هوش مکالمه چطور میتواند به یک کسبوکار کمک کند از دل هزاران تماس تلفنی، اطلاعاتی به دست بیاورد که مستقیما روی فروش و رضایت مشتری تاثیر بگذارد؟ هر روز ده‌ها مشتری با واحد فروش شما تماس می‌گیرند. بعضی درباره قیمت سوال میکنند. بعضی از کیفیت خدمات ناراضی هستند و بعضی دیگر در آستانه خرید، فقط به دلیل یک ابهام از تصمیم خود منصرف می‌شوند.
Conversation Intelligence یا هوش مکالمه قرار است این وضعیت را تغییر دهد. چطور؟ کاری میکند که به جای اینکه فقط صدای مکالمات را ذخیره کنیم یا به متن تبدیل کنیم، محتوای آن‌ها را تحلیل کنیم، الگوهای تکرارشونده را بشناسیم و از حرف‌های مشتریان برای گرفتن تصمیماتی بهتر استفاده کنیم!
هوش مکالمه (Conversation Intelligence) چیست؟
به مجموعه‌ای از فناوری‌ها و روش‌های مبتنی بر هوش مصنوعی که محتوای مکالمات میان مشتریان و کارشناسان را تحلیل میکنند تا از دل گفت‌وگوها، اطلاعات قابل استفاده به دست بیاورند، هوش مکالمه گفته می‌شود. این فناوری فقط به شناسایی کلمات گفته‌شده محدود نیست و تلاش میکند موضوع مکالمه، نیاز مشتری، احساسات او، قصد خرید، اعتراضها و حتی نقاط ضعف فرایند فروش را شناسایی کند.
اگر بخواهیم در عمل توضیح بدهیم:
وقتی چندین مشتری در تماسهای مختلف می‌گویند:
«قیمت سرویس شما خیلی بالاست.»
«قبل از خرید؛ باید بیشتر بررسی کنم.»
«نمی‌دونم این سرویس برای شرکت ما مناسبه یا نه.»
یک سیستم معمولی ضبط تماس، فقط این مکالمات را ذخیره میکند و نگه می‌دارد. سیستم تبدیل گفتار به متن (Speech-to-Text) فقط آن‌ها را به نوشته تبدیل میکند. اما یک سیستم هوش مکالمه تشخیص می‌دهد که قیمت، تردید در خرید و ابهام دربارۀ کاربرد محصول، از موانع پرتکرار تبدیل مشتریان به خریدار هستند. این همان تفاوتی است که بین "شنیدن مکالمه" و "فهمیدن اطلاعات پنهان در آن" وجود دارد.
تفاوت هوش مکالمه با AI in VoIP و Speech-to-Text
برای اینکه این سه مفهوم با هم اشتباه گرفته نشوند، بهتر است به هدف هرکدام توجه کنیم. AI in VoIP به استفاده از هوش مصنوعی در فناوری تلفن اینترنتی اشاره دارد. مثلا بهینه‌سازی کیفیت تماس، تشخیص اختلالات صوتی یا هوشمندسازی مسیریابی تماسها.
در مقابل Conversation Intelligence روی محتوای مکالمه تمرکز دارد و می‌خواهد بفهمد مشتری چه نیازی دارد، چرا مردد است و چه عواملی روی تصمیم او تاثیر می‌گذارند.
از طرف دیگر، Speech-to-Text یکی از فناوری‌های مورد استفاده در هوش مکالمه است، نه خود آن. این فناوری گفتار را به متن تبدیل میکند تا امکان جست‌وجو و پردازش آن فراهم شود. بنابراین، یک سیستم هوش مکالمه میتواند از خروجی Speech-to-Text استفاده کند، اما کارش به رونویسی مکالمه ختم نمی‌شود.
Speech-to-Text به ما می‌گوید چه کلماتی گفته شده‌اند، اما Conversation Intelligence کمک میکند بفهمیم این کلمات چه معنایی برای کسبوکار دارند و بر اساس آن‌ها چه اقدامی باید انجام دهیم. البته همه سیستم‌های هوش مکالمه قابلیت‌های یکسانی ندارند و میزان تحلیل آن‌ها به فناوری، کیفیت داده و امکانات نرم‌افزار بستگی دارد.
هوش مکالمه چگونه تماسهای مشتری را به داده تبدیل میکند؟
هوش مکالمه با یک فرایند چندمرحله‌ای کار میکند.
ابتدا اطلاعات مکالمه از طریق سیستم تلفنی یا ابزار ضبط تماس دریافت می‌شود. سپس گفتار به متن تبدیل می‌شود و فناوری‌های پردازش زبان طبیعی (NLP) و یادگیری ماشین (Machine Learning) محتوای مکالمه را بررسی میکنند.
