Компаниям, имеющим кол-центр, отделы продаж, техподдержки или обслуживания клиентов, необходимо контролировать работу сотрудников на телефоне. Но для прослушивания и анализа звонков всех операторов придется содержать отдельный штат сотрудников, что очень затратно. Эту проблему решает речевая аналитика – инструмент, который переводит записи разговоров в текст и анализирует их согласно заданным параметрам. Кроме того, с помощью речевой аналитики можно выявить наиболее эффективные методики продаж, скорректировать скрипты, повысить конверсию звонков. Рассмотрим несколько примеров применения речевой аналитики от компании Novofon.
Фото: Bojan Milinkov/shutterstock
Novofon – оператор связи, обеспечивающий спектр услуг в сегменте облачной телефонии для корпоративных клиентов и частных лиц.
Речевая аналитика – инструмент, позволяющий автоматически создавать текстовую расшифровку телефонного разговора и проводить анализ записи по нужным параметрам. Такой инструмент необходим компаниям и подразделениям, сотрудники которых много общаются с клиентами по телефону, например, офисным кол-центрам, интернет-магазинам, отделам продаж, сервисам техподдержки. Как рассказала Елена Волозова, руководитель PR-отдела компании Novofon, часто речевую аналитику используют оптовые поставщики: клиент оставляет заявку на сайте, ему перезванивает специалист по продажам и договаривается об условиях. Во время переговоров предлагаются дополнительные услуги и совершаются допродажи.
Что может дать проверка разговоров
С помощью речевой аналитики можно решать большое количество задач. Например, контролировать качество выполнения скрипта, выявлять, насколько сотрудники следуют прописанному сценарию, на каких этапах разговора происходит отказ клиента, как клиенты реагируют на обращение по скрипту, у каких специалистов чаще всего происходит отказ, а каким удается выполнить поставленные задачи. Возможно, потребуется переписать скрипт или провести ротацию сотрудников. Для контроля сотрудников не нужно часами слушать запись, выясняя, правильно ли ведутся разговоры по телефону.
Проверить, как решаются проблемы клиента, обращающегося за поддержкой. С какими вопросами чаще всего звонят клиенты, на что жалуются, в какое время бывает больше звонков, удалось ли специалисту решить проблему клиента и прочее.
Получить обратную связь, собрать информацию о том, какие трудности испытывает клиент, какие у него есть предложения по улучшению сервиса и продукта. Собранные сведения могут помочь компании заключать больше сделок, повысить конкурентоспособность.
Повысить лояльность клиентов. Информация о клиенте, полученная во время разговора, позволяет формировать клиентоориентированное предложение.
Оценивать уровень подготовки сотрудников. Инструмент оказался очень действенным при проверке знаний сотрудников после обучения.
Выявить употребление клиентами ненормативной лексики, в каких ситуациях и в разговоре с какими сотрудниками клиенты чаще сбиваются на ненормативную лексику.
Формировать отчеты по заданным параметрам для оперативного управления.
Фото: pathdoc/shutterstock
Параметры анализа
Анализировать записи разговоров можно по множеству параметров – например, по ключевым словам, длительности разговора, перебиваниям, времени снятия трубки, следованию скрипту, загрузке оператора и так далее. Можно анализировать разговоры одного сотрудника, группы сотрудников, звонки за определенный период, каждый звонок и так далее.
Как рассказала Елена Волозова, при подключении к системе компания сама задает параметры и выбирает, какие отчеты необходимо формировать. Все это делается в личном кабинете на сайте Novofon, причем параметры легко менять по мере необходимости.
Система автоматически переводит каждый звонок в текст, на что уходит в среднем пять минут, и формирует отчет на основе анализируемых параметров. Благодаря гибкости настройки и широкому списку возможностей, речевая аналитика подходит бизнесу любого масштаба и любой сферы. Рассмотрим три практических кейса по использованию речевой аналитики.
Фото: chainarong06/shutterstock
Кейс № 1. Настройка системы премирования и грейдов в кол-центре
Ситуация. В кол-центре работают 50 операторов, чей уровень профессиональных навыков неоднороден – одни трудятся давно, другие только устроились. Необходимо разработать систему, благодаря которой всех операторов можно будет разделить на несколько уровней навыков (грейдов) и выстроить систему мотивации и премирования.
Варианты решения. Сначала рассматривалась возможность «ручной» оценки навыков операторов – путем прослушивания всех звонков и выставления оценок. Рассчитав этот вариант, пришли к выводу о нецелесообразности такого внедрения, так как оно потребует создания отдела контроля качества, добавления новых штатных единиц, расширения ФОТа. Другая проблема связана с человеческим фактором: какие-то звонки могут не попасть в статистику, оценка не будет полностью объективной. В общем, вскрылось множество проблем, решение которых приводило бы лишь к дополнительным сложностям.
