در بخش نخست این مقاله، تحول مراکز تماس از یک واحد سنتی پاسخگویی به یک زیرساخت دیجیتال را بررسی کردیم و با فناوری‌هایی مانند Cloud Call Center ،ACD ،IVR ،CTI ،CRM، هوش مصنوعی و Voicebot در مرکز تماس هوشمند آشنا شدیم.

اما هوشمند شدن مرکز تماس تنها با پاسخگویی خودکار به تماس‌ها اتفاق نمی‌افتد. ارزش واقعی فناوری زمانی ایجاد می‌شود که سازمان بتواند محتوای مکالمات را تحلیل کند، عملکرد کارشناسان را ارزیابی کند، نیاز مشتری را بهتر بشناسد، فعالیت‌های تکراری را خودکار کند و بر اساس داده‌های واقعی تصمیم بگیرد.

در این بخش، فناوری‌هایی را بررسی می‌کنیم که مرکز تماس را از یک سیستم پاسخگویی به یک مرکز تماس هوشمند و داده‌محور تبدیل می‌کنند.

پردازش زبان طبیعی و تبدیل گفتار به متن

فناوری Natural Language Processing (NLP) به سیستم‌ها امکان می‌دهد محتوای زبان انسانی را پردازش و تحلیل کنند. این فناوری در کنار فناوری‌های تشخیص گفتار، یکی از اجزای مهم سامانه‌های هوشمند تحلیل مکالمات در مراکز تماس محسوب می‌شود.

با استفاده از فناوری Speech-to-Text، مکالمات میان مشتری و کارشناس می‌توانند به متن تبدیل شوند. سپس سیستم می‌تواند محتوای مکالمه را تحلیل کرده و اطلاعاتی مانند موضوع تماس، درخواست مشتری، کلمات کلیدی و برخی شاخص‌های مرتبط با کیفیت تعامل را استخراج کند.

این قابلیت کاربرد مهمی در کنترل کیفیت دارد. در روش سنتی، ارزیابی کیفیت معمولاً با گوش دادن کارشناسان کنترل کیفیت به نمونه‌ای محدود از تماس‌ها انجام می‌شود. اما تحلیل خودکار مکالمات امکان بررسی حجم بسیار بیشتری از تماس‌ها را فراهم می‌کند.

در نتیجه، سازمان می‌تواند الگوهای پرتکرار، خطاهای احتمالی کارشناسان و نقاط ضعف فرآیند پاسخگویی را سریع‌تر شناسایی کند.

 Speech Analytics؛ تبدیل مکالمات به داده قابل استفاده

Speech Analytics یکی از فناوری‌های مهم مراکز تماس هوشمند است که امکان تحلیل سیستماتیک مکالمات را فراهم می‌کند.

این فناوری می‌تواند با استفاده از تشخیص گفتار، پردازش زبان طبیعی و الگوریتم‌های هوش مصنوعی، اطلاعات مختلفی را از محتوای تماس استخراج کند.

برای نمونه، سازمان می‌تواند بررسی کند مشتریان بیشتر درباره چه موضوعاتی تماس می‌گیرند، چه مشکلاتی بیشترین تکرار را دارند، چه عواملی باعث افزایش تماس‌ها شده‌اند و در چه بخش‌هایی تماس‌ها به نتیجه مطلوب نمی‌رسند.

Speech Analytics همچنین می‌تواند برای ارزیابی کیفیت مکالمات مورد استفاده قرار گیرد. برای مثال، می‌توان بررسی کرد آیا کارشناس از دستورالعمل‌های تعیین‌شده پیروی کرده، اطلاعات لازم را ارائه داده یا برخی الزامات فرآیند را رعایت کرده است.

ترکیب Speech Analytics با هوش مصنوعی می‌تواند امکان تحلیل مکالمات در زمان نزدیک به بلادرنگ را نیز فراهم کند. در چنین شرایطی، سیستم می‌تواند بر اساس محتوای مکالمه، اطلاعات یا پیشنهادهای مرتبط را در اختیار کارشناس قرار دهد.