پردازش زبان طبیعی به سیستم کمک میکند ساختار و معنای زبان انسان را تشخیص دهد و یادگیری ماشین به آن امکان می‌دهد از الگوهای موجود در داده‌ها برای شناسایی موضوعات و رفتارهای تکرارشونده استفاده کند. مثلاً وقتی مشتری در تماس با واحد فروش می‌گوید: «سرویس شما خوبه، ولی فعلا نمی‌تونیم هزینه اشتراک رو پرداخت کنیم». سیستم میتواند موضوع مکالمه را قیمت‌گذاری، نوع واکنش مشتری را تردید در خرید و مسئله اصلی را محدودیت بودجه تشخیص دهد.
اگر همین موضوع در تماسهای متعدد تکرار شود، مدیر فروش متوجه می‌شود که قیمت یکی از موانع مهم تبدیل مشتریان بالقوه به خریدار است. به این ترتیب، اطلاعات پراکنده تماسها به یک الگوی قابل بررسی تبدیل می‌شوند.
در نهایت، نتایج تحلیل در قالب گزارش، داشبورد، خلاصه مکالمه یا هشدارهای مدیریتی نمایش داده می‌شوند. بعضی سیستمها امکان اتصال به CRM را هم دارند. CRM یا مدیریت ارتباط با مشتری، نرم‌افزاری است که اطلاعات مشتریان، سوابق ارتباطی و مراحل فروش را ثبت و سازمان‌دهی میکند. با این اتصال، اطلاعات استخراج‌شده از تماس میتوانند در پرونده مشتری ذخیره شوند.
هوش مکالمه چه اطلاعاتی از مکالمات مشتری استخراج میکند؟
با استفاده از تحلیل تماس با هوش مصنوعی، مدیران میتوانند به جای بررسی تصادفی چند مکالمه، تصویر دقیق‌تری از رفتار مشتریان و کیفیت ارتباط تیم خود داشته باشند. مهم‌ترین اطلاعاتی که یک سیستم Conversation Intelligence میتواند استخراج کند عبارت‌اند از:
۱. تحلیل احساسات مشتری (Sentiment Analysis)
تحلیل احساسات به این معناست که سیستم تلاش میکند از روی کلمات و نشانه‌های زبانی مکالمه، حالت احساسی مشتری را تشخیص دهد. ممکن است مشتری تماس را با لحنی آرام شروع کند، اما پس از توضیح کارشناس درباره هزینه‌ها، واکنش منفی نشان دهد. شناسایی چنین لحظه‌هایی به مدیران کمک میکند بفهمند کدام بخش از فرایند ارتباط با مشتری نیاز به اصلاح دارد.
۲. شناسایی قصد خرید و نیت مشتری (Customer Intent)
قصد مشتری به هدفی اشاره دارد که از برقراری تماس دنبال میکند. فقط می‌خواهد اطلاعات بگیرد؟ قصد خرید دارد؟ به دنبال تمدید قرارداد است یا می‌خواهد سرویس خود را لغو کند؟ هوش مکالمه با بررسی عبارت‌ها و زمینه گفت‌وگو میتواند این نشانه‌ها را شناسایی کند.
برای مثال، وقتی مشتری می‌پرسد «اگر امروز ثبت‌نام کنم، از چه زمانی سرویس فعال می‌شه؟»، احتمالا به مرحله جدی‌تری از تصمیم‌گیری برای خرید رسیده است. در مقابل، مشتری‌ای که چند بار درباره شرایط فسخ قرارداد سوال میکند، ممکن است در حال بررسی گزینه‌های جایگزین باشد. شناسایی این تفاوت‌ها به تیم فروش کمک میکند پیگیری‌ها را متناسب با نیاز و مرحله تصمیم‌گیری هر مشتری انجام دهد.
۳. شناسایی اعتراضها و موانع خرید (Objection Detection)
سیستم هوش مکالمه میتواند مواردی مانند گران بودن محصول، نگرانی درباره کیفیت خدمات، پیچیدگی راه‌اندازی یا مقایسه با رقبا را شناسایی و دسته‌بندی کند. فرض کنید مدیر فروش متوجه می‌شود تعداد زیادی از مشتریان پیش از خرید یک سرویس تلفنی درباره قطعی تماس یا کیفیت صدا سوال میکنند.
این اطلاعات نشان می‌دهد که تیم فروش باید توضیحات شفاف‌تری درباره پایداری سرویس، زیرساخت شبکه و کیفیت ارتباط ارائه دهد. همچنین ممکن است کسبوکار به این نتیجه برسد که لازم است فرایند معرفی خدمات یا حتی ویژگیهای خود محصول را بازنگری کند.
