Contact center analytics: l'analisi di ogni conversazione

La contact center analytics, o analisi del contact center, trasforma i dati che un contact center produce, dalle statistiche delle code e dai sondaggi fino alle chiamate, alle chat e alle e-mail stesse, in risposte su che cosa succede e perché. Quasi tutti i team coprono già il livello operativo. Il livello che spiega i numeri è quello costruito sulle conversazioni.

In sintesi

La contact center analytics ha cinque livelli (operativo, workforce, feedback dei clienti, conversazione e qualità), e ognuno risponde a domande diverse.
Un esempio di calcolo mostra come un problema presente nell’1,5% delle conversazioni resti invisibile nel CSAT e in un campione QA del 2%, ed evidente quando ogni conversazione viene valutata.
Un’analisi costruita sui punteggi QA ricollega ogni tendenza alle conversazioni che ci stanno dietro e a una causa che si può correggere.
Valuti il software su copertura, prove, analisi delle cause e canali; la call center analytics è il sottoinsieme che riguarda solo le chiamate.
Parta da una domanda a cui i suoi report attuali non sanno rispondere, poi costruisca il livello che le risponde.

Se cerca il prodotto più che il metodo, la nostra pagina sull’analisi delle conversazioni per i team di assistenza mostra come Kaizo costruisce l’analisi sulle conversazioni valutate. Questa guida copre l’intera disciplina e rimanda alle nostre definizioni più brevi dove un termine ne ha bisogno.

Che cos’è la contact center analytics?

La contact center analytics è la misurazione e l’analisi di tutto ciò che un contact center registra sui contatti con i clienti, su cinque livelli: operativo, workforce, feedback dei clienti, contenuto delle conversazioni e qualità. Insieme spiegano volumi, velocità, soddisfazione e le ragioni che ci stanno dietro.

Il termine copre più di uno strumento. Un contact center tipico fa già analisi nel sistema telefonico, nell’helpdesk, nello strumento di workforce management e nella piattaforma dei sondaggi, e ognuno vede una fetta diversa. La tabella indica che cosa misura ogni livello e che cosa non può vedere.

Livello	Che cosa misura	Fonte tipica	Che cosa non le può dire
Operativo	Volumi, tempo di attesa, tempo di gestione, abbandoni, livello di servizio, risoluzione al primo contatto	Sistema telefonico (ACD), report dell’helpdesk	Perché i clienti hanno chiamato, o se la risposta era corretta
Workforce	Accuratezza delle previsioni, aderenza, occupazione, shrinkage	Strumento di workforce management	Se il tempo degli operatori è stato speso bene
Feedback dei clienti	CSAT, NPS, customer effort, commenti nei sondaggi	Piattaforma dei sondaggi	Nulla sui clienti che non rispondono
Conversazione	Argomenti, motivi di contatto, sentiment, silenzi, parole chiave	Speech analytics e text analytics sulle trascrizioni	Se l’operatore ha seguito il suo standard, a meno che qualcuno non lo definisca
Qualità	Punteggi rispetto alla sua scheda di valutazione: accuratezza, policy, processo, tono, risoluzione	Strumento di QA	Tendenze di volumi e personale, che stanno nei primi due livelli

I primi tre livelli sono maturi nella maggior parte dei contact center. Il quarto e il quinto sono quelli in cui sta la spiegazione, perché leggono ciò che è stato detto davvero. Per le definizioni più ristrette, veda che cos’è la conversation analytics (in inglese), la nostra pagina sull’interaction analytics su voce, chat ed e-mail e lo speech analytics per le chiamate.

A quali domande risponde ogni livello

Ogni livello risponde bene a un tipo di domanda: i dati operativi rispondono a “quanto e quanto in fretta”, il feedback a “com’è stata vissuta”, e i dati di conversazione e qualità a “che cosa è successo e perché”.

Usi questa tabella come regola di smistamento. Quando qualcuno le fa una domanda, la cerchi a sinistra e vada al livello che sa davvero rispondere, invece di forzare una dashboard che non può farlo.

La domanda che le fanno	Livello che risponde	Perché gli altri non bastano
Abbiamo abbastanza persone il lunedì mattina?	Workforce, operativo	I dati di conversazione non prevedono gli arrivi
Perché il CSAT è sceso di due punti questo mese?	Qualità e conversazione, collegate al feedback	Il sondaggio mostra il calo, non la causa
Quali motivi di contatto stanno crescendo?	Conversazione (motivi di contatto)	I tag dei ticket spesso mancano o sono sbagliati
Gli operatori comunicano la policy di rimborso corretta?	Qualità (criterio sulla policy in ogni conversazione)	Tempo di gestione e CSAT sembrano normali mentre le risposte sono sbagliate
Il nuovo agente AI risolve i problemi o si limita a chiuderli?	Qualità sulle conversazioni dell’agente AI	La risoluzione automatizzata conta il cliente che se ne va, non il cliente aiutato
Quale team ha bisogno di coaching e su che cosa?	Qualità per criterio e per team	Le medie nascondono quale comportamento è debole
Un bug del prodotto sta generando contatti?	Conversazione e qualità, raggruppate per causa	Il volume mostra un picco, non da dove viene

La maggior parte delle domande che i responsabili portano alla revisione mensile sta nella parte centrale di quella tabella. Per questo le dashboard del customer care che la maggior parte dei team presenta sembrano povere: sono forti sui primi livelli e deboli su quelli che leggono la conversazione.

