¿Speech analytics o IA conversacional?

speech analytics

Parece mentira: en una industria con una capacidad de generar información de valor tan abrumadora como la del call center, actualmente solo se puede exprimir el 1% de esa información. Y eso es un problema. Tanto para los propios contact center como para las grandes corporates que contratan sus servicios.

Ahí es donde entran en juego los software de Speech Analytics y su evolución: las herramientas de inteligencia conversacional como Upbe.

Digamos que si en tu contact center estás usando tecnología SA y no inicias proyectos que introduzcan la IA te estarás quedando atrás.

En este artículo ponemos blanco sobre negro las diferencias entre Upbe y las soluciones de Speech Analytics estándar del mercado: qué se puede hacer con la herramienta y cómo darle contexto a toda esa información. También qué conclusiones puedes sacar gracias a las métricas que ofrezca la plataforma.

Analizando llamadas con Speech Analytics

Todas esas conversaciones en las que los clientes cuentan sus incidencias y expresan sus emociones son oro puro para una empresa.

El problema es que Speech Analytics no las identifica: es una tecnología incapaz de procesar esta información de forma masiva y escalable.

El procedimiento para entender esa información con un software de SA es realizar escuchas manuales, que cubren menos del 1% de las llamadas, y que por lo tanto ofrecen una información no relevante estadísticamente, subjetiva y muy costosa.

Y de esta necesidad surge la evolución hacia la inteligencia artificial aplicada al entorno del call center, con dos grandes diferencias.

La primera: Upbe utiliza aprendizaje automático y procesamiento de lenguaje natural para identificar conceptos e ideas, no palabras previamente especificadas.

Y la segunda: dispone de un motor que evalúa y analiza el sentimiento de los interlocutores basado en más de 100 características de la señal de audio.

Más adelante te explicamos las diferencias en detalle. Pero antes, refresquemos los conceptos básicos necesarios para comprender bien el asunto: qué es Speech Analytics y cuáles son sus limitaciones.

Speech Analytics

¿Qué es speech analytics?

Las soluciones de Speech Anlytics tienen la capacidad de transcribir una grabación de audio en texto. Pero tienen limitaciones para conseguir el objetivo de un buen análisis y entendimiento de lo que sucede en todas esas llamadas, en definitiva.

Para los profesionales responsables de equipos y negocio es complicado basar su toma de decisiones en datos no estructurados e incompletos. No tienen la capacidad de evaluar la calidad de las llamadas o la vinculación que generan los clientes o cuánto se ajustan al discurso comercial. Y mucho menos, entender la empatía con la que gestionan los agentes un problema.

Entonces, ¿dónde funciona mejor Speech Analytics? En conversaciones muy literales. Por ejemplo, para evaluar ítems de compliance (datos personales, consentimientos, etc.) donde los términos utilizados no varían.

Las soluciones de SA tienen, al fin y al cabo, muchas limitaciones y el mercado necesita evolucionar hacia soluciones que consigan superar especialmente estas 3 barreras:

  1. Ausencia de contexto
  2. Enorme esfuerzo de categorización
  3. Revisión humana

1. Ausencia de contexto

El contexto lo es todo en una conversación. Las palabras pueden tener diversos significados dependiendo de la situación en la que se ubiquen, pero Speech Analytics no tiene la capacidad de identificar el contexto asociado a una palabra o expresión.

Como decíamos más arriba, en entornos muy concretos sí se encuentra su utilidad. Más allá, donde se necesita el contexto para mejorar la toma de decisiones sobre la calidad de una llamada o un agente, no.

2. Enorme esfuerzo de categorización

Construir categorías mediante Speech Analytics requiere pensar y anticipar multitud de posibles combinaciones y escenarios de palabras que reflejen la categoría o ítem de lenguaje que se quiere identificar.

Este enfoque dificulta la escalabilidad porque es difícil de reproducir en múltiples campañas. Este esfuerzo supone que personas con experiencia dediquen una cantidad enorme de tiempo a labores de bajo valor. En vez de analizar y proponer mejoras a los agentes o los clientes, dedican su tiempo a labores con un ratio coste/beneficio cuestionable.

