Sliter ni med att logga samtal manuellt på callcentret? Nu kan Speech Analytics göra jobbet lättare

Agenterna i en kundserviceorganisation har vanligtvis till uppgift att logga och kategorisera samtal för att kunna ge ledningen insikt om vad samtalen handlar om.

Om detta känns bekant så vet ni att denna data inte är lätt uppgift och kräver ledningens ständiga uppmärksamhet och drar ut på wrap-up-tiden samt riskfaktorn för Human error är skyhög.

Så det finns all anledning att fråga sig om det är mödan värt, eller närmare bestämt om nyttan med denna data är större än kostnaden för en längre wrap-up.

Även om man loggar 80 % av 80 000 samtal så missar man ändå 16 000 samtal !!

När jag nyligen besökte ett kontaktcenter blev detta dilemma väldigt tydligt för mig. Jag såg hur kundtjänstens 150 agenter försökte att manuellt logga så mycket som 80% av 80 000 samtal varje månad.

Ett kontaktcenter är i praktiken en BPO (affärsprocessorganisation) som hanterar kundservice för en klients räkning, och klienten vill självfallet ha inblick i hur väl kundservicen fungerar eftersom de betalar kontaktcentret för att hantera den. Men även om man loggar så mycket som 80% av samtalen förblir 16 000 samtal osorterade och går obemärkta förbi klienten.

Samtalskategorisering – ett huvudbry för agenterna

För att nå inblick i varför kunderna ringer loggar agenterna samtalen i en komplex struktur bestående av mer än 700 kategorier och underkategorier som klienten har definierat.

80 % loggade och kategoriserade samtal innebar en ökning från förra årets 60 %, då man upplevde en tillfällig nedgång på grund av ovanligt många nyanställda som skulle introduceras i arbetet på kontaktcentret, vilket skedde på bekostnad av samtalsloggningen.

Man måste självklart ge kontaktcentret beröm för mödan de lägger ner på detta.

Företagets kvalitetsansvariga tvivlar själva på siffrorna

Men jag märkte att fler och fler av dem jag pratade med ifrågasatte exakthet av statistiken och därmed värdet datan man fick fram ur samtalsloggen, helt enkelt för att de var plågsamt medvetna om vilket slit som ligger bakom. Man kan se det som att klienten efterfrågar siffror och det är vad klienten får, och kanske inte mycket mer än så. Men jag ska återge lite av det som framkom i diskussionerna med de anställda på kontaktcentret:

1. I verkligheten är kundsamtal inte en-dimensionella
   I verkliga konversationer finns flera teman, och detsamma gäller samtal till kundtjänsten. Loggningsprocessen tar bara hänsyn till en dimension, och agenterna blir tvungna att ta ställning och välja endast ett tema. På så sätt går många insikter förlorade när man analyserar siffrorna i efterhand.
2. Om två personer lyssnar på ett och samma samtal får man två olika åsikter
   Den mänskliga faktorn innebär alltid en subjektivitet. Om två personer lyssnar på ett och samma samtal kommer de sannolikt logga dem på olika sätt. Det krävs ett visst mått av tolkning när man ska logga ett tio minuter långt samtal i den mest lämpliga av 775 kategorier. Och det är en omständighet som ifrågasätter värdet av att logga samtal manuellt.
3. Om man ger agenterna i uppdrag att logga sina samtal kommer de att göra det på ett eller annat sätt
   Jag har hört talas om ett kontaktcenter där ledningen undrade varför det alltid var de översta alternativen i loggningssystemet som fick flest träffar. Man bestämde sig för att ändra ordningen på alternativen, och tro det eller ej, men det var fortfarande de översta alternativen som fick flest träffar. Agenterna jobbar ofta under tidspress och om de har till uppgift att logga samtalen så gör de det, oavsett riktigheten i resultaten.

Vad finns det för alternativ till manuell samtalsloggning?

Modern kontaktcenterteknik börjar, tack o lov, hitta nya sätt att automatisera samtalsloggningen. Jag hjälpte kvalitetscheferna på kontaktcentret att genomföra ett test och försökte ersätta åtminstone en del av samtalsloggningen med hjälp av Speech Analytics.

Speech Analytics klarar av att kategorisera 100 %

Förutsatt att man spelar in sina kundsamtal kan den här tekniken – som numera finns tillgänglig för nordiska språk – transkribera alla kundsamtal. Detta ger kontaktcentret nästan oändliga möjligheter att kategorisera alla inspelade samtal. Spelar man in 100 % av samtalen kan Speech Analytics hjälpa till med att kategorisera 100 % av dem.

Inget ett-till-ett-alternativ – men förmodligen mycket mer

Jag säger inte att Speech Analytics är ett enkelt ersättningsalternativ till den komplicerade samtalsloggningen jag mötte på kontaktcentret.

Speech Analytics kan spegla en del av kategorierna men man måste ta sig an samtalskategorisering på ett lite annorlunda sätt.

Men man får något mer: en mångdimensionell kategorisering som genererar insikter som skulle gått förlorade i den en-dimensionella manuella loggningen. Det är möjligt att kategorisera alla samtal och det sker automatiskt och på samma sätt varje gång utan agenternas inblandning, vilket kortar wrap-up-tiden och tar bort den mänskliga subjektiviteten och tolkningsutrymmet, och således bedöms alla samtal på samma sätt.

Speech Analytics är ingen exakt motsvarighet till manuell loggning, men förmodligen mycket mer då den ger en mångdimensionell loggning av alla samtal. Det är automatiskt, och vad som kanske är ännu bättre, varje gång man väljer att lägga till en ny parameter i samtalsloggen så loggar Speech Analytics inte bara alla nya samtal på det här sättet, utan går också tillbaka och loggar alla tidigare samtal på samma sätt.

Läs mer om Speech Analytics på Axcess Nordics hemsida.

Jag är specialist på Speech Analytics hos Axcess Nordic. Axcess Nordic hjälper serviceföretag att optimera kundkontakt. Kontakta mig via LinkedIn eller email (cga@axcessnordic.com)