Стоп-слова для коллектора. Как речевая аналитика помогла работать с должниками нежно
Когда работа колл-центра влияет не только на финансовый результат, но и на сохранение бизнесом лицензии, контроль качества становится задачей № 1. В «Агентстве судебного взыскания» с помощью речевой аналитики CoMagic научились выявлять нарушения правил общения сотрудников с должниками на всем потоке звонков. Рассказываем, что из этого вышло.
Федеральная юридическая компания «Агентство судебных взысканий» занимается возвратом долгов в партнерстве с крупными банками и МФО. По закону ее сотрудник:
не имеет права оказывать психологическое давление или угрожать заемщику,
обязан предупреждать о записи разговора;
- должен следить за неразглашением персональных данных в предусмотренных законом случаях.
Нарушение правил чревато штрафами и судебным разбирательством — вплоть до запрета на коллекторскую деятельность.
Чтобы выявлять диалоги, нарушающие регламент, нужно прослушивать звонки. До января 2020 года в компании звонки прослушивали выборочно — при обучении сотрудников, поступлении жалоб от должников и в случаях, если руководитель заметил явное нарушение. Зимой в штате появился аудитор, который выборочно разбирал лишь 5 % разговоров. Но даже на столь малом объеме заметили основные признаки нарушений:
сотрудник не представился;
- не предупредил о записи разговора;
- употребил слово, которое можно расценить как психологическое давление;
- не среагировал на намерение должника жаловаться: сказал «ваше право, жалуйтесь» вместо попытки разрешить ситуацию.
Чтобы прослушивать больше звонков, пришлось бы нанять целый штат аудиторов. При этом нельзя было исключить человеческий фактор: из-за усталости или невнимательности оператор мог ошибиться и пропустить некорректный диалог. А один такой разговор чреват серьезными последствиями для компании.
Требовалось автоматизированное решение, которое позволило бы выявлять нарушения правил общения сотрудников с должниками на всем потоке звонков. И в компании решили протестировать речевую аналитику CoMagic.
Речевая аналитика: первые шаги
После подключения сервиса начали получать расшифровку практически 100% разговоров. Но мало иметь тексты всех разговоров — их надо протегировать, то есть разметить, автоматически найти в них нужные слова, выявить признаки нарушений законодательства или внутреннего регламента. Например, специалист может назваться приставом, а это уже нарушение — введение в заблуждение.
В компании начали готовить теги для разметки диалогов. Аудитор составил список слов-маркеров, которые заносились в теги. Два новых тега добавляли в систему CoMagic каждую неделю. Затем прослушивали отмеченные системой звонки и вносили корректировки.
Но одно дело — искать по тексту слова «агентств.», «пристав.» и пр., и совсем другое — найти признаки некорректного общения, которое не всегда очевидно. Такую манеру беседы не вычленить из всех расшифровок по паре-тройке ключевых слов. Стало понятно, что эта проблема требует отдельного решения.
Словарь некорректного общения
Для определения признаков некорректного общения аудитор стал прослушивать звонки и выписывать подходящие под эти признаки слова и фразы. Методично, один за другим, обращая внимание как на слова коллектора, так и на реакцию собеседника. Например, если должник говорит «грубите», «хамите», есть вероятность нарушений со стороны сотрудника.
Когда в систему речевой аналитики внесли все эти слова, они автоматически стали попадать в отчет. По факту получился словарь, который присваивал диалогу один-единственный тег — «некорректное общение».
Автоматический рейтинг сотрудников
После настройки тегирования получили чек-лист из восьми параметров, среди которых «Провокация», «Некорректное общение», «Представление», «Приветствие», «Нецензурная лексика» и др.
Теперь аудитор прослушивал лишь те звонки, где были найдены признаки нарушения правил, то есть проставлен соответствующий тег. Также он дорабатывал теги и корректировал отчет, если где-то отмеченное слово имело другой контекст или, к примеру, сотрудник представился, но это явно не прозвучало. Он просматривал чек-лист по всем коллекторам, выделял новые слова-маркеры, корректировал оценку менеджера по результатам звонка.
В итоге по каждому сотруднику виден текущий результат и динамика относительно прошлых периодов. Если ситуация не улучшается, с сотрудником стоит расстаться. Если виден прогресс, успешный опыт обучения и отработки возражений можно применить к другим специалистам.
Внедрение речевой аналитики в «Агентстве судебных взысканий» позволило:
— отслеживать выполнение внутренних правил общения с должниками;
— автоматизировать контроль за соблюдением требований законодательства сотрудниками;
— распознавать в 5 раз больше звонков без увеличения штата аудиторов.
От выявления нарушений к анализу воронки продаж
Технологии речевой аналитики позволяют тегировать звонки по товарам и услугам, по запросам на кредит или оплату наличными, по поиску жилья в городе или за его пределами. Алгоритм будет один и тот же:
- вы получаете текстовую расшифровку звонков;
- автоматически тегируете разговоры по заранее определенным словам;
- при необходимости используете поиск в диалогах по ключевым словам и фразам. Например, чтобы изучить спрос на новую услугу или найти причины нового возражения у клиентов;
- формируете нужные вам отчеты о работе операторов и типах обращений. При этом вы опираетесь на чек-листы, в которых фиксируется употребление или отсутствие ключевых слов скрипта разговора.
Главное при выборе системы речевой аналитики — обращать внимание не столько на саму опцию расшифровки речи, сколько на наличие интерфейса и встроенных алгоритмов для последующей обработки данных, которые были получены в результате распознавания речи.
Подробнее о возможностях «Речевой аналитики» CoMagic читайте здесь.
О том, как речевая аналитика помогает увеличить продажи, смотрите здесь.
О главных заблуждениях в отношении речевых технологий читайте здесь.
Комментарий недоступен
"употребил слово, которое можно расценить как психологическое давление"
— возвращай бабки или придем к твоей мамке?
А потом звонят с не официальных номеров и не стесняются в выражениях.