Wir alle hören nun schon seit einigen Jahrzehnten vom Wert von „Big Data“ in der Wirtschaft. Das Problem war schon immer, wie man all diese Daten sinnvoll nutzen kann. Und dieses Problem ist mit der zunehmenden Vernetzung unserer Welt, in der jeder und alles immer mehr Daten erzeugt, nur noch größer geworden.

Analysetools lösen diese Herausforderung, indem sie große Datenmengen schnell auswerten, um Muster und Trends zu erkennen. Diese Muster und Trends bieten ein breites Spektrum an Business Intelligence und offenbaren verborgene Erkenntnisse, die es Ihnen ermöglichen, den Wert von „Big Data“ endlich zu erschließen. Unternehmen finden immer mehr Möglichkeiten, Analysetools in ihrem gesamten Unternehmen einzusetzen, aber es gibt einen Bereich, in dem Analysetools einen unmittelbaren und bedeutenden Einfluss haben können: das Call Center.

Das liegt daran, dass jeden Tageine enorme Menge wertvoller Daten in Ihr Call Center fließt –Daten über die Interaktion mit Kunden über mehrere Kanäle, die die wahre, ungefilterte Stimme Ihres Kunden darstellen. Doch das durchschnittliche Call Center untersucht nur etwa zwei Prozent seiner Kundeninteraktionen. Dies ist in der Regel ein manueller Prozess, der durch stichprobenartige Qualitäts- und Compliance-Prüfungen sowie gezielte Streitbeilegungsverfahren erfolgt.

Die Verbraucher von heute leben in einem Omnichannel-Leben: Sie haben eine Reihe von Möglichkeiten, um zu kommunizieren und Geschäfte zu tätigen – sie können anrufen, mailen, simsen, chatten, eine Web- oder Mobil-App nutzen oder sogar persönlich vorbeikommen – und sie möchten die Möglichkeit haben, verschiedene Kanäle zu wählen, um bestimmte Bedürfnisse zu erfüllen. Sie könnten sich beispielsweise für eine E-Mail entscheiden, um Konflikte zu vermeiden, für einen Chat oder eine Textnachricht, weil es bequemer ist, und für einen Telefonanruf, weil sie eine schnelle und unmittelbare Antwort wünschen. Die Verbraucher suchen nach Marken, die ihnen diese Omnichannel-Freiheit bieten, und sind ihnen treu. Aber sie erwarten auch ein nahtloses und persönliches Erlebnis.

Da Unternehmen zunehmend einen Omnichannel-Ansatz verfolgen, besteht die größte Herausforderung nicht darin, mehrere Kanäle zu aktivieren – es gibt zahllose Anwendungen, Plattformen und Anbieter, die es schnell und einfach machen, beispielsweise eine Web-Chat-Funktion zu implementieren. Die eigentliche Herausforderung besteht darin, die Silos zwischen den einzelnen Kanälen aufzubrechen und alle Kundeninteraktionsdaten zusammenzuführen. Mit anderen Worten: Wie erkennen Sie Ihre Kunden, die über immer mehr Kanäle mit Ihnen in Kontakt treten, und wie verbinden Sie die einzelnen Berührungspunkte zu einer ganzheitlichen Sicht auf Ihre Beziehung zu jedem einzelnen Kunden?

Eine Omnichannel-Kundensicht verschafft Ihrem Contact Center unmittelbare Vorteile bei der Bereitstellung großartiger (sprich: nahtloser und personalisierter) Kundenerlebnisse. So können Ihre Agenten beispielsweise erkennen, dass der Sprachanruf eines Kunden nach vorangegangenen Interaktionen per Chat und E-Mail erfolgt ist.

