Firmy często mają niedobór wykwalifikowanych pracowników. Kierownictwo musi brać na siebie wiele dodatkowych funkcji, a na kontrolowanie zespołu pozostaje minimalna ilość czasu. Zadanie to można jednak teraz powierzyć sztucznej inteligencji. Przeczytaj case study o tym, jak analityka językowa Ringostat AI oszczędza Keramis kilka godzin pracy dziennie i pieniądze na wynagrodzenia. W końcu AI wykonuje funkcje, które wymagałyby kilku dodatkowych pracowników.
O firmie i powodach, dla których zainteresowała się sztuczną inteligencją
Keramis to internetowy sklep z ceramiką i artykułami łazienkowymi. Również na jego stronie internetowej można znaleźć:
- pokrycia podłogowe;
- tapety;
- lampy;
- drzwi.
Specyfiką niszy Keramis jest niewielka liczba stałych klientów, ponieważ ludzie przeważnie dokonują remontów raz na 10-15 lat. Kolejnym wyzwaniem jest to, że trudno jest zautomatyzować wiele procesów w branży wyposażenia sanitarnego. Na przykład niemożliwe jest automatyczne otrzymywanie stanów magazynowych od wszystkich dostawców. Dlatego nawet jeśli produkt jest widoczny na stronie internetowej, klient musi zadzwonić, aby sprawdzić jego dostępność. Z tego powodu 70% zapytań kierowanych do firmy to telefony. Ponadto często potrzebna jest porada menedżera, ponieważ naprawy są wydarzeniem na dużą skalę i obejmują wiele produktów. To właśnie podczas rozmowy telefonicznej specjalista może zidentyfikować potrzeby klienta i zaoferować dokładnie to, czego potrzebuje.
Biorąc pod uwagę ważną rolę połączeń w biznesie, Keramis chciał zrozumieć, jaki rodzaj reklamy je generuje. Dlatego najpierw zwrócili się do naszej platformy, by podłączyć śledzenie połączeń.
Jednocześnie borykaliśmy się z dużymi brakami kadrowymi. Brakowało nam menedżerów ds. kontroli jakości, więc nie mieliśmy czasu na analizowanie połączeń zespołu. Zacząłem więc myśleć o stworzeniu własnego rozwiązania do monitorowania połączeń opartego na sztucznej inteligencji. Kiedy dowiedziałem się, że Ringostat ma już takie rozwiązanie, okazało się ono ratunkiem».
Jakie dane dostarcza Ringostat AI do monitorowania pracy menedżerów?
Sztuczna inteligencja Ringostat analizuje każde połączenie i gromadzi wyniki analizy w postaci:
- raportu Ringostat, gdzie kluczowe informacje są wyświetlane po najechaniu kursorem na wybraną kolumnę;
- karty połączenia, która otwiera się po kliknięciu daty i godziny połączenia — tutaj dane są prezentowane bardziej szczegółowo.
Z informacji dostarczanych przez sztuczną inteligencję korzysta głównie współwłaściciel Keramis. Chociaż firma nie jest obecnie w stanie wdrożyć działu kontroli jakości, sztuczna inteligencja pomaga zauważyć wszystkie ważne punkty na czas. Sami menedżerowie również pracują z danymi analizy językowej, aby zrozumieć i wyeliminować swoje błędy.
Analitykę językową ze sztuczną inteligencją można elastycznie skonfigurować na koncie Ringostat, jak opisano w artykule. Jednak podstawowe ustawienia dostępne domyślnie są wystarczające do skutecznej kontroli. Przyjrzyjmy się, jak Keramis wykorzystuje je do usprawnienia swojej pracy.
Transkrypcja połączeń i podsumowanie rozmów
Sztuczna inteligencja automatycznie konwertuje rozmowy audio na tekst i tłumaczy ich treść. Dlatego nie trzeba słuchać dialogów — można szybko wyświetlić transkrypcje. A klikając na konkretną linię, można usłyszeć, jak brzmi ona w wersji audio. Dla Keramis transkrypcja rozmów jest szczególnie wygodna, ponieważ można stamtąd skopiować kod produktu, który jest wypowiadany przez klienta lub menedżera.
Keramis może odbierać ponad 300 połączeń w ciągu tygodnia. Współwłaściciel firmy nie może słuchać ani czytać wszystkich dialogów, ponieważ ma inne obowiązki. Jednak dzięki sztucznej inteligencji nie jest to konieczne, gdyż rozwiązanie automatycznie przechwytuje podsumowanie rozmowy. Aby je zobaczyć, wystarczy przejść do karty połączenia lub najechać kursorem na odpowiednią kolumnę w raporcie AI.
Sztuczna inteligencja zapewnia również oddzielne listy:
- ustrukturyzowane podsumowanie rozmowy;
- kluczowe punkty dialogu.
Dzięki temu nie trzeba tracić dużo czasu na monitorowanie. Możesz szybko przejrzeć podsumowanie połączenia i natychmiast zrozumieć, czy trzeba go odsłuchać, czy też zapoznać się z transkrypcją.
Ocena połączenia, identyfikacja błędów i pozytywnych aspektów
Ringostat AI bierze pod uwagę, że każda rozmowa składa się zazwyczaj z czterech etapów.