۴. استخراج کلمات کلیدی، موضوعات پرتکرار و نام رقبا
هوش مکالمه میتواند کلمات، عبارت‌ها و موضوعاتی را که در تماسها تکرار می‌شوند شناسایی کند. برای مثال، اگر مشتریان یک شرکت تلفنی مرتب درباره «انتقال تماس»، «شماره اختصاصی»، «هزینه راه‌اندازی» یا نام شرکت‌های رقیب صحبت کنند، مدیر میتواند بفهمد چه موضوعاتی بیشترین توجه مشتریان را به خود جلب کرده‌اند.
۵. شناسایی اقدامات بعدی و تعهدات کارشناس (Action Items)
گاهی مهم‌ترین اطلاعات یک مکالمه، کاری است که باید بعد از پایان آن انجام شود. مثلا کارشناس قول داده پیش‌فاکتور ارسال کند، واحد فنی باید با مشتری تماس بگیرد یا مشتری درخواست کرده هفته آینده برای پیگیری با او ارتباط بگیرند. هوش مکالمه میتواند این تعهدات و اقدامات را از متن گفت‌وگو استخراج و برای پیگیری ثبت کند.
6. شناسایی فرصت‌های فروش و بهبود بازاریابی تلفنی
همه مشتریانی که تماس می‌گیرند، آمادگی خرید ندارند؛ اما ممکن است در مکالمه خود نشانههایی از یک نیاز جدی ارائه کنند. Conversation Intelligence میتواند این نشانه‌ها را شناسایی کند و به تیم بازاریابی تلفنی و فروش کمک کند فرصت‌های ارزشمند را از میان تماسهای متعدد پیدا کنند.
مثلا اگر مشتری درباره امکان استفاده هم‌زمان چند کارشناس از یک شماره، مدیریت تماسهای ورودی یا اتصال سیستم تلفنی به CRM سوال کند، این مکالمه میتواند نشانه‌ای از نیاز سازمانی او باشد. تیم فروش با استفاده از این اطلاعات میتواند خدمات مناسب‌تری مانند خط تلفن اختصاصی یا راهکارهای تلفن ابری را معرفی کند. به جای اینکه برای همه مشتریان یک پیشنهاد یکسان داشته باشد.
برای راه‌اندازی هوش مکالمه به چه زیرساخت‌ها و امکاناتی نیاز داریم؟
برای استفاده از Conversation Intelligence، این سیستم باید به اطلاعات مکالمات دسترسی داشته باشد، بتواند صدای ضبط‌شده را با کیفیت مناسب پردازش کند و در صورت نیاز، نتایج تحلیل را به سیستم‌های دیگر کسبوکار انتقال دهد.
بنابراین، پیش از انتخاب ابزار باید وضعیت زیرساخت تلفنی، نرم‌افزارهای ارتباط با مشتری و نیازهای عملیاتی شرکت را بررسی کنید. مهم‌ترین پیش‌نیازهای راه‌اندازی این فناوری را در ادامه بررسی می‌کنیم.
پیش‌نیاز اول) سیستم تلفنی مجهز به قابلیت ضبط مکالمات
سیستم‌های تلفنی تحت شبکه (VoIP) به دلیل قابلیت اتصال به نرم‌افزارها و امکان یکپارچه‌سازی با سایر سامانه‌های سازمانی، میتوانند زیرساخت مناسبی برای این کار باشند. البته داشتن VoIP به‌تنهایی به معنای برخورداری از هوش مکالمه نیست. باید بررسی کنید سیستم تلفنی امکان ضبط تماس، دریافت فایلهای صوتی، ارائه رابط برنامه‌نویسی (API) یا اتصال به ابزارهای تحلیل مکالمه را داشته باشد. API رابطی است که به دو نرم‌افزار اجازه می‌دهد اطلاعات را به شکل خودکار با یکدیگر تبادل کنند.
پیش‌نیاز دوم) نرم‌افزار تبدیل گفتار به متن و موتور تحلیل هوشمند
برای اینکه محتوای تماس قابل تحلیل باشد، معمولا ابتدا صدای مکالمه به متن تبدیل می‌شود. این مرحله باید بتواند گفتار مشتری و کارشناس را تا حد امکان درست تشخیص دهد و در صورت امکان، صحبت هر فرد را جداگانه مشخص کند. به این قابلیت تشخیص گوینده (Speaker Diarization) گفته می‌شود. یعنی سیستم تشخیص می‌دهد هر بخش از مکالمه را کدام یک از افراد حاضر در تماس بیان کرده است.
