клиента: как речевая аналитика улучшает клиентский сервис и выявляет скрытые потребности

Что клиенты действительно думают о продукте и какова настоящая причина отказа от покупки? Ответ дают сами клиенты — нужно их только услышать. Максим Иванов, директор по искусственному интеллекту ООО «Сбер Бизнес Софт», рассказал, как речевая аналитика помогает компаниям лучше понимать потребности клиентов, улучшать качество обслуживания и находить зоны роста.

В целях улучшения качества обслуживания ваш разговор может быть записан

По прогнозам TelecomDaily в 2025 году объём российского рынка речевой аналитики превысит 1,5 млрд рублей. Главная задача речевой аналитики — автоматизировать процесс контроля качества обслуживания и получения инсайтов от общения с клиентами для принятия стратегических решений. Это особенно важно, когда у компании много контакт-центров и их количество продолжает расти — вручную отбирать и прослушивать разговоры долго и дорого. Кроме того, когда звонки анализирует человек, то всегда есть риск, что какой-то звонок будет пропущен, а информация — неверно понята, интерпретирована или передана. Автоматизация этого процесса значительно повышает эффективность и точность анализа ситуации. Именно поэтому речевую аналитику активно внедряют компании из электронной коммерции, финансов, страхования, медицины и недвижимости, где большое количество контакт-центров, а специалисты поддержки и менеджеры продаж ежедневно общаются с сотней, а то и тысячей клиентов.

Как это работает: все звонки автоматически записываются и переводятся в текст. Затем специально обученные ML-модели (модели машинного обучения) анализируют разговоры по определённым критериям: какой был запрос, в каком тоне, с какой интонацией и динамикой шла коммуникация, был ли доволен клиент, на все ли вопросы ответил менеджер… В результате у бизнеса есть не только анализ каждого разговора, но и возможность получить общую картину: от того, сколько звонков заканчивались согласием клиента на покупку, сколько — отказом, какие менеджеры эффективнее всего работали в этом месяце, какие самые частые запросы поступали от заказчиков. Вплоть до распространённых паттернов (повторяющихся шаблонов) проведения клиентов.

Если речевую аналитику интегрировать с CRM (системой управления взаимоотношениями с клиентами), это позволит анализировать звонки с учётом дополнительных вводных: история общения, предыдущие покупки, информация об операторе и контакт-центре, который обработал звонок. Так у вас «на руках» будут не только данные по всем диалогам, но и контекст предыдущих взаимодействий.

Всё это помогает компании лучше понимать потребности аудитории, отслеживать тренды и лучше оценивать эффективность работы менеджеров — факт продажи, ошибки, использование скриптов.

Например, сотрудник не представляет компанию или не отрабатывает возражения. А значит велика вероятность, что отказ от покупки связан с поведением оператора. И тогда можно отправить менеджера на дополнительное обучение, повысить уровень мотивации или пересмотреть перечень его задач.

Каждый звонок действительно важен для бизнеса — понимая, как работают сотрудники (соблюдают ли стандарты качества обслуживания) и с какими запросами чаще всего обращаются клиенты, можно реагировать на критические ситуации, запускать новые продукты и услуги,.

Важно понимать, что речевая аналитика не говорит, как нужно сделать. Она наглядно показывает текущую ситуацию в работе контакт-центра, а руководитель уже на основе этой информации принимает решение.

Как компании используют речевую аналитику для улучшения клиентского сервиса

Современные платформы речевой аналитики улучшают существующие сценарии общения с клиентами. В среднем уже через месяц после внедрения можно получить статистику, выявить дополнительные инсайты, посмотреть, какие вопросы чаще всего задают, как операторы реагируют на запросы, соблюдают ли сотрудники стандарты качества обслуживания.

Обнаружение проблемных звонков. Технология «умного поиска» позволяет искать среди всех диалогов нужные по различным критериям: положительные/негативные, с упоминанием конкретного продукта/услуги, по продолжительности общения, по каким-то ключевым словам. Система учитывает контекст, предпочтения пользователя и может автоматически формировать набор релевантных данных для построения отчёта. Умный поиск помогает понять, как клиенты воспринимают конкретные услуги или продукты и оперативно реагировать на частые запросы или возражения.

