De call center industrie werkt veel harder aan het realiseren van de merkdialoog dan traditionele merkdenkers. Eenvoudige vragen zullen steeds vaker geautomatiseerd worden afgehandeld waarbij complexere vragen terecht komen op de helpdesk. Die medewerkers worden steeds beter getraind, zijn steeds meer expert en worden bijgestaan door allerlei tools om het gesprek zo goed mogelijk te laten verlopen. Zo kan Location intelligence contact center medewerkers voorzien van de geografische en demografische gegevens van een beller. Het moment van de dag (afhankelijk van de tijdzone), het plaatselijke weer, de omgeving waarin hij woont, economische voorspoed, belangrijke sportevenementen, stakingen in het openbaar vervoer, oorlogsdreiging: allemaal factoren die van invloed kunnen zijn op het gesprek. Of iemand belt met een mobiele of vaste verbinding kan een indicatie geven van de situatie waarin de beller zich bevindt en van de tijd die de beller heeft om het gesprek te voeren.

De techniek gaat het ook mogelijk maken om aan de hand van de snelheid van spreken, het volume, stemverheffingen, ritme en eventuele krachttermen te analyseren wat de gemoedstoestand van de beller is. De medewerker krijgt vervolgens tips op zijn scherm over hoe om te gaan met boze, opgewekte, teleurgestelde, tevreden of ongeduldige klanten.

Een voorloper hiervan zijn de zogenaamde word spotting systemen die de woorden van de klant analyseert en daaruit afleidt hoe hij denkt over het bedrijf, de service of bijvoorbeeld (wanneer er een productnaam wordt genoemd) een specifiek product. Ook kan op die manier worden geanalyseerd of als gevolg van een marketing- of pr-campagne de woordkeuze van klanten verandert. Een simpel voorbeeld: hoe lang blijven klanten na een naamsverandering de oude merknaam gebruiken? Wanneer een profiel wordt gemaakt van het klantenbestand, kunnen de bellers die vaak boos of agressief reageren voortaan automatisch worden doorgezet naar medewerkers die hier speciaal voor zijn getraind.

Aan de hand van klantgegevens en de klanthistorie in combinatie met demografische gegevens geeft het systeem ook tips over de producten die deze klant mogelijk zou willen aanschaffen. De software kan zodoende ook bepalen uit wat voor milieu de persoon aan de lijn waarschijnlijk komt en waar zijn interesses mogelijk naar uitgaan. De stemanalyse bepaalt dan of het aanbieden van aanvullende diensten of producten op dat moment gepast is.

Stemanalyse en, wanneer dat in de toekomst beschikbaar komt, analyse van live beeldverbindingen kan het ook voor verzekeraars bijvoorbeeld mogelijk maken te bepalen of een klant mogelijk niet de waarheid spreekt. Al zal dat nooit 100% zekerheid bieden, vergelijking van een gesprek met eerdere gesprekken kan bijvoorbeeld aantonen dat de beller nerveuzer is dan gewoonlijk. De contact center medewerker kan dan extra op zijn hoede zijn en aanvullende controlerende vragen stellen. Met stemherkenning kan bovendien worden gecontroleerd of de beller wel de persoon is waarvoor hij zich voordoet.

Deze technieken kunnen tot slot ook worden aangewend om de kwaliteit van de dienstverlening te verbeteren. Medewerkers die bovengemiddeld vaak boze klantreacties ontvangen doen mogelijk iets verkeerd in hun gesprekstechniek. Bepaalde vraagstellingen kunnen negatieve reacties ontlokken, terwijl de juiste opmerking op het juiste moment misschien de toonzetting naar het positieve kunnen keren. En de software helpt de medewerker door het juiste moment voor hem te kiezen.

(via mb)

Related trends

• Brand-dialogue

• in English