Aber diese 360-Grad-Kundensicht ist auch der wichtigste Schritt bei der Nutzung von Analysen der Kundeninteraktion, um tiefere, wertvollere Erkenntnisse darüber zu gewinnen, wie die Kundenbindung und das Kundenerlebnis verbessert werden können. Das Ganze geht auf das Konzept von „Big Data“ zurück: Indem Sie die Silos zwischen den Kanälen aufbrechen und einen einzigen, integrierten Pool von Kundeninteraktionsdaten schaffen, vergrößern Sie Ihre Daten. Größere Daten – ein umfassenderes Bild Ihrer Kunden – ermöglichen es den Analysetools, genauere, relevantere und nützlichere Erkenntnisse zu gewinnen. Oder betrachten Sie es aus dem umgekehrten Blickwinkel: Die Anwendung von Analysetools auf isolierte Daten erhöht das Risiko von fehlerhaften Daten. So ist es beispielsweise problematisch, in Sprach- und Chatdaten getrennt nach unterschiedlichen Kundeneinblicken zu suchen, da dieselben Kunden oft beide Kanäle im Rahmen desselben Problemlösungszyklus nutzen. Wenn Sie diese Überschneidung verpassen, entgeht Ihnen die Wahrheit über Ihre Kunden.

Phonetik Analytik

Phonetics Analytics konvertiert Klangdaten in 44 englische Phoneme (die Bausteine der Sprache) und ordnet die Phoneme Wörtern und Sätzen zu. Es ist schnell, belastet die CPU nicht und da es nicht durch ein Wörterbuch eingeschränkt ist, können Sie es leicht so einstellen, dass es Jargon, regionale Akzente, firmeneigene Namen und andere offene Vokabularien erkennt. Andererseits kann die phonetische Analyse bei ähnlich klingenden Wörtern zu Fehlalarmen führen: „Grade A“ könnte zum Beispiel als „grauer Tag“ interpretiert werden.

Sprache-zu-Text-Analyse (LVCSR)

Auch bekannt als Large Vocabulary Continuous Speech Recognition (LVCSR), transkribiert Audio in Transkripte und durchsucht diese nach Wörtern, Sätzen und Kontext. Die Sprache-zu-Text-Analyse wird durch ein geschlossenes Wörterbuch eingeschränkt (d.h. sie hat Probleme mit ungewöhnlichen Wörtern, Akzenten, Slang usw.). Sie erfordert auch mehr Zeit und Rechenleistung (obwohl neue GPU-gesteuerte Technologien die Transkription dramatisch beschleunigen). Im Gegenzug erhalten Sie eine Volltexttranskription jedes Gesprächs, die eine schnelle Suche und eine solide kontextbezogene Analyse ermöglicht.

Was ist also im Call Center am wichtigsten? Die Antwort ist beides. Jedes hat seine relativen Stärken, die sich gegenseitig ergänzen. Phonetics Analytics eignet sich hervorragend für die effiziente Kategorisierung von Anrufen und die schnelle Analyse. Es ist auch gut darin, Slang, Jargon und regionale Akzente zu erkennen. Die Verwendung von Sprache-zu-Text eignet sich hervorragend für detaillierte Nachforschungen, Ad-hoc-Suchen und um Dinge zu finden, nach denen Sie gar nicht gesucht haben. Deshalb haben wir in unserer Calabrio Analytics-Lösung Phonetik und Speech-to-Text-Analyse kombiniert. Damit haben Sie alles, was Sie zur Untersuchung von Kundenanrufen benötigen.

1. Automatisches Anhalten und Fortsetzen für Compliance

Der häufigste Grund, warum Callcenter Desktop-Analysen einführen, ist die Einhaltung von PCI, HIPAA und anderen Vorschriften zur Aufzeichnung sensibler Daten. Die Funktion zum Anhalten und Fortsetzen hält die Aufzeichnung des Bildschirms, des Tons und der Tastenanschläge automatisch an, wenn ein Agent ein bestimmtes Feld erreicht (z. B. die Sozialversicherungsnummer oder die Kreditkartennummer), und setzt die Aufzeichnung automatisch fort, wenn der Agent das Feld verlässt. Dies eliminiert das Risiko menschlicher Fehler, verlangsamt Ihre Mitarbeiter nicht und stellt sicher, dass sensible Informationen niemals aufgezeichnet oder gespeichert werden.

