Nyereség:
- Képes egyéni és összesített trendek olvasására érzelemanalízis és beszédelemzés segítségével, valamint a pontszámok jelzésként, nem pedig abszolút tényekként történő felhasználása
- Lehetőség a beszélgetések 100%-ának objektív pontozókártyával történő átvizsgálására és bizonyítékokon alapuló előzetes értékelés elkészítésére, miközben a végső döntést az emberre bízza
- Képes a minőségbiztosítási rendszer átlátható és a büntetés-végrehajtási kultúrától távoli kialakítására a fejlesztés és a tapasztalatok javítása érdekében
Naponta több ezer beszélgetés zajlik egy call centerben, de a klasszikus módszerrel ezeknek csak kis részét (a legtöbb helyen 1-2%-át) tudja meghallgatni és értékelni a minőségi csapat. Ez azt jelenti, hogy a beszélgetések 98%-a elveszik anélkül, hogy megvizsgálnánk; Még ha rosszul bánnak az ügyféllel, vagy a képviselője ismételten hamis adatokat közöl, senki sem veszi észre. A mesterséges intelligencia gyökeresen megváltoztatja ezt a képet: minden beszélgetést képes elolvasni és értékelni. Ebben az egységben két kapcsolódó témával foglalkozunk: a hangulatelemzéssel (a vevő és a képviselő érzelmi tónusának mérése) és a minőségirányítással (QA - Quality Assurance; a beszélgetések szabványoknak való megfelelőségének felmérése).
Az első két kifejezés. A hangulatelemzés egy szöveg vagy beszéd pozitív, negatív vagy semleges érzelmi tónusa; Automatikusan felismeri az olyan helyzeteket, mint a harag, az elégedettség és a szorongás. A beszédelemzés (interakcióelemzés) az összes beszélgetést együttesen elemzi, és kivonja a trendeket, a gyakori témákat, kockázatokat és lehetőségeket. Együtt „halló füleket” adnak a call centernek: olyan beszélgetések ezreiből generálnak értelmet, amelyeket a menedzser külön-külön nem tud meghallgatni.
Érzelemelemzés: pulzustartás
A hangulatelemzés két szinten működik. Egyedi szint: a beszélgetés általános hangvételét („az ügyfél dühös lett, végül megnyugodott”) és a fordulópontokat mutatja. Összesített szint: több ezer beszélgetésből kivonja az olyan trendeket, mint a „negatív hangulat 18%-kal emelkedett ezen a héten, főleg a „számláról”. Ez az információ arany: már korán elkapja a növekvő haragot, egy termékproblémát vagy egy új kampánnyal kapcsolatos zavart.
A hangulatelemzés azonban nem tökéletes. Törökül a szarkazmus, az irónia és a idiómák félrevezethetik a modellt (a "Köszönöm szépen, nagyszerű szolgáltatás!" mondat talán dühösen hangzott el). Ezenkívül a hangulati pontszám jelzés, nem pedig a végleges igazság. Ezért használja a hangulatelemzést ne az egyes képviselők megbüntetésére, hanem a trendek megtekintésére és a figyelmet igénylő beszélgetések kiemelésére.
Tipp: A hangulatelemzést „figyelmeztetésként” használja, ne „ítéletet”. Egyetlen negatív pontszám nem marasztal el egy képviselőt; de a növekvő negativitási trend olyan területet jelez, amelyet meg kell vizsgálni. Ellenőrizze a jelet emberrel.
Minőségirányítás: 100% értékelés 1% helyett
A klasszikus minőségbiztosításban a minőségügyi szakértő néhány véletlenszerűen kiválasztott hívást értékelőlappal (pontozólap – olyan tételek, mint „adták-e az üdvözlet, ellenőrizték a személyazonosságot, a megoldást kínálták-e, megfelelő volt-e a zárás”) pontoz. Ez a módszer kis mintamérettel, szubjektivitással és késleltetési problémákkal küzd. A mesterséges intelligencia által támogatott minőségbiztosításban a modell automatikusan értékeli az összes beszélgetést a pontozókártya elemei szerint; Melyik cikk hiányzik, mely felszólalások kockázatosak, melyik kérdésben melyik képviselőt kell támogatni - ez mind megmutatja.
Kritikus pont: az AI minőségbiztosítási pontszáma egy előzetes szűrés és indikáció, nem pedig végső értékelés. Az AI szerint „úgy tűnik, ez a beszélgetés kihagyta a hitelesítési lépést”; A minőségügyi szakértő megvizsgálja ezeket a markáns beszélgetéseket és meghozza a végső döntést. Tehát ahelyett, hogy több ezer beszélgetést hallgatna meg, a szakértő az AI által megjelölt kockázatos/példamutató beszélgetésekre összpontosít – mind igazságosabb, mind átfogóbb.
