Klient często mówi więcej, niż firma potrafi usłyszeć. W tych rozmowach kryją się pieniądze - Forbes

Wiele przedsiębiorstw dysponuje ogromnym, stale aktualizowanym źródłem wiedzy o własnym biznesie w postaci rozmów z klientami, jednak tradycyjna kontrola jakości pozwala zajrzeć jedynie do jego niewielkiej części. Rozwój wyspecjalizowanej sztucznej inteligencji sprawia, że firmy mogą wreszcie wykorzystać informacje od dawna ukryte w codziennych interakcjach.

Wskaźniki opisujące przebieg obsługi nie zawsze oddają rzeczywiste przyczyny problemów, które często tkwią w słowach, których nikt później nie analizuje. Źródłem frustracji może być niejasna oferta albo procedura wymagająca kilku kontaktów, a firma źle odczytując sygnał, zaoferuje rabat tam, gdzie potrzebna jest poprawa procesu.

Nowa jakość analizy

Tradycyjna kontrola jakości opiera się często na wybranych nagraniach, co przy setkach tysięcy kontaktów pozwala zobaczyć jedynie część obrazu. Nowe narzędzia pozwalają objąć analizą całą komunikację i szukać w niej powtarzających się zależności, wychwytując zarówno pojedyncze incydenty, jak i narastające problemy.

Analiza rozmów pozwala sprawdzić, jakie argumenty nie przekonują klientów i kiedy zainteresowanie ofertą słabnie. Tę wiedzę można wykorzystać podczas szkoleń konsultantów, a także przy modyfikowaniu produktu. Równie istotne są sygnały świadczące o ryzyku odejścia klienta.

Specjalistyczne modele językowe

Rozwiązania takie jak SentiSquare No-Code NLP wykorzystują małe, wyspecjalizowane modele językowe (SLM), które można trenować na miarę do wykrywania sytuacji ważnych z punktu widzenia biznesu. Przy milionach powtarzalnych analiz taki model przetwarza informacje z większą skutecznością, szybciej i przy mniejszych wymaganiach sprzętowych.

Platforma łączy podejście SLM z dużymi modelami językowymi (LLM), które uzupełniają go w sytuacjach wymagających szerszego rozumienia treści. Gdy pojawia się nowa oferta lub zmiana procedury, specjaliści biznesowi mogą dostosować modele bez pisania kodu.

Przykład O2

Czeski operator telekomunikacyjny O2, obsługujący ponad pięć milionów rozmów telefonicznych i czatów rocznie, zdecydował się na wdrożenie platformy SentiSquare. Wcześniej jego system opierał się na wyszukiwaniu określonych słów, co przy zmianie szyku wypowiedzi uniemożliwiało rozpoznanie, że konsultant przedstawił klientowi nową ofertę.

Współpraca przyniosła wymierne efekty - wskaźnik NPS wzrósł o dziewięć punktów, a efektywność sprzedaży poprawiła się o kilka procent. Dla operatora istotna była możliwość analizowania milionów interakcji lokalnie, z zachowaniem pełnej kontroli nad danymi.

Praktyczne zastosowanie

Platforma pozwala menedżerom zyskać pełniejszy obraz sytuacji, wykorzystując wyniki analizy do doskonalenia pracy zespołów. Jeśli analiza ujawnia, że określony rodzaj zastrzeżeń sprawia konsultantom trudność, przełożony może oprzeć szkolenie na rzeczywistych przykładach.

Zmienia się przy tym ciężar odpowiedzialności - gdy narastający problem można rozpoznać w tysiącach kontaktów, coraz trudniej tłumaczyć jego skalę pojedynczymi incydentami. Technologia pomaga wskazać wzorce, a decyzje o tym, co i jak poprawić, pozostają po stronie pracowników i menedżerów.