Рубрика развивается при поддержке
Маркетинг
CoMagic
3083

Три заблуждения о речевой аналитике, или что должен знать каждый маркетолог в 2020 году

Речевая аналитика — однозначный тренд ближайших пяти-десяти лет. Она предоставляет колоссальный объем данных, ранее недоступных. Однако мало кто понимает, как их использовать.

В закладки

Почему не надо гнаться за дословной расшифровкой речи, как тегировать звонки с точностью 96% и что делать с этими данными, —рассказывает Семен Суслин, менеджер продукта по речевой аналитике CoMagic.

Семён Суслин​ менеджер по продукту «Речевая аналитика» в CoMagic

Речевая аналитика выпустила джина из бутылки. Только представьте: вам доступны для изучения 100% разговоров клиентов с менеджерами. Не все готовы применить эти знания, но за ними будущее: если данные есть, бизнес будет их использовать. В этой статье я расскажу, какие мифы и заблуждения мешают маркетологам и менеджерам по продажам успешно использовать новые данные о клиентах и сделках.

Заблуждение 1. Без дословной расшифровки речевая аналитика бесполезна

Речевая аналитика — это основанная на методах машинного обучения технология, которая переводит речь человека в текстовый формат. В последние годы по ряду технологий величина ошибки не превышает 4–5%. И хотя расшифровка русской речи осложняется большим количеством фраз в предложении, точность распознавания достигает 80%. То есть 8 из 10 слов будут распознаны и доступны для поиска по ним нужного диалога, тегирования, обучения нейронной сети с учетом контекста.

Мы не раз слышали от клиентов: речевая аналитика не дает дословной расшифровки, в предложениях не все слова согласуются, как это читать? Но, внимание, вопрос: сотрудник, который прослушивает звонки, переводит их в текст? Нет! Он тегирует, делает пометки, находит опорные слова. Если заставить его транскрибировать услышанное и набирать текст, придется оплачивать целую роту специалистов в режиме 24/7.

Речевая аналитика ≠ транскрибация

Речевая аналитика так же, как и человек, размечает звонки по наличию обязательных и/или стоп-слов. Только человек успевает сделать это для 5–10% звонков, а программа — для 100% разговоров. Вот и вся разница.

Фрагменты расшифровки записи разговоров клиента с менеджером

Неверно и мнение о том, что интонация и сложность великого и могучего русского языка доступны для понимания только людям. Точность расшифровки записанной спонтанной речи человеком достигает 99%. Точность технологии распознавания речи для последующего анализа по ключевым словам, как мы уже отмечали выше, — 80%. Эта цифра успешно повышается при обучении алгоритма, дополнении словарей терминами и специфической лексикой. Так, в этом году мы добавляем в нашу систему речевой аналитики три новых отраслевых словаря: «Автомобильная тематика», «Медицина», «Недвижимость». При этом в последней тематике по ряду проектов точность тегирования уже достигает 96%.

Если принять весь массив записей за единицу, получим для человека потенциальный «охват» данных — 9,9%, для машины — 80%. Разница почти в 10 раз!

Не надо ждать идеальных расшифровок. Достаточно взять в работу массив данных на ломаном языке искусственного интеллекта и в несколько кликов найти в нём звонки, которые нужно прослушать специалисту. И если до подключения речевой аналитики сотрудник анализировал случайные 5% звонков, то после он может выполнять тот же объем работы, но лишь по тем обращениям, которые требуют особого внимания. Например, найти звонки, в которых оператор и/или клиент использовали определенное слово.

Один наш клиент прослушивал звонки с тегом «негатив» и обнаружил интересную закономерность. Оказалось, что некоторые покупатели при получении товара от курьера были недовольны доплатой за подъем без лифта на этаж или доставку за МКАД. Этот пункт добавили в скрипт. Теперь в конце разговора оператор сразу озвучивает финальную стоимость заказа и доставки. Выполнение этого пункта контролируется по всем звонкам с помощью автоматического тегирования. Источник негатива полностью устранен.

Важно знать

Речевая аналитика — это не расшифровка голоса в текст. Это быстрый доступ к большому объему данных, которых не хватает бизнесу для принятия верных управленческих решений и увеличения продаж.

Казалось бы, задача с анализом звонков упрощается: достаточно составить список слов-маркеров и по ним тегировать звонки. И снова вопрос: сможете назвать 10–20 фраз, которые характеризуют звонок как качественный и целевой?

Заблуждение 2. Каждый разговор уникален — машинный алгоритм не поймет сути

Определить параметры, которые характеризуют качественный, целевой звонок, должны совместно маркетологи и менеджеры по продажам. И это не блажь, а жизненная необходимость с учетом тренда на работу по всей воронке продаж. Это упражнение полезно и тем, кто пока не думает о внедрении речевой аналитики.

