Штучний інтелект VS супервайзер. Як витрачати у 10 разів менше часу на контроль розмов
Контроль розмов потребує чимало ресурсів: багато часу втрачає як супервайзер, так і бізнес. Проте минулого року в Україні з’явився штучний інтелект, що аналізує діалоги автоматично. Зараз ШІ вже можна навчати на скриптах та правилах конкретної компанії. Завдяки цьому рішенню можна «зрозуміти» особливості бізнесу. На додаток ще й вивільняє людині час для іншої, не настільки рутинної роботи. У чому ж ефективність ШІ, розповідаємо на прикладі комп’ютерної школи Hillel.
Чому бізнес вирішив впровадити ШІ для контролю дзвінків
Коли ти одна з найбільших українських онлайн-платформ освіти IT та digital, не дивно, що обсяги щотижневих дзвінків з клієнтами сягають кілька тисяч. Потенційні студенти Hillel IT School телефонують туди по кілька тисяч разів на тиждень. Якщо прослухати хоча б 10% від цієї кількості викликів, це вже по 40 розмов на день.
Діалог з одним клієнтом у середньому триває п’ять хвилин. І навіть якщо слухати на швидкій перемотці, тільки на прослуховування щоденного об’єму розмов одного менеджера піде дві з половиною години. А ще потрібно оцінити роботу менеджера за численними критеріями та надати фідбек. Через такі обсяги виклики прослуховувалися вибірково, тому можна було не врахувати повної картини. Наприклад, щось пропустити чи не почути.
Щоб розв’язати ці проблеми, компанія вирішила доручити контроль штучному інтелекту — Ringostat AI Supervisor. Штучний інтелект мав:
- аналізувати 100% розмов замість вибіркового прослуховування, як робилося, коли дзвінки контролювала людина;
- скоротити час на аналіз якості послуги;
- зекономити людський ресурс для інших важливих завдань;
- збирати дані для оцінки менеджерів;
- шукати інсайтів для покращення роботи команди.
Компанія використовує багаторівневі системи оцінки обслуговування. Тому, обговоривши цілі школи, платформа запропонувала навчати ШІ на внутрішніх критеріях. Нижче поговоримо про те, як це відбувалося та чому спрацювало краще, ніж «ручний» контроль.
Контроль розмов: як його здійснює ШІ і як би це робив супервайзер
Отже, поговоримо про основні завдання з контрою розмов.
Розуміння, про що була розмова
Аби зрозуміти сенс розмови та оцінити якість обслуговування, людині доводиться слухати діалог цілком. А це значні витрати часу, якщо треба проаналізувати кілька десятків викликів.
Штучний інтелект розв’язує це завдання інакше. Він перетворює аудіо усіх розмов на текст, а прочитати його можна значно швидше, ніж слухати діалог цілком. Крім того, це зручніше для людей, які краще сприймають інформацію візуально, ніж на слух.
Також розшифровка дозволяє знаходити діалоги за певним словом. Припустімо, за назвою курсу. Також зручно, що будь-який спірний або незрозумілий момент у діалозі керівник може надіслати консультанту та розібрати ситуацію разом.
Нижче приклад текстової розшифровки розмови. Транскрибацію можна налаштувати різними мовами. Наприклад, щоб аналізувати обробку дзвінків на різних ринках:
Також розшифровка допомагає помітити, чи дотримується команда правил. Наприклад, для консультанта Hillel IT School неприпустимі репліки типу: «Обирайте таку-то спеціальність, та через місяць будете отримувати $3000». Школа популяризує усвідомлений вибір навчання. Тому спеціаліст має ретельно розпитати майбутнього студента про його здібності, очікування та побажання.
Підписуйтеся на наші соцмережі
Перевірка, як впорався консультант на кожному етапі розмови
На кожному етапі розмови менеджер має здійснювати обов’язкові дії. Наприклад, на початку діалогу — привітатися та назвати ім’я та компанію, в кінці — проговорити домовленості з клієнтом. Щоб проконтролювати це, супервайзер знову-таки має слухати розмови цілком. І відмічати собі, де співробітник все зробив правильно, а де забув про певні кроки.
ШІ ж може зафіксувати в окремому блоці звіту, як поводився консультант на кожному етапі розмови. Для цього «Ringostat AI Супервайзер» навчили, що у компанії розмови складаються з:
- привітання;
- опису причини звернення;
- презентації курсу;
- опису розкладу занять;
- обговорення оплати;
- призначення наступного контакту тощо.
Також школа поділилася з розробниками сценаріями розмов з клієнтами. Тепер штучний інтелект допомагає проконтролювати, чи консультант дотримується скрипту на кожному з етапів. Рішення стисло описує дії співробітника під час етапу та надає відповідну цитату, вказавши її таймкод:
Розуміння, на які діалоги звернути увагу
Далеко не кожна розмова потребує докладного аналізу. Зазвичай достатньо знати, чим закінчилася розмова та чи варта вона додаткової уваги керівництва. Але супервайзер не може цього знати заздалегідь, тому змушений прослуховувати дзвінки вибірково у надії потрапити на щось важливе.
