V komunikaci s klienty je ukrytý poklad. My máme mapu

Při kontaktu s klienty vzniká obrovské množství záznamů z hovorů a e-mailové komunikace, které dosud nebylo možné jednoduše vyhodnocovat. Pokusy přetvářet tato data do nabídek nebo nových obchodních strategií nebyly příliš úspěšné. Systémy pro jejich analýzu totiž nebyly dostatečně robustní a získané informace měly jen omezené využití. Sémantická analýza komunikace konečně umožňuje plošně a objektivně komunikaci s klienty analyzovat.

Zákaznická centra ve velkém objemu zpracovávají hovory, e-maily nebo třeba komunikaci s klienty skrze chatovací služby. Ve všech případech informace zpracovává člověk – identifikuje téma, reaguje podle předepsaného postupu, případně předává požadavek dále. Tento řetězec však lze výrazně automatizovat a zefektivnit. Obsah komunikace lze s vysokou přesností vyhodnotit, požadavky dále směrovat na správného řešitele a obsluhu klienta detailně monitorovat a cíleně zlepšovat.

Čím více narůstá objem dat, tím méně jim rozumíme a chápeme, co se skrývá uvnitř. A tím více potřebujeme inteligentní pomocníky, kteří data předzpracují a ukáží souvislosti. Automatická analýza komunikace s klienty pro tento účel využívá takzvanou sémantickou analýzu, neboli analýzu obsahu. Pomocí sofistikovaných technik je možné strojově zpracovávat přirozený jazyk, tedy běžnou lidskou komunikaci. Díky moderním technologiím, které dokáží převést na text i běžné telefonní hovory nebo video, se rozšiřují možnosti analýzy prakticky na veškerou komunikaci moderních call center.

Přínosy pro kontaktní centra

Výhody sémantické analýzy si můžeme ukázat na příkladu komunikace s klienty přes e-mail, chat nebo různé webové formuláře. Počítač s využitím sémantické analýzy posoudí relevanci zprávy, identifikuje téma a okamžitě předá požadavek správnému řešiteli. Pokud například v e-mailu najde zmínky o reklamaci vyúčtování, požadavek okamžitě předá týmu Reklamace. Pokud najde stížnost, předá požadavek týmu Retence. V současné praxi bývají urgentní požadavky hodiny nebo i dny ve frontě spolu s méně důležitými zprávami a čekají na přidělení řešiteli. Automatizací se doba na zpracování zkracuje o hodiny nebo i dny a roste šance na úspěch v prodeji nebo při obsluze klienta.

Stejně tak lze zvýšit kvalitu a efektivitu call centra. Častý problém bývá kolísající kvalita operátorů. Ta se běžně vyhodnocuje pomocí náhodných individuálních náslechů, kdy si manažer poslechne vybraný hovor. Dnes však lze analyzovat veškerou příchozí komunikaci. Sémantická analýza dokáže identifikovat, jak se operátor drží skriptu, zda nepoužívá zakázaná slova, sledovat skákání do řeči, pomalé reakce na dotazy klienta nebo dlouhé pauzy. Právě délka hovoru je kritický indikátor, který přímo ovlivňuje náklady a zároveň úspěch prodeje či obsluhy klienta. Analýzou hovorů jednotlivých lidí a srovnáním metrik mezi členy týmu lze snadno zjistit, kteří operátoři potřebují dodatečné proškolení, nebo na základě úspěšných telefonátů odhalit nejvýhodnější vzorec chování.

Tento přístup umožňuje hodnotit zaměstnance spravedlivě, dává totiž okamžitý náhled na celou jeho historii. Funguje plošně a je stejně objektivní vůči všem. Náslechy zcela neodbourá, výrazně však jejich potřebu sníží. Manažer se může věnovat pouze indikovaným hovorům, kde je zřejmé, že dochází k problémům. Vybere si jednoduše přepis hovoru a hovor si poslechne od problematické pasáže. Oproti analýze hovorů prováděné tradičními náslechy je práce s přepisem hovoru snazší a rychlejší, produktivita hodnocení vrůstá až pětinásobně. Díky tomu, že lze řešit nedostatky konkrétních lidí a dochází k úsporám nákladů na školení.

