Как улучшить навыки операторов с помощью AI и аналитики
Иллюстрация: Shutterstock.ai
Индустрия контакт-центров - одна из самых передовых отраслей во внедрении инструментов искусственного интеллекта. ИИ-алгоритмы активно используются при анализе качества общения с клиентом, обработке данных и в процессе обучения операторов. От грамотных действий и правильной реакции сотрудника колл-центра зависит очень многое: быстрое решение проблемы клиента, успешная продажа, удержание текущего клиента или привлечение нового, - все это в итоге влияет на репутацию компании и общую эффективность бизнеса.
Недавнее исследование среди 3300 российских пользователей колл-центров показало, что во взаимодействии с ними клиенты сильнее всего и в равной степени ценят два фактора - быстрое решение их проблемы и вежливость операторов: значимость этих пунктов отметили по 32% опрошенных. Равная ценность вежливости и эффективности работы операторов колл-центра для клиентов говорит о том, что людям при обращении в контакт-центр одинаково важны эмоциональная и рациональная стороны. Соблюсти этот баланс при высокой загруженности операторов помогают современные технологии - ИИ-инструменты и программы многопрофильной аналитики, которые позволяют в режиме реального времени обнаружить «узкие места» и скорректировать работу оператора без потери качества.
KPI для AI
Есть ряд критериев, по которым отслеживается эффективность работы операторов колл-центра:
- Скорость соединения абонента с оператором (service level) - доля принятых оператором звонков в максимально короткое время. Золотым стандартом считается показатель 80 на 20 - это означает, что в 80% случаев соединение с оператором происходит в течение первых 20 секунд.
- Решение вопроса клиента с первого обращения - first call resolution (FCR). Хорошим показателем работы операторов считается FCR 75%-80%, более высокие показатели указывают на отличную работу.
- Количество потерянных вызовов (lost call rate или LCR) - в норме их доля не должна превышать 10%, однако признаком хорошей работы КЦ считается показатель в 5-7%.
- Показатель удовлетворенности клиента (customer satisfaction index - CSI) - итоговая оценка качества работы колл-центра, которая чаще всего проводится через дополнительный опрос оценки качества обслуживания - клиентам предлагается оценить работу оператора по пяти- или десятибалльной шкале.
Первый показатель - service level - в меньшей степени зависит от квалификации и качества работы оператора - чаще всего отклонения от нормы указывают на перегруженность сотрудников колл-центра. Решить эту проблему помогает технология workforce management (WFM) на базе искусственного интеллекта и машинного обучения, которая анализирует исторические данные по загруженности контакт-центра в зависимости от разных факторов - сезонности, рекламной активности бизнеса, скорости обработки запросов операторами, и на их основе с высокой точностью рассчитывает, какое оптимальное количество операторов в какие временные промежутки потребуется колл-центру. Например, в туристическом бизнесе в высокий сезон с мая по октябрь нагрузка на операторов возрастает в 2-3 раза, что означает необходимость для компаний привлечь дополнительных сотрудников на это время. Помимо программ расчета загрузки на помощь приходят технологии маршрутизации звонков на базе умных алгоритмов: ИИ-программы могут перенаправлять звонки в нужный отдел или агенту в зависимости от запроса или проблемы клиента. Это ускоряет обработку вызовов и позволяет быстрее получить необходимую помощь.
Первый звонок - для оператора
Решение клиентской проблемы с первого звонка - это ключевая метрика компетентности сотрудников колл-центра. Недостаточная компетентность оператора - самый большой повод для недовольства клиентов, которые после одного неудачного разговора могут не обратиться в компанию в следующий раз. Улучшить навыки операторов здесь помогают технология распознавания речи и гибкие сценарии общения — программа в режиме реального времени подстраивает нужный вариант скрипта в зависимости от типа и уровня сложности запроса клиента, его эмоционального состояния и реакции на рекомендации оператора. Эффективность работы этой комбинации технологий повышается при интеграции колл-центра с CRM-системой компании - в этом случае, особенно если клиент обращается в компанию не впервые, у оператора перед глазами появляется вся история взаимодействия с клиентом, которую AI-алгоритм также учитывает при формировании персонализированного скрипта разговора.
Интеграция с CRM - одно из базовых технических условий для качественной работы операторов. После окончания разговора все данные о звонке автоматически добавляются в историю общения с клиентом, исходя из которой ИИ-инструменты могут предлагать персонализированные сценарии и маркетинговые решения именно для этого собеседника.
Непростая аналитика
Еще одно необходимое условие для анализа качества работы операторов - речевая аналитика. Запись разговора оператора с клиентом сохраняется в каждой заявке, а современные ИИ-инструменты анализа записей могут мгновенно проанализировать все записанные разговоры по определенным критериям - ключевым словам, типам эмоциональных реакций в ходе разговора, а также выдать общую картину качества работы всех операторов вместе и каждого в отдельности. С помощью этой технологии можно выявить характер клиентских жалоб, определенные паттерны в предпочтениях и вовремя скорректировать стратегию компании или исправить ошибки.
На основе данных речевой аналитики компании могут выявить слабые места в подготовке операторов, корректировать их поведение, темп и стиль речи и даже выстраивать предиктивную аналитику – например, предсказать вероятность расторжения клиентом договора. Мгновенная речевая аналитика помогает сэкономить до 40 часов работы специалистов в месяц на анализе разговоров, при этом дает бизнесу ценные инсайды о запросах и реакциях клиентов, а также о работе операторов.
Помимо речевой аналитики еще один базовый элемент в качественной работе сотрудников колл-центра - многопрофильная аналитика, которая в реальном времени учитывает качество и скорость работы операторов по разным параметрам: время ответа, время обработки одного запроса, количество перерывов и простоев и тд. Модуль многопрофильной аналитики оценивает работу операторов за разные промежутки времени и в разном объеме - как по большим группам сотрудников, так и по каждому индивидуально. Благодаря этому супервайзеры могут максимально быстро корректировать работу операторов, давать персонализированную обратную связь с анализом сильных и слабых сторон. Использование этих технологий помогает оптимизировать рабочее время супервайзеров в среднем на 30% и оперативно корректировать работу операторов контакт-центра.
При успешном выполнении двух первых KPI – оперативном ответе на звонок и грамотном общении оператора с собеседником – автоматически улучшаются показатели двух других метрик - снижается количество потерянных вызовов (у клиента нет повода бросить трубку) и улучшается общая удовлетворенность клиента.
Кого возьмут в будущее
ИИ-инструменты становятся существенным подспорьем для операторов контакт-центров, а также снимают с них часть рутинных функций – голосовые ИИ-роботы и умные чат-боты уже сейчас обрабатывают до половины первичных клиентских обращений в различные организации. Например, в банковском, страховом и ИТ-секторе виртуальные ассистенты обрабатывают до 80% запросов, а в ритейле и услугах по продаже недвижимости – до 60-70%.
С переходом шаблонных задач колл-центра к умным роботам критерии оценки работы операторов будут меняться от количественных к качественным - будет расти запрос на общение с квалифицированными сотрудниками, которые умеют решать даже самые нестандартные задачи клиентов с первого обращения и обладают высоким эмоциональным интеллектом. Для этого важно использовать весь потенциал технологий, чтобы по-максимуму разгрузить операторов и не допускать их выгорания.
Опубликовано 06.03.2024