2. Verfolgung von Desktop-Aktivitäten

Es mag verdächtig nach Spionage klingen, aber bei der effektiven Verfolgung von Desktop-Aktivitäten geht es tatsächlich um die Befähigung von Agenten. Indem Sie verschiedene Metriken zur Kundeninteraktion mit den Aktionen der Agenten korrelieren, können Sie Dinge erkennen wie:

Welche Anwendungen oder Wissensressourcen zu erfolgreicheren Kundenergebnissen führen
Wenn rückständige Technologie Interaktionen verlangsamt
Wo Ressourcenlücken die Qualität der Interaktion behindern

Von der Entwicklung bewährter Praktiken für Agenten bis hin zur Rechtfertigung von Investitionen in technologische Verbesserungen und den Ausbau von Ressourcen – Sie können Ihren Agenten die Werkzeuge an die Hand geben, um erfolgreicher zu sein.

3. Auslöser für Desktop-Aktivitäten

Ähnlich wie bei der Funktion zum automatischen Anhalten und Fortsetzen können Sie mit der Auslösung von Desktop-Ereignissen automatisierte Workflows erstellen, die auf einer bestimmten Agentenaktion oder einem Indikator basieren. Hier sind ein paar Beispiele:

Die Stornierung einer Dienstleistung oder die Rückerstattung eines Produkts kann eine vollständige Aufzeichnung und Überprüfung des Anrufs auslösen.
Unerlaubter Bildschirmzugriff kann einen Supervisor-Alarm auslösen
Ein Verkauf über einem bestimmten Schwellenwert könnte eine Eskalation zur Anerkennung oder Belohnung auslösen.

Auslöser können einfach sein oder mehrere Kriterien verwenden. In jedem Fall ist für die Auslösung von Desktop-Ereignissen kein Programmierstudium erforderlich, um eine komplexe Wenn-dann-Logik zu erstellen. In der Regel genügt es, ein paar Dropdown-Menüs zu bedienen, um Ihre Auslöser und Aktionen anzugeben.

1. Prädiktive Auswertungen

Prädiktive Auswertungen nutzen künstliche Intelligenz, um mit bemerkenswerter Genauigkeit eine Qualitätsbewertung für jede einzelne Kundeninteraktion zu erstellen. Die Lösung Predictive Evaluations von Calabrio analysiert frühere Qualitätsbewertungen zusammen mit Sprachanalysedaten und nutzt maschinelles Lernen, um die Merkmale von Kundeninteraktionen zu ermitteln, die den größten Einfluss auf die Qualitätsbewertung haben. Diese Erkenntnisse werden dann in Zukunft auf jede Kundeninteraktion angewendet. Das Analysetool analysiert eine Kundeninteraktion, identifiziert die spezifischen Merkmale und speist sie in das auf maschinellem Lernen basierende Modell ein, das die Qualitätsbewertung vorhersagt. Das Beste daran ist, dass das maschinelle Lernen im Laufe der Zeit immer intelligenter und genauer wird. So kann das Contact Center wirklich jede einzelne Kundeninteraktion sehen und sich ein genaues, ganzheitliches Bild von den Kundenerlebnissen machen, die sie liefern. Das ermöglicht gezieltere Qualitätsmanagement-Initiativen, die nicht auf zufälliger, manueller Überwachung beruhen.

2. Prädiktiver NPS

Predictive NPS wendet denselben Ansatz an, der oben für Net Promoter Scoring erläutert wurde. Die Predictive NPS-Lösung von Calabrio verwendet ihren Algorithmus für maschinelles Lernen, um einen voraussichtlichen Net Promoter Score für jede einzelne Kundeninteraktion zu erstellen. Auf diese Weise erhalten Sie einen genaueren Einblick in Ihren NPS und können Entscheidungen treffen, wie z. B. die Ausrichtung Ihrer Marketing- und Engagement-Programme auf Kritiker oder Befürworter, und das mit absoluter Sicherheit.

Was ist Sentimentanalyse? Wie funktioniert das im Call Center?

