Vad är conversation intelligence? En guide för företag

I de flesta sälj- och supportsamtal används sällan merparten av det som diskuteras efter att samtalet är slut. Samtalet sker, någon markerar det som slutfört i CRM-systemet, och det blir en inspelningsfil som aldrig granskas igen. 

Conversation intelligence är lagret som förhindrar att det scenariot uppstår. Målet är att fånga samtalet, transkribera det och använda AI-analys för att göra det till interna resurser som du kan använda och dela med ditt team och ledningen. Företag får då en dokumentation av vad som sades i varje samtal, märkt med sentiment, invändningar och åtgärdspunkter, i stället för att bara utvalda samtal granskas internt. 

Den här guiden går igenom vad conversation intelligence är, hur det fungerar och var det används mest, så att du kan börja använda det i dina egna kundsamtal.

Sammanfattning

• Conversation intelligence blir värdefullt när samtalsvolymerna överstiger vad chefer kan följa upp manuellt, så att viktiga insikter missas.
• Samma arbetsflöde används av alla team som arbetar genom samtal – från säljutbildning och supportkvalitet till regelefterlevnad i reglerade branscher och interna möten.
• En plattforms användbarhet beror på dess precision i verkligt ljud, mätt med talarattribuerad ordfelfrekvens, eftersom varje poäng och sammanfattning bygger på den underliggande transkriberingen.
• En effektiv plattform behöver också lägen för realtid och batch, 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 datahemvist i EU.

Vad är conversation intelligence och hur används det?

Conversation intelligence 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. Tekniken bygger på två lager: korrekt transkribering och ett tolkningslager som utläser innebörden i samtalstranskriberingen.

Det är tolkningslagret som skiljer tekniken från en inspelning eller en enkel transkribering. En samtalsinspelning bevarar till exempel vanligtvis bara ljudet, medan en transkribering gör samma ljud läsbart. Conversation intelligence fördjupar analysen genom att avgöra vem som talade, vilka ämnen som diskuterades, vilka frågor som återstod och hur samtalet stämde överens med sitt mål.

För att förklara hur det fungerar i praktiken kan vi använda ett enskilt säljsamtal som exempel. Ett system för conversation intelligence gör följande: 

• Transkribera ljud: Det omvandlar samtalet till korrekt, tidsstämplad text där varje talare märks upp. 
• Identifiera viktiga ögonblick: Systemet markerar viktiga delar av samtalet, till exempel frågor om pris, omnämnanden av konkurrenter och överenskomna nästa steg.
• Poängsätta samtalet: Processen mäter samtalet mot ett definierat ramverk, till exempel förhållandet mellan att prata och lyssna eller hur väl utforskande frågor täcks. 
• Synkronisera med CRM: En sammanfattning av samtalet och åtgärdspunkterna skrivs till posten utan manuell datainmatning.

I hela företaget använder team samma mönster med conversation intelligence. Intäktsteam använder det för säljsamtal, supporten i kundinteraktioner, regelefterlevnadsfunktioner i reglerade samtal för att säkerställa dataskydd, och produktteam för att bättre förstå kundfeedback och förbättra produkten.

Varför är conversation intelligence viktigt? Fördelar med conversation intelligence

Fördelarna med conversation intelligence växer med mängden samtal som ett företag vill använda som en intern resurs. 

Conversation intelligence fungerar bäst när ostrukturerad dialog omvandlas till data som ett företag kan mäta och förbättra. Flera fördelar återkommer när team använder det:

• Bättre coachning och introduktion: Chefer kan granska mönster i ett helt team i stället för några få samtal som de kan lyssna med på. Det låter nyanställda och andra teammedlemmar lära sig av verkliga exempel på bra samtal, i stället för enbart teori. 
• Mindre administration och snabbare CRM-registrering: Nyligen rapporterade data från Salesforces rapport State of Sales visar att säljare lägger mindre än 30 % av sin arbetstid under veckan på direkt säljande aktiviteter. Resten av tiden går till 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 markeras: Analyslagret i conversation intelligence markerar prisinvändningar, omnämnanden av konkurrenter och andra intressanta punkter så att viktiga ämnen inte missas. Det hjälper ledningen att granska samtal med återkommande hänvisningar till priser eller konkurrenter och planera förbättringar.
• Samarbete mellan team: Det här ger insikter från samtal till marknadsföring, produktteam och ledning i stället för att de stannar i en enskild avdelning. Det förbättrar sälj- och supportprocesser genom att visa var andra avdelningar kan bidra.

Fördelarna växer över tid eftersom samma analys görs för varje samtal. Att lära av dessa samtal och dra insikter från dem är precis vad conversation intelligence är avsett för.

Så fungerar conversation intelligence

De flesta plattformar för conversation intelligence på marknaden följer i dag en process i fem steg, oavsett leverantör. Arbetsflödet omfattar: 

• Datainsamling: Att hämta samtal som spelas in eller samlas in från sin källa, till exempel telefonsamtal, chattloggar eller videokonferensplattformar som Zoom eller Teams.
• Transkribering: Teknik med taligenkänning omvandlar ljudet till text och skapar en sökbar dokumentation. 
• AI-analys: Modeller för naturlig språkbehandling (NLP) och maskininlärning (ML) bearbetar texten för att identifiera sentiment, viktiga ögonblick och åtgärdspunkter. Vissa plattformar gör analysen live och ger vägledning till säljaren under samtalet. 
• Insikter: Analysen av samtalet ger användbara resultat, till exempel återkommande invändningar, frågor om pris 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 datainmatning.

