Transkriptor: Gestión Inteligente de transcripciones de contenidos y Patrones de comportamientos asociados

Su sistema de Atención a Clientes está funcionando correctamente. Cientos de llamadas se reciben en distintas franjas horarias en relación a los servicios que provee a sus clientes y a terceros. Antonio, CEO clave de uno de sus principales clientes, con poder sobre la toma de decisiones, está llamando por tercera vez a su Central para que le solventen una duda al respecto de un problema técnico. ¿Sabía que el 80% de las terceras llamadas realizadas por un perfil similar a Antonio, en la zona Norte, y sobre dudas técnicas, son las últimas llamadas que el cliente hace, si no son resolutivas, antes de «marcharse» definitivamente de su compañía? ¿Sabía que si, a Antonio, en vez de atenderle Ángel, con el que, personalmente, no se entiende, le hubiese atendido Cármen, hubiese evitado una falta en el Acuerdo de Nivel de Servicio preestablecido? ¿Sabía que el 76% de los clientes, cuando reclaman a su centro de llamadas los viernes a la tarde, incurren en faltas de servicio independientemente del operador que les atienda, si la empresa que llama es del sector logístico?

Puede que usted no, pero Transkriptor lo sabe, y en preciso momento en el que la llamada se está realizando, y se registra la misma, le avisa de forma pro-activa para que pueda evitar estas situaciones, sugiriéndole las mejores opciones de actuación en cada momento.

Pero, ¿qué es y cómo funciona Transkriptor? Transkriptor es la unión de distintas tecnologías avanzadas que confortan una plataforma inteligente que «aprende» de pautas históricas en base al análisis automático de eventos pasados en sus servicios (llamadas, incidencias, clientes), y que en base a ese conocimiento, sugiere alertas de propensión a anomalías sobre el correcto funcionamiento, y permite adelantarse al futuro inmediato. Veamos cómo funciona:

Transkriptor, en un primer estadio, permite, con tecnología basada en identificación de voz y técnicas semánticas, extractar a texto las llamadas que se producen en el sistema. Pero además de extractar el texto en diferentes idiomas y con diferencia prosodia (acentos latinos, dialectos, giros en la lengua…), además, es capaz de identificar los siguientes metadatos que se incorporan a la información textual:

• Detección de Género (masculino, femenino), del agente que atiende, y del cliente que consulta.
• Separación de locutores automáticamente en la transcripción. Se separa claramente en la salida del texto los momentos de habla del Agente de los momentos de habla del cliente
• Distribución temporal de la llamada: se identifican los momentos de voz, los momentos de música y los momentos de silencio
• Indicadores Subjetivos del cliente y del agente: (Gratitud, Enfado,  Disconformidades,…

Una vez que las grabaciones han sido normalizadas y estructuradas a texto con los «metadatos» anteriores asociados a las entradas, Transkriptor realiza un análisis semántico de la información, ya sobre el conjunto de transcripciones de una o varias conversaciones, extractando nueva información,  como:

•Empresas y Personas relacionadas con la conversación, e incluso referencias a terceras personas no presentes en la conversación.

•Fechas a las que se hace referencia en la conversación

•Temáticas y Tendencias

•Tipologia de Problemas / Incidencias (Servicio, Departamento, Temática…)

•Razón de la llamada (Reclamación, Incidencia, Consulta….)

•Duración de las llamadas (Duración Excesiva, Reintentos de localización…)

•Reclamaciones Tipo (Cuentas, Hogar, Seguros, Productos…)

•Problemas no resueltos y relación con Transcripciones pasadas

•Número de Interacciones con los agentes sobre la misma Incidencia

Toda esta información se extrae y genera de forma automática. Cabe señalar, de forma especial, las Temáticas y Tendencias. Temáticas son agrupaciones de conceptos («tags», palabras o conjuntos de palabras), que de forma automática, el sistema detecta como relevantes. Estos grupos de conceptos se extraen analizando todas las conversaciones, bien de un determinado servicio en una franja de tiempo, bien de un determinado cliente, o de todas las conversaciones. Este punto es configurable por el usuario experto del sistema. Las temáticas reflejan de forma automática, transparente a los usuarios, precisa y en tiempo real, de qué están hablando mis clientes, y cuáles son sus preocupaciones.  Por ejemplo, podemos saber que en la última semana, en nuestro servicio de Seguros, las temáticas que más preocupan a nuestros clientes son las relacionadas con Siniestros-Averías, seguidas aquellas relacionadas con la figura del «Gestor Refórmula», y por las consultas sobre Asistencia en Carretera. Y además, podemos ver la progresión de dichas temáticas  a lo largo del tiempo. Pero estas temáticas, extraídas por Transkriptor de forma automática, pueden variar, y la semana que viene, pueden estar referidas a Promociones, Siniestros en el Hogar, e Inundaciones, debido a algún factor externo.

