AI Terms

Eine Vertriebsleiterin bei einem Softwareunternehmen bemerkte, dass Mitarbeiter, die in ihrem ersten Gespräch die Salesforce-Integration des Produkts erwähnten, Deals 30 % schneller abschlossen als jene, die das nicht taten. Sie bemerkte dies in einer Plattform, die automatisch jedes Gespräch analysierte, Themen taggte und Korrelationen mit Ergebnissen aufzeigte. Vor Call Analytics hätte dieses Muster in einer Tabelle gelebt, wenn überhaupt jemand die Zeit gehabt hätte, sie zu erstellen.

Call Analytics ist die Anwendung von AI auf Sprach- und Videogespräche, die unstrukturiertes Audio in strukturierte Daten umwandelt, auf die Manager, Mitarbeiter und Organisationen handeln können.

Was Call Analytics leistet

Eine Call-Analytics-Plattform erledigt typischerweise mehrere Dinge gemeinsam:

Transkription wandelt Audio in Echtzeit oder nach dem Ende von Gesprächen in Text um. Moderne Transkription verwendet Spracherkennungsmodelle, die auf Business-Conversation-Vokabular feinabgestimmt sind. Das Transkript ist die Grundlage, auf der alles andere aufbaut.

Sprecheridentifikation trennt, wer was gesagt hat. Zu wissen, dass der Kunde nach dem Preis fragte und der Mitarbeiter die Frage auswich, erfordert zu wissen, welche Stimme zu welchem Teilnehmer gehört. Speaker Diarization teilt das Transkript nach Sprecher auf, damit die nachgelagerte Analyse die richtige Attribution hat.

Themenerkennung identifiziert, welche Themen im Gespräch und wann sie angesprochen wurden. AI-Modelle, die auf Verkaufsgesprächen trainiert wurden, lernen, Kategorien wie "Preisdiskussion", "technische Fragen", "Erwähnung eines Wettbewerbers", "Einwand", "nächste Schritte" und "Kundenschmerzpunkt" aus der verwendeten Sprache zu erkennen. Ein Gespräch, das mit diesen Themen getaggt ist, ist viel einfacher zu durchsuchen und zu analysieren als rohe Audio.

Sentiment-Analyse verfolgt, wie sich Gespräche an verschiedenen Punkten anfühlen. Sentiment-Analyse auf Gesprächstranskripten kann Gespräche markieren, bei denen die Kundenstimmung scharf eingebrochen ist, Momente der Verwirrung oder Frustration identifizieren und aggregierte Ansichten darüber liefern, wie sich die Kundenstimmung im Zeitverlauf entwickelt, nach Mitarbeiter, Produktlinie oder Phase im Verkaufszyklus.

Keyword- und Phrasen-Tracking benachrichtigt Manager, wenn bestimmte Wörter auftauchen. Competitive-Intelligence-Anwendungsfälle verfolgen, wenn Wettbewerbernamen erwähnt werden. Compliance-Anwendungsfälle verfolgen, ob erforderliche Offenlegungen gemacht wurden. Coaching-Anwendungsfälle verfolgen, ob Mitarbeiter Messaging-Frameworks verwenden, auf die sie trainiert wurden.

Ergebniskorrelation ist der Ort, an dem die Business Intelligence liegt. Durch die Verknüpfung von Gesprächsmerkmalen (besprochene Themen, Talk-Time-Verhältnisse, Stimmungsbogen, spezifische Phrasen) mit Ergebnissen (gewonnen, verloren, abgewandert, erneuert) können Analytics-Plattformen Muster aufzeigen, wie erfolgreiche Gespräche aussehen.

Warum AI Call Analytics verändert hat

Vor AI-gestützter Transkription und Analyse bedeutete die Analyse von Verkaufsgesprächen, dass ein Manager eine Auswahl aufgezeichneter Gespräche abhörte, oft weniger als 10 % des Gesamtvolumens, und manuell Beobachtungen notierte. Es war langsam, nicht skalierbar und verzerrt gegenüber den Gesprächen, die der Manager zufällig überprüfte.

AI-Transkription und -Analyse skaliert auf 100 % des Gesprächsvolumens. Jedes Gespräch wird analysiert. Muster, die bei manueller Stichprobennahme unsichtbar waren, weil sie in 5 % der Gespräche auftraten, werden erkennbar. Coaching auf Basis von handverlesenen Beispielen wird zu Coaching, das durch jedes Gespräch informiert wird, das jeder Mitarbeiter diese Woche geführt hat.

Der Wechsel von der Audioanalyse zur textbasierten Natural Language Processing ist das, was dies ermöglicht. Moderne NLP-Modelle können Transkripte zu weitaus niedrigeren Kosten verarbeiten als ein Mensch, der Audio abhört, und sie wenden konsistente Kriterien auf jedes Gespräch an, anstatt je nach Prüfer zu variieren.

Generative AI hat eine weitere Ebene hinzugefügt: automatisch Gesprächszusammenfassungen generieren, Follow-up-E-Mails auf Basis des Besprochenen entwerfen und spezifische Coaching-Möglichkeiten mit direkt aus dem Transkript gezogenen Beispielen identifizieren.