Понимание настроения и ожиданий клиентов. Благодаря использованию технологии искусственного интеллекта, современные платформы речевой аналитики могут анализировать речь клиента и по тону голоса, и по скорости речи, по тембру определять настроение и эмоции, которые клиент испытывает, а также в целом окраску диалога: позитивная, нейтральная, негативная.

Это помогает понять недовольство клиента, даже если он напрямую об этом не сказал, и принять меры, чтобы сгладить негатив. Не менее важно понять и устранить причину негатива.

Выявление трендов и запросов. Анализируя разговоры, система может сделать обзор часто упоминаемых фраз, продуктов, запросов. Это даёт возможность понять, как клиенты воспринимают информацию о продукте, а заодно и как эту информацию транслируют менеджеры, и как сами его описывают, что в последующем, при необходимости, поможет скорректировать описание продукта или скрипты общения, а также использовать полученные инсайты для будущих маркетинговых кампаний, чтобы говорить на языке клиента.

Экономия времени и ресурсов на анализ данных. Современные платформы речевой аналитики имеют интеграции с нейросетями типа ChatGPT или GigaChat, что позволяет использовать платформу, в том числе, как виртуального бизнес-аналитика, например, попросить извлечь инсайты из конкретного диалога или составить отчёт за любой период и по каким-то конкретным критериям.

Автоматизация аналитики и отчётов. Ключевая задача речевой аналитики — дать бизнесу полную информацию о том, как проходит коммуникация между сотрудниками и клиентами: от количества жалоб и благодарностей до наличия «красных флагов» (грубости, конфликтов, некомпетентности операторов) — всё это платформы речевой аналитики предоставляют в виде графиков и таблиц по разным критериям и срезам.

Аналитика по новому диалогу обычно добавляется в систему уже спустя несколько минут после окончания звонка. Как правило, есть преднастроенные параметры, а также возможность кастомизации отчётов, ведь у каждой компании свои критерии оценки.

Что мешает бизнесу пользоваться преимуществами речевой аналитики

Речевая аналитика сегодня — это ключевой инструмент, позволяющий улучшить клиентский сервис и оптимизировать бизнес-процессы. Она автоматизирует процесс контроля качества и анализа звонков: помогает выявлять негативные моменты в диалогах, отслеживать фродовые схемы и анализировать причины недовольства клиентов.

При этом у компаний могут быть завышенные ожидания от внедрения данного решения, связанные с тем, что речевая аналитика даст готовые рекомендации, например, каким скриптом пользоваться для повышения продаж. Однако, это не так: она помогает принять решение, но сама ничего не рекомендует. Эффективность речевой аналитики также зависит от зрелости бизнес-процессов. Под «зрелостью процессов» понимается готовность компании эффективно внедрять новые технологии и использовать полученные данные. Это предполагает наличие в компании чётко регламентированных стандартов обслуживания, структурированных схем работы и обученного персонала, который понимает, как использовать аналитические данные для улучшения процессов.

Кроме того, важно помнить и о технологической готовности к внедрению подобного решения. Так как это сложная система, включающая несколько десятков моделей машинного обучения, которые выполняют различные функции: от транскрибирования и анализа тональности до поиска инсайтов и создания отчётов, для её качественной работы необходима надёжная техническая инфраструктура (мощные серверы и базы данных, способные обрабатывать большие объёмы информации), интеграция с телефонией и СRM. Часто внедрение сопровождается перестройкой бизнес-процессов внутри компании. Всё это — инвестиции (в настройку и поддержку), которые пока, к сожалению, могут позволить себе компании в основном крупного и среднего бизнеса.

Когда пора внедрять речевую аналитику

• Повысить качество оценки звонков и лучше контролировать стандарты обслуживания.
• Иметь полную картину того, что важно клиентам: растущий и падающий спрос на те или иные товары/услуги, изменения пользовательских предпочтений и поведения — ML-модели натренированы отслеживать подобные инсайты.
• Сократить затраты и время на анализ коммуникации с клиентами: с ростом количества звонков при ручной обработке разговоров необходимо расширять штат, а автоматизация процесса поможет избежать дополнительных расходов на персонал, и при этом ускорить процесс анализа разговоров.

Мнение редакции может не совпадать с мнением автора. Ваши статьи присылайте нам на 42@cossa.ru. А наши требования к ним — вот тут.