Речевая аналитика — помощник в продажах по телефону

Как следить за работой колл-центра? Сегодня разные компании находят разные решения. Понятно, что даже самый прилежный оператор не может трезво оценивать собственные достижения и ошибки, нужен отдельный человек. У кого-то подобной слежкой занимается «слухач» на аутсорсе, у кого-то такой контролер работает в штате. Бывает, прослушка записанных разговоров входит в обязанности руководителя колл-центра или отдела продаж. Понятно, что время руководителя особенно дорого и такая работа вряд ли может стать для него приоритетной задачей. В результате через контрольную прослушку проходит лишь ничтожный процент от общего количества звонков. В случае же с отдельным специалистом ситуация тоже немногим лучше — все звонки не прослушать, и далеко не факт, что выборочный контроль коснется именно тех разговоров, на которые следует обратить внимание.

Кто же в результате страдает? Страдает, как всегда, бизнес. Колл-центр не реализует свой потенциал в полной мере, пропускаются лиды, проваливаются попытки холодных продаж. И никто не фиксирует, в чем причина и где именно не дорабатывает оператор.

Технология, которая может решить эту проблему, уже существует. Это одна из возможностей виртуальной АТС UIS. Речь идет о сервисе речевой аналитики, который производит текстовую расшифровку любого разговора. С данным сервисом вы сможете:

• повысить эффективность работы колл-центра;
• усовершенствовать клиентский сервис;
• выявить точки роста для бизнеса;
• увеличить конверсию из обращений в продажи.

Это искусственный интеллект, который преобразует WAV-файл разговора в текст и выявляет в получившемся тексте необходимые компоненты на основе ключевых слов. Расшифрованные разговоры классифицируются по теме обращения, типу возражения клиента, проблеме клиента, товару/услуге, которыми клиент интересовался, и любым другим параметрам.

Речевая аналитика позволит получить информацию, какие из разговоров содержат проблему и, соответственно, нуждаются в прослушивании. Сервис будет отчитываться, соблюдают ли сотрудники чек-листы и насколько вежливо общаются с клиентами. Вы получите не только отрицательные, но и положительные примеры разговоров — материал, по которому можно обучать отстающих операторов. Можно будет сравнивать, как изменился уровень компетенции сотрудника до обучения и после. Также речевая аналитика даст понимание, насколько эффективен чек-лист и не нуждается ли он в корректировке.

Пользователь задает ключевые слова, и система автоматически присваивает звонкам нужные метки, например, по теме обращения и удавшейся/неудавшейся сделке. Для многих сфер бизнеса у нас есть преднастроенные ключевые слова.

Когда накопится определенное количество звонков, система SmartTag сможет сама проставлять метки на основе данных из ранее записанных разговоров. Это очень полезно, когда необходимо оценить разговор по абстрактным параметрам — конфликт или некомпетентный ответ оператора.

В страховой компании была проблема с конверсией в продажу одной из услуг. Для улучшения ситуации был настроен автоматический поиск слов по самым частым возражениям в дополнение к чек-листам. Наиболее заметным возражением было «Слишком высокая цена!», причем в большинстве случаев клиент не сравнивал цену с ценами конкурентов. Решили проверить, как можно уменьшить влияние этого возражения на продажи. Разработали несколько речевок для операторов, протестировали и в результате выбрали ту, которая информировала покупателя, из чего складывается цена, и сразу же объясняла, чем услуга данной компании лучше соответствующей услуги у конкурентов.

Такой подход к работе с этим типом возражения позволил увеличить общую конверсию в продажи на 7% в сравнении с тем периодом, когда ситуация была неуправляемой.

В одной компании (розничная торговля) проверяли 5 разговоров в месяц у каждого сотрудника. При большом количестве звонков такой подход не позволял обнаружить системную проблему. А проблема была в том, что словесная презентация товара около половины случаев делалась неправильно — попытка продать товар не была привязана к проблеме клиента. Именно умение выявлять проблему клиента стало основным предметом обучения операторов колл-центра.

Благодаря этому удалось удостовериться, что звонки, в которых проблема клиента была выявлена при первой коммуникации, приводили к допродажам намного чаще, чем звонки, где просто предлагался товар без выяснения деталей проблемы клиента.

Было проведено обучение. Сейчас отчеты речевой аналитики помогают сравнивать различные временные отрезки и выяснять, кто из операторов вырос после обучения, а кто нет. В результате средний чек клиента был увеличен на 10%.

Интернет-магазин бытовой техники столкнулся с проблемой низкой конверсии из звонка в сделку. Была поставлена задача увеличить конверсию до среднего по отрасли показателя (на 10%). Настроили оценку скрипта, сравнили показатели по успешным сделкам у разных сотрудников. Выяснилось, что сотрудники, отклоняющиеся от чек-листа, достигают лучших результатов.

Приняли решение изменить чек-лист. Из разговоров успешных сотрудников были выбраны фразы и целые речевые блоки, которые помогают продавать лучше. В ходе дальнейшей комплексной работы на основании полученного опыта конверсию удалось увеличить на 20%.