Качество телефонного обслуживания клиентов влияет на бизнес-показатели — это утверждение уже давно стало аксиомой. Компании больше не задаются вопросом, как измерить степень этого влияния, а принимают решение, каким образом контролировать и оценивать уровень клиентского сервиса в колл-центре.

Если контролем качества занимаются супервайзеры, то это всегда несет с собой большие временные затраты и в лучшем случае охватывает 5-8% процентов звонков, в зависимости от объема аудитории.

Можно также проводить опросы клиентов по завершению звонка, но для определенных категорий это может быть неудобно — например, для работающих людей. В таком случае встает вопрос о репрезентативности выборки респондентов.

Расскажем, как новый сервис Речевая аналитика помогает мониторить качество телефонного обслуживания с удобством и для покупателей, и для бизнеса.

Особенности клиента MCN Telecom

Наш клиент, провайдер высокоскоростного домашнего интернета в Москве и МО, уже более 4 лет пользуется Виртуальной АТС (ВАТС) для организации собственного колл-центра. 

С помощью платных функций Запись звонков и Транскрибация звонков, доступных при подключении ВАТС, старший менеджер колл-центра вручную отслеживал качество разговоров. 

Наибольшее внимание уделялось разговорам новых операторов, что касается основного состава команды, то при проверке их работы супервайзер стремился к стандарту 5% от общего числа диалогов. 

Основную сложность представлял мониторинг проблемных диалогов и ситуаций, связанных с нехваткой знаний у операторов. Сотрудники колл-центра должны были тегировать такие звонки вручную, чтобы затем супервайзер мог уделить им особенное внимание. На практике же операторы постоянно забывали это делать и  диалоги, которые могли помочь выявить слабые места в обучении, терялись.

Что касается функции Оценка оператора, то с ее помощью удалось определить, что абоненты компании оценивают качество обслуживания как не слишком высокое. 

Чтобы получить детали, что именно не устраивает в работе операторов, в роботизированный опрос по окончанию звонка были добавлены вопросы со свободным ответом. 

Практика показала, что процент покупателей, желающих поделиться развернутым ответом о недостатках обслуживания с роботом, оказался слишком низок, чтобы делать выводы на основе собранных данных.

Поиск решения

На момент когда представители провайдера поделились своей проблемой в организации мониторинга телефонного сервиса, разработчики MCN Telecom как раз внедрили новое решение — Контакт-центр на основе искусственного интеллекта, оснащенный функцией Речевой аналитики. 

Помимо анализа звонков, платформа Контакт-центра ИИ предназначена для омниканальной коммуникации с покупателями по телефону, в мессенджерах и соцсетях, через виджеты на сайтах.

Так как наш клиент все равно собирался внедрять платформу для организации обслуживания в текстовых каналах, возможность одновременно вести письменные диалоги из единого интерфейса и анализировать записи телефонных разговоров показалась ему интересной.

Было решено подключить Контакт-центр ИИ в бета-версии, без платы за подключение и использование платформы, только за Запись звонков и Транскрибацию звонков, как было и раньше, плюс обработку текста нейросетью.

Решение

Анализ звонков в рамках Речевой аналитики может происходить как на основе готовых инструкций от поставщика решения, так кастомных инструкций для ИИ, составляемых клиентом.

Для задач выделения проблемных диалогов и низкой компетентности операторов оказалось достаточно подготовленных нами инструкций с жалобами и недовольствами клиентов, повторными обращениями, замечаниями операторам, требованиями подключить начальство к решению вопроса и невозможностью оператора помочь в решении проблемы — всего более 1500 слов и выражений.

На основе этих инструкций нейросеть производит обработку записанных и транскрибированных разговоров. Если в разговоре встречаются слова и фразы, относящиеся к определенной инструкции, то ИИ автоматические классифицирует диалог как «недовольство клиента», «повторное обращение» и так далее.

Теперь супервайзер может фильтровать диалоги операторов, отсматривая лишь те, которые требуют его внимания.

Кроме этого, сотрудники теперь уже контакт-центра стали спрашивать лично у абонентов, удалось ли им решить проблему, остались ли еще вопросы и как клиенты оценивают решение вопроса по шкале от 1 до 5. 

Для нейросети была прописана инструкция, чтобы этап получения обратной связи от клиента сохранялся в виде краткого описания. Таким образом, супервайзеру не нужно изучать всю стенограмму разговора, чтобы узнать оценку качества обслуживания.

Результаты

Решение Речевая аналитика внедрено в практику мониторинга телефонного обслуживания совсем недавно. На данный момент ведется доработка дополнительных функций — например, дашбордов для визуального представления отчетов о работе операторов и функции автоматической оценки звонков.

Нашему клиенту Речевая аналитика принесла плоды уже сейчас, на старте использования в бета-версии. 

В частности, удалось выявить существенные недочеты в организации сервисного обслуживания абонентов, являющиеся причиной повторных обращений. Помимо этого, в компании организовали точечное обучение для тех сотрудников, которые чаще других проявляли некомпетентность.

Провайдер доволен использованием Речевой аналитики и для оценки качества обслуживания и планирует продолжать ее использование для этой цели с периодичностью раз в квартал.