Від 10% до 100%: Як ми використовуємо AI для підвищення ефек | Роман Катеринчик
Від 10% до 100%: Як ми використовуємо AI для підвищення ефективності Call-центру
Наприкінці минулого року ми оголосили як фокус на 2024 освоєння штучного інтелекту та його впровадження у бізнес-процеси. Першим важливим блоком, з якого ми почали, став блок кол-центру, а саме оцінка якості дзвінків операторів.
Працює це так
Щомісяця наші компанії здійснюють десятки тисяч дзвінків. Це як вхідні дзвінки від клієнтів, так і дзвінки клієнтам з метою продажу продуктів або нагадування про нас, колекшен. Таким чином, у нас щомісяця відбувається величезний обсяг телефонної комунікації. У кол-центрі працює велика кількість операторів, і один із найважливіших процесів — це Quality Control.
Раніше у нас була команда Quality Control, яка вибірково прослуховувала 5-10% дзвінків. Ми використовували рандомайзер, який дозволяв вимірювати «температуру» і розуміти відхилення. Розмови перевірялися на відповідність певним критеріям: представлення під час дзвінка, пояснення суті продукту, ввічливість, прагнення вирішити проблему клієнта та додаткові дії при нерозв’язаній проблемі тощо.
Що змінилося з впровадженням ШI
Тепер кожен дзвінок оператора автоматично завантажується і перетворюється в текст за допомогою технологій розпізнавання мови. Далі AI пропускає текст дзвінка крiзь чек-лист, який включає необхідні критерії якості для даного типу звернення: представлення оператора, пояснення суті продукту, ввічливість, прагнення вирішити проблему клієнта та додаткові дії при нерозв’язаній проблемі.
Кожен дзвінок оцінюється за цими критеріями, що дозволяє нам аналізувати якість кожного контакту з клієнтом.
Якщо раніше ми слухали до 10% дзвінків, то тепер, завдяки AI, ми можемо обробляти і оцінювати 100% дзвінків. Це дозволило суттєво збільшити контроль на етапі роботи Call-центру. Ще ми краще розуміємо зворотний зв’язок від клієнтів щодо роботи нашого сервісу, наприклад, швидко можна визначити ключові проблеми, з якими звертається клієнт протягом дня (щось відвалилося, не завантажується, не працює) і реагувати на зміни в роботі продукту.
Роль менеджерів Quality Control
Звичайно, менеджери Quality Control продовжують працювати, але тепер вони фокусуються на дзвінках, в яких система виявляє помилки. Якщо AI бачить, що оператор не виконав мету дзвінка, то такі дзвінки перевіряються менеджерами для виявлення причин. Це допомагає навчати операторів і вносити необхідні зміни для підвищення їх ефективності.
Приклад автоматичної оцінки дзвінків
Додаю скриншот, який показує, як автоматично оцінюється дзвінок і приклад листа з критеріями оцінки. Дзвінки, які не відповідають стандартам, автоматично виділяються для подальшого аналізу менеджерами.
Якщо тема цікава, буду далі ділитися деталями роботи нашого інструменту та нашими планами щодо його розвитку.
@katerynchyk_live
