Vi har hört talas om värdet av ”big data” i företagsvärlden i flera årtionden nu. Problemet har hela tiden varit hur man ska få ut någon vettig information ur all denna data – och det problemet har bara växt i takt med att världen blivit alltmer uppkopplad och där allt och alla ständigt genererar mer data.

Analysverktyg löser den utmaningen genom att snabbt bryta ner enorma mängder data och identifiera mönster och trender. Dessa mönster och trender avslöjar dolda insikter om din kundbas och låter dig tillgodogöra dig värdet av ”big data”. Många företag använder redan effektiva analysverktyg inom organisationen, men det finns ett specifikt område där analysverktyget kan få en omedelbar och betydelsefull effekt: kontaktcentret.

Detta beror på att en oerhörd mängd värdefull data strömmar in till kontaktcentret varje dag. Data från kundinteraktioner i flera kanaler, som representerar kundens sanna, ofiltrerade röst. Trots detta granskar ett genomsnittligt kontaktcenter bara runt två procent av alla sina kundinteraktioner. Granskningen sker oftast manuellt genom slumpmässiga kontroller av kvalitet och efterlevnad samt riktade genomgångar av lösningar på klagomål.

Dagens kunder rör sig vant mellan flera kanaler: De har tillgång till en rad alternativ för kommunikation och interaktion, såsom telefon, e-post, sms, chatt, webbsidor, mobilappar och personliga möten – och de vill kunna välja kanal efter behov. Kanske väljer de e-post för att undvika konflikter, chatt eller sms för bekvämlighet och telefonsamtal för snabb återkoppling. Konsumenter söker upp – och är lojala mot – varumärken som ger dem friheten att välja kanal. Men de förväntar sig samtidigt en sömlös och personligt anpassad upplevelse.

Den största utmaningen för företag som i allt större utsträckning erbjuder kontaktmöjligheter i flera kanaler är inte att tillhandahålla kanalerna. Det finns otaliga appar, plattformar och leverantörer som gör det snabbt och enkelt att implementera funktioner för till exempel webbchatt. Den verkliga utmaningen är att bryta barriären mellan kanalerna och samla ihop all data från kundinteraktioner. Med andra ord ta reda på hur du känner igen kunderna när de kontaktar dig i flera olika kanaler – och hur du knyter ihop de olika kontakterna för att få en helhetsbild av din relation med varje enskild kund.

En kundbild som inkluderar flera kanaler gör att ditt kontaktcenter lättare kan leverera fantastiska (sömlösa och personligt anpassade) kundupplevelser. Det låter medarbetarna veta om ett samtal från en kund har föregåtts av interaktioner via chatt och e-post eller liknande.

Att ha en heltäckande kundbild är avgörande vid analys av kundinteraktioner. Det låser upp djupare, mer värdefulla insikter som kan användas för att förbättra kundens engagemang och upplevelse. Allt kan ledas tillbaka till konceptet ”big data”. Genom att ta bort barriären mellan kanalerna och skapa en samlad, integrerad källa till information om kundinteraktioner, får du din data att växa. En större databank – det vill säga en mer omfattande bild av dina kunder – gör det möjligt för analysverktygen att ta fram mer exakta, relevanta och användbara insikter. Eller, för att se på saken ur en annan synvinkel: Att applicera analysverktyg på spridda data ökar risken för felaktig information. Att till exempel leta efter tydliga kundinsikter i röst- respektive chattsamtal var för sig är problematiskt eftersom samma kunder ofta använder båda kanalerna för samma ärende. Missar du den överlappningen får du inte hela sanningen om dina kunder.

Oavsett om dina medarbetare hanterar en interaktion via telefon, e-post eller chatt fungerar deras skrivbord som kommandocentral. Utöver att logga detaljerna kring interaktionen kan medarbetarna komma åt interna resurser, söka efter svar på externa webbsidor och använda olika program för att hjälpa kunden. Med hjälp av skrivbordsanalys kan du koppla ihop det medarbetare och kunder samtalar om (via telefon eller sms) med vad medarbetarna utför på skrivbordet medan de arbetar med ett ärende.

Den största missuppfattningen när det gäller skrivbordsanalys är att det är till för att spionera på medarbetarna. I själva verket använder de flesta organisationer verktyget för att öka medarbetarnas effektivitet och genomföra förbättringar som gynnar både medarbetarnas och kundernas upplevelse. Här är de tre främsta funktionerna för skrivbordsanalys:

KONTAKTCENTERANALYS I FRAMTIDEN

Mängden data som samlas in av ett genomsnittligt företag idag fortsätter att öka exponentiellt: Av all data som skapats i hela mänsklighetens historia kommer över 90 procent från de senaste två åren. De tidiga analysverktygen adresserade detta problem genom att hjälpa företag fånga in och tolka all denna data – främst genom att besvara frågan ”Vad har redan hänt?” Målet är förstås att använda dessa insikter och slutsatser om vad som redan har hänt till att fatta välgrundade beslut och strategier för vad som ska göras härnäst.

Men framtiden för dataanalys ser väldigt annorlunda ut. I takt med att det blir lättare att samla in och centralisera data och metadata och analysmotorerna blir allt smartare, kommer fokus att skifta från ”Vad har hänt” till ”Vad gör vi nu” och ”Vad ska hända sedan”? Nästa generation analysverktyg ger företag möjligheten att förutse vad som kommer att hända (prediktiv analys) och föreslå vad man kan göra åt saken (preskriptiv analys). Det handlar inte om att förutspå en avlägsen framtid med flygande bilar: IDC förutspådde tidigare att hälften av alla analysprogram för företag år 2020 skulle innehålla prediktiva och preskriptiva analysverktyg som byggde på ”kognitiva bearbetningstekniker” såsom maskininlärning och artificiell intelligens.

Låt oss ta en titt på hur maskininlärning, artificiell intelligens och prediktiv och preskriptiv analys faktiskt fungerar – och hur de används på dagens kontaktcenter.

FÖRUTSE SAMTALSMÄNGDEN & OPTIMERA SERVICENIVÅN

De flesta moderna kontaktcenter använder analysverktyg för att förutse samtalsmängden så att tillräckligt mycket personal kan sättas in för att upprätthålla servicenivån. Men de flesta begränsar sig till en statistisk analys av historiska data. Baserat på data från tidigare år kan kontaktcentret förvänta sig en högre samtalsmängd vid vissa tider på dagen, veckan eller året. Denna metod tar ingen hänsyn till oväntade händelser som driver upp mängden samtal, såsom ett akut fel på en produkt eller tjänst. Genom att tillämpa analysverktyg för prediktiv och preskriptiv analys kan kontaktcentret upptäcka tidiga tecken på en förestående ökning av samtalsmängden – till exempel en tröskel för antalet klagomål på en och samma produkt. Den preskriptiva sidan av dessa verktyg kopplar samman information om samtalsmängd med mätvärden för kundnöjdhet för att optimera bemanningen så att servicenivån förblir konstant även när samtalsmängden ökar – och kan till och med automatiskt justera medarbetarnas scheman. Allt detta sker sömlöst och omedelbart efter att informationen samlats in, vilket ger kontaktcenterchefer unika insikter om förväntad samtalsmängd, och databaserade metoder för optimering av servicenivån.

När vi pratar om en analyslösning för kontaktcenter avser vi en serie av analysverktyg som undersöker olika aspekter av kontaktcentrets interaktioner.