Тренд 1. Сокращение расходов и оптимизация деятельности КЦ при сохранении высокого качества клиентского сервиса

Технологический ответ — смещение тренда развития речевой аналитики: объект анализа расширяется, совмещает в себе речь не только оператора, но и клиента. Классическая речевая аналитика позволяет проанализировать работу операторов, которые говорят спокойно, по скрипту, предсказуемо. Это решение уже доказало свою эффективность.

Вектор развития — открыть новый пласт информации о клиенте, его эмоциях, потребностях, что поможет еще больше совершенствовать клиентский опыт, предвосхищать желания. Для этого важно понимать спонтанную речь клиентов, работать в шумах, ML-модели должны быть обучены на детектирование сарказма и других атрибутов естественной речи.

Дмитрий Дырмовский (группа компаний ЦРТ).

Спрос на новый тип речевой аналитики — или advanced analytics в зарубежной интерпретации — согласно отчету McKinsey&Company, будет расти. Ключевой драйвер — использование технологии распознавания и понимания естественной речи для создания новых ценностей в бизнесе. Качественная речевая аналитика становится стратегическим отличием: помогает сократить среднее время обработки, повысить уровень самообслуживания и коэффициент конверсии звонков — и все это при одновременном повышении удовлетворенности клиентов и вовлеченности сотрудников. Такое развитие значительно расширит возможности: если классическая речевая аналитика позволяет сделать вывод о качестве работы операторов, то речевая аналитика нового типа значительно ее дополнит, поможет — «в моменте» — сделать вывод о качестве работы бизнеса в целом, а значит,быстрее реализовать нужное изменение. К примеру, агрегируя популярные запросы клиентов, быстрее выводить определенный продукт или услугу, реагировать на негативную обратную связь или пролонгировать действие актуального предложения.

Тренд 2. Комплексные, а не коробочные решения, которые обеспечивают максимальную консолидацию информации из всех источников, обогащение и обмен данными

Произошло осознание ценности данных: появляется запрос на интеграцию речевой аналитики с CRM, BI и другими системами в целях анализа всего массива информации для формирования релевантного персонального предложения. Результаты речевого анализа могут выявлять проблему, а статус ее устранения передавать в текстового или голосового робота, который сможет не только разгрузить КЦ, давая релевантный ответ и оптимизируя расходы, но и предвосхитить вопрос клиента. Примитивные текстовые и голосовые роботы уходят в прошлое, ожидается, что диалоговый ассистент будет исследовать весь цифровой ландшафт, обучаться на основе всей доступной информации и быть самостоятельным: сможет не только сообщить последние операции, но и построить оптимальное предложение для клиента на основе его предпочтений. На основе данных развиваются и виртуальные ассистенты-суфлеры. Очевидно, что накапливание данных требует высочайшей степени защиты, поэтому также будут особо актуальны технологические антифрод-решения, которые уже являются частью комплексного решения для удовлетворения запросов бизнеса.

Успех реализации такой стратегии напрямую зависит от технологического стека, компетенций и прикладного опыта компании — разработчика AI-продуктов. Важно не только предоставить нужные инструменты, но и погрузиться в проект на стороне заказчика, в синергии создавая лучшие технологические решения.