Рассказываем о кейсе, где все начиналось со стандартной задачи по автоматизации контроля качества, а развилось в комплексный проект по изучению и улучшению CJM и клиентского опыта
Разбираем ключевые задачи разных функциональных ролей внутри компании и рассказываем, как речевая аналитика помогает их решать
Одна из ключевых идей, которой мы руководствуемся при развитии продукта — переход от узкого функционального восприятия речевой аналитики к ее восприятию как инструмента для трансформации клиентского сервиса. Речь идет о сдвиге и на уровне задач: от транскрибации, контроля операторов и анализа параметров диалога к повышению качества взаимодействия компании и конечного потребителя и конкретным эффектам на бизнес.
Такой подход позволяет посмотреть на речевую аналитику более глобально — как на эффективный инструмент для работы с
Для каждой роли составили список основных задач, которые поможет закрыть речевая аналитика. А еще выделили полезный функционал системы и показали потенциальные эффекты на профильных кейсах.
Этот материал поможет:
Глобально — за успешность контактного центра в части соблюдения и роста ключевых показателей. Примеры метрик, которые входят в зону ответственности руководителя КЦ:
| Задача | Как решаем? | С помощью чего? |
|---|---|---|
| Снижение количества повторных вызовов (работа с FCR) | Ищем первопричины повторных вызовов, связанных с качеством работы операторов или особенностями бизнес-процессов |
|
| Контроль средней продолжительности вызовов (работа с AHT) | Выявляем сложные тематики, ведущие к удержаниям и трансферам | |
| Повышение процента автоматизации КЦ | Определяем слабые места в уже запущенных роботизированных сценариях + перспективные сценариии для развития диалога |
Компания: крупная
| Ситуация | Решение | Эффект/Метрика |
|---|---|---|
| Обращаются клиенты, которые не успели ответить на звонок из КЦ. Операторы озвучивают, что не знают причину звонка и оставляют заявку на повторный звонок клиенту из отдела, совершавшего звонок | Перевод клиента в нужный отдел в момент звонка |
Оптимизация процессов в рамках клиентского пути: |
| Возникла потребность в работе с оттоком: было очевидно, что иногда операторы недостаточно качественно отрабатывают возражения, что приводит к оттоку. Но не было понимания, в каких именно тематиках это происходит и как это предотвратить | Выявили причины оттока: проанализировали и систематизировали виды проблемных обращений, их причины и частоту. Настроили отслеживание проявлений эмпатии операторов к клиенту во время диалога |
С 50% до +90% подняли уровень безошибочной отработки возражений |
*в одной из тематик
За положительное впечатление от взаимодействия конечных потребителей с компанией. Варианты метрик в рамках зоны ответственности:
| Задача | Как решаем? | С помощью чего? |
|---|---|---|
| Оптимизация клиентского пути (CJM) | Диагностируем процессные проблемы и фокусируемся на решении вопросов клиентов на этапе «до звонка» через:
|
|
| Снижение негатива и оттока |
|
|
| Рост уровня удовлетворенности клиентов (CSI) | Масштабирование лучших практик, позволяющих конечному потребителю быстрее и качественнее получить услугу |
Компания: консультационный центр крупной государственной компании, работа с CSI
| Ситуация | Решение | Эффект/Метрика |
|---|---|---|
| Операторы не предлагают дополнительную удобную опцию для клиента → потеря клиента в случае, если изначальные условия не подходят | Отслеживание звонков с потерей клиента, выявление причин → коррекция скрипта оператора |
|
| Срыв сделки |
Тестирование клиентского приложения → коррекция контента (добавление информации о сроках) | |
| Избыточная нагрузка на КЦ компании (клиенты не всегда понимают, куда именно звонить, и часто попадают не в тот департамент) → высокая доля переводов звонка | Настройка корректной маршрутизации, внедрение IVR |
За эффективную работу операторов на исходящей линии, и, как следствие — за рост прямых и
| Задача | Как решаем? | С помощью чего? |
|---|---|---|
| Рост прямых и кросс-продаж |
|
|
| Выявление и масштабирование лучших практик | Определяем, за счет чего лучшие операторы показывают хорошую конверсию | |
| Защита от фрода | Определение случаев мошенничества на стороне операторов, провисания на линии |
Компания: крупная FMCG-компания, работа с конверсией звонков в продажу
| Ситуация | Решение | Эффект/Метрика |
|---|---|---|
| Операторы входящей линии не совершают допродажи в нужном объеме и не озвучивают предложения клиентам | Анализ 100% диалогов и использование |
Повышение доли звонков с продажей с 27% до 45% |
Количественные KPI:
| Задача | Как решаем? | С помощью чего? |
|---|---|---|
| Увеличение объема анализируемой выборки | Система сама анализирует 100% всех диалогов. Задача контролера — обратить внимание на группы диалогов с низкими показателями |
|
| Рост эффективности процессов отдела контроля качества | Выявляем некорректные диалоги с помощью преднастроенной автоматизированной оценки — снимаем пласт работ по анализу и ручному поиску с контролера качества |
Компания: ритейл, работа с качеством обслуживания
| Ситуация | Решение | Эффект/Метрика |
|---|---|---|
| Ручной контроль качества и анализ 5% выборки | Переход на автоматический контроль качества для понимания происходящего в 100% выборки |
|
Компания: федеральная медицинская компания, работа с уровнем мотивации и эффективностью операторов
| Ситуация | Решение | Эффект/Метрика |
|---|---|---|
| Операторы часто работают вслепую, получают отложенную обратную связь о результатах своей работы | Предоставление операторам доступа в личный кабинет с результатами работы в динамике и возможностью ознакомиться с оценками и комментариями |
|
Рассказываем о кейсе, где все начиналось со стандартной задачи по автоматизации контроля качества, а развилось в комплексный проект по изучению и улучшению CJM и клиентского опыта
Рассказываем о кейсе, в котором на платформе речевой аналитики выстроена двухуровневая система анализа диалогов — на базе классических ML-моделей и LLM-анализе. Такой гибридный подход дал возможность повысить качество сервиса и получить измеримый экономический эффект
Чек-лист вопросов для клиента перед стартом пилотного проекта и лучшие практики для эффективного пилота от Naumen Conversation Intelligence