Речевая аналитика NAUMEN CI

*средние показатели в проектах Naumen CI

• В каких службах речевая аналитика с AI эффективна для улучшения бизнес-метрик?

  Платформа речевой аналитики с встроенным AI-модулем востребована и эффективна не только в контакт-центре, но и в других службах компании, которые прямо или косвенно связаны с голосовыми и текстовыми коммуникациями. Использование AI-технологий в платформе речевой аналитики Naumen Conversation Intelligence дает возможность перейти от ручного контроля к автоматической оценке касаний с клиентом и LLM-анализу неочевидных факторов, влияющих на бизнес-эффективность. ИИ-анализ становится ключевым инструментом CX-руководителя для поиска точек роста на пути клиента и повышения его уровня удовлетворенности. Для руководителя контакт-центра такое решение обеспечивает контроль над бизнес-эффективностью через выявление скрытых проблем при длительных диалогах и частых повторных обращениях, а также фрода со стороны сотрудников. В продажах GenAI используют для анализа упущенной выгоды, пересмотра сценариев отработки возражений и выстраивания обучения сотрудников на основе реальных диалогов. В сегменте взыскания поиск инсайтов помогает выявлять неочевидные факторы, влияющие на готовность клиента к погашению задолженностей. Всё более востребованным решение с LLM-модулем становится у продакт-менеджеров, так как из клиентских обращений можно извлечь инсайты в работе сервисов и сделать сравнение с конкурентами.

• Какие коммуникации помимо звонков можно анализировать с помощью речевой аналитики?

  Несмотря на то, что решение для речевой аналитики традиционно ассоциируется с анализом голосовых диалогов, оно также эффективно для работы и с другими каналами. Как и звонки, для эффективного взаимодействия с клиентом можно анализировать чаты, электронную почту, тикеты технической поддержки, а также записи офлайновых коммуникаций. Например, автоматический контроль качества дает возможность быстро проверить диалоги в чатах на соответствие чек-листам, проанализировать влияние на клиента и определить зоны роста, чтобы повысить скорость обработки обращения и долю вопросов, решенных с первого обращения. Результаты LLM-анализа таких коммуникаций можно использовать для повышения продаж через формирование потребности и качественную отработку возражений. AI также может улучшать формулировки для ответа клиенту и помогать оптимизировать сценарии. Саммаризация длительных диалогов позволяет быстро понять суть обращения и решить вопрос без ухода клиента в длительное ожидание.

• Как быстро запустить проект с речевой аналитикой Naumen Conversation Intelligence?

  Для того, чтобы получить быстрые результаты, в первую очередь необходимо решить вопрос с доступом к материалам. Возможно два формата: интеграция с головным решением или ручная загрузка записей, которая как раз дает преимущество в скорости получения первых результатов. Также рекомендуем сразу предоставить исчерпывающую информацию, чтобы не тратить время на многочисленные уточнения уже в процессе работы: озвучить цели, поделиться информацией о текущих процессах, ресурсах и т. п. Помимо работы с полученным техническим заданием эксперты Naumen готовы провести собственный аудит. Это дает возможность уйти от типичного запроса «хотим все и сразу» и конкретизировать гипотезы, а также спрогнозировать эффекты.

• Может ли LLM полностью заменить автооценку по чек-листу и насколько это целесообразно?

  С функциональной точки зрения LLM может полностью заменить автооценку по чек-листу, однако мы не рекомендуем использовать такой подход для решения этой задачи. Использование LLM-модели требует больших вычислительных ресурсов, поэтому мы предлагаем ее применять для решения сложных и конверсионных задач, требующих глубокого погружения в бизнес-контекст. Например, для выявления корневых проблем и сравнения с конкурентами, чтобы улучшить опыт клиента и повысить эффективность клиентского сервиса. В этом случае также может понадобится интеграция с корпоративной базой знаний, на которую ИИ сможет опираться. Для более стандартных задач, как автоматическая оценки качества работы оператора, целесообразно использовать ML-оценку по ключевым событиям в диалоге. В этом случае объем затраченных ресурсов будет значительно ниже, а результат на таком же уровне — будут выявлены индивидуальные и групповые точки роста.

• Какие форматы работы у речевой аналитики Naumen: только облачная версия или также работа в контуре компании?

