Leest wat er gezegd is
Tekst per gespreksbeurt waar het platform die levert, audio getranscribeerd waar dat niet zo is. Namen, nummers en betaalgegevens worden verwijderd voordat er iets wordt opgeslagen.
Intentieanalyse voor het contactcenter
Ontdek waar uw klanten werkelijk om vragen.
Intent Miner leest een steekproef uit echte gesprekken en groepeert die naar wat de klant wilde. Het resultaat is een beeld van de vraag: wat het vaakst binnenkomt, wat het kost om af te handelen, waar klanten een tweede keer moeten terugkomen, en welk deel zonder medewerker beantwoord kan worden.
Wat het doet
Een analyse van de vraag, niet van mensen.
Elk contactcenter kent zijn belvolume al. Bijna geen enkel center kan zeggen waar die gesprekken over gingen in taal die de business herkent, omdat afhandelcodes zijn bedacht om te routeren en niet om te begrijpen.
Benoemt de intenties
Clustert de gesprekken en stelt een taxonomie voor die uw team beoordeelt en goedkeurt. Intenties waar niemand een code voor had zijn meestal de interessantste.
Zet er een bedrag op
Scoort elke intentie op zes dimensies en zet vervolgens een bandbreedte op wat automatiseren zou besparen. Een bandbreedte, want één getal in een rapport wordt een toezegging.
De modellen
Vier modellen, elk met een taak.
De analyse draait op modellen, van de opname tot de benoemde intentie, en elk model draait binnen het eigen Azure-abonnement van de klant. Er gaat niets naar een derde partij en er wordt niets gebruikt om iets te trainen.
Het luistert
Azure Speech transcribeert de opnames die het platform nooit in tekst heeft omgezet, in de taal waarin het gesprek werkelijk is gevoerd.
Het vergeet
Azure AI Language vindt de namen, adressen en identificatoren die een patroon mist. Ze worden bij binnenkomst verwijderd, voordat er iets wordt opgeslagen.
Het begrijpt
Elk gesprek wordt een embedding, zodat twee klanten die in totaal verschillende woorden om hetzelfde vroegen op dezelfde plek terechtkomen.
Het benoemt
Een taalmodel leest de clusters en stelt intenties voor in taal die de business herkent, elk met de gesprekken die haar onderbouwen.
En waar het niet mag beslissen.
Of een contact emotioneel zwaar is, of de klant geïdentificeerd moet worden, en of er regelgeving op rust wordt nooit door een model afgeleid. Een mens stelt dat vast, want het fout hebben is duur en een zelfverzekerd fout antwoord is erger dan geen antwoord. Elke voorgestelde intentie wordt door uw team beoordeeld en goedgekeurd voordat die in een rapport belandt.
Het resultaat
Beelden die de vraag beantwoorden waarvoor ze getekend zijn.
Deze twee komen uit de rapportgenerator, niet uit een ontwerpprogramma. Wat u hieronder ziet is wat een opdracht oplevert, op basis van een demonstratiedataset.
Wat de moeite waard is om te bouwen
Elke intentie geplaatst naar haalbaarheid tegenover het volume dat erachter zit. De oppervlakte van een bol is het contactvolume, dus vier keer zoveel contacten oogt als vier keer de bol en niet als zestien keer.
Rechtsboven staat de eerste golf. Rechtsonder ligt waar veel inspanning weinig oplevert, en dat is meestal de nuttigste helft van het beeld.
Waar de routering werkelijk heen gaat
Wachtrijen zijn gebouwd rond een organisatie en intenties komen van klanten, dus die twee sluiten zelden op elkaar aan. Eén ingang die zich over meerdere wachtrijen verspreidt is meestal een keuzemenu dat een vraag stelt die klanten niet kunnen beantwoorden.
Overdrachten van wachtrij naar wachtrij zijn het deel dat vrijwel niemand heeft gekwantificeerd, en de tweede afhandeling duurt langer dan de eerste omdat de klant het opnieuw uitlegt.
Het bewijs
Elk cijfer herleidbaar tot de contacten erachter.
De opdracht levert een managementrapport van tien pagina's op, een analysewerkboek van dertien tabbladen waarin de businesscase uit levende formules bestaat in plaats van geplakte getallen, en een startpakket voor een agent gebouwd uit echte klantuitingen.
0pagina's managementrapport, in zes talen
0tabbladen in het werkboek, elke formule levend
0haalbaarheidsdimensies achter elke score
0contacten als ondergrens waaronder niets wordt gepubliceerd
Het product zelf
Tien pagina's die het betoog op volgorde opbouwen.
