כולנו מכירים את ההרגשה המוכרת להתקשר למוקד שירות לקוחות של חברה גדולה. לפעמים אנחנו מתקשרים רק כדי לברר משהו קטן וטכני שעוצר לנו את יום העבודה, ולפעמים אנחנו על הקו כי אנחנו כבר ממש מתוסכלים מתקלה מתמשכת שלא נפתרת, או מחיוב מוזר ולא ברור בחשבון האשראי שלנו. מהצד השני של הקו יושב נציג שירות או מכירות שצריך להכיל ולהתמודד עם כל הרגשות האלה לאורך כל המשמרת שלו, שיחה אחרי שיחה, שעה אחרי שעה. מדובר בעבודה שוחקת מאוד שדורשת המון סבלנות ואנרגיה נפשית.
עד היום, מנהלי מוקדים ניסו להבין מה קורה בשיחות האלה בעזרת האזנה מדגמית ונקודתית. אבל היום, המושג של ניתוח רגשות באמצעות בינה מלאכותית משנה את כל חוקי המשחק המוכרים בשוק. הטכנולוגיה הזו, כמו למשל מנוע הניתוח של Voicenter, מחזירה למנהלים את השליטה האמיתית לידיים. המערכת עושה את זה על ידי הבנה עמוקה של המצב הרגשי לכל המשפטים שנאמרו ב-100% מהשיחות במוקד, ולא רק במדגם קטן ומקרי שלרוב מפספס את הרוב המוחלט של מה שבאמת קורה בארגון.
הבעיה הגדולה עם שיטת ההאזנות הישנה
כדי להבין עד כמה השינוי הזה הוא דרמטי, צריך פשוט לחשוב איך מוקדים גדולים עבדו עד עכשיו. מנהל צוות או איש בקרת איכות (QA) היה יושב עם אוזניות במשך שעות ארוכות, ומקשיב לאחוז אחד או שניים בלבד מכלל השיחות של כל נציג. זה אומר שרוב מוחלט של השיחות פשוט נעלמו באוויר כאילו לא קרו מעולם. אם נציג עשה עבודה מדהימה, פתר בעיה מורכבת והצליח להרגיע לקוח זועם בשיחה שלא האזינו לה, אף אחד לא ידע מזה והוא לא קיבל על כך שום הערכה.
מנגד, אם לקוח סיים שיחה כשהוא כועס מאוד ומאוכזב מהשירות, אבל השיחה הספציפית הזו לא עלתה במדגם היומי של המנהל, העסק פשוט איבד לקוח בלי להבין בכלל למה זה קרה. השיטה הישנה הזו גם הייתה מאוד תלויה במצב הרוח ובריכוז של מי שהקשיב לשיחה באותו רגע. כאן בדיוק נכנס לתמונה ניתוח רגשות באמצעות בינה מלאכותית, שעושה סדר מופתי בבלאגן, מנקה את רעשי הרקע, והופך את כל השיחות בארגון לנתונים ברורים שאי אפשר להתווכח איתם.
רמת השיחה הבודדת: הרבה יותר מסתם 'טוב' או 'רע'
התהליך החכם של הבנת הלקוח מתחיל קודם כל ברמת השיחה הבודדת. כשאנחנו מדברים היום על הפעלת ניתוח רגשות באמצעות בינה מלאכותית, זה כבר מזמן הרבה מעבר לזיהוי פשוט ובסיסי של מילים שמשדרות 'כעס' או 'שמחה'. המערכת הטכנולוגית החדשה מפענחת פסיפס עשיר ומורכב של מעל 100 סוגי רגשות ותכונות שיח שונות לחלוטין. הרגשות האלו ממוינים, מקוטלגים ומסווגים לפי רמות מדויקות של חיובי ושלילי.
מה שזה אומר בפועל, זה שהמערכת מבצעת סיכום מהיר של כלל הרגשות הללו כדי לתת ציון סנטימנט כללי ואובייקטיבי לאותה שיחה. אבל החלק הכי מעניין ושימושי הוא שהיא מוציאה ציר זמן ויזואלי ברור, שמאפשר למנהל לראות את השיחה ממש מול העיניים, בלי שהוא יצטרך להקשיב לה מההתחלה ועד הסוף ולבזבז זמן יקר. ציר הזמן הזה מאפשר לזהות את נקודות המפנה הרגשיות המדויקות. למשל, מנהל יכול לראות בדיוק באיזו דקה ושנייה בשיחה הלקוח התחיל לאבד סבלנות ולהרים את הקול, ובאיזה שלב בדיוק הנציג אמר את משפט הקסם שהצליח להרגיע אותו ולהחזיר את השיחה למסלול חיובי, רגוע ופרודוקטיבי.