Unzufriedene Kunden waren schon immer ein zentrales Thema für das Call Center. Sie möchten unzufriedene oder frustrierte Kunden identifizieren unddas zugrunde liegende Problem so schnell wie möglich verstehen, damit Sie Probleme schnell angehen und verhindern können, dass andere Kunden davon betroffen sind. Doch der herkömmliche Ansatz zur Identifizierung unzufriedener Kunden ist langsam: Die Durchsicht von Umfragen und anderen Daten nach einem Anruf, um unzufriedene Kunden und strittige Interaktionen zu finden, ist ressourcenintensiv und wird oft erst Tage oder Wochen später entdeckt. Zu diesem Zeitpunkt kann es zu spät sein, sich bei einem bestimmten Kunden zu revanchieren – und ein isoliertes Problem kann sich bereits auf Dutzende oder Hunderte von Kunden ausgeweitet haben.

Die Sentiment-Analyse löst dieses Problem, indem sie für jede Kundeninteraktion sofort einen Stimmungswert (positiv, neutral oder negativ) liefert. Die KI-gestützte Stimmungsanalyse nutzt fortschrittliche Text- und Sprache-zu-Text-Analysen, um Schlüsselwörter und Phrasen zu identifizieren, die den emotionalen Ton und die zugrundeliegende Stimmung hinter den Worten eines Kunden anzeigen. Anstatt darauf zu warten, dass der Kunde Ihnen nach Beendigung des Anrufs mitteilt, dass er mit seiner Erfahrung unzufrieden ist (oder zu hoffen, dass ein zufälliger QA-Check einen umstrittenen Anruf auffängt), hebt die Stimmungsanalyse diese negativen Erfahrungen in Echtzeit hervor. Sie können alle negativen Interaktionen für eine sofortige Überprüfung mit hoher Priorität kennzeichnen und Ihr Call Center und Ihr Unternehmen in die Lage versetzen, schnell auf Kundenprobleme zu reagieren, sei es, dass Sie sich an einen unzufriedenen Kunden wenden, sich um ein aufkommendes Problem mit einem Produkt oder einer Dienstleistung kümmern oder zusätzliche Schulungen für bestimmte Agenten oder bestimmte Themen anbieten.

Die Sentiment-Analyse ist auch ein unglaublich nützlicher Bezugspunkt für eine Vielzahl von QA-Maßnahmen. Die Leistungsbewertung der Agenten kann auch Stimmungsdaten enthalten (z. B. haben einige Agenten tendenziell mehr positive Interaktionen als der Durchschnitt). Die Betrachtung von Interaktionen mit positiven Gefühlen kann auch nützliche Erkenntnisse für die Schulung und das Coaching von Agenten liefern. So können Sie beispielsweise Schlüsselwörter oder Phrasen identifizieren, die ein Agent verwenden kann, um eine positivere Kundenstimmung zu erzeugen – oder Agentensprache, die mit negativer Stimmung korreliert und vermieden werden sollte.

Voice-of-the-Customer-Analyse über das Contact Center hinaus

Der Begriff „Kundenzentrierung“ steht zusammen mit „Big Data“ ganz oben auf der Liste der Schlagworte für Unternehmen. Immer mehr Unternehmen versuchen, die Kundenorientierung zu ihrem Leitmotiv zu machen, d.h. die Prioritäten ihrer Kunden zur Richtschnur für alle ihre Geschäftsstrategien und Entscheidungen zu machen. Doch bei all der Aufregung um die Kundenzentrierung übersehen viele Unternehmen ihre stärkste Ressource, um die wahre Stimme des Kunden zu verstehen: das Kontaktzentrum. Jeden Tag führen Contact Center Hunderte, wenn nicht Tausende von Sprach-, Text-, E-Mail- und Chat-Konversationen mit den Kunden eines Unternehmens. Diese Daten sind die reichhaltigsten, umfassendsten und multidimensionalsten Daten, über die ein Unternehmen verfügt, um das Kundenerlebnis zu verstehen – die Bedürfnisse und Wünsche seiner Kunden, ihre Werte und Prioritäten, was sie frustriert und was sie lieben. Dieser Reichtum an Informationen über die Stimme des Kunden ist die Grundlage für kundenorientierte Geschäftsstrategien und kann der reine, ungefilterte Leitfaden für eine kundenorientierte Entscheidungsfindung sein, der einem Unternehmen hilft, besser zu verstehen, was wirklich ein Problem oder eine Chance ist und was nur ein Rauschen auf dem Markt ist.