Az alábbi táblázat összehasonlítja a két megközelítést:
Méret
Klasszikus minőségbiztosítás
AI-alapú minőségbiztosítás
Hatály
a beszélgetések 1-2%-a
100%-ban beolvasva
Időtartam
Lassú, kézzel hallgat
Azonnali szkennelés
Következetesség
Szakértőtől függően változik
Folyamatosan alkalmazzák a kritériumhoz
szubjektivitás
magas
A kritérium egyértelmű, jel + ember
végső döntést
szakértő
Szakértő (a mesterséges intelligenciára összpontosít)
Kockázat
Menekülés a problémáktól
Hamis jel (ellenőrizni kell)
Lépésről lépésre: AI-alapú minőségi program
- Tisztázza a pontozótáblát: Tárgyilagosan és mérhetően írja le az értékelési tételeket (ne homályosan, mint „udvariasan cselekedett”, hanem világosan, mint „névvel/megfelelő címmel köszöntötte az ügyfelet”).
- Adja meg a mesterséges intelligencia kritériumait: Értékeljen minden beszélgetést „kész/nem kész/nem világos”-ra ezeknek az elemeknek megfelelően; Megmutattad a bizonyító mondatot.
- Emelje ki a kockázatosakat: Az alacsony pontszámú, dühös vagy megfelelési kockázattal járó beszélgetéseket vigye el a szakértőhöz.
- A szakértő megerősíti: A végső pontszám és a visszajelzés az emberé; Az AI által "bizonytalannak" nevezett helyek határozottan elérhetőek az emberek számára.
- Alakítsa át coachinggá: Használja az eredményeket az ügynökfejlesztéshez – a fejlesztésre összpontosítva, nem a büntetésre.
Négy másolható sablon
1) Scorecard értékelése:
Értékelje az alábbi névtelen beszélgetést az alábbi tételek szerint! Minden elemhez adjon status=[kész/nem kész/nem világos] és egy EVIDENCE mondatot (idézet a beszélgetésből). Ha nincs bizonyíték, mondja azt, hogy „nem egyértelmű”; találgatás.Elemek: 1) Megfelelő üdvözlés 2) Hitelesítés 3) A probléma megértése4) Helyes információ/megoldás 5) Kötelező tájékoztatás 6) Udvarias zárás.Beszéd: <<megfejtés>>
2) Hangulat és fordulópont elemzés:
Rajzolja meg alább az anonim beszélgetés érzelmi pályáját.- Kezdőhang, befejező hang (nyugodt/dühös/szorongó/elégedett),- Az a pillanat, amikor VÁLTOZOTT az érzelem és miért (idézettel),- Volt-e harag/válság jele, hogyan kezelte az ügynök?Jegyezze fel az esetleges iróniát/szarkaszmust; Ha nem biztos benne, mondja azt, hogy „nem világos”. Beszéd: <<átírás>>
3) Összesített trendjelentés:
Alább láthatók az e heti névtelen beszélgetési címkék és hangulati pontszámok. (1) A leggyakrabban növekvő negatív érzelmekkel teli téma, (2) lehetséges kiváltó ok hipotézis (bizonyítás), (3) 3 vizsgálatra javasolt téma. Vegye ki a számokat az adatokból, ne találja ki őket; hipotéziseket jelölje meg "meg kell erősíteni".Adatok: <<összefoglaló táblázat>>
4) Coaching összefoglaló (ügynökfejlesztés):
Készítsen fejlesztésközpontú, nem büntető coaching jegyzetet EGY képviselő számára a következő értékelt beszélgetések alapján. - Erősségek (2), - Fejlesztendő terület (2, konkrét példákkal), - 1 javasolt mikrocél. Személyes megítélés/címkék használata.Adatok: <<beszédértékelés>>
Gyenge felszólítás / Erős felszólítás
Gyenge felszólítás:
Értékelje, hogy ez a képviselő jó vagy rossz.
Szubjektív, kritériumok nélkül, bizonyítékok nélkül, büntető; Igazságtalan és védhetetlen "ítéletet" hoz.
Erőteljes felszólítás:
Értékelje ezt az anonim beszélgetést a 6 tételes pontozókártya szerint; Minden tételnél idézzen kész/nem kész/nem világos + BIZONYÍTVÁNY a beszédből. Ha nincs bizonyíték, mondja azt, hogy „nem egyértelmű”. A végső döntést én (a minőségügyi szakértő) hozom meg; csak egy előzetes értékelést készít bizonyítékokkal.
A különbség: a kritérium egyértelmű, a bizonyíték kötelező, a bizonytalanság őszinte, a végső döntés az emberé.
három mini tok
1. eset – A 100%-os lefedettség ereje. Egy bankban a minőségbiztosítási csapat ~1200 beszélgetést tudott meghallgatni havonta (az összes 1,5%-a). Mind a 80 000 beszélgetést mesterséges intelligencia segítségével ellenőrizték; Kiderült, hogy a hitelesítési lépést az esetek 6%-ában kihagyták – ez a megfelelőségi kockázat, amely a klasszikus mintavételezésnél soha nem látható. Célzott coaching mellett az arány 2 hónap alatt 1% alá esett.
