Как речевая аналитика влияет на конверсии продаж и стоимость работы контакт-центра

Рассказываем на примере собственного исследования.

Банки всё чаще используют искусственный интеллект для анализа разговоров между сотрудниками контакт-центра и клиентами. Речевая аналитика помогает выявлять сильные и слабые стороны обслуживания. Но в первую очередь она помогает экономить до 15%, и увеличивать конверсии продаж в среднем на 14%.

В одном из наших кейсов мы работали с коммерческим банком из топ-100 по объёму вкладов в России. На его примере рассказываем, как устроена такая работа с речевой аналитикой.

Не использовать фразы-триггеры

У некоторых сотрудников проскальзывали фразы-маркеры, которые способны вызвать у клиента негатив. Например, «не буду вас больше отвлекать» или «вас беспокоит». По нашему мнению, они принижают бренд компании в глазах клиента: якобы оператор звонит с чем-то незначительным, на что можно отреагировать фразой «Не звоните мне, чтобы меня не беспокоить». Гораздо эффективнее выстраивать коммуникацию «на равных»: оператор решает проблему клиента, хочет облегчить ему жизнь, предложить более выгодные условия.

Ещё один триггер — ситуация, когда оператор уточнял имя звонящего в начале разговора, но затем обращался к нему словосочетанием «уважаемый клиент». Во-первых, в этой фразе нет персонализации, она очень общая. Во-вторых, непонятно, зачем в таком случае было спрашивать имя в начале разговора — это выглядит как косвенное затягивание диалога.

Мы собрали около 25 таких стоп-выражений и рекомендовали банку рассказать операторам о том, как они влияют на ход диалога, — чтобы затем исключить.

Эффективнее работать с отказами

Чаще всего клиенту, который хотел отказаться от продукта, требовалось время, чтобы обдумать то, что он только что услышал. Таким пользователям нужно было перезвонить, чтобы уточнить итоговое решение. Однако операторы практически этого не делали.

Коллеги порекомендовали банку проработать этот вид отказов. Исследования показывают, что часть клиентов, ушедших думать, потом соглашаются на предложенную услугу. Наши рекомендации и аналитика помогли банку улучшить ситуацию с продажами.

Кроме того, мы заметили, что у некоторых операторов получается работать с отказниками лучше, чем у большинства, и проанализировали их кейсы. Оказалось, они использовали схему «встать в тапочки клиента»: прежде всего выясняли, почему клиент хочет закрыть продукт. В одном из примеров причиной была низкая осведомлённость: пользователь просто не понимал выгоды от использования кредитной карты. Стоило операторам просто рассказать об этих опциях (бесплатное обслуживание карты, большой беспроцентный период, категории кешбэка), как те получали ответ в духе: «А я и не знал! Тогда, конечно, мне не надо это закрывать».

Искать собственные рабочие схемы внутри компании

Эффективнее всего, к нашему удивлению, общались с клиентами сотрудники отдела по взысканию долгов.

Мы обратили внимание на нескольких менеджеров, которые работали с негативом особенно успешно. В разговорах с этим отделом клиенты нередко начинают эмоционировать («Это я в первый раз просрочил, завтра всë погашу!») ещё до того, как оператор успеет сказать хоть слово. Эти менеджеры сперва проявляли эмпатию («Да, я вас понял и разделяю вашу ситуацию»), а затем предлагали помочь: вместе составить план по возврату долга. Для этого использовали фразы-присоединения: «Давайте с вами разберëмся», «Давайте посмотрим, что можно сделать с вашей ситуацией».

В итоге клиент почти всегда успокаивался и выходил на конструктивный диалог, ведь главная задача этого направления — не только напомнить о долге, но и сделать так, чтобы человек его вернул.

Мы составили подборку таких диалогов и рекомендовали банку обучать по этим кейсам сотрудников подразделения.

Сделать обратную связь для клиентов доступнее

Мы анализировали не только телефонные звонки, но и работу операторов в чате. Заметили, что клиенты крайне редко ставили операторам оценки. А ведь обратная связь — один из основных способов для измерения уровня клиентской удовлетворëнности (CSI).

Наше предположение заключалось в том, что клиенты банка получали просьбу оценить диалог слишком поздно. Чат с поддержкой закрывался, а клиент не заходил в приложение только для того, чтобы поставить оценку.

В этот момент мы поняли, что в текстовой коммуникации можно анализировать смайлы. В таких диалогах они передают эмоции лучше всего, ведь интонацию тут не применишь. Порой вместо негативной лексики человек может просто прислать гневный эмодзи, не желая больше тратить время на переписку.

Затем мы провели анализ диалогов и составили словари для банка по эмодзи. С их помощью можно было отбирать диалоги, где использовали радостные, грустные или сердитые эмодзи. Банк стал применять наши наработки для анализа клиентского опыта в чатах.

Речевая аналитика — это мощный инструмент для анализа речевых данных и выявления ценной информации.

В случае с банком мы получили доступ к 4000 голосовых и 11 500 текстовых диалогов за несколько последних месяцев. Среди них — входящие от клиентов, исходящие с продуктовыми предложениями, линия взыскания долга и чаты в приложении банка.

Когда я с командой взглянула на материал, сразу отметила следующие моменты:

Мы настраивали для клиента систему, чтобы он мог самостоятельно анализировать работу операторов: проверять гипотезы и составлять словари с лексическими маркерами, запрещёнными к употреблению.

Сотрудники BSS смогут настроить речевую аналитику и проанализировать работу контакт-центров и отделений любого банка или компании с учётом её специфики. Это может быть полезно, даже если вы проводите собственные исследования. Наши технические решения, в том числе на основе искусственного интеллекта, подметят неочевидные тенденции, а опытные эксперты составят на их основе рекомендации, которые оптимизируют работу отделов.