Wat is conversation intelligence? Een gids voor bedrijven

In de meeste verkoop- en supportgesprekken wordt het grootste deel van wat besproken wordt, na het gesprek zelden nog gebruikt. Het gesprek vindt plaats, iemand markeert het als voltooid in het CRM en het gesprek belandt als opnamebestand dat nooit meer wordt beluisterd. 

Conversation intelligence is de laag die voorkomt dat dit gebeurt. Het doel is om het gesprek vast te leggen, te transcriberen en AI-analyse toe te passen om het om te zetten in interne hulpmiddelen die je kunt gebruiken en delen met je team en management. Hierdoor krijgen bedrijven een verslag van wat er tijdens elk gesprek is gezegd, gelabeld op sentiment, bezwaren en actiepunten, in plaats van alleen geselecteerde gesprekken voor interne beoordeling. 

Deze gids behandelt wat conversation intelligence is, hoe het werkt en waar het het meest wordt gebruikt, zodat je het kunt toepassen op je eigen klantgesprekken.

Samenvatting

• Conversation intelligence wordt waardevol wanneer gespreksvolumes groter worden dan managers handmatig kunnen monitoren, waardoor belangrijke inzichten verloren gaan.
• Dezelfde pipeline bedient elk team dat met gesprekken werkt, van salescoaching en supportkwaliteit tot compliance in gereguleerde sectoren en interne vergaderingen.
• Het nut van een platform hangt af van de nauwkeurigheid bij audio uit de praktijk, gemeten aan de hand van spreker-toegewezen woordfoutpercentage, omdat elke score en samenvatting afhangt van het onderliggende transcript.
• Een effectief platform heeft ook realtime- en batchmodi, ondersteuning voor meerdere talen, entiteitsdetectie en CRM-integratie nodig. ElevenLabs biedt dit via Scribe v2 en Scribe v2 Realtime, met ondersteuning voor SOC 2, HIPAA, AVG en EU-dataresidentie.

Wat is conversation intelligence en hoe wordt het gebruikt?

Conversation intelligence is software die klantgesprekken opneemt en transcribeert en vervolgens AI gebruikt om ze om te zetten in gestructureerde inzichten, zoals sentiment, onderwerpen, actiepunten en bezwaren. Deze intelligence bestaat uit twee lagen: nauwkeurige transcriptie en een interpretatielaag die betekenis uit het gesprekstranscript haalt.

Die interpretatielaag onderscheidt het van een opname of een eenvoudig transcript. Een gespreksopname bewaart bijvoorbeeld doorgaans alleen audio, terwijl een transcript dezelfde audio leesbaar maakt. Conversation intelligence verrijkt de analyse door vast te stellen wie er sprak, welke onderwerpen werden besproken, welke vragen bleven liggen en hoe het gesprek aansloot op het doel ervan.

Om verder uit te leggen hoe dit er in de praktijk uitziet, nemen we één verkoopgesprek als voorbeeld. Een conversation intelligence-systeem doet het volgende: 

• Audio transcriberen: Hiermee wordt het gesprek omgezet in nauwkeurige tekst met tijdstempels, waarbij elke spreker in het gesprek dienovereenkomstig wordt gelabeld. 
• Belangrijke momenten detecteren: Het systeem markeert belangrijke gespreksmomenten, zoals vragen over prijzen, vermeldingen van concurrenten en afgesproken vervolgstappen.
• Het gesprek beoordelen: Dit proces vergelijkt het gesprek met een vastgesteld kader, zoals een spreek-luisterverhouding of de dekking van inventarisatievragen. 
• Synchroniseren met het CRM: Een samenvatting van het gesprek en de actiepunten wordt zonder handmatige gegevensinvoer aan het record toegevoegd.

In de hele organisatie passen teams hetzelfde patroon toe met conversation intelligence. Omzetteams gebruiken het voor verkoopgesprekken, support gebruikt het bij service-interacties, compliancefuncties gebruiken het voor gereguleerde gesprekken om gegevensprivacy te waarborgen en productteams gebruiken het om klantfeedback beter te begrijpen en producten te verbeteren.

Waarom is conversation intelligence belangrijk? Voordelen van conversation intelligence

De voordelen van conversation intelligence nemen toe naarmate een bedrijf meer gesprekken heeft die het als interne hulpbron wil benutten. 

