CallMiner產品和渠道營銷總監Steve Chirokas表示，語音分析不僅僅是轉錄。語音分析使用上下文可見性識別意圖，試圖，情緒，情感。

　　Chirokas補充道，它涵蓋了聯絡中心的所有通信，因此它包含大量數據。自動評分使用戶能夠專注于某些區域。

　　為了處理大量通信，語音分析是可擴展的，通過安全的云應用程序實時運行。

　　我們能夠使用自動化和幕后的東西來冒泡你可能沒有想過的主題，Chirokas說，CallMiner提供的語音分析不僅有助于更快識別呼叫者提出的問題，在呼叫處理時間方面節省大量資金，同時也幫助公司認識到產品創新的機會。

　　人工智能的幾個機會

　　NIC Enexidia的高級產品營銷經理Abby Monaco表示，人工智能驅動的語音分析可以幫助進行情緒分析，IVR，數字遏制分析和客戶旅程分析。

　　情感分析利用機器學習來幫助確定客戶互動是積極的，消極的還是中立的，通過分析正面和負面的單詞和短語，音調和語氣，以及其他告訴，例如串擾和笑聲檢測。

　　公司使用情緒分析來幫助進行座席績效的評估，薪酬方案，支持和質量計劃的制訂。

　　客戶旅程分析使用機器學習將看似不同的客戶交互源連接到單個整合的旅程中，為用戶提供關鍵業務洞察。

　　公司可以通過評估客戶反饋（基于流失，續訂，投訴，追加銷售/交叉銷售成功和情緒）來評估客戶的旅程；明確和隱含的經驗指標，如調查，投訴，旅程持續時間，使用的渠道和客戶意圖。然后，這些因素需要與歷史數據相結合，例如過去的互動，在整個客戶旅程中得分的情緒以及隨著時間的推移客戶滿意度的變化。

　　IVR優化可以為所有客戶顯示IVR流，識別阻塞點或掉線，并對改進的自助服務進行分析。

　　數字遏制是一種分析解決方案，可識別從Web或移動應用程序中退出的客戶旅程，同時識別要消除的瓶頸或問題，以改善在線客戶體驗。

　　四個例子

　　Verint投資組合營銷戰略副總裁Carmit DiAndrea討論了四個獨立的案例研究，其中的組織受益于采用語音分析。

　　一家公司將其超級批評者減少了16.4％，將大多數人轉變為品牌推銷者。另一個組織使用語音分析來成功提高公司預測可能流失的客戶的數量。當使用語音分析檢測到流失候選人時，組織會根據客戶的生命周期價值實時提供個性化服務，以促使客戶留下來。

　　語音分析將組織的流失預測準確率從60％提高到75％，同時將誤報從40％降低到25％。

　　語音分析幫助另一家公司根據銷售轉換百分比確定了表現最佳和最差的聯絡中心座席。分析有助于確定語言使用和避免的最佳實踐，以及培訓和其他因素。一旦確定，語言和其他因素被用作培訓和監測其他座席的基礎。

　　第四家公司使用語音分析來幫助健康保險公司識別與某些醫療狀況相關的某些關鍵詞，以便為座席提供實時知識庫中相關文章的鏈接，從而將CSAT分數數月后提高15％。

　　聲明:版權所有 非合作媒體謝絕轉載

　　作者：菲利普.布里特（PhilipBritt）

　　原文網址：https://www.speechtechmag.com/Articles/Editorial/Features/New-Uses-for-Speech-Analytics-130279.aspx