تحلیل احساسات مشتری؛ شناخت بهتر تجربه مشتری

یکی دیگر از قابلیت‌هایی که می‌تواند در سامانه‌های تحلیل مکالمات مورد استفاده قرار گیرد، Sentiment Analysis یا تحلیل احساسات است.

در این فناوری، سیستم تلاش می‌کند بر اساس محتوای مکالمه و ویژگی‌های زبانی، نشانه‌هایی از وضعیت احساسی مشتری مانند رضایت، نارضایتی یا تنش را شناسایی کند.

برای مثال، می‌توان تماس‌هایی را که نشانه‌هایی از نارضایتی شدید در آنها وجود دارد شناسایی و برای بررسی بیشتر در اختیار سرپرست قرار داد.

همچنین تحلیل حجم زیادی از مکالمات می‌تواند نشان دهد مشتریان بیشتر درباره چه موضوعاتی ناراضی هستند.

باید توجه داشت که Sentiment Analysis بخشی از قابلیت‌های تحلیلی است و با Speech Analytics تفاوت مفهومی دارد. Speech Analytics یک حوزه گسترده‌تر برای تحلیل مکالمات است و تحلیل احساسات می‌تواند یکی از قابلیت‌های آن باشد.

این اطلاعات می‌تواند به مدیران مرکز تماس کمک کند تا دلایل اصلی نارضایتی مشتریان را شناسایی کنند. برای مثال، اگر تعداد زیادی از تماس‌ها به یک محصول، خدمت یا فرآیند خاص مربوط باشد، تحلیل مکالمات می‌تواند نشانه‌ای از وجود یک مشکل تکرارشونده در فرآیند ارائه خدمات باشد.

 Agent Assist؛ دستیار هوشمند کارشناس

یکی از روندهای مهم در مراکز تماس مدرن، حرکت از «جایگزینی انسان» به سمت تقویت توانایی انسان با هوش مصنوعی است.

در فناوری Agent Assist، هوش مصنوعی در کنار کارشناس قرار می‌گیرد.

هنگام مکالمه، سیستم می‌تواند موضوع تماس را تشخیص دهد، اطلاعات مرتبط با مشتری را نمایش دهد، پاسخ‌های پیشنهادی ارائه کند یا دستورالعمل و مستندات مرتبط را در اختیار کارشناس قرار دهد.

این فناوری به‌ویژه برای سازمان‌هایی که محصولات و خدمات متنوع یا فرآیندهای پیچیده دارند اهمیت زیادی دارد.

کارشناس دیگر مجبور نیست برای یافتن پاسخ مناسب میان تعداد زیادی از دستورالعمل‌ها جست‌وجو کند؛ بلکه سیستم می‌تواند اطلاعات مرتبط را در زمان مناسب پیشنهاد دهد.

برای مثال، اگر مشتری درباره یک خدمت خاص سؤال کند، Agent Assist می‌تواند اطلاعات مرتبط با آن خدمت را از پایگاه دانش سازمان استخراج کرده و در اختیار کارشناس قرار دهد.

در نتیجه، Agent Assist می‌تواند به کاهش زمان رسیدگی، افزایش دقت پاسخگویی و بهبود عملکرد کارشناسان کمک کند.

اتوماسیون؛ کاهش فعالیت‌های تکراری

بخش قابل‌توجهی از زمان کارشناسان مراکز تماس صرف فعالیت‌هایی می‌شود که الزاماً نیازمند تصمیم‌گیری انسانی نیستند.

فناوری‌هایی مانند Robotic Process Automation (RPA) و سایر روش‌های Workflow Automation می‌توانند بخشی از این فعالیت‌ها را خودکار کنند.