  Платформа Naumen CI, ориентированная на кастомизацию и безопасность, использует собственные LLM-модели и позволяет разворачивать систему как в контуре компании, так и в облаке. У каждого формата есть свои преимущества. Работа в корпоративном контуре позволяет соответствовать самым высоким требованиям к информационной безопасности, так как не предполагает передачу данных в сторонние облачные решения. Облачное решение обеспечивает быстрый старт и гибкость, что для некоторых компаний в приоритете. Naumen также предлагает воспользоваться разовым аудитом качества обслуживания без внедрения речевой аналитики. Таким образом компания может выбрать оптимальный формат с учетом актуальных задачи, доступных ресурсов и требований к инфраструктуре.

• Возможна ли работа с ручным, ML- и AI- анализом на одной платформе, без переключения между разным системами?

  Речевая аналитика Naumen CI представляет собой единую платформу c встроенным GenAI, которую можно применять как для решения стандартных задач по контролю качества, так и для глубокой бизнес-аналитики. Это может быть всесторонняя автоматическая оценка с помощью ML-инструментов или LLM-анализ для поиска инсайтов. Решение автоматизирует массовые рутинные операции, однако при этом сохраняются инструменты для выборочного ручного контроля. Такой подход позволяет точно подбирать конфигурацию решения под цели, масштаб и экономику конкретного проекта и работать с разными инструментами на одной платформе, без переключения между системами.

• Как решается задача по распознаванию и анализу эмоций?

  Оценка энергии голоса в коммуникации между клиентом и оператором происходит через комплексный анализ контекста. Например, конфликт, по нашему экспертному мнению, в 99% случаев находит отражение в тексте диалога, независимо от того, в каком канале идет общение — текстовом или голосовом. Современные языковые модели дают возможность анализировать тембр, ритм, скорость и эмоциональную насыщенность голоса и выявлять даже такие оттенки речи, как сарказм. Преимуществом такого анализа также является минимизация влияния внешних фоновых факторов, которые могут привести к искажению оценки вербальной коммуникации.

• Возможно ли использовать речевую аналитику Naumen без отказа от уже работающих систем контроля качества?

  Внедрение платформы Naumen CI возможно в формате надстройки над другими корпоративными системами. Такая необходимость часто возникает, когда в компании контроль качества диалогов уже реализован в других системах, однако растущие потребности бизнеса требуют выхода за рамки стандартных задач — необходимо найти более глубокие инсайты, что может обеспечить ИИ-модуль платформы речевой аналитики от Naumen. Также можно воспользоваться разовым аудитом качества обслуживания без внедрения речевой аналитики. Naumen Conversation Intelligence (Naumen CI) может закрыть как полный цикл потребностей в части анализа коммуникаций с клиентами, так и точечные задачи по ИИ-анализу.

• Может ли Naumen Conversation Intelligence работать с уже транскрибированным текстом, полученным из другого источника?

  Решение по речевой аналитике Naumen Conversation Intelligence (Naumen CI) может работать с любыми текстами, независимо от источника. Если есть коммуникации, уже транскрибированные каким-либо сервисом, Naumen используем API для забора данных.

• Зависит ли качество работы LLM-модели от длительности анализируемого диалога?

  Naumen Conversation Intelligence обрабатывает не только короткие, но и длительные диалоги без потери качества. Хотя продолжительность большей части анализируемых диалогов составляет до 20 минут, у экспертов Naumen есть опыт транскрибирования, саммаризации и анализа многочасовых записей, например, при проведении офлайновых мероприятий.

• С какими системами возможна интеграция речевой аналитики Naumen?

  В первую очередь стоит сказать об интеграции с платформами для телефонии — например, Avaya,Genesys, Oktell, Cisco, CraftTalk. Также будет эффективна интеграция с системами для сквозной персонализации сервисов — в этом случае данные, полученные с помощью речевой аналитики, становятся одним из источников информации для монетизации накопленных данных о клиенте.

• Почему крупные и быстрорастущие компании чаще используют готовое, а не самописное решение?

  Если компании необходимы немедленные улучшения в CX, клиентском сервисе или продажах, чтобы снизить издержки и увеличить выручку, то целесообразно выбрать готовое решение. Это даст возможность быстро найти точки роста: своевременно адаптировать продукты и процессы под меняющиеся задачи и условия рынка. Быстрый запуск позволит принимать решения на основе данных, не теряя времени и дорогостоящие ресурсы на разработку и последующие доработки. Продуманный интерфейс будет сразу учитывать потребности разных ролей. Встроенный LLM-модуль, как на платформе речевой аналитики Naumen CI, даст дополнительные преимущества за счет выявления инсайтов и планирования соответствующих предиктивных действий. Достижение поставленных целей обеспечит команда вендора — эксперты Naumen сопровождают проекты до выхода в промышленную эксплуатацию, показывая высокую скорость работы и глубину кастомизации.