Conversation intelligence werkt het best wanneer het ongestructureerde dialoog omzet in gegevens die een bedrijf kan meten en verbeteren. Teams zien steeds opnieuw verschillende voordelen wanneer ze het inzetten:

• Betere coaching en onboarding: Managers kunnen patronen in een heel team beoordelen, in plaats van slechts een paar gesprekken waar ze bij kunnen zitten. Hierdoor kunnen nieuwe medewerkers en andere teamleden leren van echte voorbeelden van sterke gesprekken in plaats van alleen theorie. 
• Minder administratieve uren en snellere CRM-invoer:Recente cijfers uit het State of Sales-rapport van Salesforce laten zien dat verkopers minder dan 30% van hun werktijd besteden aan directe verkoopactiviteiten. De rest van die tijd gaat op aan administratief werk, interne vergaderingen, handmatig onderzoek en gegevensinvoer. Geautomatiseerde notities, CRM-updates en andere essentiële administratieve taken geven verkopers meer tijd om te verkopen. 
• Koopsignalen en bezwaren markeren: De analyselaag van conversation intelligence markeert bezwaren tegen prijzen, vermeldingen van concurrenten en andere aandachtspunten, zodat belangrijke onderwerpen niet worden gemist. Het helpt het management gesprekken te onderzoeken waarin prijzen of concurrenten herhaaldelijk ter sprake komen en strategieën voor verbetering te ontwikkelen.
• Samenwerking tussen teams: Dit voordeel levert inzichten uit gesprekken op die marketing, productteams en leidinggevenden kunnen bereiken, in plaats van binnen één afdeling geïsoleerd te blijven. Zo kunnen verkoop- en supportprocessen binnen het bedrijf worden verbeterd door gebieden aan te wijzen waar andere afdelingen ondersteuning kunnen bieden.

Deze voordelen stapelen zich na verloop van tijd op, omdat dezelfde analyse op elk gesprek wordt toegepast. Leren van deze gesprekken en er inzichten uit halen is precies waarvoor conversation intelligence is ontworpen.

Hoe conversation intelligence werkt

De meeste conversation intelligence-platforms op de markt volgen momenteel een proces in vijf fasen, ongeacht de leverancier. Deze pipeline omvat: 

• Gegevensverzameling: Gesprekken vastleggen die worden opgenomen of bij de bron verzameld, zoals een telefoongesprek, chatscript of videoconferentieplatform als Zoom of Teams.
• Transcriptie: Technologie die spraakherkenning gebruikt, zet de audio om in tekst en creëert zo een doorzoekbaar verslag. 
• AI-analyse: Modellen voor natural language processing (NLP) en machine learning (ML) verwerken de tekst om sentiment te identificeren, belangrijke momenten en actiepunten. Sommige platforms voeren deze analyse live uit en geven de vertegenwoordiger tijdens het gesprek advies. 
• Inzichten: De analyse van het gesprek levert bruikbare output op, zoals terugkerende bezwaren, vragen over prijzen of andere gerelateerde signalen. 
• CRM-integratie: De inzichten en gesprekssamenvattingen worden gesynchroniseerd met een CRM-platform als Salesforce of HubSpot om records bij te werken zonder voortdurende handmatige invoer.

In de transcriptielaag

Hoewel de workflow in vijf stappen de pipeline omvat, speelt het onderdeel 'transcriptie' in de tweede stap een grote rol en hangt de effectiviteit van latere fasen af van wat daarin gebeurt. Laten we technisch bekijken hoe transcriptie werkt in de context van conversation intelligence.

1. Sprekerdiarisatie: Wijst elk segment van een transcript toe aan een specifieke spreker en labelt wie wat zei. In een verkoopgesprek kan een coachingtool hiermee de spreek-luisterverhouding berekenen en controleren of de verkoper de meeste vragen stelde. Diarisatie is relatief eenvoudig bij een voltooide opname, omdat het model een stem aan het begin van het gesprek kan vergelijken met een stem aan het einde. In realtime is het lastig, omdat een systeem een sprekerlabel moet toewijzen zonder te horen wat hierna komt.
   
   
2. Entiteitsdetectie: Identificeert specifieke informatiecategorieën in het transcript, zoals namen, datums, dollarbedragen of rekeningnummers, en koppelt er exacte tijdstempels aan. Zo kan een platform een doorzoekbare index opbouwen van 'elk gesprek waarin een concurrent werd genoemd', zonder dat iemand elk transcript moet lezen of elk gesprek moet beluisteren. Dit maakt ook redactie mogelijk voor een callcenter dat PCI- of PHI-gegevens verwerkt om aan compliancevereisten te voldoen.
   
   
3. Ondersteuning voor meerdere talen: Omvat zowel automatische taalidentificatie binnen een gesprek als nauwkeurige transcriptie in de talen die een team daadwerkelijk met klanten gebruikt. Een platform dat beperkt is tot Engels mist gesprekken volledig zodra een supportteam gesprekken in het Spaans, Portugees of Japans begint af te handelen.

De Speech to Text-mogelijkheden van ElevenLabs dekken alle drie in één API, met diarisatie voor maximaal 32 sprekers, entiteitsdetectie voor entiteitstypen in de categorieën PII, PHI en PCI, en transcriptie in meer dan 90 talen.

Conversation intelligence versus conversational AI

Deze twee termen worden vaak met elkaar verward. Het verschil is dat conversationele AI stemgesprekken voert, terwijl conversation intelligence ze analyseert.

Conversationele AI omvat chatbots en spraakagenten die rechtstreeks met een klant kunnen praten door vragen te beantwoorden of op supportproblemen te reageren. Conversation intelligence werkt op de achtergrond en heeft geen interactie met de klant. Het luistert naar de gesprekken die al plaatsvinden en haalt er inzichten uit. 