برای مثال، پس از پایان تماس، اطلاعات مشخصی می‌تواند به‌صورت خودکار در سیستم ثبت شود، پرونده مشتری به‌روزرسانی شود یا یک درخواست برای واحد مربوطه ارسال شود.

البته تمام این فرآیندها الزاماً با RPA انجام نمی‌شوند و بسته به معماری سازمان می‌توان از API، قابلیت‌های خودکارسازی CRM یا موتورهای گردش کار نیز استفاده کرد.

هدف اصلی اتوماسیون موفق، حذف نیروی انسانی نیست؛ بلکه کاهش فعالیت‌های تکراری و اختصاص زمان کارشناسان به فعالیت‌هایی است که نیازمند قضاوت، همدلی، مذاکره و حل مسئله هستند.

تحلیل داده و پیش‌بینی حجم تماس‌ها

یکی از چالش‌های مهم مدیران مراکز تماس، پیش‌بینی حجم تماس و برنامه‌ریزی نیروی انسانی است.

فناوری‌های Data Analytics و Predictive Analytics می‌توانند با استفاده از داده‌های گذشته، الگوهای تماس مشتریان را شناسایی کنند.

برای مثال، می‌توان پیش‌بینی کرد در چه روزها و ساعت‌هایی حجم تماس افزایش پیدا می‌کند یا یک رویداد، تغییر در خدمات یا اجرای یک کمپین چه اثری بر تعداد تماس‌های ورودی خواهد داشت.

این اطلاعات به سازمان کمک می‌کند تعداد مناسب کارشناسان را در زمان مناسب در دسترس داشته باشد.

برنامه‌ریزی دقیق‌تر نیروی انسانی می‌تواند از ایجاد صف‌های طولانی، افزایش زمان انتظار و کاهش کیفیت پاسخگویی جلوگیری کند.

در مراکز تماس بزرگ، این نوع تحلیل می‌تواند بخشی از فرآیند Workforce Management (WFM) باشد؛ یعنی داده‌های پیش‌بینی‌شده برای برنامه‌ریزی شیفت‌ها و ظرفیت نیروی انسانی مورد استفاده قرار گیرند.

امنیت و احراز هویت هوشمند

با افزایش استفاده از فناوری در مراکز تماس، موضوع امنیت نیز اهمیت بیشتری پیدا کرده است.

اطلاعات مشتریان می‌تواند شامل داده‌های شخصی، مالی و سوابق تماس باشد؛ بنابراین حفاظت از این اطلاعات یکی از الزامات اساسی مراکز تماس مدرن است.

فناوری‌هایی مانند احراز هویت چندمرحله‌ای، رمزنگاری، کنترل دسترسی، تشخیص تقلب و در برخی کاربردها Voice Biometrics یا احراز هویت صوتی می‌توانند برای افزایش امنیت تعاملات تلفنی مورد استفاده قرار گیرند.

در کنار فناوری، سازمان باید سیاست‌های مشخصی برای نگهداری، پردازش و دسترسی به داده‌های مشتری داشته باشد.

استفاده از هوش مصنوعی و تحلیل مکالمات بدون توجه کافی به امنیت و حریم خصوصی می‌تواند خود به یک ریسک جدی تبدیل شود.

به همین دلیل، امنیت نباید به‌عنوان یک قابلیت جانبی در نظر گرفته شود؛ بلکه باید از مرحله طراحی معماری مرکز تماس مورد توجه قرار گیرد.

معماری مرکز تماس هوشمند

مرکز تماس هوشمند را نمی‌توان صرفاً یک مرکز تماس مجهز به یک Voicebot یا ابزار هوش مصنوعی دانست.

یک معماری هوشمند معمولاً از چندین لایه فناوری تشکیل می‌شود.

در لایه ارتباطی، فناوری‌هایی مانند ACD، IVR و CTI مدیریت تماس و ارتباطات تلفنی را بر عهده دارند.

در لایه اطلاعات مشتری، CRM و سایر سامانه‌های سازمانی اطلاعات موردنیاز کارشناسان را فراهم می‌کنند.

