Рынок онлайн-торговли продолжает стремительно расти даже в новых экономических условиях, а по мере развития логистики и увеличения объёмов продаж нарастает интенсивность общения, которое их сопровождают.
По данным Ассоциации компаний интернет-торговли (АКИТ), за первые девять месяцев 2022 года траты россиян на покупки в сети преодолели планку в 3,5 трлн рублей, что на 43% больше по сравнению с аналогичным периодом предыдущего года.
Несмотря на рост взаимодействия с клиентами в текстовых каналах, телефонные звонки по-прежнему остаются актуальным средством общения в интернет-торговле. Покупатели звонят, чтобы убедиться, что на сайте указана верная информация, уточнить условия доставки или возврата товаров, внести корректировки в заказ, если при оформлении на сайте были допущены ошибки.
Практика ряда интернет-магазинов, заметили эксперты Модульбанка, показывает, что звонок клиенту увеличивает долю выкупленных заказов с 20-30% до 60-70%. Поэтому для руководства компаний важно контролировать коммуникации сотрудников с клиентами, а помогает им в этом речевая аналитика.Продакт-менеджер компании MANGO OFFICE Виолетта Покацкая рассказала, какие задачи решает этот инструмент в сфере электронной коммерции и что важно о нем знать.
Принцип работы речевой аналитики
Речевая аналитика — сервис, основанный на технологии распознавания речи. Система переводит телефонные разговоры с клиентом в текст и помогает автоматически фиксировать и оценивать общение по заданным параметрам: что было сказано или не сказано, кем и в какой момент.
Таким образом, технология позволяет отслеживать качество взаимодействия с клиентами, узнавать, проинформированы ли они о специальных предложениях, выявлять, следует ли менеджер стандартам компании, изучать конкурентную ситуацию.
На основе такого речевого анализа в дальнейшем формируются идеи для улучшения бизнес-процессов.
Удобный сервис для анализа общения
Полученные данные легко вывести в наглядные отчёты и проанализировать по заданным критериям, чтобы выделить тот или иной аспект, или выявить проблему и её масштабы. Используя информацию, можно вносить коррективы в работу операторов, анализировать бизнес-процессы и вносить в них изменения, искать новые точки роста продаж.
В системе возможно настроить мгновенные уведомления. Например, если она зафиксирует на линии конфликт, руководитель тут же получит сообщение с информацией об инциденте.
Примеры применения речевой аналитики
Речевая аналитика в e-commerce помогает решить сразу несколько задач. Во-первых, она позволяет отслеживать частые запросы клиентов.
Анализ по ключевым словам помогает интернет-магазинам узнать предпочтения покупателей и гибко управлять складскими запасами. Руководитель будет понимать, какие модели, размеры и цвета товара наиболее востребованы.
Во-вторых, речевая аналитика помогает увеличить средний чек. Например, когда менеджер связывается с клиентами, чтобы подтвердить заказ или уточнить детали, открывается возможность для допродажи.
С помощью речевой аналитики можно отследить, как часто и насколько эффективно сотрудники используют этот шанс.
В-третьих, речевая аналитика позволяет улучшить существующие сценарии общения с клиентом, задать необходимые критерии для составления рейтинга менеджеров. Руководитель может комплексно оценить работу сотрудника, повлиять на качество обслуживания и количество продаж.
Знание потребителя
Речевая аналитика помогает не только в продажах и сервисном обслуживании. Система также позволяет маркетологам проверить эффективность промоакций, лучше понять запросы и желания клиентов, выяснить, как они оценивают продукты, какие видят в них недостатки или по каким причинам они отказываются от покупки.
На основе этих данных можно сделать ценные выводы, которые улучшат качество взаимодействия бизнеса и потребителя.
Самообучаемая система
Качество работы речевой аналитики регулярно повышается благодаря растущему объёму аудиконтента, доступного для обучения нейросетей.
Большинство поставщиков позволяют клиентам обучать искусственный интеллект — добавлять лексику в словарь, к которому нейросети обращаются при анализе записей телефонных переговоров. Это даёт бизнесу возможность учесть профессиональные термины, языковые диалекты и т. п.
К примеру, в системе MANGO OFFICE этот процесс полностью автоматизирован, добавить необходимые слова, которые чаще всего вызывают проблемы у алгоритма, можно из личного кабинета пользователя. А далее нейросеть обучается их понимать.
Например, после дополнительного обучения алгоритмы системы могут разобраться в любой локальной специфике, которая есть практически во всех отраслях. Если сервисом пользуется магазин медицинского оборудования, туда можно добавить названия специфических товаров. Так анализ разговоров существенно упрощается.
Функция никак не влияет на стоимость, поскольку дообучение выгодно всем сторонам процесса. Компания-поставщик получает возможность для развития технологии, а клиент, в свою очередь, пользуется обученной нейромоделью.
Перспективы развития речевой аналитики
Речевая аналитика уже стала базовым продуктом для среднего и крупного бизнеса, и в ближайшие годы спрос на неё будет расти.
Технологии анализа человеческой речи и её преобразования в текст с каждым днём будет становятся все функциональнее. Так, речевая аналитика сможет распознавать всё более широкий эмоциональный диапазон, например, будет выявлять не только открытый негатив, но и сарказм.
Или сможет определить по одному вздоху клиента его чувства в этот момент: облегчение, сожаление или разочарование.
Технология на базе искусственного интеллекта будет обучать сотрудников, подсказывая в онлайн-режиме, то есть сможет сопровождать менеджера и помогать ему на протяжении всего взаимодействия с клиентом.
Речевую аналитику будут применять для распознавания не только телефонных переговоров, но и коммуникаций в текстовых и видеоканалах.
Компаниям необходимо анализировать большие массивы данных, затрачивая при этом минимум времени. Контроль всех каналов общения с клиентами поможет бизнесу исключить «чёрные дыры» в работе менеджеров и свести к минимуму вероятность утечки данных.
Источник: Retail-loyalty