З ШІ можна легко помітити розмови, які потребують уваги. Штучний інтелект фіксує підсумок діалогу та чи йшлося у ньому про ключові для Hillel IT School моменти:
- чи була консультація вичерпною, чи закрила всі питання клієнта;
- чи закрили угоду;
- чи виставили рахунок на навчання.
Штучний інтелект також записує наступні кроки. Припустімо, надіслати фолоу-ап, звернутися до клієнта, коли буде відомо про дату старту нових курсів тощо. Це допоможе не забути здійснити дії, які не просто впливають на закриття угоди, а роблять сервіс для клієнта максимально комфортним.
Також штучний інтелект фіксує предмет розмови. Наприклад, запит додаткової інформації, закриття угоди, обговорення розкладу курсів або деталей оплати тощо. Це дозволяє відфільтрувати діалоги з певною темою та проаналізувати в першу чергу. Наприклад, щоб зрозуміти, які угоди мають закритися найближчим часом.
Під час розмови вкрай важливо, щоб клієнт залишився задоволеним. В іншому випадку угода може зірватися — навіть, якщо консультант формально все зробив правильно. Тому ШІ аналізує не тільки репліки, а й настрій: консультанта, менеджера та розмови в цілому. Завдяки цьому можна завжди помітити діалоги, де щось не так з настроєм, розібратися з ситуацією та завчасно уникнути проблем.
Аналіз, як консультант опрацював сумніви, чи закрити всі болі клієнта
Не всі потенційні студенти готові одразу записатися на курс: ще не остаточно прийняли для себе рішення, питання до напрямку, курсу, сумніви щодо вдалого поєднання своїх планів та розкладу занять тощо. Тому консультант має вміти працювати із всіма подібними «запереченнями» — запитами-сумнівами. В ІТ-школи є перелік найчастіших питань та інструкції, як на них відповідати.
При «ручному» контролі супервайзер мав би пам’ятати, як працювати з сумнівами, або постійно звірятися з правилами. Якщо він помітив би помилку, то мав би перемотати розмову на потрібний фрагмент, записати цитату тощо.
Штучний інтелект це робить автоматично. Він фіксує, які сумніви виникли та цитує, як консультант з ними впорався. Нижче приклад опрацювання заперечення клієнта про те, що йому може не завжди підходити розклад курсів.
Оцінка роботи менеджера
Як ми писали вище, будь-який діалог поділяється на етапи. Консультант має пройти кожен з них, «не перестрибуючи» — адже від цього залежить повноцінне закриття потреб клієнта. Аби оцінити менеджера, супервайзер зазвичай йде за чеклістом, проставляючи бали за правильні дії консультанта.
Проте штучний інтелект може це зробити навіть точніше. Він враховує те, що різні етапи мають різний вплив на продаж. Припустимо, закриття угоди більше залежить від того, чи призначив консультант наступний контакт, ніж від того, чи він назвав своє ім’я.
Якщо консультант зробив все правильно — він заробляє відповідний бал, якщо помилився або пропустив етап — бал віднімається. Ось декілька прикладів оцінки:
- консультант привітався, назвавши своє ім’я — 0,5 бала;
- опрацював заперечення — 1 бал;
- призначив наступний дзвінок — 1 бал;
- надіслав рахунок — 8 балів.
З оцінки за кожен пункт складається загальний бал за розмову. А з балів за кілька розмов — оцінка менеджера. Керівництво школи аналізує ці показники, щоб розуміти, навички яких консультантів варто покращити.
Створення портрета клієнта
Щоб правильно продавати курси, слід добре розуміти портрет клієнта. Але якщо фіксувати його вручну, на це піде додатковий час. Треба зупинитися на всіх фрагментах, де людина розповідає про себе, та стисло виписати ключову інформацію.
Завдяки Supervisor ШІ цей процес відбувається автоматично. Штучний інтелект з реплік клієнта «витягує» ключову інформацію про нього та записує в окремому розділі. Керівництву та менеджеру достатньо потім ознайомитися з ним або скопіювати — припустимо, до CRM.
Результати впровадження штучного інтелекту: відгук клієнта
Вадим Друмов
СЕО та співзасновник HIllel IT School«Навчальний продукт — це непростий кейс продажу. Клієнтові нелегко обрати з великого переліку, особливо коли ще не зовсім знаєш, що тобі потрібно. Тому перша консультація повинна бути ідеальною, а отже, і на якість цієї послуги ми звертаємо найбільше уваги. Завжди шукаємо варіанти покращення рівня клієнтоорієнтованості.
Коли ми звернулися по штучний інтелект у Ringostat, то думали, що на його впровадження піде кілька місяців. Але основні налаштування пішло лише півтора тижня, та вже зараз менеджер витрачає у 10 разів менше часу на перевірку якості дзвінків. Зараз триває активна стадія доопрацювання. Ми додаємо критерії, виправляємо невеликі деталі, щоб наблизитись до найкращого з можливих варіантів оцінювання. І тут відіграє свою роль злагоджена робота підтримки Ringostat».