会话分析并不是一项新技术。联络中心已经使用它超过15年了。

在此过程中，他们分析了所有参与渠道的客户对话，挖掘了宝贵的见解。

例如，他们已经确定：人们为什么联系我们？为什么流量激增？是什么让客户不高兴？名单还在继续。

问题是，这些会话分析系统在历史上依赖于广泛的自然语言处理（NLP）模型。

因此，他们的发展需要昂贵的专业人员。此外，他们提供了有限的语言支持和狭窄的垂直应用程序。

现在，这些限制实际上已经随着生成式人工智能（GenAI）的出现而消失了。

刹车已关闭

传统上，运行联络中心需要本地虚拟和裸机服务器。在这种模式下采用高级分析的成本高得令人望而却步。

Enghouse Interactive的产品经理Carl Townley Taylor表示，现在一切都是基于云的，实现许多人工智能功能就像勾选一个框一样简单。

他说：“不需要额外的配置或昂贵的本地基础设施。”

“此外，联络中心可以测试会话分析解决方案，而无需进行大规模的前期投资。”

然后是GenAI。虽然它并没有改变会话分析系统的用户界面（UI），但它正在迅速推进其功能。

事实上，供应商不再需要广泛的研发来支持新的语言或领域。他们可以快速启动并运行这些程序，因为大型语言模型（LLM）可以为他们处理这些程序。

因此，这些提供商可以专注于确保数据主权，创建有效的可视化，并更快地将用例带给客户。

自动分类：改变游戏规则的新功能

如前所述，为会话分析系统创建NLP模型曾经涉及大量的手动配置。这使得针对特定行业的解决方案变得罕见。

毕竟，开发人员必须了解每个行业的细微差别，比如产品名称或客户类型。然而，LLM已经实现了自动分类，这被证明是一个改变游戏规则的因素。

Townley Taylor分享了一个如何运作的例子，他说：“我们（Enghouse Interactive）与一家澳大利亚养牛公司合作。他们想根据产品名称对互动进行分类——在这种情况下是不同类型的牛。”

“以前，这需要构建自定义模型来考虑所有的变化和细微差别，”他继续说道。“对于大型语言模型，我们只需提供参数，系统就会生成结果。”

“部署速度更快，成本更低，同样的技术可以很容易地适用于其他行业。”

凭借这一能力，该技术还将推动更深入的见解。毕竟，如果一个企业可以按产品名称、情绪或一天中的时间对交互进行分类，它就可以识别新的绩效趋势。

3个会话分析用例入门

现在，会话分析系统变得更加易于访问，并且针对特定行业，更多的联络中心可以开始对其进行测试。

当他们这样做时，他们可能会尝试许多用例。例如，服务团队可以跟踪合规性，支持客户反馈活动，甚至预测客户行为。

然而，就快速物有所值而言，这里有三个用例可以开始使用。

1、自动生成质量记分卡

有了这个用例，联络中心可以从监控1到100%的客户互动，深入了解每一个互动。

此外，他们可以附加元数据，按渠道、意图和客户细分对联系人进行分类，以揭示新的绩效趋势，为指导和认可计划提供信息。

这种洞察力还将帮助质量分析师和主管确定最有可能提供最成熟学习机会的人工评估联系人。

最后，会话分析解决方案可以得分的不仅仅是实时座席。此外，他们可以监控虚拟座席的性能，以保护其输出。

2、监测情绪

会话分析系统不仅提供历史报告，还提供对客户呼叫原因及其情绪水平的实时洞察。

后一种信息对联络中心主管来说非常有用，他们可以在客户情绪特别低落时发现对话，并为客服提供实时支持。

将该技术与提供“耳语”和“驳船”选项的CCaaS平台结合使用，对于实现这些实时支持选项至关重要。

此外，主管可能会跟踪员工情绪。因此，如果一个座席看起来特别紧张，他们可以介入，给他们一个休息或鼓舞人心的谈话，以保障他们的健康。

3、隔离问题

几乎每一次接触的背后都是客户问题。按问题类型分离交互并分析每个客户所说的内容的趋势，将有助于客户服务团队找出常见问题的根本原因。

使用会话分析来检查所有交互将导致客户之声（VoC）对内部流程中断、产品违约、定价问题等问题的见解。

VoC分析可以确定业务各个方面的行动，如果采取行动，将导致降低客户联系量、提高客户忠诚度和增加销售额的改进。

通过Enghouse将会话分析引入联络中心

尽管人工智能取得了进步，但太多的联络中心缺乏可见性和洞察力，无法做出数据驱动的决策。

因此，他们错失了提升客户满意度和收入的机会。

Enghouse Interactive通过其会话分析系统帮助其联络中心客户，该系统可以转录和总结互动，自动化QA流程，并解锁隐藏的见解。

通过这样做，他们可以采取行动，推动积极的客户、员工和业务成果。