Generative KI: Qualitätsmanagement automatisieren und Konversationsanalyse vorantreiben

Einführung

Steigende Anrufvolumina, immer komplexere Anrufe und die Aufrechterhaltung eines qualifizierten Mitarbeiterstabs sind drei der komplexesten Herausforderungen, denen sich Contact Center heute stellen müssen. Ihre Geschäftsziele sind jedoch ehrgeiziger als je zuvor.

Kontaktzentren sind in der Umsatzsicherung tätig. Als Manager konzentrieren Sie sich in erster Linie darauf, negative Interaktionen zu erkennen, das Kundenerlebnis zu verbessern und die Kundenabwanderung zu verhindern. Es ist wichtig, dass Sie den Inhalt und den Kontext jeder Telefoninteraktion zwischen Agenten und Kunden genau kennen. Das heißt, dass Sie wahrscheinlich in einem Geschäftsumfeld arbeiten, das von Ihnen verlangt, mit weniger mehr zu erreichen.

Schwerpunkt auf Automatisierung

Kontaktzentren überwachen und messen kontinuierlich die Kundenzufriedenheit. Es ist kein Geheimnis, warum: Die bestmögliche Kundenzufriedenheit ist die wichtigste Aufgabe eines Contact Centers, und deshalb steht die Leistung der Agenten auch im Mittelpunkt des Interesses von Managern, Supervisoren und Teamleitern. 

In vielen Contact Centern werden die Interaktionen der Agenten mit den Kunden manuell von Supervisoren und Teamleitern bewertet. Das entscheidende Wort ist hier "manuell". Die Vorgesetzten müssen sich die Anrufe anhören, um festzustellen, ob sich der Agent an das Anrufskript gehalten hat oder nicht - eine Überprüfung, die praktisch genauso viel Zeit in Anspruch nimmt wie der Anruf selbst.

Das Ergebnis? Kontaktzentren, die einen manuellen Prozess verwenden, können in der Regel nicht mehr als 1 % ihrer Anrufe auswerten, was ihr Verständnis für die Servicequalität, die sie ihren Kunden bieten, drastisch einschränkt und ihre Fähigkeit, Probleme zu erkennen und zu beheben, beeinträchtigt. Die Führungskräfte agieren im Grunde blind und treffen Entscheidungen - oder unterlassen sie - ohne die richtigen Erkenntnisse. Der Schulungsbedarf kann nicht erkannt werden, die Mitarbeiterfluktuation steigt und das Kundenerlebnis sowie die Marke des Unternehmens leiden.

Einstieg in die Automatisierung und KI-gestützte Konversationsanalyse - Tools und Funktionen, die entwickelt wurden, um tägliche Prozesse zu vereinfachen und zu rationalisieren und Interaktionen zu analysieren, ohne dass manuelle Eingriffe erforderlich sind. Der Zugang zu KI wurde demokratisiert und steht nicht nur technologisch fortschrittlichen Großunternehmen zur Verfügung. Auch mittlere und kleine Contact Center nutzen ihre Möglichkeiten.

Generative KI-gestützte/automatisierte Gesprächsanalyse

Conversation Analytics ist ein technologisches Werkzeug, das gesprochene Sprache (ein Audiosignal) in geschriebenen Text (ein Transkript) umwandelt. Die Technologie ist auch in der Lage, zusätzliche Ergebnisse zu liefern, die für die Analyse einer Agenten-/Kundeninteraktion nützlich sind, wie z. B. die Erkennung von Emotionen und Stimmungen sowie die Erkennung anderer akustischer Parameter.

Es berührt alle Facetten des Qualitätsmanagements und nutzt die Nuancen von Sprache und Stille, um Einblicke in die Einstellung von Kunden und Mitarbeitern, die Eignung von Mitarbeitern, die Effektivität von Prozessen und die Entwicklung von Problemen zu geben. Mit ihr kann werden 100 % der Contact Center-Anrufe automatisch auf Compliance, Kundenzufriedenheit, Agenteneffektivität und vieles mehr analysiert. Da die zeitaufwändige Überprüfung und Analyse nun automatisiert ist, können Manager und Vorgesetzte mehr Zeit für strategische Prioritäten aufwenden.

Conversation Analytics greift tief in den Qualitätsmanagementprozess ein. Die Transparenz, die es bietet, fördert die Analyse, die zu neuen Erkenntnissen führt. Manager können diese Erkenntnisse nutzen, um Mitarbeiter zu bewerten und zu schulen. Sie können Compliance-Probleme, Quellen der Kundenunzufriedenheit, Probleme mit der Leistung der Agenten und ineffiziente Prozesse identifizieren.

