CASO CLIENTE
¿Cómo puede la analítica de voz mejorar la experiencia del cliente e impulsar el rendimiento empresarial?
ArtefactEn este vídeo, Mickael Loreau, Director de Innovación y Productos de HomeServe, charla con Matthieu Myszak, Director de Consultoría de Artefact Data , y Hanan Ouazan, Director de Data Science VP, para hablar de cómo las soluciones de data están cambiando el funcionamiento del centro de llamadas de Compañia.
Desafío
Presente en Francia desde hace 20 años, HomeServe es el líder mundial en servicios de seguros del 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 llamadas en el centro de cada paso de la cadena de valor del seguro, desde la venta hasta el servicio al cliente y, en última instancia, la asistencia.
Aunque HomeServe ya ha desarrollado soluciones conversacionales basadas en AI y está presente en Google Assistant y Amazon Alexa, querían explorar nuevas formas en las que AI 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 de voz en las enormes cantidades de datos de clientes sin explotar que recopilaban en data .
Solución
Artefact comenzó ayudando a HomeServe a optar por una estrategia de "fabricación" en lugar de "compra", 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:
- Una nueva plataforma interna data dedicada 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 AI data .
A continuación, Artefact creó un equipo multidisciplinar a largo plazo con HomeServe compuesto por un equipo de negocio, un equipo central de data y un equipo de TI para evaluar la madurez del análisis de voz, el valor y la viabilidad de los casos de uso pertinentes y las mejoras en la experiencia y la eficiencia del cliente.
Como no podíamos construir toda la arquitectura de inmediato, necesitábamos demostrar rápidamente el valor del análisis de voz a todas las partes interesadas mediante un producto mínimo viable (MVP), capaz de ampliarse tras su validación con los expertos del negocio.
Para ello, analizamos dos casos de uso de gran valor en un taller de cuatro semanas de duración enCompañia . 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 de los contactos con los clientes: El análisis de los temas y subtemas de las llamadas entrantes podría detectar los elementos irritantes de las conversaciones, señalar las posibles oportunidades de venta cruzada o de aumento de ventas e identificar las optimizaciones operativas.
- Detección de riesgos de incumplimiento en las llamadas de ventas: AI podría prefiltrar 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 de voz está listo para producir valor para las empresas ahora mismo.
El análisis de casos de uso de las causas de los contactos con los clientes produjo tres ideas procesables, que podrían ayudar a los agentes del centro de llamadas a tener un mejor rendimiento, 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
- El 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 ventas cruzadas 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 AI puede aprovecharse para orientar mejor el trabajo del equipo de cumplimiento.
