KLANTGEVAL
Hoe kan spraakanalyse de klantervaring verbeteren en de bedrijfsprestaties verhogen?
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 de Artefact data oplossingen de manier veranderen waarop het callcenter van het bedrijf werkt.
Uitdaging
Al 20 jaar aanwezig in Frankrijk, HomeServe is wereldleider in woningverzekeringsdiensten, met 8 miljoen klanten en meer dan een miljard aan inkomsten.
Als het gaat om noodgevallen thuis, is het meest gebruikte kanaal voor klanten de telefoon - 9 van de 10 klanten geven er de voorkeur aan. Deze bijzonderheid plaatst het callcenter in het hart van elke stap van de verzekeringswaardeketen, van verkoop tot klantenservice en uiteindelijk hulpverlening.
Hoewel HomeServe al op AI gebaseerde conversatieoplossingen heeft ontwikkeld en aanwezig is op Google Assistant en Amazon Alexa, wilden ze nieuwe manieren onderzoeken waarop AI de efficiëntie en klantervaring in hun bestaande telefoonkanaal kon verbeteren.
Ze waren vooral geïnteresseerd om te zien welke impact spraakanalyse zou kunnen hebben op de enorme hoeveelheden ongebruikte data van klanten die ze verzamelden.
Oplossing
Artefact begon met het helpen van HomeServe om te kiezen voor een “maak” in plaats van een “koop” strategie, omdat alleen een op hun organisatie toegesneden bedrijfseigen product, dat technologie en vaardigheden combineert, aan hun vele doelstellingen kon voldoen, waaronder:
- Een nieuwe interne data platform gewijd aan spraak data
- Eigen agnostische architectuur die meerdere onderwerpen en use cases mogelijk maakt
- Beste algoritmen, specifiek getraind 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-behandeling technische structuren.
Vervolgens zette Artefact samen met HomeServe een multidisciplinair langetermijnteam op, bestaande uit een bedrijfsteam, een kernteam van 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 aan alle belanghebbenden demonstreren via een minimum viable product (MVP), dat we na validatie met zakelijke experts konden uitbreiden.
Om dit te doen, analyseerden we twee hoogwaardige use cases in een vier weken durende bedrijfsoverschrijdende workshop. We ontwikkelden verschillende microservices voor het verzamelen en verwerken van data en verpakten deze zodat deze use cases in de toekomst ontwikkeld en hergebruikt kunnen worden, mocht de MVP-fase succesvol blijken.
- Het inzicht in de hoofdoorzaken van klantcontacten verfijnen: Door onderwerpen en subonderwerpen van inkomende gesprekken te analyseren, kunnen irritaties in gesprekken worden opgespoord, potentiële kansen voor cross-selling of up-selling worden gemarkeerd en operationele optimalisaties worden geïdentificeerd.
- Risico's op niet-naleving detecteren binnen verkoopgesprekken: AI zou risico's die door een mens moeten worden afgehandeld vooraf kunnen filteren, waardoor de toegevoegde waarde van compliance teams, die zich op specifieke oproepen kunnen richten in plaats van op willekeurige steekproeven, wordt gemaximaliseerd.
Resultaten
De belangrijkste conclusie voor Artefact is dat we bewezen hebben dat de technologie volwassen is. Spraakanalyse is nu klaar om waarde te creëren voor bedrijven.
De analyse van de hoofdoorzaken van klantcontact leverde drie bruikbare inzichten op, die callcenteragenten konden helpen om beter te presteren, meer contracten te verkopen en te profiteren van een minder vervelende werklast:
- Meer onderwerpclassificaties kunnen interactieve voice response en routeringsprocessen verbeteren
- Verbeterde sentimentanalyse kan gesprekken sorteren in 4 tevredenheidsniveaus en de kwaliteit van de klantenservice verbeteren
- Cross-sell potentieelanalyse van subonderwerpen kan onderzoek naar kansen en conversies binnen gesprekken mogelijk maken
Met de analyse van use-cases voor de detectie van niet-compliance in verkoopgesprekken konden we bewijzen dat AI kan worden ingezet om het werk van het compliance-team beter te oriënteren.