Outputs:

• Kontinuierliche Spracherkennung - Hochpräzise Sprache-zu-Text-Funktionen und Transkriptionen
• Bewegungserkennung - liest automatisch die Emotionen der Kunden, indem es Tonhöhenschwankungen, Unterbrechungen, Schweigephasen und mehr untersucht.
• Akustische Parameter - sowohl für das gesamte Gespräch als auch für die einzelnen Teilnehmer ermittelt. Diese Werte sind auch als absolute Werte (z.B. Übersprechzeit) und relative Werte (z.B. das Verhältnis der Übersprechzeit zur Gesamtgesprächszeit)
  
  
  • Crosstalk-Zeit - Teilnehmer, die gleichzeitig sprechen
    
  • Schweigezeit - niemand spricht
    
  • Anzahl der Unterbrechungen - wenn ein Teilnehmer von einem anderen unterbrochen wurde
    
  • Sprechgeschwindigkeit- Anzahl der Wörter pro Minute
    
  • Sprachphrasen - vordefinierte Sprachtags und -phrasen werden identifiziert und oben in der Transkription hervorgehoben 
  • Geschlecht

Eine Visualisierung der verfügbaren Ausgaben finden Sie unten:

Conversation Analytics Anwendungsfälle

Mit Hilfe von Conversation Analytics kann ein Benutzer die verfügbaren Ergebnisse auf einfache Weise auf folgende Weise nutzen:

• Verstehen Sie den Inhalt des Anrufs auf einen Blick (bei Betrachtung der Schlüsselattribute), ohne den Anruf abspielen zu müssen, können Prüfer folgende Fragen beantworten:
  
  
  • Wie war die allgemeine Stimmung des Kunden? In welchem emotionalen Zustand befand er sich zu Beginn des Gesprächs, und wie veränderte er sich im weiteren Verlauf des Gesprächs?
        
  • War der Mitarbeiter launisch? War er unhöflich? Höflich?
         
  • Wie viele Sekunden betrug die Gesamtübersprechzeit?
        
  • Wie oft wurde der Kunde vom Agenten unterbrochen und umgekehrt?
        
  • War die Gesamtstillstandszeit verdächtig lang (hat der Agent so getan, als würde er arbeiten)?
        
  • Wie lange dauerte das Gespräch insgesamt (konnte der Mitarbeiter dem Kunden helfen)?
     
  • Hat der Mitarbeiter deutlich gesprochen? Spricht er zu schnell? 
    
    
• Finden von Aufrufen auf der Grundlage dieser Attribute:
  
  
  • Aufrufe anhand der verfügbaren Attribute schnell finden.
      
  • Echtzeit-Volltextsuche ermöglicht das Auffinden von Inhalten in jeder Gesprächsabschrift.
    
    
• Visualisierung der akustischen Parameter und Transkription während der Wiedergabe des Gesprächs:
  
  
  • Sprachphrasen und die erkannte Emotion werden in der Wellenform des Interaktionsplayers hervorgehoben
       
  •  Untertitel werden während der Wiedergabe im Player angezeigt
    
    
• Benutzen Sie Emotionen und akustische Parameter bei der automatischen Bewertung von Gesprächsagenten durch das System (weitere Details finden Sie im Abschnitt Automatisches Qualitätsmanagement!)

Automatisiertes Qualitätsmanagement

Wie bereits erwähnt, ist der manuelle Überprüfungsprozess sehr zeitaufwändig, und die Contact Center-Manager können nur einen äußerst geringen Prozentsatz der Kundeninteraktionen bewerten. Das ultimative Ziel für jedes Contact Center ist es, die Erfahrung, die Ihre Agenten bei 100 % ihrer Kundengespräche machen, zu bewerten - oder zumindest zu verstehen.

Eine automatisierte Lösung, die alle Interaktionen regelmäßig analysiert, kann aufkommende Probleme identifizieren, neue Möglichkeiten aufzeigen und die herausragende und schlechte Leistung der Agenten hervorheben. Darüber hinaus können Warnmeldungen schnelle Informationen über ausstehende und problematische Gespräche liefern.

Automatisiertes Qualitätsmanagement (AQM), manchmal auch als Analytics-enabled QM bezeichnet, bewertet automatisch alle Gespräche und die beteiligten Agenten anhand verschiedener Parameterkategorien wie

• Metadaten, die von der CCaaS-Plattform erfasst werden (Bearbeitungszeit, angehängte Flaggen, Informationen über die auflegende Partei usw.)
      