Waar klanten om vragen, hoe dat door het center beweegt, waar de ervaring breekt, of er iets van gewerkt heeft, wat het bouwen waard is en wat het waard is. Blader door de pagina's die een klant werkelijk ontvangt.
Zes talen
De hele oplevering, niet alleen het scherm.
De applicatie, het rapport, het werkboek en de documenten die een klant ondertekent worden opgesteld in de taal van de lezer. Kies er een en kijk hoe de pagina verandert.
Het product
Een werkomgeving, geen presentatie.
De analyse staat ergens waar uw team hem kan ondervragen: verander een kostenaanname en zie de businesscase meebewegen, volg een contact door het keuzemenu, of open de taxonomie en ga ermee in discussie.
Wat het leest
Het koppelt aan het platform dat u al draait.
Alleen lezen, naar het eigen Azure-abonnement van de klant. Er wordt niets gemigreerd, er wordt niets teruggeschreven, en elk inloggegeven ligt in Key Vault en niet in de database.
-
Dynamics 365 Contact Center or Customer Service, Web API
Opnames · Contacten · Transcripties · Routeringsgebeurtenissen · Zaken · E-mails · Incrementeel
-
Dynamics 365, Fabric Link
Opnames · Contacten · Transcripties · Routeringsgebeurtenissen · Zaken · E-mails · Incrementeel
-
Genesys Cloud
Opnames · Contacten · Routeringsgebeurtenissen · Incrementeel
-
NICE CXone
Opnames · Contacten · Routeringsgebeurtenissen
-
Talkdesk
Opnames · Contacten · Routeringsgebeurtenissen
-
AnywhereNow Dialogue Cloud
Opnames · Contacten · Routeringsgebeurtenissen
-
Salesforce Service Cloud
Contacten · Zaken · Incrementeel
-
ServiceNow Customer Service Management
Contacten · Zaken · Incrementeel
Staat een platform er niet bij, dan neemt de bestandsoverdracht een export van dezelfde records over en is de analyse identiek.
Privacy voorop
Het papierwerk komt voor de analyse, niet erna.
Dit leest opgenomen gesprekken tussen een bedrijf en zijn klanten, en gevoeliger wordt operationele data eigenlijk niet. Daarom weigert het product een opdracht te starten voordat de grondslag ervoor is vastgelegd, en produceert het de documenten die dat vastleggen.
Gegevensbeschermingseffectbeoordeling
Een DPIA, ingevuld vanuit de opdracht zoals die er nu voor staat en klaar voor uw eigen functionaris gegevensbescherming om af te ronden en te ondertekenen.
Grondslag vastgelegd
Op welke grondslag uw organisatie zich baseert, of de ondernemingsraad is geïnformeerd of geraadpleegd, en hoe lang de gegevens bewaard mogen blijven. Geen run start zonder dat.
Startchecklist
Wat geregeld moet zijn voor de eerste extractie: de goedkeuringen, de gegevens, en de mensen die iets kunnen doen met wat eruit komt.
Persoonsgegevens verwijderd
Namen, telefoonnummers, e-mailadressen, kaartnummers en burgerservicenummers worden uit gesprekstekst gehaald voordat die wordt opgeslagen, samen met bijzondere categorieën van gegevens.
Grenzen
Wat het bewust niet doet.
Dit zijn geen regels die iemand moet onthouden. Ze zijn afgedwongen in de software en in het databaseschema, en ze kunnen niet voor één opdracht worden aangezet.
Geen ranglijst van medewerkers
Geen enkel resultaat kan worden uitgesplitst naar medewerker. Die mogelijkheid bestaat niet in het rapportagemodel, dus deze analyse kan niet worden gebruikt om individuele prestaties te beoordelen.
Niets uit een kleine groep
Geen cijfer wordt gepubliceerd op basis van minder dan dertig contacten, dus geen uitkomst beschrijft een individu of een groep die klein genoeg is om er een aan te wijzen.
Verwijdering die zichzelf bewijst
Het verwijderen van een opdracht vernietigt het geheim waaruit de pseudoniemen zijn afgeleid, en rapporteert de aantallen records voor en na.
Begin met één vraag: waar vragen ze werkelijk om?
De werkomgeving is besloten, voor Capgemini en voor de klantteams die in een opdracht zijn uitgenodigd. Log in om die van u te openen.