در مرحله بعد، موتور تحلیل هوشمند با استفاده از مدل‌های پردازش زبان طبیعی و یادگیری ماشین، اطلاعات موردنیاز را استخراج میکند. توجه کنید که برای کسب‌وکارهای ایرانی، پشتیبانی واقعی از زبان فارسی اهمیت زیادی دارد.
پیش‌نیاز سوم) اتصال به CRM و سایر نرم‌افزارهای سازمانی
سیستم هوش مکالمه باید بتواند به CRM متصل شود تا خلاصه تماس، نیاز مشتری، اعتراضها و اقدامات بعدی در پرونده همان مشتری ثبت شوند. وقتی مشتری در تماس درباره خرید یک سرویس سوال میکند و درخواست ارسال پیش‌فاکتور دارد، اطلاعات این مکالمه میتواند در CRM ثبت شود تا کارشناس فروش در پیگیری بعدی دقیقا بداند چه موضوعاتی مطرح شده‌اند.
پیش‌نیاز چهارم) امنیت اطلاعات و رعایت حریم خصوصی
مکالمات تلفنی ممکن است شامل اطلاعات شخصی مشتریان، جزئیات قراردادها، اطلاعات مالی یا داده‌های محرمانه سازمان باشند. به همین دلیل، هنگام پیاده‌سازی هوش مکالمه باید مشخص باشد چه افرادی به فایلهای صوتی و گزارش‌های تحلیلی دسترسی دارند، اطلاعات کجا ذخیره می‌شوند و چه مدت نگهداری خواهند شد.
همچنین باید نحوه اطلاع‌رسانی و دریافت رضایت برای ضبط و پردازش تماسها، متناسب با الزامات قانونی و مقررات حاکم بر فعالیت کسبوکار بررسی شود. استفاده از دسترسی‌های سطح‌بندی‌شده، رمزنگاری اطلاعات و سیاست مشخص برای حذف داده‌های قدیمی، از اقداماتی هستند که به حفظ امنیت این زیرساخت کمک میکنند.
کدام نرم‌افزار هوش مکالمه را انتخاب کنیم؟!
موقع انتخاب ابزار، صرفا به تعداد قابلیت‌های هوش مصنوعی توجه نکنید. مهم‌تر این است که نرم‌افزار بتواند مکالمات واقعی کسبوکار شما را با دقت مناسب تحلیل کند و خروجی آن در تصمیم‌گیری‌های روزمره قابل استفاده باشد.
معیار انتخاب | سوالی که باید بررسی کنید |
|---|---|
پشتیبانی از زبان فارسی | آیا گفتار محاورهای، لهجه‌ها و اصطلاحات فارسی را درست تشخیص می‌دهد؟ |
دقت تحلیل | آیا میتواند موضوع، احساسات، قصد خرید و اعتراض‌های مشتری را درست شناسایی کند؟ |
اتصال به سیستم تلفنی | آیا با زیرساخت VoIP و سیستم ضبط تماس مجموعه سازگار است؟ |
یکپارچگی با CRM | آیا اطلاعات تماس و اقدامات بعدی را به پرونده مشتری منتقل میکند؟ |
گزارش‌گیری | آیا امکان بررسی روندها، مقایسه کارشناسان و شناسایی مشکلات پرتکرار وجود دارد؟ |
امنیت اطلاعات | آیا دسترسی‌ها، محل ذخیره‌سازی و مدت نگهداری اطلاعات قابل مدیریت هستند؟ |
قابلیت توسعه | آیا با افزایش تعداد تماسها میتوان ظرفیت پردازش را افزایش داد؟ |
هزینه واقعی پیاده‌سازی | دقت خروجی، زمان پردازش و میزان کاربردی بودن گزارش‌ها ارزش هزینه را دارد؟ |
جمع‌بندی
برای استفاده از سیستم هوش مکالمه (Conversation Intelligence) حتماً قبل از خرید، یک نمونه آزمایشی با تعدادی از تماسهای واقعی اجرا کنید و دقت خروجی، زمان پردازش و میزان کاربردی بودن گزارش‌ها را بسنجید.
برای کسب‌وکارهایی که هنوز زیرساخت تلفنی مناسبی ندارند، بهتر است ابتدا وضعیت سیستم ارتباطی خود را سامان‌دهی کنند. شرکت تلفنچی با ارائه سرویس‌هایی مانند تلفن ابری و راهکارهای تلفنی تحت شبکه میتواند در فراهم کردن بخشی از این زیرساخت به کسب‌وکارها کمک کند.
نظرات و تجربههای شما
هنوز دیدگاهی ثبت نشده است؛ اولین دیدگاه را شما بنویسید.