Laten we bij het begin beginnen.
Hoe werken callcenteranalyses?
Analytics tools ontleden gegevens om patronen en trends te identificeren. Deze gegevens worden gebruikt om een breed scala aan business intelligence te leveren, inzichten te onthullen die verborgen zijn in het callcenter en de waarde van “big data” te ontsluiten. Veel bedrijven gebruiken analysetools in hun hele organisatie, maar er is een enorme hoeveelheid waarde voor deze tools specifiek binnen het callcenter.
Maar van de enorme hoeveelheid gegevens over klantinteracties via meerdere kanalen die dagelijks het gemiddelde callcenter binnenstromen, onderzoeken de meeste organisaties slechts ongeveer twee procent van hun klantinteracties. Dit is meestal een handmatig proces dat wordt uitgevoerd door middel van willekeurige QA- en nalevingscontroles en gerichte geschillenbeslechting.
Het voordeel van callcenter-analysetools is echter dat ze je 100 procent van je klantinteracties laten onderzoeken door niet alleen spraakgegevens om te zetten naar tekst voor analyse, maar ook e-mail, chat, sociale media en bureaubladgegevens van agenten mee te nemen, zodat je een holistisch beeld van je klant krijgt. Hierdoor krijgt u een robuuster, nauwkeuriger beeld van de prestaties van het callcenter en kunt u de ongefilterde stem van de klant (VoC) horen, wat inzichten oplevert die echte klantgerichte strategieën kunnen stimuleren.
Welke analysetools worden gebruikt in het callcenter?
Als we het hebben over een callcenteroplossing, bedoelen we een reeks analysetools die verschillende aspecten van callcenterinteracties onderzoeken. Callcenters hebben tegenwoordig vijf hoofdtypen analysetools tot hun beschikking:
De Call Center Analytics Toolbox
- Fonetische analyse
- Spraak-naar-tekst-analyse (LVCSR)
- Desktop Analytics
- Tekstanalyse
- Voorspellende analyses
Laten we eens kijken welke uitdaging elke analysetool oplost in het callcenter.
Fonetische analyse vs. Spraak-naar-tekst analyse: Wat is het beste?
Er zijn twee soorten analyses die vaak worden gebruikt in callcenters om stemopnames te analyseren:
1. Fonetiek
Phonetics Analytics zet geluidsgegevens om naar 44 Engelse fonemen (de bouwstenen van spraak) en koppelt de fonemen aan woorden en zinnen. Het is snel, licht voor de CPU en omdat het niet beperkt wordt door een woordenboek, kun je het eenvoudig aanpassen om jargon, regionale accenten, eigen namen en andere open vocabulaires te herkennen. Aan de andere kant kunnen fonetische analytics problemen hebben met fout-positieven voor woorden die hetzelfde klinken: “Grade A” kan bijvoorbeeld worden geïnterpreteerd als “grijze dag”.
2. Spraak-naar-tekst-analyse (LVCSR)
Ook wel bekend als Large Vocabulary Continuous Speech Recognition (LVCSR), transcribeert audio naar transcripten en zoekt naar woorden, zinnen en context. Spraak-naar-tekst analyse wordt beperkt door een gesloten woordenboek (wat betekent dat het moeite heeft met ongebruikelijke woorden, accenten, slang, etc.). Het kost ook meer tijd en rekenkracht (hoewel nieuwe GPU-gestuurde technologieën de transcriptie drastisch versnellen). Maar in ruil daarvoor krijg je een volledig transcript van elk gesprek, waardoor je snel kunt zoeken en een robuuste contextuele analyse kunt uitvoeren.
Wat is het belangrijkst in een callcenter? Het antwoord is beide. Fonetics analytics is geweldig voor efficiënte gesprekscategorisatie en snelle analyse. Spraak-naar-tekst analyse is geweldig voor ad-hoc zoeken, diepgaand onderzoek en om je te helpen dingen te vinden waar je niet eens naar op zoek was. Daarom hebben we fonetiek en spraak-naar-tekst analyse gecombineerd in onze Calabrio Analytics oplossing, waardoor je alles hebt wat je nodig hebt om klantgesprekken te onderzoeken.
