Puhedatan analysointi – asiakasnäkymän puuttuva palanen

18.01.2017 Analytiikka

Asiakasanalytiikan tavoitteita on kokonaisvaltaisen asiakasnäkymän saavuttaminen, koska vain se mahdollistaa parhaimman asiakaspalvelun. Asiakkaasta tiedetään nykyään mm. hänen verkkokäyttäytymisensä, yhteydenottojen määrät ja ajankohdat sekä formaalien asiakaskyselypalautteiden tulokset. Mutta tiedetäänkö miksi (tai miksi ei) puhelinkontaktointi on johtanut asiakassuhteeseen, tai mikä on ollut puhelimitse suoritettujen yhteydenottojen sisältö, varsinkin jos puhelu on koskenut useampaa asiaa? Tiedetäänkö, mitä koskeviin asioihin puhelinpalvelu ei monesti osaa vastata, tai mitä aiheita koskevat puhelut ohjataan usein väärälle henkilölle? Enää ei tarvitse jäädä pohtimaan tuota vastausta, vaan voidaan ryhtyä toimeen, jotta asiakaspalvelu ja myynti ovat paremmin tehtäviensä tasalla.

Tekstianalytiikkaa on jo jonkin aikaa sovellettu tekstipohjaisten chat-keskustelujen, tai muiden verkkopalveluista kerättyjen vapaamuotoisten palautteiden luokittelemiseksi. Tekstistä voidaan tunnistaa, mihin sanaluokkaan termi kuuluu, mitä tyyppiä sen sisältö on (numero, lyhenne jne.) ja mikä on sen merkitys (esim. yrityksen tuote). Termien tunnistamisen ja esiintymistiheyden perusteella voidaan tekstin sisältö luokitella automaattisesti liiketoiminnalle olennaisiin luokkiin. Lisäksi tekstistä voidaan automatiikan avulla tunnistaa jopa asiakkaan asenne ja objekti, jota tunnetila koskee.

Puhedatan analysoiminen on koneelle kieltämättä vaikeampi tehtävä kuin kirjoitetun tekstin. Puhuttu kieli on yleensä kauempana standardista kuin kirjoitettu kieli. Lisäksi ilman värähtelyiden kääntäminen tekstiksi on haastava tehtävä, sillä kone ei kuule puhetta samoin kuin ihminen. Puheen eri aspekteja sekä sanakirjaa käyttämällä saadaan kuitenkin aina laskettua todennäköisyys, jolla puheesta erotettu pätkä on jokin annetun kielen sana. Tämä mallinnusprosessi saadaan lisäksi toimimaan niin nopeasti, että reaaliaikainen puheen kääntäminen tekstiksi on mahdollista.

Apple, Google ja Nuance ovat esimerkkejä tällaisen palvelun tarjoajista. Palveluita on tarjolla myös kuluttajille, esim. kännykkäsovelluksissa ja Google Doc:ssa. Yritykset hyötyvät reaaliaikaisen palvelun lisäksi aiemmin tallennettujen puheluiden analysoinnista. Kätevimmin nämä palvelut saadaan käyttöön, kun puhelut on tallennettu puheentunnistuspalveluntarjoajan pilveen.

Jos tässä vaiheessa pohdit, kuinka tarkkoja tuloksia puheentunnistuspalvelut tuottavat, et ole ainoa. Suomen kieli aiheuttaa aina haasteita, mutta toisaalta se on tuettujen kielten joukossa ym. palveluntarjoajilla, ja tekniikoita kehitetään koko ajan. Puheentunnistusalgoritmit on lisäksi rakennettu niin, että niitä voidaan opettaa: käyttäjä voi laajentaa sanavarastoa ja määrittää sanoja ja lauseita, joiden perusteella liiketoimintaan liittyvät termit voidaan tunnistaa. Myös aihealueen rajaus parantaa tuloksia aina merkittävästi.

Menetelmät ovat siis otettavissa käyttöön, joten on aika ryhtyä toimeen eli ottaa puheentunnistus käyttöön, analysoida ja integroida tekstimuotoiset tulokset muuhun liiketoimintatietoon hyödynnettäviksi asiakkaiden hankinnassa, tukipalveluissa sekä asiakkuuksien hallinnassa. 360 asteen asiakasnäkymä on jälleen lähempänä kuin koskaan.

Jaa tämä artikkeli