Voitot:
- Kyky lukea yksittäisiä ja aggregoituja trendejä tunneanalyysin ja puheanalytiikan avulla ja käyttää pisteitä signaaleina absoluuttisten faktojen sijaan
- Kyky skannata 100 % keskusteluista objektiivisella tuloskortilla ja tuottaa näyttöön perustuva alustava arvio, jättäen lopullisen päätöksen ihmisen tehtäväksi
- Kyky perustaa laatujärjestelmä läpinäkyvästi ja erossa rangaistuskulttuurista kehitystä ja kokemusten parantamista varten
Puhelinkeskuksessa käydään päivittäin tuhansia keskusteluja, mutta klassisella menetelmällä laatutiimi pystyy kuuntelemaan ja arvioimaan vain pienen osan niistä (useimmissa paikoissa 1-2%). Tämä tarkoittaa, että 98 % keskusteluista menetetään ilman, että niitä koskaan tutkitaan; Vaikka asiakasta kohdellaan huonosti tai edustaja antaisi toistuvasti vääriä tietoja, kukaan ei huomaa sitä. Tekoäly muuttaa tätä kuvaa radikaalisti: se osaa lukea ja arvioida jokaisen keskustelun. Tässä osiossa käsittelemme kahta toisiinsa liittyvää aihetta: tunteiden analysointia (asiakkaan ja edustajan tunneäänen mittaaminen) ja laadunhallintaa (QA - Quality Assurance; keskustelujen standardien mukaisuuden arviointi).
Kaksi ensimmäistä termiä. Tunneanalyysi on tekstin tai puheen positiivinen, negatiivinen tai neutraali tunnesävy; Sen tarkoituksena on havaita automaattisesti tilanteet, kuten viha, tyytyväisyys ja ahdistus. Puheanalytiikka (vuorovaikutusanalytiikka) on analysoida kaikkia keskusteluja kollektiivisesti ja poimia trendejä, toistuvia aiheita, riskejä ja mahdollisuuksia. Yhdessä ne antavat puhelinkeskukselle "kuulokorvat": tuottavat tuhansista keskusteluista merkityksiä, joita johtaja ei voi kuunnella erikseen.
Tunneanalyysi: sykkeen pitäminen
Tunneanalyysi toimii kahdella tasolla. Yksittäistaso: näyttää keskustelun yleisen sävyn ("asiakas suuttui, lopulta rauhoittui") ja käännekohtia. Aggregaattitaso: poimii tuhansista keskusteluista trendit, kuten "negatiivinen mielipide kasvoi 18 % tällä viikolla, enimmäkseen "laskusta". Tämä tieto on kultaa: se havaitsee nousevan vihan, tuoteongelman tai hämmennyksen uudesta kampanjasta varhain.
Tunneanalyysi ei kuitenkaan ole täydellinen. Turkissa sarkasmi, ironia ja idiomit voivat johtaa mallia harhaan (lause "Kiitos paljon, hyvä palvelu!" on saatettu sanoa vihaisesti). Sentimenttipisteet ovat myös signaali, ei lopullinen totuus. Joten käytä tunteiden analysointia, älä rankaise yksittäistä edustajaa, vaan nähdäksesi trendit ja korostaaksesi keskusteluja, jotka vaativat huomiota.
Vinkki: Käytä mielipideanalyysiä "varoituksena", ei "tuomiona". Yksittäinen negatiivinen pistemäärä ei tuomitse edustajaa; mutta nouseva negatiivisuussuuntaus osoittaa aluetta, joka vaatii tutkimista. Tarkista signaali ihmisellä.
Laadunhallinta: 100 % arvio 1 % sijasta
Klassisessa laadunvarmistuksessa laatuasiantuntija pisteyttää muutaman satunnaisesti valitun puhelun arviointilomakkeella (tuloskortti – esimerkiksi "annettiinko tervehdys, varmistettiinko henkilöllisyys, tarjottiinko ratkaisua, oliko päätös sopiva"). Tämä menetelmä kärsii pienestä otoskoon, subjektiivisuuden ja viiveongelmista. Tekoälyn tukemassa laadunvarmistuksessa malli arvioi automaattisesti kaikki keskustelut tuloskortin kohteiden mukaan; Mikä artikkeli puuttuu, mitkä puheet ovat riskialttiita, ketä edustajaa pitäisi tukea missäkin asiassa - se näyttää ne kaikki.
Kriittinen kohta: AI:n laadunvarmistuspiste on alustava seulonta ja indikaatio, ei lopullinen arviointi. Tekoäly sanoo "tämä keskustelu näyttää ohittaneen todennusvaiheen"; Laatuasiantuntija tutkii nämä merkittävät keskustelut ja tekee lopullisen päätöksen. Joten tuhansien keskustelujen kuuntelemisen sijaan asiantuntija keskittyy riskialttiisiin/esimerkillisiin keskusteluihin, joita tekoäly merkitsee – sekä oikeudenmukaisempia että kattavampia.
