Vad är conversation intelligence? En guide för företag

I de flesta sälj- och supportkonversationer används sällan merparten av det som diskuteras efter samtalet. Samtalet äger rum, någon markerar det som slutfört i CRM-systemet och konversationen blir en inspelningsfil som aldrig granskas igen. 

Konversationsintelligens är lagret som förhindrar att det scenariot uppstår. Målet är att fånga samtalet, transkribera det och använda AI-analys för att omvandla det till interna resurser som du kan använda och dela med ditt team och ledningen. Det ger företag en dokumentation av vad som sades i varje samtal, märkt med sentiment, invändningar och åtgärdspunkter, i stället för att endast utvalda samtal granskas internt. 

Den här guiden förklarar vad konversationsintelligens är, hur den fungerar och var den används mest, så att du kan börja tillämpa den i dina egna kundsamtal.

Sammanfattning

• Konversationsintelligens blir värdefull när samtalsvolymerna överstiger vad chefer kan övervaka manuellt, vilket gör att viktiga insikter missas.
• Samma pipeline används av alla team som arbetar med samtal, från säljcoachning och supportkvalitet till regelefterlevnad i reglerade branscher och interna möten.
• En plattforms användbarhet beror på noggrannheten i ljud från verkligheten, mätt med talarattribuerad ordfelsfrekvens, eftersom varje bedömning och sammanfattning bygger på det underliggande transkriptet.
• En effektiv plattform behöver också lägen för realtid och batchbearbetning, stöd för flera språk, entitetsidentifiering och CRM-integration. ElevenLabs erbjuder detta genom Scribe v2 och Scribe v2 Realtime, med stöd för SOC 2, HIPAA, GDPR och datalagring inom EU.

Vad är konversationsintelligens och hur används den?

Konversationsintelligens är programvara som spelar in och transkriberar kundsamtal och sedan använder AI för att omvandla dem till strukturerade insikter, till exempel sentiment, ämnen, åtgärdspunkter och invändningar. Den bygger på två lager: korrekt transkribering och ett tolkningslager som läser ut innebörden ur samtalstranskriptet.

Det är detta tolkningslager som skiljer den från en inspelning eller ett vanligt transkript. En samtalsinspelning bevarar till exempel vanligtvis bara ljudet, medan ett transkript gör samma ljud läsbart. Konversationsintelligens fördjupar analysen genom att fastställa vem som talade, vilka ämnen som diskuterades, vilka frågor som återstod och hur samtalet förhöll sig till sitt mål.

För att tydligare visa hur det fungerar i praktiken kan vi använda ett enskilt säljsamtal som exempel. Ett system för konversationsintelligens gör följande: 

• Transkribera ljud: Det omvandlar samtalet till en korrekt, tidsstämplad text där varje talare i samtalet är tydligt märkt. 
• Identifiera viktiga ögonblick: Systemet flaggar viktiga delar av samtalet, till exempel frågor om prissättning, omnämnanden av konkurrenter och överenskomna nästa steg.
• Bedöma samtalet: Processen jämför samtalet med ett definierat ramverk, till exempel förhållandet mellan talande och lyssnande eller täckningen av kartläggningsfrågor. 
• Synkronisera med CRM-systemet: En sammanfattning av samtalet och åtgärdspunkterna skrivs till posten utan manuell datainmatning.

I hela företaget använder team samma mönster med konversationsintelligens. Intäktsteam använder det för säljsamtal, support använder det i serviceinteraktioner, regelefterlevnadsteam använder det för reglerade samtal för att säkerställa dataskyddet och produktteam använder det för att bättre förstå kundfeedback och förbättra produkten.

Varför är konversationsintelligens viktigt? Fördelar med konversationsintelligens

Fördelarna med konversationsintelligens växer i takt med mängden samtal som ett företag vill använda som en intern resurs. 

Konversationsintelligens fungerar som bäst när den omvandlar ostrukturerade dialoger till data som ett företag kan mäta och förbättra. När team börjar använda den uppstår flera återkommande fördelar:

• Bättre coachning och introduktion: Chefer kan granska mönster i ett helt team i stället för att lyssna med på några få samtal. Det gör att nyanställda och andra teammedlemmar kan lära sig av verkliga exempel på lyckade samtal i stället för teori. 
• Mindre administration och snabbare CRM-uppdateringar: Nyligen rapporterade uppgifter från Salesforce State of Sales-rapport visar att säljare lägger mindre än 30 % av sin arbetstid under veckan på direkta säljaktiviteter. Resten av tiden läggs på administration, interna möten, manuell research och datainmatning. Automatiska anteckningar, CRM-uppdateringar och andra viktiga administrativa uppgifter ger säljarna mer tid att sälja. 
• Köpsignaler och invändningar flaggas: Analyslagret i konversationsintelligens flaggar motstånd mot prissättning, omnämnanden av konkurrenter och andra intressanta punkter så att viktiga ämnen inte missas. Det hjälper ledningen att granska samtal där prissättning eller konkurrenter återkommer och ta fram strategier för förbättring.
• Samarbete mellan team: Det ger insikter från samtal som kan nå marknadsföring, produktteam och ledning i stället för att stanna i en enda avdelning. Det stärker företagets sälj- och supportprocesser genom att identifiera områden där andra avdelningar kan bidra med stöd.

Fördelarna växer över tid eftersom samma analys körs på varje samtal. Att lära av dessa samtal och dra insikter från dem är precis vad konversationsintelligens är utformad för.

Så fungerar konversationsintelligens

De flesta plattformar för konversationsintelligens på marknaden följer i dag en process i fem steg, oavsett leverantör. Denna pipeline omfattar: 

• Datainsamling: Att hämta inspelade eller insamlade samtal från sin källa, till exempel ett telefonsamtal, ett chattmanus eller en videokonferensplattform som Zoom eller Teams.
• Transkribering: Teknik som använder taligenkänning omvandlar ljudet till text och skapar ett sökbart register. 
• AI-analys: Modeller för naturlig språkbehandling (NLP) och maskininlärning (ML) bearbetar texten för att identifiera sentiment, viktiga ögonblick och åtgärdspunkter. Vissa plattformar utför analysen live och ger vägledning till säljaren mitt under samtalet. 
• Insikter: Analysen av samtalet omvandlas till användbara resultat, som återkommande invändningar, frågor om prissättning eller andra relevanta signaler. 
• CRM-integration: Insikterna och samtalssammanfattningarna synkroniseras med en CRM-plattform som Salesforce eller HubSpot för att uppdatera poster utan löpande manuell inmatning.

Inuti transkriberingslagret

Flödet i fem steg omfattar hela pipelinen, men transkriberingsdelen i det andra steget är särskilt viktig och senare steg är beroende av vad som händer där. Låt oss titta mer tekniskt på hur transkribering fungerar i samband med konversationsintelligens.

1. Talardiarisering: Kopplar varje segment i ett transkript till en specifik talare och märker vem som sa vad. I ett säljsamtal låter funktionen ett coachningsverktyg beräkna förhållandet mellan talande och lyssnande samt säkerställa att säljaren ställde de flesta frågorna. Diarisering är jämförelsevis enkelt i en färdig inspelning, eftersom modellen kan jämföra en röst i början av samtalet med en röst i slutet. Det är svårt att göra i realtid, eftersom systemet måste tilldela en talaretikett utan att ha hört vad som kommer härnäst.
   
   
2. Entitetsidentifiering: Identifierar specifika informationskategorier i transkriptet, till exempel namn, datum, belopp i dollar eller kontonummer, och lägger till exakta tidsstämplar för varje förekomst. Det gör att en plattform kan skapa ett sökbart index över ”alla samtal där en konkurrent nämndes”, i stället för att någon måste läsa varje transkript eller lyssna på varje samtal. Det är också det som möjliggör maskning för ett kontaktcenter som hanterar PCI- eller PHI-data och behöver uppfylla efterlevnadskraven.
   
   
3. Hantering av flera språk: Omfattar både automatisk språkidentifiering i ett samtal och korrekt transkribering på de språk som ett team faktiskt använder med kunder. En plattform som bara stöder engelska missar helt samtal när ett supportteam börjar ta emot samtal på spanska, portugisiska eller japanska.

ElevenLabs Speech to Text-funktioner täcker alla tre i ett och samma API, med diariseringsstöd för upp till 32 talare, entitetsidentifiering för entitetstyper inom kategorierna PII, PHI och PCI samt transkribering på fler än 90 språk.

Konversationsintelligens jämfört med konversations-AI

De här två begreppen förväxlas ofta. Skillnaden är att konversations-AI deltar i röstsamtal, medan konversationsintelligens analyserar dem.

Konversations-AI omfattar chattbottar och röstassistenter som kan föra ett samtal direkt med en kund genom att besvara frågor eller hantera supportärenden. Konversationsintelligens arbetar i bakgrunden och interagerar inte med kunden. Den lyssnar på samtal som redan pågår och hämtar insikter från dem. 

