ISG Automation 智能自动化解决方案全球负责人 Wayne Butterfield 介绍任务挖掘和对话挖掘如何提高联络中心绩效。
我们所知道的联络中心自 1980 年代初就已存在。成群结队的人最初通过电话、电子邮件，现在通过任意数量的数字渠道，甚至通过视频来回答问题，这些人仍然希望在家中享受面对面的体验。
当然，这些渠道可能已经改变，但尽管经过多年的流程改进和技术升级，许多相同的古老挑战仍然存在。
因此，现在是许多人考虑的时候了；我们真的了解客户为什么要联系吗？哪些流程使客户失败？我们如何才能真正改善我们提供的体验？
微观审查每一个客户对话是克服这些困境的第一步。
想象一下，不仅知道客户联系的原因，还知道座席采取的响应步骤，以及完成任何系统操作所采取的击键。听起来具有变革性和革命性。
然而，有一个问题。对于一个由 100 名座席组成的联络中心，要花费 400，000 多个小时来聆听六个月的电话，同时还要检查他们的击键。
如果联络中心雇用一个由 10 人组成的团队进行这项分析，他们将需要 15 年以上的时间来分析所有这些交互。在当今世界，事情可以在短短 15 天内改变，更不用说 15 年了！
然而，长期以来，转型计划一直受到糟糕、不准确或完全缺失的数据点的阻碍，这些数据点本可以为更好的客户体验决策提供信息。
毕竟，许多历史变革最终都变成了初衷的半生不熟版本，领导者们不知道为什么。
有了更多的数据，就会出现更清晰的画面。如果没有这些数据和技术来帮助我们理解（并支持转型团队），我们只能在边缘游走。
因此，智能自动化 (IA) 和人工智能技术的支持变得越来越不可或缺。
时代在变
向联络中心添加座席助理提供了一种新机制，可以自动执行座席为解决客户查询而完成的事务操作。此类技术发展已将常规操作（例如完成客户验证或通话后工作）机械化，通常可以在每次通话中节省几分钟。但是，在获得了这个唾手可得的果实之后，接下来呢？
这就是高级人工智能介入的地方。通过倾听联络中心的每一次互动，人工智能捕捉到每个客户和座席的意图（和行动），包括击键。在数百万次交互中放大这一点，突然间，公司可以收集大量的第一方数据。
但是，他们必须在所有噪音中挖掘正确的见解。将此与常规替代方法进行比较，后者是挖掘通常不准确或无法显示完整图片的数据。
两项技术为这种阶梯式功能转变奠定了基础。就其本身而言，两者都非常有用，在联络中心内外越来越受欢迎。总之，它们是新的、未来主义的，并且可能会改变游戏规则。
首先是任务挖掘，它提供了对座席行为的洞察。在大多数情况下，归结每次点击、每个座席级别，所以当乘以所有座席和联络人时，在几周或几个月内，联络中心开始看到重复的模式。这些是基于桌面的任务自动化或改进的工作流程的主要候选者。
第二种技术是对话挖掘，它涉及倾听对话并挑选客户意图和座席响应。在这样做的过程中，联络中心可以分析情绪、努力和通话时间的差距。这些见解有助于发现和解决导致处理时间长的驱动因素，从而在众多联系原因中节省大量时间。
将这些技术结合在一起，可以在几个月而不是几年内实现联络中心的快速转型。最重要的是，这种转变是基于公正的、可量化的数据，这就是为什么这种方法胜过评估座席编制的联系原因和一小部分客户呼叫来推动转变的历史实践。
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