Seuraavassa taulukossa verrataan kahta lähestymistapaa:
Koko
Klassinen QA
Tekoälyllä toimiva QA
Laajuus
1-2% keskusteluista
100 % skannattu
Kesto
Hidas, käsin kuuntelu
Välitön skannaus
Johdonmukaisuus
Vaihtelee asiantuntijan mukaan
Sovelletaan jatkuvasti kriteeriin
subjektiivisuus
korkea
Kriteeri on selvä, signaali + ihminen
lopullinen päätös
asiantuntija
Asiantuntija (keskittyy tekoälyyn)
Riski
Ongelmista pakoon
Väärä merkki (täytyy varmistaa)
Askel askeleelta: AI-käyttöinen laatuohjelma
- Selvennä tuloskorttia: Kirjoita arviointikohteet objektiivisesti ja mitattavissa olevasti (ei epämääräistä, kuten "toimii kohteliaasti", vaan selkeästi, kuten "tervehtii asiakasta nimellä / sopivalla osoitteella").
- Anna tekoälylle kriteerit: Arvioi jokainen keskustelu "tehty/ei tehty/epäselvä" näiden kohtien mukaan; Näytit todistelauseen.
- Korosta riskialttiita: Tuo asiantuntijalle matalapisteet, vihaiset tai vaatimustenmukaisuusriskin aiheuttavat keskustelut.
- Asiantuntija vahvistaa: Lopullinen pistemäärä ja palaute kuuluu ihmiselle; Paikat, joita tekoäly kutsuu "epävarmoiksi", ovat ehdottomasti ihmisten käytettävissä.
- Muuta se valmennukseksi: Käytä havaintoja agenttien kehittämiseen – keskity parantamiseen, ei rankaisemiseen.
Neljä kopioitavaa mallia
1) Tuloskorttien luokitus:
Arvioi seuraava anonyymi keskustelu seuraavien kohtien mukaan. Jokaiselle kohteelle: anna status=[tehty/ei tehty/epäselvä] ja EVIDENCE-lause (lainaus keskustelusta). Jos todisteita ei ole, sano "epäselvä"; arvaus.Asiat: 1) Asianmukainen tervehdys 2) Todennus 3) Ongelman ymmärtäminen4) Oikeat tiedot/ratkaisu 5) Pakolliset tiedot 6) Kohtelias lopetus.Puhe: <<salauksen>>
2) Tunnelma- ja käännekohtaanalyysi:
Piirrä alle nimettömän keskustelun emotionaalinen liikerata.- Aloitusääni, loppuääni (rauhallinen/vihainen/ahdistunut/tyytyväisyys),- Hetki, jolloin tunne MUUTTUI ja miksi (lainauksella),- Oliko vihan/kriisin merkkejä, miten agentti käsitteli sen? Huomioi mahdollinen ironia/sarkasmi; Jos et ole varma, sano "epäselvä". Puhe: <<transkriptio>>
3) Trendiraportti:
Alla ovat tämän viikon anonyymit keskustelutunnisteet ja mielipidepisteet. (1) Eniten lisääntyvä negatiivinen tunne aihe, (2) mahdollinen perussyyhypoteesi (todista), (3) 3 aihetta, joita suositellaan tutkittavaksi. Ota numerot tiedoista, älä keksi niitä; merkitse hypoteeseihin "täytyy vahvistaa". Tiedot: <<yhteenvetotaulukko>>
4) Valmennusyhteenveto (agentin kehittäminen):
Tuota kehitykseen keskittyvä, ei-rangaistava valmennusmuistio YHDELLÄ edustajalle seuraavien arvioitujen keskustelujen perusteella. - Vahvuudet (2), - Kehitettävä alue (2, konkreettisia esimerkkejä), - 1 ehdotettu mikrotavoite. Henkilökohtainen harkinta/tunnisteiden käyttö. Tiedot: <<puheen arvioinnit>>
Heikko kehote / Vahva kehote
Heikko kehote:
Arvioi, onko tämä edustaja hyvä vai huono.
Subjektiivinen, ilman kriteerejä, ilman todisteita, rankaiseva; Se tuottaa epäoikeudenmukaisen ja puolustettavan "tuomion".
Tehokas kehotus:
Arvioi tämä anonyymi keskustelu kuuden kohdan tuloskortin mukaan; Jokaisen kohdan kohdalla lainaus tehty/ei tehty/epäselvä + TODISTUS puheesta. Jos todisteita ei ole, sano "epäselvä". Minä (laatuasiantuntija) teen lopullisen päätöksen; teet vain alustavan arvioinnin todisteilla.
Ero: kriteeri on selvä, todisteet ovat pakollisia, epävarmuus on rehellistä, lopullinen päätös on henkilöllä.
kolme minilaukkua
Tapaus 1 — 100 %:n kattavuuden teho. Yhdessä pankissa QA-tiimi pystyi kuuntelemaan ~1 200 keskustelua kuukaudessa (1,5 % kokonaismäärästä). Kaikki 80 000 keskustelua skannattiin tekoälyllä; Osoittautuu, että todennusvaihe ohitettiin 6 % ajasta – vaatimustenmukaisuusriskiä, jota ei koskaan nähtäisi perinteisessä näytteenotossa. Kohdistetulla valmennuksella osuus putosi alle 1 prosenttiin kahdessa kuukaudessa.