Hoe gebruik ik desktop analytics?
De grootste misvatting rond desktop analytics is dat het een “big brother” tool is om je agenten te bespioneren. In feite gebruiken de meeste organisaties het om de effectiviteit van agenten te verhogen en processen te verbeteren ten gunste van zowel de agent als de klantervaring. Desktop analytics stelt je in staat om wat agenten en klanten zeggen te koppelen aan wat je agenten doen op hun bureau terwijl ze bezig zijn met het oplossen van een probleem.
Er zijn drie belangrijke gebruikssituaties voor desktop analytics:
1. Automatisch pauzeren en hervatten voor naleving
De meest voorkomende reden voor callcenters om desktop analytics te implementeren is om te voldoen aan PCI, HIPAA en andere regelgeving met betrekking tot het vastleggen van gevoelige gegevens. De pauze- en hervattingsfunctie pauzeert automatisch de opname van het scherm, audio en toetsaanslagen wanneer een agent een aangewezen veld bereikt en hervat de opname automatisch wanneer de agent het veld verlaat. Dit elimineert menselijke fouten zonder uw agenten te vertragen en zorgt ervoor dat gevoelige informatie nooit wordt vastgelegd of opgeslagen.
2. Bureaubladactiviteiten bijhouden
Hoewel dit verdacht veel klinkt als spionage, draait het bij het effectief bijhouden van bureaubladactiviteiten eigenlijk allemaal om het mondig maken van agenten. Door klantinteracties te correleren met acties van agenten, kunt u specifieke applicaties of kennisbronnen zien die zorgen voor succesvollere resultaten, zien waar achterblijvende technologie interacties vertraagt en hiaten in middelen identificeren die de kwaliteit van interacties belemmeren. Van het ontwikkelen van best practices tot het rechtvaardigen van investeringen in technologische verbeteringen en het uitbreiden van middelen, u kunt uw agenten de middelen geven om succesvoller te zijn.
3. Triggers voor desktopactiviteiten
Net als met de functie voor automatisch pauzeren en hervatten, kun je met de activering van desktopgebeurtenissen geautomatiseerde workflows maken op basis van een specifieke actie of indicator van een agent. Een annulering kan bijvoorbeeld leiden tot volledige gespreksopname en beoordeling, ongeautoriseerde schermtoegang kan een supervisorwaarschuwing genereren en een verkoop boven een bepaalde drempel kan een escalatie voor erkenning of beloning genereren. Triggers kunnen eenvoudig zijn of meerdere criteria gebruiken.
Welke rol speelt tekstanalyse in het callcenter?
Ruwweg een derde van de interacties van een contactcenter is gebaseerd op tekst en verloopt via non-voice kanalen zoals e-mail, chat, tekst, sociale media en enquêtes. Tools voor tekstanalyse bieden uitgebreide QM- en analysemogelijkheden voor al uw tekstgebaseerde kanalen, en ze hebben de neiging om veel van de nadelen van hun fonetische en spraak-naar-tekst tegenhangers te vermijden. De tekst is al getranscribeerd, dus er is geen risico op transcriptiefouten of verwerkingstijd. En omdat er geen fonetische herkenning nodig is, is er geen risico op valse positieven. Voor het moderne callcenter met meerdere kanalen is een tool voor tekstanalyse van cruciaal belang.
Wat kan predictive analytics vandaag de dag eigenlijk doen?