Unternehmensanwendungen

Sales Coaching und Enablement. Manager können AI-generierte Zusammenfassungen und Themen-Tags der Gespräche ihres Teams in der Zeit überprüfen, die es dauern würde, eine einzige Aufzeichnung abzuhören. Coaching wird spezifisch: "Sie verbringen 40 % Ihrer Gespräche damit, Preise zu diskutieren, bevor Sie das Budget qualifizieren" statt "Versuchen Sie, schneller zu schließen." Mitarbeiter können ihre eigenen Gespräche mit AI-geliefertem Feedback vor der Manager-Überprüfung überprüfen.

Revenue Forecasting. Gesprächssignale verbessern die Prognosegenauigkeit. Wenn Käufer sagen, dass sie Anbieter evaluieren, Beschaffungszeitpläne besprechen oder Entscheidungsträger einbeziehen, sind das stärkere Prognosesignale als von Mitarbeitern eingegebene Stagendaten. Einige Revenue-Intelligence-Plattformen integrieren Gesprächssignale direkt in Deal-Wahrscheinlichkeits-Scores.

Customer Success und Kundenbindung. Support- und Customer-Success-Gespräche, die auf Stimmungstrends analysiert werden, zeigen gefährdete Accounts auf, bevor Abwanderungsindikatoren in den Produktnutzungsdaten erscheinen. Ein Kunde, dessen Gespräche über drei Monate hinweg negativer geworden sind, ist proaktives Outreach wert, bevor ein Verlängerungsgespräch schwierig wird.

Compliance und Qualitätssicherung. Regulierte Branchen verwenden Call Analytics, um zu überprüfen, ob erforderliche Offenlegungen gemacht wurden, ob Mitarbeiter keine nicht autorisierten Behauptungen machen und ob Interaktionen dokumentierten Standards entsprechen. Die automatisierte Überprüfung von 100 % der Gespräche ist sowohl günstiger als auch konsistenter als menschliche Qualitätsprüfung.

Competitive Intelligence. Wenn Käufer einen Wettbewerber erwähnen, bestimmt die Fähigkeit des Mitarbeiters, mit diesem Einwand umzugehen, ob der Deal weitergeht. Call Analytics, das Wettbewerbererwähnungen über alle Gespräche aggregiert, teilt Produkt- und Marketingteams mit, welche Wettbewerber am häufigsten auftauchen, was Kunden über sie sagen und wo die Produktlücken in der Wahrnehmung der Kunden liegen.

Call Analytics und AI Voice Agents

Der Aufstieg von AI Voice Agents, die ausgehende Anrufe führen, Leads qualifizieren oder Support-Interaktionen abwickeln, schafft einen neuen Kontext für Call Analytics. Wenn eine AI das Gespräch führt, verlagert sich Analytics von der Bewertung menschlicher Leistung zur Bewertung von AI-Leistung: Hat die AI Einwände korrekt behandelt, hat sie den entworfenen Gesprächsfluss befolgt, wo brachen Gespräche ab.

Call Analytics und AI Voice Agents werden eng miteinander verknüpft. Die für die Bewertung menschlicher Gespräche entwickelte Analytics-Infrastruktur wird für die Bewertung von AI-Gesprächen zweckentfremdet, und die in der menschlichen Call Analytics identifizierten Muster informieren, wie AI Voice Agents gestaltet und trainiert werden.

Worauf bei Call-Analytics-Tools zu achten ist

Kernfähigkeiten zur Bewertung:

Transkriptionsgenauigkeit variiert je nach Plattform und hängt von der Audioqualität, Akzenten und domänenspezifischem Vokabular ab. Plattformen, die benutzerdefiniertes Vokabular erlauben und für Geschäftskontexte konzipiert sind, übertreffen im Allgemeinen generische Transkription.

CRM-Integration. Gesprächsdaten werden am wertvollsten, wenn sie in die Systeme fließen, wo Deals und Accounts leben. Plattformen, die Zusammenfassungen, Themen und Aktionspunkte direkt in CRM-Datensätze übertragen, beseitigen das Datensilo.

Suche und Abruf. Die Fähigkeit, alle Gespräche nach bestimmten Themen, Phrasen oder Stimmungsmustern zu durchsuchen, macht Analytics skalierbar. Eine Plattform ohne gute Suche bedeutet, Gespräche einzeln zu überprüfen.

Coaching-Workflows. Suchen Sie neben der Analyse von Gesprächen nach Funktionen, die den Kreis schließen: Wege für Manager, bestimmte Momente zu kommentieren, für Mitarbeiter zu antworten und Coaching-Erkenntnisse mit Schulungsinhalten zu verbinden.

Datenschutz und Einwilligungs-Compliance. Gesprächsaufzeichnungsgesetze variieren je nach Gerichtsbarkeit, und B2B-Verkaufsgespräche, die Staats- oder Ländergrenzen überschreiten, erfordern Aufmerksamkeit für Offenlegungsanforderungen. Für Compliance konzipierte Plattformen enthalten Funktionen zur Verwaltung von Einwilligungen, Datenspeicherung und Zugriffskontrollen.

Externe Ressourcen

Gartner on Conversation Intelligence - Definition und Marktkontext des Branchenanalysten
Harvard Business Review on Sales Call Analysis - Forschung zu Konversationsverhalten und Vertriebsergebnissen
TCPA Compliance Overview - US-regulatorischer Kontext für Gesprächsaufzeichnung und Analytics

FAQ

Victor Hoang

Co-Founder & CMO, Rework