Die fortschrittliche Analysetechnologie für Contact Center macht es einfach und kosteneffektiv, diese reichhaltigen Voice-of-the-Customer (VOC)-Einblicke freizulegen, die bisher in den Contact Center-Daten verborgen waren. Darüber hinaus können Contact Center-Analysen VOC-Einblicke liefern, die weit über das Contact Center hinaus von Bedeutung sind. Sie bieten leicht verständliche und gut verwertbare Informationen für Marketing-Teams, Vertriebsleiter, Produktentwicklung und mehr. Die ersten Anwender nutzen die VOC-Informationen im gesamten Unternehmen und schaffen so eine Vielzahl von geschäftlichen Vorteilen – von der Steigerung der betrieblichen Effizienz und der Neupositionierung von Angeboten bis hin zur Identifizierung von Möglichkeiten zur Verstärkung von Vertriebs- und Marketingbemühungen, zur Stärkung von Markeninitiativen und zur Nutzung direkter Kundenanregungen zur Förderung von Innovationen.

Die Zukunft der Contact Center-Analyse

Die schiere Menge an Daten, die ein typisches Unternehmen heute sammelt, nimmt weiterhin exponentiell zu: Mehr als 90 Prozent aller in der Geschichte der Menschheit erzeugten Daten wurden allein in den letzten zwei Jahren erzeugt. Die erste Welle von Analysetools wurde entwickelt, um dieses Problem zu lösen, indem sie Unternehmen dabei halfen, all diese Daten zu erfassen und sinnvoll zu nutzen – im Wesentlichen als Antwort auf die Frage: „Was ist bereits geschehen?“ Das Ziel ist natürlich, diese Erkenntnisse und Schlussfolgerungen über das, was bereits geschehen ist, für die Entscheidungsfindung und die Strategie für das weitere Vorgehen zu nutzen.

Aber die Zukunft der Datenanalyse sieht ganz anders aus. Da das Sammeln und Zentralisieren von Daten und Metadaten immer einfacher wird und die Analysemaschinen immer intelligenter werden, verlagert sich der Schwerpunkt von „Was ist passiert?“ zu „Was jetzt?“ und „Was als nächstes?“ Die nächste Generation von Analysetools gibt Unternehmen die Möglichkeit, vorauszusehen, was passieren wird (prädiktive Analyse) und ihnen zu sagen, was sie dagegen tun sollten (präskriptive Analyse). Dies ist keine Vorhersage über „fliegende Autos“ für eine weit entfernte Zukunft: IDC prognostiziert, dass bis zum Jahr 2020 die Hälfte aller Business Analytics Software prädiktive und präskriptive Analysetools enthalten wird, die auf „kognitiven Computertechnologien“ wie maschinelles Lernen und künstliche Intelligenz basieren.

Lassen Sie uns einen Blick darauf werfen, wie maschinelles Lernen, künstliche Intelligenz sowie prädiktive und präskriptive Analysen tatsächlich funktionieren – und wie sie heute im Contact Center eingesetzt werden.

Wie funktioniert die künstliche Intelligenz?

Während Sie auf diesen Bildschirm schauen, sendet Ihr Auge 125 Millionen diskrete Daten an Ihr Gehirn. Multiplizieren Sie das nun mit jeder Millisekunde, die Sie wach sind, und Sie bekommen ein Gefühl für die immense Menge an rein visuellen Daten, die Ihr Gehirn jeden Tag verarbeitet. Wie also geht das Gehirn mit all dem um – und wie trennt es relevante, verwertbare Informationen vom „weißen Rauschen“? Durch ein Konzept, das Automatismus genannt wird: die Fähigkeit, schnell und automatisch Muster in eingehenden Daten zu erkennen. Wir erkennen Zeichen, Symbole, Worte und Gesichter. Wir tun es unbewusst. Und wir reagieren automatisch entsprechend.