Včasné varování a vyhledávání témat

V praxi operátoři správně vyplňují téma hovoru pouze u 40 až 60 procent kontaktů. Pod tlakem čekajícího telefonátu zkrátí popis na minimum, vyberou nevhodné téma, případně jim systém vhodné téma ani nenabízí. Automatickou analýzou obsahu komunikace lze rozpoznat skutečné téma nebo více témat komunikace a s tímto údajem pak statisticky pracovat. Pokud banka analyzuje příchozí hovory a ihned je indexuje, má management téměř v reálném čase přehled o vývoji témat „na stisknutí tlačítka“. Když banka například uvolní novou verzi e-bankingu, okamžitě vidí, jakých kritických témat se týkají dotazy klientů (rychlost služby, nemožnost se přihlásit, nejasnosti ohledně funkčnosti…) a může okamžitě jednat.

Pole sémantické analýzy se nicméně neomezuje pouze na interní zdroje, zahrnuje i externí – média, blogy, sociální sítě. Funguje to asi takto: Chci zjistit, co si o naší bance myslí klienti. Na jednu hromadu proto dám data získaná z telefonních hovorů, obsahy e-mailů i jakoukoli další komunikace s klienty. K tomu pak mohu připojit články z online médií, tištěných novin, televize, sociálních sítí nebo třeba video recenze z YouTube. Software pak umožní pracovat se všemi zdroji uceleně a vyhodnocovat informace v jednom kontextu.

V tomto ohledu může být sémantická analýza velkým přínosem i pro tiskové oddělení. Namísto toho, aby pracovníky vytěžovalo čtení stovek textů, může je systém automaticky upozorňovat na důležitá či potenciálně zajímavá témata, detekovat preference trhu, filtrovat podklady pouze na relevantní články nebo předzpracovávat krátká shrnutí toho nejdůležitějšího z každého textu nebo média.

Relevantní odpovědi na důležité otázky

S tím úzce souvisí fakt, že všechny zdroje informací nemohou mít pro rozhodování banky stejnou důležitost. Poznatky získané analýzou telefonního hovoru nebo e-mailové komunikace s klientem mají vysokou váhu. Pokud ale budeme do analýzy preferencí klientů zařazovat i zdroje jako diskuse pod články, jejich váha v hodnocení by měla být nižší. Informace zveřejněné na zpravodajském portálu s milionem čtenářů mají zase potenciálně větší dopad na banku, než informace uvedené na malém blogu. Význam a dopad zprávy lze jednoduše kvantifikovat a typ média i jeho popularitu zohlednit při hodnocení textu.

Dalším aspektem hodnocení je odhad, jak informace působí na čtenáře. Například tatáž informace uvedená v nadpisu, mezititulku nebo závěrečném hodnocení bude mít vyšší váhu než uprostřed textu. Stejně tak lze do vyhodnocení zahrnout i ryze obrazové informace, například počet hvězdiček recenze služby. Další extenzí sémantické analýzy komunikace je odhad vlivu textu na člověka, například podle dosaženého vzdělání. To může být relevantní pro odchozí komunikaci z kontaktního centra. Zajímá nás, co má největší šanci na klienta zapůsobit, a již dnes jsme schopni to automatizovaně vyhodnocovat.