3. Revisión humana

Los resultados derivados de las categorías definidas deben ser revisados de forma manual. Se tiene que comprobar la incidencia de falsos positivos o negativos que pueden llevar a tomar decisiones erróneas.

Y esta labor también exige una cantidad de esfuerzo y tiempo que pone a los profesionales cercanos a la toma de decisiones en tareas de valor más bajo.

En lugar de analizar y tomar decisiones, están revisando llamadas sin significancia estadística. Puntuando a agentes. Es una gestión ineficaz.

La gestión del Call Center con inteligencia artificial

Vistas todas las limitaciones de Speech Anlytics, surge la pregunta: ¿se puede mejorar la gestión del Call Center?

Sí, hay formas de mejorar este problema en el sector. La inteligencia artificial y, en concreto, el procesamiento de lenguaje natural, supone un cambio de paradigma tecnológico.

Con un software como Upbe puedes interpretar el contenido de estas conversaciones y aumentar el análisis abarcando el 100% de las llamadas. De poder analizar incluso menos del 1% de las llamadas al 100% hay una diferencia en la muestra como para entender que, si no lo haces, te estarás quedando muy atrás.

Y es que la comunicación entre humanos es compleja. Nuestras interacciones tienen mucha ambigüedad y jerga. Están determinadas por patrones culturales y geográficos y, a menudo, hay un uso incorrecto de la gramática.

Si pierdes todo ese contexto, pierdes información. Tus análisis de los datos se vuelven incompletos o inexactos. Y surgen las ineficiencias.

Como veíamos antes, Speech Analytics funciona cuando el lenguaje no está condicionado por la ambigüedad o el contexto, algo que ocurre muy pocas veces.

Esta es una de las razones por las que surge una nueva categoría denominada Inteligencia Conversacional, que utiliza machine learning para superar estas limitaciones y erigirse como la evolución tecnológica del SA.

Pero ¿en qué se basa la IA conversacional para mejorar la comprensión del contexto de una llamada? En dos conceptos: NLP (Natural Language Processing) y NLU (Natural Language Understanding).

NLP es una rama de la Inteligencia Artificial que ayuda a las máquinas a procesar el lenguaje humano (en texto). El audio se transcribe y se convierte a texto y se procesa con NLP.

Y con NLU, una subrama de la anterior, se sucede la comprensión humana del significado de un texto. NLU profundiza en la compresión de las palabras ya que trata de identificar el sentido del lenguaje cuando este incorpora jerga o errores gramaticales reproducidos por personas de forma habitual.

Speech Analytics vs IA Conversacional: diferencias

Gestión del call center con inteligencia conversacional: la evolución de speech analytics

Veamos cuáles son, en definitiva, las diferencias entre soluciones de Inteligencia conversacional, como Upbe, y Speech Analytics.

Tecnología

Upbe se apoya en inteligencia artificial y aprendizaje continuo (machine learning) para desarrollar algoritmos con rangos de precisión altos.

Uno de los inconvenientes de SA son los esfuerzos de categorización, que además tienen limitaciones para ser luego replicables en otros entornos. Upbe, gracias a la IA, propone otra innovación mediante lo que denominamos el Aprendizaje No Supervisado.

Este sistema identifica tópicos de expresiones que se repiten bajo determinados patrones en una tipología de llamadas.

De esta forma, es posible identificar categorías de lenguaje sugeridas por la máquina de forma automática. Es decir, la generación de este conocimiento no surge de la reflexión humana, sino de la categorización automática del software.

Es un sistema muy robusto para identificar, por ejemplo, llamadas con alta probabilidad de derivar en bajas de clientes. Lo que se le exige a la operación es que sea capaz de actuar sobre la información que hay en Upbe para que la herramienta aprenda de forma continua.