Inuti transkriberingslagret

Flödet i fem steg täcker hela processen, men delen med ”transkribering” i steg två är omfattande och senare stegs effektivitet beror på vad som sker där. Låt oss titta mer tekniskt på hur transkribering fungerar i samband med conversation intelligence.

1. Talardiarisering: Kopplar varje segment i en transkribering till en specifik talare och märker upp vem som sa vad. I ett säljsamtal låter funktionen ett coachningsverktyg beräkna förhållandet mellan att prata och lyssna samt säkerställa att säljaren ställde flest frågor. Diarisering är jämförelsevis enkel i en färdig inspelning, eftersom modellen kan jämföra en röst i början av samtalet med en i slutet. Det är svårt att göra i realtid, eftersom systemet måste tilldela en talaretikett utan att veta vad som kommer härnäst.
   
   
2. Entitetsidentifiering: Identifierar specifika informationskategorier i transkriberingen, till exempel namn, datum, dollarbelopp eller kontonummer, och kopplar exakta tidsstämplar till var och en. Det låter en plattform skapa ett sökbart index över ”alla samtal där en konkurrent nämndes” i stället för att någon måste läsa varje transkribering eller lyssna på varje samtal. Det är också det som möjliggör maskering för ett callcenter som hanterar PCI- eller PHI-data för att uppfylla regelefterlevnadskrav.
   
   
3. Hantering av flera språk: Omfattar både automatisk språkidentifiering i ett samtal och korrekt transkribering på de språk ett team faktiskt använder med kunder. En plattform som bara hanterar 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 enda API, med diariseringsstöd för upp till 32 talare, entitetsidentifiering för entitetstyper inom kategorierna PII, PHI och PCI, samt transkribering på fler än 90 språk.

Conversation intelligence jämfört med conversational AI

De här två begreppen förväxlas ofta. Skillnaden är att Conversational AI deltar i röstsamtal, medan conversation intelligence analyserar dem.

Conversational AI omfattar chattbottar och röstagenter som kan ha ett direkt samtal med en kund genom att besvara frågor eller hantera supportärenden. Conversation intelligence arbetar i bakgrunden och interagerar inte med kunden. Det lyssnar på samtal som redan sker och hämtar insikter från dem. 

De kompletterar varandra snarare än konkurrerar. De har separata, fristående funktioner i verksamhetens arbete med samtal. Ett supportteam som använder röstagenter på en plattform som ElevenAgents kan till exempel använda conversation intelligence för samtal som hanteras av agenter på samma sätt som för samtal med människor. Målet är att granska var en agent hanterade en fråga bra och var den eskalerades.

Användningsområden för conversation intelligence

Conversation intelligence fungerar olika beroende på teamets specifika användningsområde. Fördelarna varierar med användningen. Några av de främsta användningsområdena är:

Säljcoachning

Säljledare kan bygga samtalsbibliotek som organiseras utifrån specifika färdigheter. Det kan vara att hantera invändningar eller ställa utforskande frågor, vilket kan användas för att introducera nya säljare snabbare och tydliggöra hur framgång ser ut i teamet.

Kvalitet i kundsupport

Supportledare kan granska agentsamtal i större skala än någonsin tidigare. Conversation intelligence hjälper dem att upptäcka problem med tonfall, ofullständiga lösningar eller luckor i ett manus. Allt detta sker utan att de behöver delta i samtalet live. Ett fall i sentimentet som uppstår när en fakturafråga tas upp är ett mönster värt att agera på om det syns i flera samtal. 

Regelefterlevnad och riskidentifiering

Många reglerade branscher, som hälso- och sjukvård och finansiella tjänster, använder conversation intelligence för att bekräfta att obligatorisk information lämnades och att samtal med känslig information markeras. Det gäller särskilt personligt identifierbar information (PII), som ett personnummer eller en medicinsk diagnos, som diskuteras utan korrekt hantering av känsliga data. Entitetsidentifiering gör detta användningsområde praktiskt i stor skala, i stället för att en mänsklig granskare måste upptäcka varje enskilt fall. 

Analys av produktfeedback

Produktteam granskar support- och säljtranskriberingar för att identifiera återkommande önskemål om funktioner eller områden som skapar förvirring och aldrig dokumenteras 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 luckor i produktens funktioner och funktionalitet. 

Bygg conversation intelligence med ElevenLabs API

Infrastrukturen som stöder plattformar för conversation intelligence 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 strömmar Scribe v2 Realtime transkribering med cirka 150 ms latens, så att coachningsuppmaningar i realtid eller regelefterlevnadsvarningar kan ges under samtalet i stället för efteråt.

Det här behöver en plattform för conversation intelligence från sitt infrastrukturlager:

• Att separera kundens och agentens tal genom diarisering 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 transkriberingar sparas eller delas.
• Alternativ för både batch och realtid, eftersom regelefterlevnadsgranskning och livecoachning kräver olika nivåer av latens.
• Stöd för flera språk som motsvarar de språk teamets kunder talar, i stället för bara språken som används på huvudkontoret.

Tillsammans utgör dessa funktioner transkriberingslagret som en produkt för conversation intelligence byggs på. Analys- och coachningslogiken är fortfarande komponenter som ett team antingen bygger självt eller köper från en särskild CI-leverantör.

Kom igång med ElevenAPI

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

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

Vanliga frågor