De två kompletterar varandra snarare än konkurrerar. De fyller olika, fristående funktioner för företaget kring samtal. Till exempel kan ett supportteam som använder röstassistenter på en plattform som ElevenAgents använda konversationsintelligens för samtal som hanterats av agenter, på samma sätt som för samtal med människor. Målet med konversationsintelligens är att granska var en agent hanterade en fråga väl och var den eskalerades.

Användningsområden för konversationsintelligens

Konversationsintelligens fungerar olika beroende på teamets specifika användningsområde. Fördelarna varierar beroende på hur den används. Några av de främsta användningsområdena är:

Säljcoachning

Säljledare kan skapa samtalsbibliotek organiserade efter specifika färdigheter. Det kan handla om att hantera invändningar eller ställa kartläggningsfrågor, och de kan användas för att snabbare introducera nya säljare och fastställa hur framgång ser ut i teamet.

Kvalitet inom kundsupport

Supportledare kan granska agentsamtal i större skala än någonsin tidigare. Konversationsintelligens gör att de kan upptäcka problem med tonläge, ofullständiga lösningar eller luckor i ett manus. Allt detta utan att behöva vara med i samtalet live. En nedgång i sentiment när en fråga om fakturering introduceras är ett mönster värt att agera på om det återkommer i flera samtal. 

Identifiering av regelefterlevnad och risker

Många reglerade branscher, till exempel hälso- och sjukvård samt finansiella tjänster, använder konversationsintelligens för att bekräfta att obligatorisk information lämnades och att samtal med känslig information flaggas. Det gäller särskilt personligt identifierbar information (PII), som ett personnummer (SSN), eller en medicinsk diagnos som diskuterats utan säker hantering av känsliga uppgifter. Entitetsidentifiering är det som gör detta användningsområde praktiskt i stor skala, i stället för att en mänsklig granskare måste upptäcka varje förekomst. 

Analys av produktfeedback

Produktteam granskar support- och säljtranskript för att identifiera återkommande önskemål om funktioner eller områden som skapar förvirring och som aldrig dokumenteras officiellt någon annanstans. Om ett klagomål bara förekommer en gång är det bara brus. Men samma klagomål i fyrtio samtal är en punkt på produktplanen som bör hanteras. Sådana klagomål kan visa produktteamet var det finns brister i produktens funktioner och funktionalitet. 

Bygg konversationsintelligens med ElevenLabs API

Infrastrukturen som stöder plattformar för konversationsintelligens handlar främst om Speech to Text, med flera specifika krav ovanpå det.

För att transkribera flera inspelade samtal bearbetar Scribe v2 ljud- och videofiler, med talardiarisering, tidsstämplar på ordnivå och entitetsidentifiering. För liveanalys streamar Scribe v2 Realtime transkribering med cirka 150 ms latens, vilket gör det möjligt att ge coachningsuppmaningar i realtid eller efterlevnadsvarningar under samtalet i stället för efteråt.

Vad en plattform för konversationsintelligens behöver från sitt infrastrukturlager:

• Separering av kundens och agentens tal genom diarisation och märkning av talarroller, vilket är grundläggande för alla coachningsmått som kräver talaridentifiering.
• Entitetsidentifiering kan användas för att automatiskt identifiera och maskera känsliga uppgifter, i stället för att förlita sig på manuell granskning innan transkript sparas eller delas.
• Både batch- och realtidsalternativ finns tillgängliga, eftersom efterlevnadsgranskning och livecoachning kräver olika latensnivåer.
• Stöd för flera språk som motsvarar språken teamets kunder talar, i stället för bara de som används på huvudkontoret.

Tillsammans utgör dessa funktioner det transkriberingslager som en produkt för konversationsintelligens bygger på. Analys- och coachningslogiken är fortfarande komponenter som ett team antingen bygger självt eller köper från en specialiserad CI-leverantör.

Kom igång med ElevenAPI

Scribe v2 och Scribe v2 Realtime ger dig transkriberingslagret för konversationsintelligens, med diarisation, entitetsidentifiering och tidsstämplar på ordnivå i ett enda API. Utforska ElevenLabs Text to Speech för att se modeller och språk som stöds.

Om du bygger in konversationsintelligens i din egen produkt eller dina interna verktyg, skapa ett kostnadsfritt konto och börja transkribera ditt första samtal. API-referensen för Speech to Text täcker alla parametrar för diarisation, entitetsidentifiering och språkstöd. 

Vanliga frågor