• Metadaten, die von der automatischen Spracherkennung analysiert werden (Emotionen, akustische Parameter und Transkription; siehe oben für weitere Einzelheiten)
      
• Nach dem Aufruf zugewiesene Metadaten (Tags)
     
• Metadaten, die von externen Systemen zugewiesen werden, in der Regel ein Umfragetool (NPS-Wert) oder ein CRM-System (fallbezogene Informationen)
  
  

Die logische Struktur von AQM ist in der folgenden Abbildung dargestellt:

Automatisches Qualitätsmanagement Anwendungsfälle

Mit Hilfe von AQM wird Eleveo allen Gesprächen automatisch eine Punktzahl zuweisen, die auf einem vordefinierten Satz von Regeln basiert, die vom Benutzer festgelegt wurden. Typischerweise wollen Contact Center-Manager Agenten belohnen, die die Anrufskripte und andere interne Richtlinien korrekt befolgen.

Die folgende Tabelle zeigt beispielhaft, wie AQM funktioniert. Die Regeln für die Auswertungen sind jedoch vollständig vom Kunden konfigurierbar.

Ein wichtiger Bestandteil des Tools ist ein integriertes Warnsystem, das einen vordefinierten Benutzer oder den Vorgesetzten des Agenten benachrichtigt, wenn eine automatisch zugewiesene Punktzahl kleiner/größer als der definierte Schwellenwert ist.

Mehr KI-Fähigkeiten

Diese KI-Funktionen der nächsten Generation verleihen Anrufüberprüfungen und -analysen eine neue Dimension der konzeptionellen Intelligenz:

• Auto Summarization erhöht die Produktivität der Agenten um 10 Prozent oder mehr, da sie nicht mehr einen Anruf manuell zusammenfassen müssen, bevor sie den nächsten annehmen.
• Flagging und Topic Detection warnt vor potenzieller Kundenabwanderung. Würden Sie nicht gerne wissen, ob ein Kunde einen Konkurrenten namentlich erwähnt oder um eine Eskalation gebeten hat?
• Natural language ChatGPT-like engine ermöglicht es Ihnen, Regeln für das automatische Qualitätsmanagement zu erstellen, die Anrufe programmatisch, konzeptionell und genau auf einem Niveau einstufen können, das die Fähigkeiten eines Menschen nachahmt.
  

Natürliche Sprachverarbeitung
Natürliche Sprachverarbeitung (NLP) bezeichnet den Zweig der Informatik - genauer gesagt den Zweig der künstlichen Intelligenz oder KI -, der sich damit befasst, Computern die Fähigkeit zu verleihen, Text und gesprochene Worte in ähnlicher Weise zu verstehen wie Menschen.

Apropos AQM und seine neuen Möglichkeiten: Ziel ist es, jede einzelne Transkription entsprechend dem Anrufskript des Kunden zu klassifizieren. Daher wird jede Frage, die Teil des Gesprächsskripts (Scorecard/Fragebogen, falls gewünscht) ist, automatisch vom Tool beantwortet. Der Vorteil dieses Ansatzes besteht darin, dass das KI/Machine Learning-Tool wahrscheinlich die richtige Antwort findet, wenn es mit einem geeigneten Datensatz trainiert wurde. Die Anforderungen an die Bereitstellung eines Datensatzes und das anschließende Training des Tools (geht mit Kosten einher) sind potenzielle Nachteile und müssen in der Implementierungsphase für jeden einzelnen Kunden berücksichtigt werden.

Text, der durch Natural Language Processing klassifiziert wird (eigentlich die Ausgabe der Klassifizierung), soll als Eingabeparameter in AQM verwendet werden und hat daher einen direkten Einfluss auf die Gesprächsbewertung.

Berichterstattung
Contact Center-Manager und Vorgesetzte müssen in der Lage sein, zu überwachen, zu messen, Trends zu verfolgen und mit aggregierten Daten zu arbeiten. Die Ergebnisse von AQM und Conversation Analytics müssen in Form von Berichten und KPIs auf der Website Eleveo Dashboard.

Eine noch stärkere Automatisierung
Wenn das System erkennt, dass bei einem Gespräch etwas schief gelaufen ist, kann es eine geeignete Folgemaßnahme vorschlagen. Eine solche Maßnahme könnte die Einplanung einer manuellen Überprüfung oder die Einplanung einer Agentenschulung sein. Andererseits kann das System auch herausragende Leistungen der Agenten belohnen, etwa indem es ihnen die Möglichkeit gibt, ihre bevorzugten Schichten zu wählen.

Mit Hilfe von Conversation Analytics und AQM-Tools sind Contact Center in der Lage, die Vorgänge in jedem einzelnen Gespräch zu analysieren, potenzielle Probleme fast sofort zu erkennen und die Leistung der Mitarbeiter ständig zu verbessern - all das sind Schlüssel zur Verbesserung der Kundenzufriedenheit, und das ist Aufgabe Nr. 1 für Contact Center.