در لایه هوشمندی، فناوری‌هایی مانند AI، NLP، Speech-to-Text، Voicebot، Speech Analytics و Agent Assist قرار می‌گیرند.

در لایه اتوماسیون نیز RPA، API و Workflow Automation می‌توانند اجرای فرآیندهای تکراری را ساده‌تر کنند.

در نهایت، لایه تحلیل داده و مدیریتی با استفاده از Data Analytics، Predictive Analytics و داشبوردهای مدیریتی، اطلاعات لازم برای تصمیم‌گیری را در اختیار مدیران قرار می‌دهد.

بنابراین، مرکز تماس هوشمند نتیجه یکپارچه‌سازی مجموعه‌ای از فناوری‌ها است، نه استفاده از یک فناوری منفرد.

آینده مراکز تماس؛ Human + AI

به نظر می‌رسد آینده مراکز تماس نه در حذف کامل نیروی انسانی، بلکه در ایجاد همکاری مؤثر میان انسان و هوش مصنوعی شکل خواهد گرفت.

هوش مصنوعی در انجام فعالیت‌های پرتکرار، پردازش حجم زیادی از داده، جست‌وجوی اطلاعات و تحلیل مکالمات توانمند است؛ در مقابل، انسان در همدلی، مذاکره، تصمیم‌گیری در شرایط پیچیده و مدیریت موقعیت‌های حساس مزیت دارد.

بنابراین، مرکز تماس آینده ترکیبی از AI، Cloud، CRM، Speech Analytics، Automation، ACD، IVR، CTI و نیروی انسانی متخصص خواهد بود.

در چنین مدلی، فناوری فعالیت‌های تکراری را کاهش می‌دهد، اطلاعات موردنیاز را سریع‌تر در اختیار کارشناسان قرار می‌دهد و به مدیران امکان می‌دهد تصمیم‌های خود را بر اساس داده‌های واقعی اتخاذ کنند.

در مقابل، کارشناسان فرصت بیشتری برای تمرکز بر حل مسائل پیچیده و ارائه خدمات باکیفیت خواهند داشت.

جمع‌بندی

تحول فناوری در مراکز تماس صرفاً به معنای خرید یک نرم‌افزار یا اضافه کردن یک Voicebot نیست.

یک مرکز تماس هوشمند باید مجموعه‌ای از فناوری‌ها را در یک معماری یکپارچه به کار گیرد؛ از زیرساخت ابری و سیستم‌های ACD، IVR و CTI گرفته تا CRM، هوش مصنوعی، Speech Analytics، Agent Assist، اتوماسیون و تحلیل داده.

هدف از این تحول، صرفاً کاهش هزینه یا کاهش تعداد کارشناسان نیست.

ارزش اصلی فناوری زمانی ایجاد می‌شود که بتواند تجربه مشتری را بهبود دهد، زمان پاسخگویی را کاهش دهد، کیفیت خدمات را افزایش دهد و اطلاعات حاصل از تعاملات مشتریان را به داده قابل استفاده برای تصمیم‌گیری تبدیل کند.

سازمان‌هایی که بتوانند این فناوری‌ها را در کنار فرآیندهای مناسب، نیروی انسانی توانمند و سیاست‌های صحیح داده و امنیت قرار دهند، می‌توانند مرکز تماس را از یک واحد صرفاً پاسخگو به یک زیرساخت هوشمند برای ارائه خدمات، مدیریت تجربه مشتری و تحلیل تعاملات تبدیل کنند.

در نهایت، آینده مراکز تماس متعلق به سازمان‌هایی است که بتوانند فناوری و نیروی انسانی را در کنار یکدیگر قرار دهند، نه اینکه یکی را جایگزین دیگری کنند.

نویسنده: زهرا شیربند – کارشناس امور بین‌الملل شرکت بازرسی کیفیت و استاندارد ایران