- Otwarcie. Na tym etapie przedstawiciel sklepu internetowego powinien się przywitać i podać nazwę firmy.
- Rozpoznanie. Na tym etapie menedżer identyfikuje potrzeby klienta, pyta, jakiego rodzaju produktu potrzebuje i w jakim celu.
- Prezentacja. Na tym etapie pracownik opisuje klientowi produkty i ich zalety.
- Zakończenie. Pod koniec dialogu menedżer powinien porozmawiać z klientem o kolejnych krokach. Na przykład: „Wyślę ci teraz cennik na Telegram. I oddzwonię jutro o 15:00”. Pracownik powinien również grzecznie się pożegnać.
Sztuczna inteligencja rozpoznaje aktualny etap dialogu na podstawie kontekstu rozmowy i bierze pod uwagę, czy menedżer wypowiedział wszystkie niezbędne uwagi. Im mniej obowiązkowych działań podejmuje pracownik, tym niższa jest ocena dialogu.
Na tej podstawie współwłaściciel firmy może natychmiast zobaczyć problematyczne dialogi i przeanalizować, co poszło nie tak. Sztuczna inteligencja pokazuje błędy menedżera w osobnym bloku i dodatkowo wykrywa, czy menedżer używa słów wypełniających lub wulgaryzmów. Następnie zespół Keramis analizuje wszystkie błędy popełnione przez menedżerów podczas spotkań online.
AI rejestruje również, co poszło dobrze w rozmowie. Informacje te można wykorzystać do podkreślenia mocnych stron menedżerów podczas obsługi połączeń. Można też wykorzystać przykłady udanych dialogów podczas szkolenia nowych menedżerów:
Analiza nastroju rozmowy
Nawet jeśli wykonasz wszystkie kroki, klient może być rozczarowany. Na przykład, jeśli zniechęcił go styl komunikacji menedżera. Lub jeśli konsultant pozostał obojętny i nieuważny, mimo że formalnie wyraził wszystkie niezbędne uwagi.
Aby wykryć takie przypadki, sztuczna inteligencja rejestruje ogólny nastrój rozmowy, a także nastrój menedżera i klienta.
Menedżer Keramis zwraca na to uwagę podczas analizy dialogu. W ten sposób może szybko wykryć problemy z obsługą i je naprawić.
Następne kroki
Sztuczna inteligencja automatycznie analizuje umowy między menedżerem a kupującym. Na ich podstawie sztuczna inteligencja wydaje zalecenia dotyczące najlepszych kolejnych kroków. Pracownicy korzystają z nich w przyszłych rozmowach z klientami i pamiętają, jakie działania należy podjąć po rozmowie telefonicznej.
Słowa kluczowe
AI rejestruje, jakie tematy lub produkty były omawiane podczas rozmowy. I wyświetla te informacje w bloku „Słowa kluczowe”. Dane dotyczące takich słów mogą zostać wykorzystane w przyszłości do skonfigurowania reklam kontekstowych. Pomoże to również jeszcze szybciej zrozumieć, jakie produkty były omawiane podczas rozmowy.
Przesyłanie danych połączeń do CRM
Kierownictwo Keramis przekazuje prawie wszystkie dane zebrane przez sztuczną inteligencję do swojego systemu CRM. W tym celu wykorzystuje Webhook, mechanizm powiadamiania systemów zewnętrznych o zdarzeniach w Ringostacie. Technologia ta najpierw wysyła dane do serwera Keramis, a stamtąd trafiają one do CRM. Ponadto, dzięki integracji, system CRM rejestruje wszystkie połączenia wykonywane i odbierane przez menedżerów.
Dane sztucznej inteligencji są przesyłane w formie komentarzy. Albo od razu dołączane do leada lub transakcji, w zależności od tego, co jest otwarte w systemie CRM dla konkretnego numeru telefonu. Menedżer automatycznie otrzymuje również rekomendacje dostarczone przez AI oraz listę błędów w CRM.
W ten sposób kierownictwo Keramis może analizować niemal wszystkie połączenia w odniesieniu do konkretnych transakcji. Często okazuje się, że menedżer po prostu nie „docisnął”. Takie przypadki są szybko rozpatrywane przez zespół i korygowane, co pomaga doprowadzić klientów do punktu zakupu.
Wyniki współpracy Keramis i Ringostat: opinie klientów
Teraz, dzięki sztucznej inteligencji, możemy objąć wszystkie dialogi i zwolnić dużo czasu na inne rzeczy. Sztuczna inteligencja zastępuje mi prawie połowę działu kontroli jakości usług, czyli kilku pracowników. Podczas rozmów z menedżerami omawiamy analitykę AI i poprawiamy naszą komunikację z klientami.
Rezultatem jest stopniowy wzrost współczynnika konwersji z połączeń do sprzedaży. Kiedyś był rozczarowujący, ale mam nadzieję, że wkrótce wzrośnie dwukrotnie lub więcej. Mówiąc o pieniądzach, jest to dużo. Dlatego, zgodnie z naszym doświadczeniem, AI opłaca się wielokrotnie».
