Bahasa Indonesia

Apa itu Call Analytics? Mengubah Percakapan Penjualan menjadi Business Intelligence

Dashboard call analytics menampilkan transkrip percakapan, tren sentimen, dan analisis topik dari panggilan penjualan

Turn this article into takeaways for your work.

Summarize with ChatGPT Summarize with Claude

Each assistant summarizes the article only for you and suggests best practices for your work.

Seorang manajer penjualan di perusahaan perangkat lunak memperhatikan bahwa tenaga penjual yang menyebut integrasi produk dengan Salesforce pada panggilan pertama mereka menutup deal 30% lebih cepat dibandingkan yang tidak menyebutnya. Dia memperhatikan ini dalam platform yang secara otomatis menganalisis setiap panggilan, memberi tag topik, dan menampilkan korelasi dengan hasil. Sebelum call analytics, pola tersebut akan tersimpan di spreadsheet, jika ada yang sempat membuatnya.

Call analytics adalah penerapan AI pada percakapan suara dan video, mengubah audio tidak terstruktur menjadi data terstruktur yang dapat ditindaklanjuti oleh manajer, tenaga penjual, dan organisasi.

Apa yang Dilakukan Call Analytics

Platform call analytics biasanya melakukan beberapa hal sekaligus:

Transkripsi mengonversi audio menjadi teks secara hampir real-time atau setelah panggilan berakhir. Transkripsi modern menggunakan model pengenalan suara yang disesuaikan dengan kosakata percakapan bisnis. Transkrip adalah fondasi yang menjadi dasar semua analisis lainnya.

Identifikasi pembicara memisahkan siapa yang mengatakan apa. Mengetahui bahwa pelanggan bertanya tentang harga dan tenaga penjual menghindari pertanyaan itu membutuhkan pengetahuan tentang suara mana yang milik peserta mana. Diarisasi pembicara memecah transkrip berdasarkan pembicara sehingga analisis hilir memiliki atribusi yang benar.

Deteksi topik mengidentifikasi subjek apa yang muncul dalam panggilan dan kapan. Model AI yang dilatih pada percakapan penjualan belajar mengenali kategori seperti "diskusi harga", "pertanyaan teknis", "penyebutan pesaing", "keberatan", "langkah selanjutnya", dan "titik nyeri pelanggan" dari bahasa yang digunakan. Panggilan yang diberi tag dengan topik-topik ini jauh lebih mudah dicari dan dianalisis dibandingkan audio mentah.

Analisis sentimen melacak bagaimana percakapan terasa di berbagai titik. Analisis sentimen yang diterapkan pada transkrip panggilan dapat menandai panggilan di mana sentimen pelanggan turun tajam, mengidentifikasi momen kebingungan atau frustrasi, dan menyediakan tampilan agregat tentang bagaimana sentimen pelanggan berubah dari waktu ke waktu, berdasarkan tenaga penjual, lini produk, atau tahap siklus penjualan.

Pelacakan kata kunci dan frasa memberi tahu manajer ketika kata-kata tertentu muncul. Kasus penggunaan competitive intelligence melacak ketika nama pesaing disebutkan. Kasus penggunaan compliance melacak apakah pengungkapan yang diperlukan telah dibuat. Kasus penggunaan coaching melacak apakah tenaga penjual menggunakan kerangka pesan yang telah mereka latih.

Korelasi hasil adalah tempat business intelligence berada. Dengan menghubungkan karakteristik panggilan (topik yang disebutkan, rasio waktu bicara, busur sentimen, frasa tertentu) dengan hasil (menang, kalah, churn, diperpanjang), platform analytics dapat mengungkap pola tentang seperti apa percakapan berkinerja tinggi.

Mengapa AI Mengubah Call Analytics

Sebelum transkripsi dan analisis bertenaga AI, analisis panggilan penjualan berarti seorang manajer mendengarkan pilihan panggilan yang direkam, sering kurang dari 10% dari total volume, dan mencatat observasi secara manual. Ini lambat, tidak dapat diskalakan, dan bias terhadap panggilan yang kebetulan ditinjau oleh manajer.

Transkripsi dan analisis AI berskala hingga 100% volume panggilan. Setiap percakapan dianalisis. Pola yang tidak terlihat dalam pengambilan sampel manual karena muncul dalam 5% panggilan menjadi dapat dideteksi. Coaching berbasis contoh yang dipilih tangan menjadi coaching yang diinformasikan oleh setiap panggilan yang dilakukan setiap tenaga penjual minggu ini.

Peralihan dari analisis audio ke pemrosesan bahasa alami berbasis teks adalah yang memungkinkan ini. Model NLP modern dapat memproses transkrip dengan biaya yang jauh lebih rendah daripada meminta manusia mendengarkan audio, dan mereka menerapkan kriteria yang konsisten pada setiap panggilan daripada bervariasi tergantung siapa yang melakukan tinjauan.