Las Temáticas también se puede definir de forma manual. Es decir, el gestor experto de Transkriptor puede definir unas categorías de forma manual, en base a su conocimiento, y en base a ciertos conceptos que quiere analizar, independientemente de lo que hablen los clientes en sus transcripciones. El proceso es tan sencillo como asignar a unas «Categorías», una serie de conceptos, que el sistema chequeará si están o no presentes en las transcripciones. Pero no sólo eso, sino que Transkriptor contiene, en su motor interno, toda una gestión semántica de sinónimos y equivalencias, que permite al gestor incluir cualquier concepto dentro de la Categoría, pero que se «expandirá» en la clasificación de llamadas por todos sus términos equivalentes.  Por ejemplo, si en la categoría de Siniestros, introducimos el término «coche», Transkriptor, automáticamente, asignara conceptos como «automóvil», «carro», «transporte», etc… dentro de dicha categoría.

Pero además, Transkriptor realiza un análisis automático para dar respuesta directa a las siguientes preguntas:

• ¿Quiénes son mis clientes? ¿De qué hablan? ¿Cuándo?  ¿Con Quién? ¿Para qué?  ¿Cuáles son sus intenciones?  

El conocimiento personalizado de los clientes, sus estados subjetivos (contento, enfadado, cansado…), sus intenciones, sus relaciones con nuestros agentes, y sus problemas diarios, es «oro» para el sistema de gestión. Pero extractar este conocimiento de forma manual es un proceso intratable. Sin embargo, Transkriptor no tiene ningún problema en realizarlo. Dotado de los últimos algoritmos en Minería de datos y sistemas de recomendaciones , Transkriptor «conoce» personalmente a cada cliente y agente, sabe cuál es su situación en cada instante, y deduce si las conversaciones van por buen o mal camino.

¿Cómo lo hace?

Transkriptor, constantemente, con cada transacción que entra al sistema, segmenta a los clientes en perfiles generales, y a partir de esta segmentación general, particulariza os comportamientos generales al caso concreto que está sucediendo en ese concreto momento. Para ello, busca las relaciones de ese cliente, con los patrones usuales que se producen, y las compara con las acciones personales que ha realizado últimamente, para analizar si es propenso a la «deserción», para «contextualizar» de forma automática una llamada con una incidencia en concreto, para relacionarle con los agentes con los que mejor «sensaciones» tiene, y por último, para predecir el resultado inmediato que dicha transacción va a tener. Toda esta información es presentada al Agente de una forma gráfica y usable. Si la predicción es mala, Transkriptor sugiere la mejor forma de «atajarla», en base a experiencias positivas de clientes similares, en incidencias similares, con situaciones similares ocurridas en el pasado. Para ello, Transkriptor presentará sus conclusiones al Agente, como decisiones a tener en cuenta,. por ejemplo», «pasar la llamada a Cármen o a la oficina técnica de forma prioritaria».

Todo este razonamiento, técnicamente está basado en procesamiento de «segmentaciones»  y reglas extraídas de forma automática por el sistema en base a los históricos de incidencias y resoluciones. Transkriptor busca las correlaciones que existen entre los cientos de variables (día, mes, fecha, estado subjetivo, Temática, incidencia, duración de llamada, etc…), para ver cuáles son aquellos indicadores que, en ese momento, tienen importancia, y sobre ellos, intenta predecir, en base a las reglas modeladas anteriormente, cuál va a ser el final de dicha conversación o transacción. Si encuentra algo «anormal», o la tendencia (valorada por la probabilidad de que un evento negativo se produzca), Transkriptor avisará inmediatamente al agente. En este proceso, se toma en cuenta, también, el estado subjetivo del cliente, y el «positivismo o negativismo» de las frases que se están transcribiendo, en un proceso típico de «Sentimental Analisys» agregado al resto de la información.

Por supuesto, todo este proceso es transparente para el gestor, que sólo recibe las alertas y sugerencias propuestas por Transkriptor. Finalmente, Transkriptor oferta todo un conjunto de informes, ya sobre lo que ha ocurrido, en relación a los indicadores de incidencias ocurridas, nivel de ANS, registro de llamadas por perfil de cliente, por estados subjetivos, por probabilidad de «deserción», de incidencias futuras, de mala asignación de número de agentes por servicio, número de clientes insatisfechos, de forma que el gestor pueda analizar de una forma más pro-activa lo que está ocurriendo en su negocio.

En cuanto a su arquitectura, Transkriptor se configura totalmente en base a servicios Web, en la «nube», con lo que es posible integrarlo en cualquier plataforma CRM, ERP, o sistema de Atención a clientes que se desee. Tiene una API propia de llamadas a servicios, que se suministra con el producto.

Desde I3B, estaremos encantados de mostrar Transkriptor a todo aquel que esté interesado en conocer mejor a sus clientes, su negocio, y anticiparse a situaciones y eventos, a la larga, desagradables y contraproducentes para el nivel de servicio deseado, de una forma gráfica, sencilla y automática.

 

Comments are closed.