Наш опыт показывает, что порядка 40% компаний не имеют таких критериев либо мнение по этому поводу сильно расходится у маркетологов и менеджеров по продажам. Отсюда и тянется это вечное противостояние:

Между тем телефонный разговор, который с максимальной вероятностью приводит к продаже, всегда отличает ряд опорных пунктов. Например, это могут быть вопросы о доставке для мебельного магазина, упоминание фамилии конкретного врача для клиники. Чем их больше, тем выше вероятность продажи. Чтобы найти эти триггеры, нужно прослушать не менее 10–20 разговоров, в том числе отдельно те, которые привели к продаже, и те, которые закончились ничем.

Можно долго спорить, что машина не понимает нюансов нашей речи. Но факты говорят об обратном: при анализе звонков в любой отдельно взятой тематике алгоритму машинного обучения достаточно 15–20 слов-триггеров для тегирования звонков. 15–20, Карл!

Важно понимать, что никакие универсальные автотеги не влияют на продажи. Всегда нужно выявлять те самые 15–20 маркеров, характерных для вашей тематики. Да, они уже могут быть предустановлены в системе, обученной на достаточной выборке, — например, у нас уже разработаны алгоритмы автоматического тегирования для тематик «Автомобили» и «Недвижимость».

Алексей Макаров
продуктовый аналитик CoMagic

Что человеку важно, например, при заказе роллов? Время ожидания, стоимость и срок доставки, скидки, количество имбиря и палочек. Или возьмем звонок в агентство недвижимости: цена, площадь, ипотека, отделка, договор, гарантии, срок сдачи. И неважно, звонит ли молодая мама-фрилансер или седой профессор. В обычной жизни они могут говорить по-разному, но при заказе товаров и услуг будут использовать одни и те же понятные и конкретные формулировки.

Чтобы определить необходимый набор фраз, нужно отталкиваться от задач: изучение потребностей клиентов, работы менеджеров по продажам, выявление определенных категорий звонков. Ниже приведен фрагмент расшифровки и выделены слова, которые могут быть такими маркерами.

​Пример определения слов-маркеров на основании анализа телефонного разговора

И это еще один аргумент в пользу того, что 100%-ого качества расшифровки не требуется. Вы просто программируете систему на поиск важных для вашего бизнеса слов, и, поверьте, большинство из них алгоритм без труда распознает. Если критичны отдельные бренды, марки, терминология — всему этому система без проблем обучается. Достаточно посмотреть несколько расшифровок, отметить сложные слова и дополнить ими словарь.

У нас есть клиенты, которые используют автоматическое тегирование параллельно с тегированием звонков сотрудниками. Затем прослушиваются звонки, где метки расходятся. Далее можно дать обратную связь оператору, получить дополнительные вводные по работе с клиентами, скорректировать скрипт.

По одному из проектов автоматическая сверка чек-листа в рамках речевой аналитики показала неожиданный результат. Прописанный в компании скрипт работал хуже, чем его вольная интерпретация сотрудниками. Собрали инсайты из звонков, которые приводили к продажам, составили новый скрипт и увеличили конверсию в сделку.

Важно знать

В эпоху больших данных нельзя отвечать только за свою зону. Для успешного управления маркетингом и продажами нужно четко понимать, что влияет на качество лидов, на конверсию в сделку, какие точки роста есть у бизнеса здесь и сейчас. Анализ звонков дает исчерпывающие ответы на эти вопросы.

Заблуждение 3. Достаточно прослушать 10% звонков, чтобы узнать среднюю температуру по больнице

С точки зрения статистики выборка из 10% звонков исключает «скопление» при прослушивании самых успешных или, наоборот, только провальных. Для средней температуры по больнице этого и правда достаточно. Вы поймете, как в целом сотрудники транслируют преимущества, выборочно узнаете реакцию на те или иные предложения. Если кто-то косячит, можно с ним поговорить, и он исправится.

А если прослушать все похожие неудачные разговоры и найти проблему? Возможно, обучение устарело, мотивация не работает. Или найти не один - два, а все разговоры, где клиенты хвалят менеджера, — можно ли найти в них что-то общее, скорректировать бизнес-процесс? Что именно приводит к такому результату? То, что при анализе 10% звонков — погрешность, при прослушивании всего объема — точка роста.

90% звонков, которые остаются без внимания, — это серая зона, потеря бесценных данных о том, что клиенту нравится, мотивирует его к покупке или вызывает у него негатив.