Процесс автоматизации. Стало понятно, что здесь нужен другой подход, весь процесс надо автоматизировать. Для этого необходимо правильно настроить систему речевой аналитики. Во-первых, включить распознавание звонков для всех операторов. Тогда вся речь будет автоматически сформирована в текст, который впоследствии будет анализироваться. Во-вторых, определиться с показателями, которые будут оказывать влияние на грейд сотрудников. Это могут быть как технические параметры (процент молчания в разговоре, количество перебиваний), так и ключевые слова или фразы. В-третьих, необходимо указать все эти параметры в системе отчетов, которые автоматически будут отправляться руководству (или ответственному лицу). Отчеты будут содержать сведения об операторах, звонках и оценку качества по пятибалльной шкале, которая будет складываться на основании выбранных параметров. Кроме того, можно настроить автоматическую отметку звонков, содержащих определенные фразы. На основе среднего балла можно присваивать разные уровни навыков, повышать или понижать грейд оператора.
Результат внедрения речевой аналитики. На основании этой системы кол-центр выстроил автоматическую систему премирования и грейдов. Получилась программа мотивации, максимально объективно оценивающая уровень конкретного оператора.
Фото: pathdoc/shutterstock
Кейс № 2. Определение наиболее эффективного способа продаж для небольшой компании
Ситуация. Компания, недавно вышедшая на рынок, занимается реализацией товаров. В штате работают пять менеджеров по продажам, каждый из них обладает определенным опытом в сфере телефонных продаж. Сначала руководство не выставляло никаких формальных требований к звонку, и операторы действовали так, как считали нужным. Это было необходимо для того, чтобы определить наиболее эффективный способ продаж и впоследствии разработать скрипты. Проблемы выявились позже – стало ясно, что вручную очень сложно и трудоемко анализировать все сделки, нужна автоматизация, но для малого бизнеса купить и установить дорогое ИТ-решение – почти неподъемная задача.
Цель была сформулирована следующим образом: провести анализ при минимальных финансовых и временных затратах. И здесь к месту пришлась речевая аналитика.
Внедрение началось с настройки системы распознавания речи, необходимой для перевода записей разговоров в текст. Затем были настроены словари, чтобы разделить все вызовы на категории. Для этого определили слова-маркеры, которые соответствуют звонкам с успешным исходом, со срывом звонка и с дополнительными продажами.
Результат внедрения речевой аналитики. Таким образом, у руководства на руках оказались текстовые расшифровки звонков, уже разбитые по нужным категориям. Осталось их проанализировать и внедрить в работу лучшие методики. В результате была внедрена эффективная схема телефонных продаж, проверенная на практике.
Кейс № 3. Разделение кол-центра на специализированные группы
Ситуация. Компания имеет достаточно большой отдел продаж, в котором одновременно работают больше 50 операторов. Но руководство оказалось недовольно средней эффективностью и приняло решение разделить менеджеров на группы. Каждая из них должна будет заниматься своим конкретным товаром, который менеджерам этой группы удается продавать лучше, чем другие.
Проблемы и сложности. Для начала надо было придумать, каким образом определить эффективность работы каждого отдельного менеджера с каждым отдельным товаром. Потом нужно сравнить показатели, разделить операторов по группам и настроить маршрутизацию обращений.
Фото: fizkes/shutterstock
Этапы внедрения. Для начала в речевой аналитике были настроены отдельные словари для каждого направления продаж. В отчете формировалась информация вида: «оператор → количество звонков по первой категории товаров → количество звонков по второй категории» и так далее.
Затем выбрали месячный период, выгрузили с CRM данные по успешным продажам каждого товара для каждого сотрудника и сравнили с общим числом контактов по этому вопросу с клиентами. Получили значение коэффициента успешности.
Внесли все данные в одну таблицу для наглядного сравнения и разделили всех операторов по группам в соответствии с показателями.
Следующим шагом стала настройка маршрутизации звонков по этим группам для клиентов. Для этого использовали IVR (интерактивное голосовое меню) в виртуальной АТС. Теперь при обращении в кол-центр клиент будет слышать голос автоинформатора, который предложит выбрать направление обращения. После этого звонок будет отправлен назначенным сотрудникам.
Результат внедрения речевой аналитики. В итоге конверсии звонков выросли, а общее число продаж увеличилось. Операторам стало комфортнее работать с тем продуктом, который у них лучше получается продавать.
Это лишь некоторые примеры использования речевой аналитики. Например, также есть возможность создания полноценного суфлера, с помощью которого можно обучать новых сотрудников и помогать им в решении сложных вопросов. Область применения довольно широкая и зависит от задач бизнеса.
