CASO CLIENTE
¿Cómo puede la analítica de voz mejorar la experiencia del cliente e impulsar el rendimiento empresarial?
En este vídeo, Mickael Loreau, Director de Innovación y Productos de HomeServe, charla con Matthieu Myszak, Director de Consultoría Artefact Data, y Hanan Ouazan, Director - Data Science VP, para hablar de cómo las soluciones data de Artefact están cambiando el funcionamiento del centro de llamadas de la empresa.
Desafío
Presente en Francia desde hace 20 años, HomeServe es líder mundial en servicios de seguros de hogar, con 8 millones de clientes y más de mil millones de ingresos.
Cuando se trata de emergencias en el hogar, el canal más utilizado por los clientes es el teléfono: 9 de cada 10 clientes lo prefieren. Esta particularidad sitúa al centro de atención telefónica en el centro de cada paso de la cadena de valor del seguro, desde las ventas hasta el servicio al cliente y, en última instancia, la asistencia.
Aunque HomeServe ya ha desarrollado soluciones conversacionales basadas en IA y está presente en Google Assistant y Amazon Alexa, querían explorar nuevas formas en las que la IA pudiera mejorar la eficiencia y la experiencia del cliente en su canal telefónico actual.
Estaban especialmente interesados en ver qué impacto podía tener el análisis del habla en las enormes cantidades de data de clientes sin explotar que recopilaban.
Solución
Artefact comenzó ayudando a HomeServe a optar por una estrategia de “hacer” en lugar de “comprar”, ya que sólo un activo propio adaptado a su organización, que combinara tecnología y competencias, podría cumplir sus numerosos objetivos, entre los que se incluyen:
- Un nuevo data platform interno dedicado a la voz data
- Arquitectura agnóstica propia que permite múltiples temas y casos de uso
- Los mejores algoritmos entrenados específicamente para HomeServe
También trazamos un plan para desarrollar la experiencia de HomeServe en lenguaje natural, algoritmos científicos data y estructuras técnicas de tratamiento de IA data.
A continuación, Artefact creó un equipo multidisciplinar a largo plazo con HomeServe compuesto por un equipo empresarial, un equipo central de data y un equipo informático para evaluar la madurez de la analítica de voz, el valor y la viabilidad de los casos de uso pertinentes y las mejoras en la experiencia y la eficacia del cliente.
Como no podíamos construir toda la arquitectura de inmediato, necesitábamos demostrar rápidamente el valor del análisis del habla a todas las partes interesadas mediante un producto mínimo viable (MVP), capaz de ampliarse tras su validación con expertos empresariales.
Para ello, analizamos dos casos de uso de gran valor en un taller interempresarial de cuatro semanas. Desarrollamos varios microservicios para la recogida y el procesamiento de data y los empaquetamos para que estos casos de uso pudieran desarrollarse y reutilizarse en el futuro, en caso de que la fase MVP tuviera éxito.
- Perfeccionar la comprensión de las causas profundas de los contactos con los clientes: El análisis de los temas y subtemas de las llamadas entrantes podría detectar irritantes dentro de las conversaciones, señalar oportunidades potenciales de venta cruzada o de venta ascendente e identificar optimizaciones operativas.
- Detección de riesgos de incumplimiento en las llamadas de ventas: La IA podría filtrar previamente los riesgos que deben ser tratados por un humano, maximizando así el valor añadido de los equipos de cumplimiento que podrían centrarse en llamadas específicas en lugar de muestras aleatorias.
Resultados
La conclusión más importante para Artefact es que hemos demostrado que la tecnología está madura. El análisis del habla está listo para producir valor para las empresas ahora mismo.
El análisis de casos de uso de las causas raíz de los contactos con los clientes produjo tres percepciones procesables, que podrían ayudar a los agentes del centro de llamadas a rendir mejor, vender más contratos y beneficiarse de una carga de trabajo menos tediosa:
- El aumento de las clasificaciones temáticas podría mejorar la respuesta vocal interactiva y los procesos de enrutamiento
- Un análisis de sentimientos mejorado puede clasificar las llamadas en 4 niveles de satisfacción y mejorar la calidad de la atención al cliente
- El análisis del potencial de venta cruzada de los subtemas puede permitir la exploración de oportunidades y conversiones dentro de las llamadas
La detección de incumplimientos en el análisis de casos de uso de las llamadas de ventas nos permitió demostrar que la IA puede aprovecharse para orientar mejor el trabajo del equipo de cumplimiento.