Один наш клиент — крупный магазин бытовой техники — за счет автоматического тегирования обнаружил интересную категорию звонков. Клиенты спрашивали о дополнительных товарах, но ничего не покупали. В компании посчитали, сколько таких звонков поступает и сколько денег на этом теряется. Прослушали обращения, скорректировали скрипт продавцов, разработали для них новый KPI. В результате удалось увеличить продажи на 20%.

Подробнее об этом кейсе, а также о самом продукте мы даже записали вот такое видео:

Алгоритм протегирует 500, 1000 и даже 10 000 звонков, зафиксирует заданные вами ключевые моменты. Например, при звонке клиента в автосалон определит, обращался ли он в сервис или хотел записаться на тест-драйв. Покажет, рассказал ли оператор о важных акциях, не использовал ли запрещенные слова. Далее специалист может выбрать для прослушивания любую категорию звонков и делать выводы, выдвигать гипотезы, основанные на реальных данных, в том числе ретроспективных.

Важно знать

Пока вы прослушиваете 10% звонков, 90% информации остается в серой зоне. А конкуренты успешно анализируют весь массив обращений. Данные — главное оружие бизнеса в эпоху цифровой трансформации. Не использовать его — значит сознательно вредить бизнесу и обрекать его на поражение.

Заключение

За один только 2019 год мы в CoMagic прошли путь от тестирования бета-версии речевой аналитики до подключения десятков компаний, нативной интеграции со сторонними сервисами телефонии без участия программистов клиента, научились расшифровывать wav- и mp3-файлы, поставили на поток дополнение словарей и обучение алгоритма в наиболее востребованных тематиках «Автомобили», «Медицина», «Недвижимость». В этом году планируем продолжить работу по преднастройке тегов по тематикам бизнеса, чтобы свести к минимуму этап обучения нейросети и еще быстрее давать качественный результат.

Больше подробных статей о наших продуктах читайте в блоге CoMagic.

Материал опубликован пользователем.
Нажмите кнопку «Написать», чтобы поделиться мнением или рассказать о своём проекте.

Написать
{ "author_name": "CoMagic", "author_type": "editor", "tags": [], "comments": 22, "likes": 6, "favorites": 75, "is_advertisement": false, "subsite_label": "marketing", "id": 105506, "is_wide": false, "is_ugc": false, "date": "Thu, 06 Feb 2020 15:13:55 +0300", "is_special": false }
Простой коллтрекинг
для малого бизнеса
Новый алгоритм с
настройкой в два клика
Узнать больше
Коллтрекинг
без боли
Простые настройки
Умный алгоритм
Чистая аналитика
Подробнее
Простой коллтрекинг
для малого бизнеса
Знание источников продаж
постичь ты сможешь
познать
Простой коллтрекинг
для малого бизнеса
Знание источников продаж
постичь ты сможешь
постичь
(function(d, w) { var analyticsCategory = "CoMagic branding"; var sendEvent = function sendEvent(label) { var action = arguments.length > 1 && arguments[1] !== undefined ? arguments[1] : "Click"; var value = "" .concat(analyticsCategory, " \u2014 ") .concat(label, " \u2014 ") .concat(action); console.log("Analytics: %c".concat(value), "color: #E87E04"); if (window.dataLayer !== undefined && analyticsCategory) { window.dataLayer.push({ event: "data_event", data_description: value }); } }; var rand = function rand(min, max) { min = Math.ceil(min); max = Math.floor(max); return Math.floor(Math.random() * (max - min + 1)) + min; }; var id = rand(1, 4); var head = document.querySelector(".comagic-branding-head"); head.setAttribute("data-comagic", id); sendEvent(id + " — Header", "Init"); head.addEventListener("click", function() { sendEvent(id + " — Header"); }); var branding = document.querySelector( '.comagic-branding[data-comagic="' + id + '"]' ); branding.style.display = "block"; sendEvent(id + " — Footer", "Init"); branding.addEventListener("click", function() { sendEvent(id + " — Footer"); }); })(document, window);
0
22 комментария
Популярные
По порядку
Написать комментарий...
2

Как у вас все так четко получается? Когда то думали об этом, но вот вам личный пример, смеялся до слез!

Ответить
0

:D :D :D Спасибо! Повеселили))) Судя по дате звонка и скрину это не из нашего сервиса - мы тогда еще не зарелизили свой продукт. У нас тоже бывают смешные расшифровки - просто мы их тут приводить не стали) Но, собственно, в статье же речь как раз о том, что не стоит ждать от сервиса идеальной транскрибации, она и не нужна. Многое зависит и от движка речевой аналитики, помех и опять же объема данных - как долго алгоритм учился и сколько разговоров прослушал и т.п. В любом случае технологии развиваются и таких веселых расшифровок будет становиться меньше.

