VANAD Engage: analyse van telefoongesprekken met machine learning
KLANT CASE
VANAD Engage is een facilitair contactcenter, gespecialiseerd in het realiseren van een excellente customer experience voor de klanten van haar opdrachtgevers. VANAD Engage is doorlopend op zoek naar manieren om met behulp van technologie de eigen effectiviteit en efficiency te vergroten. Het team is ervan overtuigd dat ze de customer experience kunnen verbeteren en tegelijkertijd de operationele kosten kunnen verlagen. Bijvoorbeeld met de inzet van technologie die zorgt voor real-time inzicht tijdens het contact met de klant. Daarom gaf VANAD Engage de opdracht aan het datateam van Artificial Industry (nu: QuandaGo) om hiervoor een oplossing te ontwikkelen. Samen met het team van Engage kwamen we tot een ‘conversational insights module’ die hun medewerkers helpt bij het signaleren van ‘hot topics’ in gesprekken en deze effectief te gebruiken in de operatie.
Klant
Services
Strategie & Advies
Concept & Design
Application Development
Hosting & Support
Eindgebruiker
De conversational insights module met topic signalering is ontwikkeld voor teamleiders van het contactcenter van VANAD Engage.
Oplossing
De conversational insights module met topic signalering helpt om gesprekken tussen klanten en medewerkers te analyseren. De analyse geeft real time inzicht in behoeften en belredenen van klanten.
Resultaten
De toepassing wordt momenteel getest op real-life conversations. Het doel is om dit tool te gaan inzetten voor alle ruim duizend agents van VANAD Engage.
Introductie
Met haar customer experience centers helpt VANAD Engage haar klanten om merkloyaliteit te versterken en de TCO van de lifecycle van een product of service of te verlagen. Een van de doelstellingen van VANAD Engage is op een zo efficiënt mogelijk manier de juiste beschikbare informatie voor medewerkers te ontsluiten, zodat zij een optimale customer experience kunnen bieden aan de klanten van hun opdrachtgevers. VANAD Engage zorgt ervoor dat de teams de juiste competenties in huis hebben, dat de bezetting op orde is en dat dat ze streven naar een hoge klanttevredenheid. VANAD Engage moet proactief handelen, bijvoorbeeld door belangrijkste gebeurtenissen voor de klant tijdig te signaleren of te communiceren, want dit draagt bij aan de versterking van de loyaliteit van klanten. Om het management te ondersteunen bij het verkrijgen van inzicht in de klantgesprekken zonder dat alle gevoerde gesprekken opnieuw moeten worden afgeluisterd, hebben we een oplossing ontwikkeld die gesprekken snel en efficiënt analyseert. Dit leidt tot inzicht in belangrijke trends en mogelijke problemen.
Actie
QuandaGo Labs ontwikkelde een applicatie die spraak omzet naar tekst en daarna belangrijke onderwerpen signaleert op basis van frequentie, afgezet tegen gesprekken uit het verleden. De eerste stap is het omzetten van gespreksopnamen naar tekst met behulp van spraakherkenning. Na het genereren van een tekstweergave wordt natural language processing ingezet om gesprekken te labelen en belangrijke onderwerpen af te leiden. Deze onderwerpen worden dus niet vooraf aangegeven door een medewerker, maar worden dynamisch afgeleid door een algoritme. Teammanagers kunnen de gesprekken van vandaag vergelijken met die van gisteren (of een ander historisch moment) om trends te signaleren en te analyseren. Hierbij kunnen verschillende vergelijkingen worden gemaakt: denk aan ‘vandaag ten opzichte van de laatste vier dinsdagen’ of ‘deze week vergeleken met de laatste vier weken’. Bij dit soort vergelijkingen kan de teammanager de belangrijkste onderwerpen verder uitsplitsen naar deelonderwerpen. Veranderingen in frequenties van belangrijke onderwerpen worden getoond, zodat de teammanager steeds inzicht heeft in de belredenen van klanten.
Oplossing
Anders dan bij traditionele quality monitoring, kan er veel tijd en geld worden bespaard als een teammanager weet waarom mensen bellen – bijvoorbeeld ten opzichte van een voorgaande periode. Hot topics zijn onderdelen van gesprekken die in meerdere gesprekken voorkomen. De kunst is om de belangrijkste onderwerpen in kaart te brengen, zodat trends en belangrijke gebeurtenissen duidelijk worden. Wanneer het onderwerp ‘storing’ nu tweemaal zo vaak voorkomt als een uur geleden, kan dat wijzen op een probleem dat speciale aandacht vereist. Deze technologie stelt het team in staat om in een zeer vroeg stadium problemen te signaleren en medewerkers tijdig te informeren over de juiste aanpak.
“
De oplossing laat ons zien wat er realtime gebeurt. We kunnen op de voet volgen waar klanten over bellen en in het vroegst mogelijke stadium in actie komen.
“Deze oplossing verbetert de kwaliteit en betrouwbaarheid van forecasting en planning voor de komende dagen. we voorzien dat deze tool ons ook gaat helpen bij het verbeteren van de training en coaching van onze medewerkers. Daarnaast kunnen we veel beter voeling houden met de effecten van campagnes, de performance van systemen en veranderingen in de dienstverlening.”
- Maurice, team lead Telco VANAD Engage
Weetjes
- “Vocabulaire van de oplossing bestaat uit meer dan 250.000 woorden.”
- Binnen QuandaGo Labs zorgt Kaldi (de software die gebruikt wordt voor de omzetting van spraak naar tekst) voor de omzetting van woorden in allerlei mogelijke uitspraken. Deze lijst met uitspraakvarianten is verder uitgebreid met woorden die gebruikt worden voor telecomproviders en voor Nederlandse begrippen als wifi (naast ‘waifai’ ook uitgesproken als ‘wiefie’). Daarnaast gebruikt QuandaGo Labs de high performance rekenkracht van Amazon: met de c5.18xlarge-configuratie (72 cores en 144 GB RAM) kan QuandaGo Labs 24 uur aan audio in minder dan 30 minuten omzetten naar tekst.
Conclusie!
Het combineren van speech to text met onderwerpsdetectie en -analyse zorgt voor een krachtige tool die organisatie helpt bij het optimaliseren van service en het vergroten van de klanttevredenheid. De teammanager kan gesprekken efficiënt monitoren en real time trends signaleren. Hiermee winnen organisaties aan proactiviteit en komt besluitvorming sneller tot stand. In de dagelijkse praktijk betekent dit dat de organisatie eerder dan de klant zicht heeft op opkomende problemen en daardoor met de oplossing aan de slag kan nog voor dat de klant het probleem in beeld heeft.