Tapaus 2 – Ironinen ansa. Verkkokauppakeskuksessa tunnemalli piti ironisia lauseita, kuten "olet hieno, olen odottanut 3 päivää" "positiivisina"; joten jotkut vihaiset asiakkaat vaikuttivat "tyytyväisiltä". Kun mallista ei tehty ainoaa päätöksentekijää ja pisteet varmistettiin näytteenotolla ihmissilmällä, ryhmä merkitsi ironian tapaukset erikseen ja raporttien luotettavuus parani. Oppitunti: tunnepisteet ovat signaali, ei absoluuttinen totuus.
Tapaus 3 – Varhainen varoitus. Puheanalytiikka eräässä teleyrityksessä osoitti, että negatiivinen mielipide "laskusta" kasvoi 40 % kolmessa päivässä tiistaista alkaen. Tutkimuksessa kävi ilmi, että laskut heijastuivat virheellisesti uuteen tariffiin siirtymisessä. Ongelma havaittiin ja korjattiin varhaisella tunnesignaalilla, ennen kuin tuhansia valituksia kertyi. Analyticsista on tullut varhaisvaroitusjärjestelmä ja laatutyökalu.
Yleisiä virheitä
- Tunnepisteiden pitäminen absoluuttisena totuutena. Ironia, idiomi ja konteksti johtavat mallia harhaan; Käytä pistemäärää signaalina, varmista ihmisellä.
- Tekoälyn tekeminen tekee lopullisen päätöksen. QA:ssa lopullinen arviointi ja palaute kuuluu ihmiselle; AI edistyy.
- Epämääräisiä tuloskortin kohteita. "Hän käyttäytyi hyvin" ei voida mitata; Kirjoita objektiivisia, todennettavissa olevia kohteita.
- QA:n muuttaminen rangaistuksen työkaluksi. Tavoitteena on kehitys ja asiakaskokemus; Rangaistuskulttuuri hiljentää agentin ja turmelee dataa.
- Arviointi ilman todisteita. Jokaisen löydön tueksi tulee esittää lainaus puheesta; Muuten sitä pitäisi kutsua "epäselväksi".
Varoitus: Kaikkien keskustelujen mittaaminen tekoälyllä on tehokasta, mutta herkkää. Tämän muuttaminen jatkuvasti työntekijöitä valvovaksi ja rankaisevaksi järjestelmäksi on sekä epäeettistä että tuhoaa tiimin luottamuksen. Tavoitteena on parantaa asiakaskokemusta ja agenttien kehitystä; Avoimuus ja kehityssuuntaus ovat tärkeitä.
Yhteenvetona
Tunneanalyysi ja tekoälypohjainen laadunhallinta antavat puhelinkeskuksen korvat kuulla tuhansia keskusteluja: skannataan 100 % otoksesta 1 %:n sijaan, havaitaan trendit ajoissa ja pidetään laadunarvioinnin johdonmukainen. Mutta sentimenttipisteet ovat signaali, ei absoluuttinen totuus; QA:ssa lopullinen päätös kuuluu ihmiselle. Kirjoita tuloskortti objektiivisesti, liitä jokainen löydös todisteisiin, jätä epävarmuus ihmisille ja rakenna koko järjestelmä läpinäkyvästi, tavoitteena kehitys ja kokemusten parantaminen, ei rangaistus.
Sovellustehtävä
Suunnittele objektiivinen tuloskortti, jossa on 6 kohdetta (jokaisen kohteen tulee olla mitattavissa ja todistettavissa). Ota kuvitteellinen/anonyymi transkriptio ja käytä "1) Scorecard -arviointi"- ja "2) Sentiment-analyysi" -malleja. Korosta alueita, joissa malli sanoo "epäselvä" tai joissa saattaa esiintyä ironiaa, ja kirjoita, kuinka ihmisasiantuntijan tulisi tarkistaa ne. Luo lopuksi kehitykseen keskittyvä muistio, jossa on "4) Valmennusyhteenveto".
tarkistuslista
- [ ] Tuloskorttini kohteet ovat objektiivisia, mitattavissa ja todennettavissa.
- [ ] AI-arvioinnin alustava seulonta; Lopullinen laadunvarmistuspäätös ja palaute on ihmisellä.
- [ ] Käytän tunnepisteitä signaaleina, en absoluuttisena totuutena.
- [ ] Jokaista löytöä tukee lainaus keskustelun todisteista; muuten "epäselvä".
- [ ] Perustin järjestelmän kehittämistä ja kokemusten parantamista varten, en rankaisemista.
- [ ] Analyysin tarkoitus ja laajuus selitettiin työntekijöille avoimesti.