Diferencias tecnología entre Upbe y Speech Analytics

Análisis del contexto conversacional y sentimiento de las llamadas

Entender el contexto de una conversación y poder tomar decisiones en base a ello no es un sueño: con Upbe es una realidad.

Somos capaces de decirte cómo se sienten tus clientes, cómo reaccionan en relación a cómo gestiona la llamada el agente. No te pierdes nada.

Añadiendo el contexto de las llamadas, podemos mejorar el análisis conversacional y llevarlo a sus últimas consecuencias: al análisis de sentimiento.

El análisis conversacional no incluye solo elementos textuales. La comunicación paraverbal (que deriva del tono de la llamada o el énfasis que damos a determinadas cosas) es parte del mensaje, y las soluciones de Speech Analytics se pierden toda esa información.

Otra de las innovaciones que ha incorporado la Inteligencia Artificial es la capacidad de extraer información relevante de la señal de audio y la voz humana, ya sea la del agente o al del cliente.

Eso nos permite incorporar al análisis parámetros relacionados con el tono, la frecuencia, o la amplitud que pueden inferir el estado emocional del interlocutor de manera objetiva. De esta forma es posible identificar si un agente ha sido agresivo o rudo. O si, en cambio, ha generado un sentimiento positivo en el cliente con su discurso.

Esta combinación de NLP, NLU y Voice Analytics ofrece una solidez a la hora de interpretar la comunicación en llamadas telefónicas no vista hasta ahora. Te da una dimensión adicional para tomar decisiones, para hacer más eficientes tus operaciones.

Es un paso que tienes que dar con tecnologías de IA Conversacional como Upbe, porque Speech Analytics no te lo da.

Flexibilidad y autonomía en la gestión

Upbe es una plataforma self-service. Seas gestor de operaciones, director de innovación o responsable de customer experience, la herramienta está pensada para sacarle el máximo rendimiento sin necesitar conocimientos técnicos. Sin los habituales cuellos de botella, la operación es capaz de gestionar sus campañas y realizar cambios sin problemas.

En Upbe, además, pagas por lo que usas. Sin licencias perpetuas ni compromisos. Detrás de nuestro modelo de negocio (SaaS – Software as a Service) está el compromiso de aportar valor a nuestros clientes de forma continua.

Diferencias tecnología entre Upbe y Speech Analytics

Puesta en marcha

Podemos poner en marcha un proyecto en unas 3-4 semanas. En nuestros webinars construimos una prueba de concepto en tan solo 20 minutos como muestra de lo que permite la plataforma. Agilidad y rapidez para poner al servicio de la operación las mayores capacidades de análisis lo antes posible.

Uno de los factores que agilizan este proceso es que, combinando tecnología y conocimiento del sector, ofrecemos una plantilla de calidad adaptada a tus necesidades. Hay muchos elementos comunes transversales a los distintos servicios que se pueden utilizar. No tienes que empezar de cero integrando tu plantilla.

La evolución de la IA conversacional

En este punto ya ha quedado clara una cosa: los que no den el paso, más tarde o más temprano, van a quedarse atrás.

Hemos empezado hablando de las limitaciones de Speech Analytics y sus diferencias con la Inteligencia Conversacional.

Hemos visto cómo la IA permite llevar el análisis de llamadas de un Call Center a un nivel completamente diferente, tanto en la cantidad de llamadas analizadas como en la calidad de la información que se extrae.

Con todo esto, ya tenemos mucha tela que cortar. Pero el compromiso de Upbe con la construcción de una herramienta tecnológica que transforme y evolucione el sector no queda ahí.

Trabajamos de forma continua en mejoras de producto, como por ejemplo, el análisis conversacional en el momento exacto de la llamada. En tiempo real y disponible, tanto sobre el análisis de señal de audio (Voice Analytics), como del texto (NLU).

¿Quieres saber cómo te puede ayudar la inteligencia conversacional en tu Call Center? Solicita una demo y te lo explicamos con todo detalle.

11 Comments

Leave a comment