По мнению ReportLinker, рост речевой аналитики во всем мире в 2022 году составит около 22,25 %. По прогнозам того же исследования, к 2026 году рынок речевых технологий достигнет 5 млрд долларов.
Наибольший рост речевая аналитика показывает в сегменте e-commerce. Это обусловлено, во-первых, значительным ростом сегмента онлайн-продаж, начавшимся в 2020, в пандемию, во-вторых, заинтересованностью интернет-магазинов в повышении лояльности покупателей, для чего анализ звонков просто необходим.
Итак, как же e-commerce может услышать покупателя и его потребности с помощью речевой аналитики.
Сам факт звонка в магазин ничего не означает. Важно определить, целевой ли он, и, если нет, что помешало ему стать таковым. Это важно для оценки эффективности: как рекламы, так и работы сотрудников.
Чтобы проанализировать звонок, нужно его прослушать и протегировать, отметить триггер-слова, соответствие скрипту разговора и т.д. Если это делается силами специалистов, тратится много времени и сил. А если массив разговоров исчисляется тысячами в день? Прослушать все звонки невозможно, а случайная выборка может дать искаженные сведения. Нельзя будет определить лучшие сценарии и частые ошибки, не получится услышать все пожелания и проблемы покупателя.
Использование речевой аналитики для решения таких задач не просто полезно, но необходимо.
Робот, пользуясь данными, почерпнутыми из нейросети, переводит записанный разговор в текст, а затем тегирует его по заранее заданным критериям. Также он отмечает стоп-слова, темп и ритмику диалога, отслеживает, соблюдал ли сотрудник сценарий, здоровался ли и прощался, перебивал ли клиента, делал ли допродажи. Большое преимущества речевой аналитики в том, что прослушивается и разбирается 100 % звонков, и уходит на это времени в десятки раз меньше, чем у специалистов на прослушивание 5–10 %. Это позволяет отрегулировать работу сотрудников контактного центра, а еще составить «золотой скрипт» и применять его на практике.
Сейчас появилась возможность не только анализа текста, но и распознавания эмоций с помощью робота. Еще в 2017 году в Японии была запущена стартап-платформа Web Empath, которая распознавала тональность голоса в телефонной беседе. Вот только текст она при этом анализировать не могла, соответственно для анализа содержания разговоров не годилась. Соединить возможность распознавания эмоциональной окраски и непосредственно речи удалось недавно, и теперь эта технология активно внедряется в инструментарий речевой аналитики. В результате компания слышит не только, что ей транслирует клиент, но и как он это говорит, видит эмоциональные триггеры и может работать над их корректировкой.
Еще одно достижение развития речевых технологий, которым располагает, в частности речевая аналитика MANGO OFFICE: возможность офлайн-скоринга, то есть анализа записанного ранее и загруженного разговора.
Текстовый поиск нужной фразы работает по всему архиву звонков. Это помогает специалистам разных направлений отследить нужные им моменты. Так, маркетолог увидит упоминания рекламного канала, а супервизор — фразы, нужные по скрипту.
Речевая аналитика помогает лучше слышать своих покупателей, выстраивать с ними диалог и идти им навстречу, что, в свою очередь, повышает и клиентскую лояльность, и прибыль.