2. eset – Iróniacsapda. Egy e-kereskedelmi központban az érzelemmodell „pozitívnak” tekintette az olyan ironikus mondatokat, mint például: „Remek vagy, 3 napja várok”; így néhány dühös vásárló „elégedettnek” tűnt. Amikor nem a modell volt az egyedüli döntéshozó, és a pontszámokat emberi szemmel mintavétellel ellenőrizték, a csapat külön jelölte az irónia eseteit, és nőtt a jelentések megbízhatósága. Tanulság: a hangulati pontszám jelzés, nem abszolút igazság.
3. eset – Korai figyelmeztetés. Az egyik távközlés beszédelemzése kimutatta, hogy a „számla” körüli negatív hangulat keddtől kezdődően 3 nap alatt 40%-kal nőtt. A vizsgálat feltárta, hogy a számlákat helytelenül tükrözték az új tarifára való átállásban. A problémát egy korai érzelmi jel fogta fel és javította ki, mielőtt több ezer panasz gyűlt volna össze. Az Analytics korai figyelmeztető rendszerré és minőségi eszközzé vált.
Gyakori hibák
- Az érzelmi pontszámot abszolút igazságnak tekintve. Az irónia, az idióma és a kontextus félrevezeti a modellt; Használja a pontszámot jelzésként, ellenőrizze emberrel.
- A mesterséges intelligencia pontozása a végső döntés. A minőségbiztosításban a végső értékelés és visszacsatolás az emberé; Az AI fejlődik.
- Homályos pontozókártya-elemek. "Jól viselkedett" nem mérhető; Írj objektív, ellenőrizhető tételeket.
- A minőségbiztosítás büntetés eszközévé alakítása. A cél a fejlődés és az ügyfélélmény; A büntetés kultúrája elhallgattatja az ügynököt és megrontja az adatokat.
- Értékelés bizonyíték nélkül. Minden megállapítást a beszédből vett idézettel kell alátámasztani; Ellenkező esetben "nem egyértelműnek" kell nevezni.
Vigyázat: Az AI-val folytatott beszélgetések mérése erőteljes, de érzékeny. Ennek egy olyan rendszerré alakítása, amely folyamatosan figyeli és bünteti az alkalmazottakat, etikátlan és rombolja a csapat bizalmát. A cél az ügyfélélmény javítása és az ügynökfejlesztés; Az átláthatóság és a fejlesztési fókusz elengedhetetlen.
Összefoglalva
A hangulatelemzés és a mesterséges intelligencia által vezérelt minőségmenedzsment lehetővé teszi, hogy a telefonközpont több ezer beszélgetést halljon: a minta 100%-ának átvizsgálása 1 helyett, a trendek korai felismerése és a minőségértékelés következetes megőrzése. De a hangulati pontszám jelzés, nem pedig az abszolút igazság; A minőségbiztosításban a végső döntés az emberé. Írja le objektíven a pontozókártyát, tulajdonítson minden megállapítást bizonyítéknak, hagyja az emberre a bizonytalanságot, és alakítsa ki a teljes rendszert átláthatóan, a fejlesztés és a tapasztalatok javítása, nem pedig a büntetés célja.
Pályázati feladat
Tervezzen objektív pontozókártyát 6 elemből (mindegyik elem legyen mérhető és bizonyítható). Készítsen egy fiktív/névtelen átiratot, és alkalmazza az „1) Scorecard értékelés” és a „2) Érzelemelemzés” sablonokat. Jelölje ki azokat a területeket, ahol a modell azt mondja, hogy „kétértelmű”, vagy ahol lehet irónia, és írja le, hogyan kell ezeket egy humán szakértőnek ellenőriznie. Végül készítsen egy fejlesztésközpontú feljegyzést a „4) Coaching összefoglalóval”.
ellenőrző lista
- [ ] A pontozókártyám elemei objektívek, mérhetők és ellenőrizhetők.
- [ ] AI értékelés előzetes átvilágítás; A végső minőségbiztosítási döntés és a visszajelzés az emberen van.
- [ ] Az érzelmi pontszámokat jelzésként használom, nem abszolút igazságként.
- [ ] Minden egyes megállapítást a beszélgetésből származó bizonyítékok idézete támaszt alá; egyébként "nem egyértelmű".
- [ ] A rendszert nem büntetés, hanem fejlesztés, tapasztalatfejlesztés céljából állítottam fel.
- [ ] Az elemzés célját és terjedelmét átláthatóan ismertették a dolgozókkal.