AI generatif telah menambahkan lapisan lain: secara otomatis menghasilkan ringkasan panggilan, menyusun email tindak lanjut berdasarkan apa yang dibahas, dan mengidentifikasi peluang coaching spesifik dengan contoh yang diambil langsung dari transkrip.

Aplikasi Bisnis

Sales coaching dan enablement. Manajer dapat meninjau ringkasan yang dihasilkan AI dan tag topik di seluruh panggilan tim mereka dalam waktu yang dibutuhkan untuk mendengarkan satu rekaman. Coaching menjadi spesifik: "Anda menghabiskan 40% panggilan Anda mendiskusikan harga sebelum mengkualifikasikan anggaran" daripada "Coba tutup lebih cepat". Tenaga penjual dapat meninjau panggilan mereka sendiri dengan feedback yang diberikan AI sebelum tinjauan manajer.

Revenue forecasting. Sinyal percakapan meningkatkan akurasi prakiraan. Ketika pembeli mengatakan mereka mengevaluasi vendor, mendiskusikan jadwal pengadaan, atau mengekskalasi ke eksekutif, ini adalah sinyal prakiraan yang lebih kuat daripada data tahap yang dimasukkan oleh tenaga penjual. Beberapa platform revenue intelligence mengintegrasikan sinyal panggilan langsung ke dalam skor probabilitas deal.

Customer success dan retensi. Panggilan dukungan dan customer success yang dianalisis untuk tren sentimen mengungkap akun berisiko sebelum indikator churn muncul dalam data penggunaan produk. Pelanggan yang panggilan-panggilan mereka semakin negatif selama tiga bulan layak mendapat outreach proaktif sebelum percakapan pembaruan menjadi sulit.

Compliance dan quality assurance. Industri yang diregulasi menggunakan call analytics untuk memverifikasi bahwa pengungkapan yang diperlukan telah dibuat, bahwa tenaga penjual tidak membuat klaim yang tidak sah, dan bahwa interaksi memenuhi standar yang terdokumentasi. Pemeriksaan otomatis terhadap 100% panggilan lebih murah dan lebih konsisten daripada tinjauan kualitas oleh manusia.

Competitive intelligence. Ketika pembeli menyebut pesaing, kemampuan tenaga penjual untuk menangani keberatan tersebut menentukan apakah deal berlanjut. Call analytics yang mengagregasi sebutan pesaing di semua panggilan memberi tahu tim produk dan marketing pesaing mana yang paling sering muncul, apa yang dikatakan pelanggan tentang mereka, dan di mana celah produk dalam persepsi pelanggan.

Call Analytics dan AI Voice Agent

Kemunculan agen suara AI yang melakukan panggilan keluar, mengkualifikasikan leads, atau menangani interaksi dukungan menciptakan konteks baru untuk call analytics. Ketika AI yang melakukan panggilan, analytics beralih dari mengevaluasi kinerja manusia ke mengevaluasi kinerja AI: apakah AI menangani keberatan dengan benar, apakah mengikuti aliran percakapan yang dirancang, di mana percakapan gagal.

Call analytics dan AI voice agent semakin erat terkait. Infrastruktur analytics yang dikembangkan untuk mengevaluasi panggilan manusia digunakan kembali untuk mengevaluasi panggilan AI, dan pola yang diidentifikasi dalam call analytics manusia menginformasikan bagaimana agen suara AI dirancang dan dilatih.

Apa yang Dicari dalam Alat Call Analytics

Kemampuan inti untuk dievaluasi:

Akurasi transkripsi bervariasi berdasarkan platform dan bergantung pada kualitas audio, aksen, dan kosakata khusus domain. Platform yang memungkinkan kosakata kustom dan dirancang untuk konteks bisnis umumnya mengungguli transkripsi generik.

Integrasi CRM. Data panggilan menjadi paling berharga ketika mengalir ke sistem tempat deal dan akun berada. Platform yang mendorong ringkasan, topik, dan item tindakan langsung ke catatan CRM menghilangkan silo data.

Pencarian dan pengambilan. Kemampuan untuk mencari semua panggilan berdasarkan topik, frasa, atau pola sentimen tertentu adalah yang membuat analytics dapat diskalakan. Platform tanpa pencarian yang baik berarti meninjau panggilan satu per satu.

Alur kerja coaching. Di luar menganalisis panggilan, cari fitur yang menutup lingkaran: cara bagi manajer untuk mengomentari momen tertentu, bagi tenaga penjual untuk merespons, dan bagi insight coaching untuk terhubung ke konten pelatihan.

Kepatuhan privasi dan persetujuan. Undang-undang perekaman panggilan bervariasi berdasarkan yurisdiksi, dan panggilan penjualan B2B yang melewati batas negara bagian atau negara memerlukan perhatian terhadap persyaratan pengungkapan. Platform yang dirancang untuk kepatuhan menyertakan fitur untuk mengelola persetujuan, retensi data, dan kontrol akses.

Konsep AI Terkait

Sumber Eksternal

Pertanyaan yang Sering Diajukan