Google de term “analytics” en je zult zien dat de meeste resultaten gericht zijn op het opwindende potentieel van predictive analytics. In de eenvoudigste zin gebruiken tools voor voorspellende analyse actuele en historische gegevens om voorspellingen te doen over de toekomst of over anderszins onbekende of theoretische gebeurtenissen. Geavanceerde voorspellende modellen, machine learning en kunstmatige intelligentie sturen deze intelligente voorspellingen aan. Maar afgezien van alle hype, wat kan uw callcenter vandaag al doen met predictive analytics?
Callcenters vertrouwen op voorspellende analysetools om de uitkomsten te voorspellen die het meest van invloed zijn op het contactcenter en de onderneming. Geavanceerde voorspellende tools maken gebruik van gespreksopnames, scores voor kwaliteitsbeheer, klantenenquêtes, Net Promoter Scores (NPS) en tekst- en spraakanalyses en creëren wiskundige benaderingen van zowel klant- als agentgedrag. Ze bieden voorspellende kwaliteitsevaluatiescores en voorspellende NPS voor 100% van de klantinteracties, waardoor de organisatie proactieve maatregelen kan nemen om de prestaties van agenten te beheren, de klantbetrokkenheid te verbeteren en meer inzicht te krijgen in het klanttraject.
Er zijn twee soorten voorspellende analysetools die in het callcenter worden gebruikt. Zo werken ze:
1. Voorspellende evaluaties
Gebruik kunstmatige intelligentie om een kwaliteitsscore te genereren voor elke afzonderlijke klantinteractie met een opmerkelijke nauwkeurigheid. Calabrio’s Predictive Evaluations oplossing maakt gebruik van eerder gescoorde kwaliteitsevaluaties samen met spraakanalysegegevens en past machine learning toe om de kenmerken van klantinteracties te bepalen die de grootste impact hebben op kwaliteitsscores. Het mooiste is dat machine-learning steeds slimmer en nauwkeuriger wordt naarmate de tijd verstrijkt. Contactcenters gebruiken deze tool om een gericht kwaliteitsbeheer te voeren, in plaats van te moeten vertrouwen op willekeurige controles.
2. Voorspellende NPS
Past dezelfde benadering toe op Net Promoter Scoring. Calabrio’s Predictive NPS oplossing gebruikt zijn machine learning algoritme om een voorspelde Net Promoter Score te genereren voor elke afzonderlijke klantinteractie. Hierdoor krijg je een nauwkeuriger beeld van je NPS en kun je met het volste vertrouwen beslissingen nemen, zoals het richten van je marketing- en engagementprogramma’s op tegenstanders of promotors.
Zijn Analytics Tools niet ingewikkeld en duur?
Buzzwords als “big-data” en “klantgerichte strategieën” kunnen ertoe leiden dat leiders van callcenters denken dat analysetools veel hoofdpijn en een hoog prijskaartje met zich meebrengen. Van oudsher is dit waar. Maar tegenwoordig zijn toonaangevende analysetools eenvoudig en opmerkelijk kosteneffectief. Cloud-gebaseerde analysetools maken een snelle inzet mogelijk en verbinden u met schaalbare rekenkracht en pay-as-you-go betaalbaarheid. Moderne analysetools voor callcenters zijn ook zeer intuïtief: je hoeft geen diploma in datawetenschappen te hebben; dit zijn tools die iedereen kan leren gebruiken.
Welke analysetools heb ik nodig?
Voor een typisch callcenter met meerdere kanalen is voor het vastleggen en analyseren van klantinteracties via alle kanalen een reeks analysetools nodig. We hebben deze infographic gemaakt om je een beter beeld te geven van hoe een callcenter analytics-oplossing eruitziet.
Calabrio klanten maken gebruik van onze analytische oplossing om een breed scala aan zakelijke problemen aan te pakken. En steeds vaker maken ook andere bedrijfsonderdelen, zoals marketing, verkoop en bedrijfsvoering, gebruik van callcenteranalyses om klantgerichte strategieën te ontwikkelen.
Voor meer Analytics 101 tips en om de top 10 use cases voor call center analytics te zien, bekijk onze complete gids.Download de gids