De twee vullen elkaar aan in plaats van met elkaar te concurreren. Ze hebben afzonderlijke, zelfstandige functies voor het zakelijke aspect van gesprekken. Een supportteam dat bijvoorbeeld voice agents gebruikt op een platform als ElevenAgents kan conversation intelligence op dezelfde manier toepassen op gesprekken die door agents zijn afgehandeld als op menselijke gesprekken. Het doel van conversation intelligence is te beoordelen waar een agent een vraag goed afhandelde en waar deze werd geëscaleerd.

Toepassingen van conversation intelligence

Conversation intelligence werkt anders afhankelijk van de specifieke toepassing waarvoor een team het gebruikt. De voordelen verschillen per ingezette toepassing. Enkele belangrijke toepassingen van conversation intelligence zijn:

Salescoaching

Salesleiders kunnen gespreksbibliotheken opbouwen die zijn georganiseerd op basis van specifieke vaardigheden. Denk aan het omgaan met bezwaren of het stellen van inventarisatievragen. Hiermee kunnen ze nieuwe vertegenwoordigers sneller inwerken en vaststellen hoe succes er binnen het team uitziet.

Kwaliteit van klantenservice

Supportleiders kunnen agentgesprekken op grotere schaal beoordelen dan ooit tevoren. Met conversation intelligence kunnen ze problemen met toon, onvolledige oplossingen of hiaten in een script signaleren. Dit alles zonder live bij het gesprek aanwezig te hoeven zijn. Een daling in sentiment nadat een factureringsvraag is geïntroduceerd, is een patroon waarop je moet handelen als het in meerdere gesprekken voorkomt. 

Compliance en risicodetectie

Veel gereguleerde sectoren, zoals de gezondheidszorg en financiële dienstverlening, gebruiken conversation intelligence om te bevestigen dat verplichte informatie is verstrekt en gesprekken met gevoelige informatie worden gemarkeerd. Dit geldt vooral voor persoonlijk identificeerbare informatie (PII), zoals een burgerservicenummer (SSN) of een medische diagnose die is besproken zonder gevoelige gegevens correct te verwerken. Entiteitsdetectie maakt deze toepassing praktisch op schaal, in plaats van te vertrouwen op een menselijke beoordelaar die elk geval moet signaleren. 

Productfeedback analyseren

Productteams beoordelen support- en verkooptranscripten om terugkerende functieverzoeken of onduidelijkheden te identificeren die nergens anders officieel worden vastgelegd. Komt een klacht slechts één keer voor, dan is het ruis. Maar dezelfde klacht in veertig gesprekken is een roadmapitem dat aandacht vraagt. Zulke klachten kunnen het productteam laten zien waar een lacune zit in productfuncties en functionaliteit. 

Bouw conversation intelligence met de ElevenLabs API

De infrastructuur die conversation intelligence-platforms ondersteunt, draait voornamelijk om Speech to Text, met daarbovenop verschillende specifieke vereisten.

Voor het transcriberen van meerdere opgenomen gesprekken verwerkt Scribe v2 audio- en videobestanden, met sprekerdiarisatie, tijdstempels op woordniveau en entiteitsdetectie. Voor liveanalyse streamt Scribe v2 Realtime transcriptie met een latentie van ongeveer 150 ms, zodat realtime-coachingprompts of compliancewaarschuwingen tijdens het gesprek kunnen worden geleverd in plaats van erna.

Wat een conversation intelligence-platform nodig heeft van de infrastructuurlaag:

• Het onderscheiden van de spraak van een klant en een agent via diarisatie en sprekerrollabels, wat essentieel is voor elke coachingmetriek waarvoor sprekeridentificatie nodig is.
• Entiteitsdetectie kan worden ingezet om gevoelige gegevens automatisch te identificeren en te maskeren, in plaats van te vertrouwen op handmatige beoordeling voordat transcripten worden opgeslagen of gedeeld.
• Zowel batch- als realtimeopties zijn beschikbaar, omdat compliancebeoordeling en livecoaching verschillende latentieniveaus vereisen.
• Ondersteuning voor meerdere talen die aansluiten op de talen van de klanten van een team, in plaats van alleen de talen die op het hoofdkantoor worden gebruikt.

Deze functies vormen samen de transcriptielaag waarop een conversation intelligence-product is gebouwd. De analyse- en coachinglogica blijven onderdelen die een team zelf bouwt of van een gespecialiseerde CI-leverancier koopt.

Ga aan de slag met ElevenAPI

Scribe v2 en Scribe v2 Realtime bieden je de transcriptielaag voor conversation intelligence, met diarisatie, entiteitsdetectie en tijdstempels op woordniveau in één API. Bekijk ElevenLabs Speech to Text om ondersteunde modellen en talen te bekijken.

Als je conversation intelligence in je eigen product of interne tools bouwt, maak dan een gratis account en begin je eerste gesprek te transcriberen. De Speech to Text API-referentie bevat alle parameters voor diarisatie, entiteitsdetectie en taalondersteuning. 

Veelgestelde vragen