KLANT CASE
Hoe kan spraakanalyse de klantervaring verbeteren en de bedrijfsprestaties opdrijven?
In deze video praat Mickael Loreau, Innovation and Products Director bij HomeServe, met Artefact Data Consulting Director Matthieu Myszak en Hanan Ouazan, Director - Data Science VP, over hoe Artefact's data oplossingen de manier veranderen waarop het organisatie's callcenter werkt.
Uitdaging
Al 20 jaar aanwezig in Frankrijk, HomeServe is wereldleider op het gebied van woonverzekeringen, met 8 miljoen klanten en meer dan een miljard aan inkomsten.
Als het om noodgevallen thuis gaat, is de telefoon het meest gebruikte kanaal door klanten - 9 op de 10 klanten geeft er de voorkeur aan. Deze bijzonderheid plaatst het callcenter in het hart van elke stap van de verzekeringswaardeketen, van verkoop tot klantenservice, en uiteindelijk bijstand.
Hoewel HomeServe al op AI gebaseerde conversatieoplossingen heeft ontwikkeld en aanwezig is op Google Assistant en Amazon Alexa, wilden ze nieuwe manieren verkennen waarop AI de efficiëntie en klantervaring in hun bestaande telefoonkanaal zou kunnen verbeteren.
Ze waren vooral geïnteresseerd om te zien welke impact spraakanalyse zou kunnen hebben op de enorme hoeveelheden onbenutte klant data die ze hadden verzameld.
Oplossing
Artefact HomeServe heeft in eerste instantie gekozen voor een "make" strategie in plaats van een "buy" strategie, omdat alleen een eigen asset op maat van hun organisatie, een combinatie van technologie en vaardigheden, hun vele doelstellingen kon verwezenlijken, waaronder:
- Een nieuw intern data platform speciaal voor spraak data
- Eigen agnostische architectuur die meerdere onderwerpen en gebruikssituaties mogelijk maakt
- Best-of-breed algoritmes speciaal opgeleid voor HomeServe
We hebben ook een plan opgesteld voor de ontwikkeling van de expertise van HomeServe op het gebied van natuurlijke taal, data wetenschappelijke algoritmen en AI data -behandelingstechnische structuren.
Vervolgens zette Artefact samen met HomeServe een multidisciplinair langetermijnteam op dat bestond uit een bedrijfsteam, een kernteam data en een IT-team om de volwassenheid van spraakanalyse, de waarde en haalbaarheid van relevante use cases en verbeteringen in de klantervaring en efficiëntie te beoordelen.
Omdat we niet meteen de hele architectuur konden bouwen, moesten we snel de waarde van spraakanalyse aantonen aan alle belanghebbenden via een minimum levensvatbaar product (MVP), dat kon worden uitgebreid na validatie met bedrijfsexperts.
Hiervoor analyseerden we twee hoogwaardige use cases in een vier weken durende cross-organisatie workshop. We ontwikkelden verschillende microservices voor data verzameling en verwerking en verpakten deze om deze use cases te kunnen ontwikkelen en hergebruiken in de toekomst, mocht de MVP-fase succesvol blijken.
- Meer inzicht in de onderliggende oorzaken van klantcontacten: Analyse van onderwerpen en subonderwerpen van inkomende gesprekken kan irritaties in gesprekken opsporen, potentiële kansen voor cross- of up-selling signaleren en operationele optimalisaties identificeren.
- Risico's van niet-compliance detecteren binnen verkoopgesprekkenAI kan risico's vooraf filteren die door een mens moeten worden behandeld, waardoor de toegevoegde waarde van compliance teams wordt gemaximaliseerd, die zich kunnen richten op specifieke gesprekken in plaats van willekeurige steekproeven.
Resultaten
De belangrijkste conclusie voor Artefact is dat we hebben bewezen dat de technologie rijp is. Spraakanalyse is klaar om nu waarde te creëren voor bedrijven.
De analyse van de belangrijkste oorzaken van klantcontact leverde drie bruikbare inzichten op, die callcenteragenten kunnen helpen beter te presteren, meer contracten te verkopen en te profiteren van een minder vervelende werklast:
- Uitgebreidere onderwerpsclassificaties kunnen interactieve voice response en routeringsprocessen verbeteren
- Verbeterde sentimentanalyse kan gesprekken sorteren in 4 tevredenheidsniveaus en de kwaliteit van de klantenzorg verbeteren
- Analyse van het cross-sell potentieel van subonderwerpen kan een verkenning van kansen en conversies binnen oproepen mogelijk maken
Met de analyse van use cases voor de detectie van niet-compliance in verkoopgesprekken konden we bewijzen dat AI kan worden gebruikt om het werk van het compliance team beter te oriënteren.
