一种新的范例
CallMiner产品和渠道营销总监Steve Chirokas表示，语音分析不仅仅是转录。语音分析使用上下文可见性识别意图，试图，情绪，情感。
Chirokas补充道，它涵盖了联络中心的所有通信，因此它包含大量数据。自动评分使用户能够专注于某些区域。
为了处理大量通信，语音分析是可扩展的，通过安全的云应用程序实时运行。
“我们能够使用自动化和幕后的东西来冒泡你可能没有想过的主题，”Chirokas说，CallMiner提供的语音分析不仅有助于更快识别呼叫者提出的问题，在呼叫处理时间方面节省大量资金，同时也帮助公司认识到产品创新的机会。
人工智能的几个机会
NIC Enexidia的高级产品营销经理Abby Monaco表示，人工智能驱动的语音分析可以帮助进行情绪分析，IVR，数字遏制分析和客户旅程分析。
情感分析利用机器学习来帮助确定客户互动是积极的，消极的还是中立的，通过分析正面和负面的单词和短语，音调和语气，以及其他“告诉”，例如串扰和笑声检测。
公司使用情绪分析来帮助进行座席绩效的评估，薪酬方案，支持和质量计划的制订。
客户旅程分析使用机器学习将看似不同的客户交互源连接到单个整合的旅程中，为用户提供关键业务洞察。
公司可以通过评估客户反馈（基于流失，续订，投诉，追加销售/交叉销售成功和情绪）来评估客户的旅程；明确和隐含的经验指标，如调查，投诉，旅程持续时间，使用的渠道和客户意图。然后，这些因素需要与历史数据相结合，例如过去的互动，在整个客户旅程中得分的情绪以及随着时间的推移客户满意度的变化。
IVR优化可以为所有客户显示IVR流，识别阻塞点或掉线，并对改进的自助服务进行分析。
数字遏制是一种分析解决方案，可识别从Web或移动应用程序中退出的客户旅程，同时识别要消除的瓶颈或问题，以改善在线客户体验。
四个例子
Verint投资组合营销战略副总裁Carmit DiAndrea讨论了四个独立的案例研究，其中的组织受益于采用语音分析。
一家公司将其“超级批评者”减少了16.4％，将大多数人转变为品牌推销者。另一个组织使用语音分析来成功提高公司预测可能流失的客户的数量。当使用语音分析检测到流失候选人时，组织会根据客户的生命周期价值实时提供个性化服务，以促使客户留下来。
语音分析将组织的流失预测准确率从60％提高到75％，同时将误报从40％降低到25％。
语音分析帮助另一家公司根据销售转换百分比确定了表现最佳和最差的联络中心座席。分析有助于确定语言使用和避免的最佳实践，以及培训和其他因素。一旦确定，语言和其他因素被用作培训和监测其他座席的基础。
第四家公司使用语音分析来帮助健康保险公司识别与某些医疗状况相关的某些关键词，以便为座席提供实时知识库中相关文章的链接，从而将CSAT分数数月后提高15％。
声明:版权所有 非合作媒体谢绝转载
作者：菲利普.布里特（PhilipBritt）
原文网址：https://www.speechtechmag.com/Articles/Editorial/Features/New-Uses-for-Speech-Analytics-130279.aspx