התמונה הגדולה: לבנות מיומנויות אמיתיות של נציגים
אך למרות שהניתוח של שיחה אחת בודדת הוא מרשים מאוד, העוצמה האמיתית של הטכנולוגיה נחשפת כשהניתוח העמוק הזה מיושם על פני אלפי ועשרות אלפי שיחות במקביל בתוך המוקד מדי חודש. ברמת הנציגים, המערכת בונה באופן אוטומטי לחלוטין פרופיל "מיומנויות רכות" אובייקטיבי לכל נציג ונציגה בצוות.
במקום שמנהל יקרא לנציג למשוב שבועי ויגיד לו משהו כללי כמו "נראה לי שאתה קצת חסר סבלנות לאחרונה", יש לו נתונים מדויקים ומוחלטים ביד. הפרופיל מראה באחוזים אילו נציגים מצליחים לשדר אמפתיה ללקוח באופן עקבי, מי שומר על קור רוח גם תחת לחץ של לקוחות קשים וצעקנים, ומי נוטה בטעות לקטוע את הלקוח באמצע המשפט ולהעלות את רמת התסכול שלו. זה הופך את כל תהליך ההדרכה של העובדים להרבה יותר הוגן, מדויק ויעיל, כי הוא מבוסס על עובדות אמיתיות שקרו בשטח, ולא על תחושות בטן.
להציל את הלקוחות לפני שהם קמים ועוזבים
במקביל לעבודה החשובה של פיתוח הנציגים, המערכת סורקת בלי הפסקה את הלקוחות ומאתרת כאלו שמתוסכלים באופן כרוני. תארו לכם לקוח שמתקשר כבר פעם שלישית באותו שבוע כי יש לו תקלה באינטרנט שלא נפתרה, ובכל פעם שהוא מתקשר רמת התסכול שלו בשיחה עולה עוד קצת.
במערכות רגילות, עד שהוא לא יבקש מפורשות להתנתק ולעבור לחברה מתחרה, אף אחד לא באמת ישים לב אליו במיוחד בתוך ים אלפי השיחות הנכנסות. אבל כאשר מפעילים כלי של ניתוח רגשות באמצעות בינה מלאכותית, המערכת מזהה את הדפוס ההרסני הזה לבד ומתריעה עליו למנהלים בזמן אמת. זה נותן לצוות השימור של החברה הזדמנות פז ליצור קשר יזום עם הלקוח עוד באותו היום, להתנצל על החוויה, לפתור לו את הבעיה באופן סופי, ובכך לשמור עליו נאמן לחברה לעוד שנים ארוכות.
סיכום: להרגיש את הדופק האמיתי של הארגון
בסופו של דבר, ברמה האסטרטגית, כל הנתונים העצומים האלה מתלכדים לכדי תמונת מצב ניהולית אחת וברורה עבור המוקד כולו. המערכת המרכזית אוספת את כל המידע ומציגה מגמות, שינויים וממוצעים בצורה ברורה על גבי מסכים ולוחות בקרה במשרדי ההנהלה.
בכך, היישום המלא של ניתוח רגשות באמצעות בינה מלאכותית מספק תמונה רב-ממדית שמחברת הכל ביחד - החל מהמיקרו (המשפט הבודד שנאמר ללקוח אחד בשיחה אחת) ועד למאקרו (איך כלל מחלקת השירות בארגון מתפקדת ברבעון האחרון ביחס לשנה שעברה). היכולת המדהימה הזו מאפשרת למנהלים להבין באמת את הדופק הרגשי של הארגון שלהם. הם כבר לא מנהלים את מוקד השירות בעיניים עצומות או מסתמכים על מזל במדגם שיחות, אלא יודעים בכל רגע נתון מה הלקוחות באמת מרגישים, איך הצוות מתמודד עם הלחץ היומיומי, ואיפה בדיוק צריך לשים את הפוקוס כדי להעניק שירות הרבה יותר טוב, נעים ואנושי כבר מחר בבוקר.