Αν χρειαστεί ποτέ να καλέσεις την τηλεφωνική εξυπηρέτηση πελατών ή κάποιο άλλο τηλεφωνικό κέντρο το πιθανότερο είναι να νιώσεις άσχημα μόνο από τη σκέψη. Κάποιες γραμμές εξυπηρέτησης είναι τόσο κακές που πολλοί προτιμούν να λύσουν μόνοι τους το πρόβλημα παρά να ζητήσουν βοήθεια.
Αλλά όλα αυτά μπορεί να αλλάζουν καθώς οι επιχειρήσεις αναπτύσσονται στη συλλογή δεδομένων, στην ανάλυσή τους και στην τεχνητή νοημοσύνη για να βελτιώσουν την εμπειρία του πελάτη όταν καλεί κάποιο τηλεφωνικό κέντρο, αλλά και να αποκτήσουν πολύτιμες γνώσεις από αυτά.

Ο πλούτος των δεδομένων

Σίγουρα θα σε έχουν ενημερώσει σε κάποιο τηλεφωνικό κέντρο ότι η κλήση ενδέχεται να καταγράφεται για έλεγχο ποιότητας εξυπηρέτησης και για ασφάλεια. Οι εταιρείες πλέον, έχουν αρχίσει να κατανοούν ότι η αξία αυτών των ηχογραφήσεων είναι πολύ μεγαλύτερη από ότι νόμιζαν.

Με τις τεχνολογίες επεξεργασίας φυσικής γλώσσας (NLP) και με την ικανότητα να καταλάβουν μη δομημένα δεδομένα, όπως οι ηχογραφήσεις αυτές, οι εταιρίες αποκτούν πλούτο πληροφοριών με κάθε ηχογράφηση. Το πεδίο αυτό αναπτύσσεται ραγδαία και υπάρχουν πολλοί διαφορετικοί τρόποι για να κερδίσουν οι εταιρείες από τα δεδομένα αυτά.

Ανάλυση ομιλίας και επεξεργασία φυσικής γλώσσας

Οι επεξεργασία φυσικής γλώσσας (NLP) είναι αυτό που επιτρέπει ένα αυτόματο σύστημα να κατευθύνει τη κλήση σου κατάλληλα όταν μιλάς στο τηλέφωνο. Παλιά έπρεπε να πεις την ακριβή γλώσσα ή φράση, λέγοντας για παράδειγμα «λογιστήριο» αν ήθελες να μιλήσεις με το λογιστήριο. Πλέον με την ανάπτυξη των συστημάτων NLP πλέον αρκεί μια οποιαδήποτε φράση για να σε κατευθύνει το σύστημα στο σωστό τμήμα.

Η ανάλυση ομιλίας πάει πέρα από το τι λες για να καταλάβει πως το λες. Για τους πελάτες, η ανάλυση ομιλίας μπορεί να καταλάβει τον τόνο, το λεξιλόγιο, το συναίσθημα, ακόμα και τις παύσεις αμηχανίας ή ικανοποίησης. Μπορεί να εντοπίσει την ηλικία του πελάτη, κάτι που μπορεί να καθορίσει την επιτυχία σε μια καμπάνια που έχει να κάνει με την ηλικία του πελάτη ή να κατευθύνει τον πελάτη σε συγκεκριμένο υπάλληλο, καθώς έρευνες έχουν δείξει πως γηραιότεροι και νεότεροι άνθρωποι έχουν άλλες προτιμήσεις στην εξυπηρέτησή τους.

Από την πλευρά του υπαλλήλου που εξυπηρετεί, η ανάλυση ομιλίας μπορεί να ακούσει συγκεκριμένες λέξεις-κλειδιά ή φράσεις και να καθοδηγήσει τον υπάλληλο κατάλληλα. Μπορεί να εντοπίσει κενά στις γνώσεις του υπαλλήλου, τι τύπου κλήσεις δεν νιώθει άνετα να αντιμετωπίσει και άλλους παράγοντες που μπορεί να επηρεάσουν την εκπαίδευση και την λειτουργία του τηλεφωνικού κέντρου.

Αναλυτική Πρόβλεψης

Όταν η ανάλυση ομιλίας συνδυαστεί με αναλυτική πρόβλεψης μπορεί να εντοπίσει πότε ένας πελάτης είναι στο όριο να θυμώσει ή να ταραχτεί και ακόμα να εντοπίσει αν ο καλών ψεύδεται ή προσπαθεί να διαπράξει απάτη.

Και η διαδικασία πάει έξω από το τηλεφωνικό κέντρο. Η γνώση και τα δεδομένα που συλλέχθηκαν από το τηλεφωνικό κέντρο συνδυάζονται με δεδομένα από τα κοινωνικά δίκτυα. Έτσι, οι εταιρείες μαθαίνουν για παράπονα για συγκεκριμένα προβλήματα και να προβλέψουν αυξημένο αριθμό κλήσεων για αυτά τα προβλήματα.

Τέλος, ένα τηλεφωνικό κέντρο πρέπει να απαρτίζεται από υπομονετικούς υπαλλήλους. Οι αναλύσεις αυτές μπορούν να βοηθήσουν το HR να βρει και να διατηρήσει τέτοιους ανθρώπους. Γλιτώνοντας ώρες εργασίας για το HR, εταιρείες έχουν αυτοματοποιημένους τρόπους υποβολής αίτησης για εργασία, συμπεριλαμβανομένης της ηχογράφησης της φωνής τους και των απαντήσεων που δίνουν. Χρησιμοποιώντας αναλύσεις αυτών των δεδομένων, το HR μαθαίνει ποιους πρέπει να καλέσει σε συνέντευξη, ποια πιθανά προβλήματα ενδέχεται να έχουν και  ποιους να μην καλέσει καθόλου.

Αυτές είναι ένα μικρό κομμάτι από τις εφαρμογές των τεχνικών επεξεργασίας φυσικής γλώσσας, της ανάλυσης ομιλίας και της ανάλυσης δεδομένων. Είναι αρκετές για να πειστεί κανείς ότι ανοίγουν μεγάλα περιθώρια βελτίωσης στα τηλεφωνικά κέντρα αλλά και στο σύνολο της επιχείρησης. Αν σκεφτεί κανείς ότι οι τεχνικές αυτές είναι ακόμα στην ανάπτυξή τους, το μέλλον των τηλεφωνικών κέντρων μπορεί να είναι πολύ διαφορετικό από αυτό που φανταζόμαστε.

Πηγή: forbes.com