Ответить
0

О том и речь, что этот продукт пока не для всех клиентов, у кого есть бюджет и время прокачать ИИ, для клиентов с объёмом трафика до 3000 звонков/месяц пока не подъёмный он. Дешевле штатный сотрудник или аналогичный сервис, где это отслушивают живые люди и даже улыбку в голосе распознают.

Ответить
0

после подмены понятий "почти в 10 раз" (а там четкая цифра в 8 раз) даже читать не продолжил. 

Ответить
1

Владислав, четкая цифра там 8,08, но автор округлил для наглядности до 10, написав "почти". Все исходные цифры там приведены, каждый может посчитать, арифметика простая. Все-таки нам хотелось бы услышать ваше мнение про технологию. Надеемся, что вы все же прочтете статью.

Ответить
0

Осилил статью, потомучто не меня среагировали.
Т.к. большинство колл центров и коммуникационных хабов на аутсорсе у больших команий-это надо предлагать им. И чёткими тезисами. А то мне, чтоб разбоаться в вашем продукте, пришлось абзацы два раза перечитывать. И для внедрения, мне своему СЕО надо понятным языком объяснить суть. А это сложно. Упростить бы... Но это ап ту ю, я ж просто комментатор

Ответить
0

Клиент , если узнает, что разговор с ним записывается без его ведома, разбирается на слова и анализируется. После этого составляется модель его (клиента)  поведения больше никогла в такую контору не позвонит. 

Ответить
1

Что мешает предупредить клиента о записи разговора? Речевая аналитика помогает сделать сервис лучше: это и для клиента хорошо в первую очередь. Соответственно, наоборот: обращаются туда, где релевантнее обрабатывают запросы и лучше понимают клиента. 

Ответить
0

В Сбер звонят и по несколько раз на день

Ответить
0

вообще то сейчас почти все коммерческие конторы при дозвоне сообщают, что разговор записывается или может быть записан. Ничего удивительного или пугающего в этом нет. Просто не надо в разговоре давать пароли от почты и пин коды от карточек :)

Ответить
0

че почем?

Ответить
0

Минимальная стоимость 15000 рублей, она может увеличиваться от количества минут на распознавание, количества свойств, которые необходимо получить, и количества сотрудников. Все зависит от задачи, которую решаете. Для расчета стоимости и проведения демо напишите, пожалуйста, на d.erzikov@comagic.ru

Ответить
0

Два вопроса: 
1) Кт -пишет речь оператора в одном канале, а клиента в другом. Как у Вас это решается? 
2) Тестили речевую аналитику и тратишь ещё больше время, что бы за ней проверить, пока она не обучится, для небольшого бизнеса где кол-во звонков в день не превышает 300шт. долгое обучение.  Как мне видится надо изначально потратить кучу денег, что бы научить искусственный интеллект, а дальше он будет экономить время, но не у всех есть, как рах этот бюджет....

Ответить
0

1) Да, разговоры менеджера и клиента пишутся в разных каналах. Так их можно безошибочно разбить на диалоги. Из других системы мы тоже можем забирать записи звонков, и к ним предъявляются те же требования: речь клиента и речь менеджера должны быть записаны каждый в своем канале.
2). Вы, видимо, говорите про технологию, похожую на наш SmartTag. Там действительно нужно большое количество данных и время. 
Но еще мы сделали автотегирование, которое заключается в разметке по ключевым словам и фразам, которые вы задаете сами, что позволит получать результаты уже спустя несколько дней.

Ответить
0

Во во  я об этом же такой же кошмар был получен =) Дальше тратишь время, деньги, получаешь чуть лучше картинку, дальше снова тратишь время, деньги  и так по кругу как белка в колесе, а руководство спрашивает, мы тут уже 50к спустили, где результат? Кто будет делать ту работу, за которую мы уже в пулили деньги, а результата нет,  за меньшие деньги и с 100% результатом + рекомендации можно получит этот же сервис, но без искусственного интеллекта вот у этих ребят.....  и на этом игра в ИИ закончилась =) 

Ответить
0

вы ожидали что вам серебряную пулю принесут за 50K?

Ответить
0

За 50к используя человеческий труд, я могу 2 месяца получать аналитику речевую с анализом вплоть до улыбки в голосе + рекомендации.

Ответить
0

ну все зависит от объемов то) вопрос вобщем риторический да

Ответить
0

Да армия девченок десятки тысяч звонков обрабатывает по чек листу, а потом на основе сводных отчет в pbi и рекомендации, где, что подкрутить. Если нужно, могу ссылку скинуть на ребят

Ответить
0

да скиньте пожалуйста, интересно!

Ответить
0

В лс написал

Ответить

Прямой эфир