Populární nadstavbou analýzy je analýza sentimentu, kdy je systém sám schopen rozpoznat, zda se v telefonátu nebo v e-mailu hovoří o tématu spíše pozitivně, neutrálně nebo negativně. To umožňuje celou řadu aplikací od měření spokojenosti až po včasnou detekci problémů. Skrze analýzu sentimentu lze sledovat vnímání vlastní firmy nebo vlastních produktů u veřejnosti a možné je i srovnání s konkurencí. Pokud vím, jak se klienti, blogeři nebo vybrané noviny dívají na náš vlastní e-banking, proč se obratem nezeptat také na to, jak vnímají službu konkurenta?

Řízení kampaní a plánování kapacit

Představme si situaci, kdy v televizi proběhne reklama na nový produkt a nově proškolení pracovníci čekají na první telefonáty. Hovorů je málo a situace se opakuje i další dny. Vedení call centra proto převede proškolené seniory na jiné téma, nebo místo nich nasadí levnější juniorní pracovníky. Pak se však množství telefonátů najednou zvedne a call centrum celý den nestíhá hovory odbavovat, takže mnozí zájemci čekání vzdají. Jak tomu předejít? Klienti se chovají do jisté míry predikovatelně a díky sledování frekvence témat a četnosti volání lze lépe plánovat použití proškolených lidí na správný okamžik. To vede ke zvýšení konverze a k optimalizaci nákladů na provoz call centra.

Sémantická analýza také umožňuje analyzovat obsah odchozích hovorů a reakce volaných. V rámci kampaní lze rychle vyhodnotit úspěšnost různých scénářů a vybrat ten nejúčinnější. Stejně tak je možné snížit náklady přesměrováním části komunikace na levnější kanál. Další oblastí přínosů je zvýšení konverze – v rámci analýzy lze například zjistit, že produkt je složitě definován a hovory kvůli tomu trvají příliš dlouho. Pak je na rychlé spolupráci s produktovým manažerem komunikaci produktu upravit. Díky automatizované detekci problémů lze nápravu udělat dříve a ušetřit tak náklady za stovky marně vynaložených telefonátů.

Vytvořit následný report o provozu call centra je rázem otázka minut, namísto hodin či dní. Součástí řešení je podpora mobilního reportingu pro top management, stejně jako detailní provozní reporting nebo přístup pro pokročilé analýzy. Nesmírně zajímavá je i možnost sledovaná témata automaticky vyhodnocovat a spouštět na jejich základě definované procesy – například iniciovat kontakt osobního bankéře na základě dotazu klienta.

Jak začít se sémantickou analýzou

V sémantické analýze komunikace banka získá nástroj pro zcela nové chápání potřeb klientů. Nejde jen o analytický nástroj, jde o základní předpoklad pro změnu chování vůči zákazníkům. Ve společnosti Trask nabízíme komplexní big datovou analýzu komunikace s klienty. Pokrýváme celý cyklus od akvizice dat z hovorů, e-mailové nebo chatové komunikace a vytěžování dodatečných zdrojů informací (veřejné weby, monitoringy tisku, sociální sítě), přes jejich analýzu a vyhodnocení až po reporting nebo automatickou iniciaci obchodních procesů.

Řešení je dostupné i ve variantě bez úzké integrace s bankovními systémy. Pro banku tak jde o poměrně nenáročné řešení, kdy využívá naše experty a pořizuje si službu. Může se věnovat svému core businessu a neztrácí čas s technikáliemi. Na nás potom je dodat potřebnou expertízu v oblasti IT a analytických kapacit. Protipól pak tvoří plná integrace řešení se systémy banky, například se systémem call centra, CRM systémem, reportingovou platformou, BI, BPM a dalšími systémy.

Kontaktujte nás

Na váš byznys se dokážeme podívat z jiné perspektivy. Proto můžeme přijít i na nová řešení, která dokážeme jasně popsat, rozpracovat a navrhnout jejich technickou realizaci. Originální nápad je totiž na začátku každého dobrého byznysu. Díky zkušenostem rychle poznáme, v čem chcete a potřebujete pomoci.

Domníváte se, že jsme porušili etická pravidla?
Dejte nám vědět.