Perché conteggi dei ticket e campioni non vedono la causa: un esempio di calcolo

Un problema che riguarda una piccola quota di conversazioni raramente sposta il CSAT e raramente compare in un campione QA, ma emerge chiaramente quando ogni conversazione viene valutata e raggruppata per motivo di contatto.

I numeri che seguono sono un esempio illustrativo calcolato da noi, non dati di un cliente. Usano un contact center di medie dimensioni e cifre tonde, così può rifare i conti con i suoi dati.

La situazione. Il contact center gestisce 40.000 conversazioni al mese tra chiamate, chat ed e-mail. Le richieste di rimborso sono il 10%, cioè 4.000. Una macro non aggiornata fa sì che gli operatori indichino il vecchio termine di rimborso nel 15% delle conversazioni sui rimborsi: 600 conversazioni, ovvero l’1,5% del volume totale.

Che cosa mostra il sondaggio. Supponiamo che il 12% dei clienti risponda al sondaggio CSAT: 4.800 risposte. Solo 72 vengono dalle 600 conversazioni interessate. Se i clienti interessati sono soddisfatti al 50% e tutti gli altri all’85%, il CSAT complessivo passa dall’85,0% all’84,5%. Mezzo punto rientra nella normale oscillazione da un mese all’altro, quindi nessuno indaga.

Che cosa mostra un campione QA del 2%. I revisori valutano 800 conversazioni al mese. In media, 12 sono conversazioni interessate. Distribuite tra dieci revisori e quattro settimane, fanno circa una ogni tre settimane per revisore, e ognuna si legge facilmente come una svista del singolo operatore più che come uno schema.

Che cosa mostra la valutazione di ogni conversazione. Con ogni conversazione sui rimborsi valutata su un criterio “policy corretta comunicata”, nel mese ne risultano non superate 600. Raggruppate per motivo di contatto, la coda dei rimborsi mostra un tasso di errore del 15% su quel solo criterio, contro valori vicini allo zero altrove. La causa è visibile nella prima settimana, e punta alla macro, non agli operatori.

Vista	Che cosa vede	Interverrebbe?
Dashboard operativa	Volumi e tempo di gestione normali	No
CSAT	Dall’85,0% all’84,5%	Probabilmente no
Campione QA del 2%	Circa 12 errori sparsi tra i revisori	Coaching individuale, al massimo
Ogni conversazione valutata	15% di errori sulla policy in un solo motivo di contatto	Sì: correggere la macro questa settimana

La stessa logica vale per qualsiasi errore che sta dentro una sola coda o un solo argomento. Per la statistica di quante conversazioni servono a un campione per intercettare un problema raro, veda la nostra guida sulle statistiche del campionamento QA (in inglese).

Contact center analytics costruita sui punteggi QA

Un’analisi costruita sui punteggi QA valuta ogni conversazione rispetto alla sua definizione di conversazione riuscita, poi raggruppa i risultati e ne segue l’andamento, così ogni numero si apre sulle sue conversazioni.

È l’opposto di come funzionano di solito le suite di speech analytics. Quegli strumenti indicizzano le chiamate registrate e si affidano agli analisti per costruire e mantenere le categorie con cui cercarle. Partire dalla scheda di valutazione significa che l’analisi misura ciò su cui fa già coaching: accuratezza, policy, processo, tono e risoluzione.

È così che funziona Kaizo. Secondo la pagina sull’analisi della causa radice di Kaizo, valuta ogni chiamata, chat ed e-mail rispetto ai suoi criteri e poi mostra se un calo dipende da un processo che non funziona, da un attrito nel prodotto o da una lacuna di competenze, con le conversazioni che stanno dietro a ciascuno.

La pagina sul sentiment indica che il sentiment dei clienti e l’empatia degli operatori vengono valutati su ogni messaggio. Può fare domande in linguaggio naturale, e le esportazioni automatiche verso la BI sono disponibili nei piani Intelligence ed Enterprise.

Due limiti vanno detti. Kaizo lavora su una conversazione dopo che si è conclusa, quindi non monitora le chiamate dal vivo e non dà suggerimenti agli operatori durante la chiamata; quello è il real-time agent assist (in inglese), un’altra categoria di strumenti. E non è workforce management: previsioni e pianificazione dei turni restano nel livello workforce.

Che cosa cercare in un software di contact center analytics

Valuti un software di contact center analytics su copertura, prove dietro ogni numero, analisi delle cause, parità di trattamento tra canali e su come i risultati arrivano a chi deve correggere.

Usi questa checklist durante una demo. Chieda al fornitore di mostrare ogni punto sullo schermo, non di descriverlo.

Criterio	Come si presenta una buona soluzione	Domanda da fare
Copertura	Ogni conversazione analizzata, non un campione	Che quota delle conversazioni del mese scorso ha valutato?
Prove	Ogni punteggio o tendenza si apre sulle righe della trascrizione che lo motivano	Mi mostri le conversazioni dietro questo numero
I suoi criteri	Valutazione rispetto alla sua scheda di valutazione, con le sue parole	Posso modificare un criterio e vederlo applicato alle nuove conversazioni?
Analisi delle cause	Problemi di processo, di prodotto e di competenze tenuti separati	Come distingue un processo che non funziona da un bisogno di coaching?
Canali	Chiamate, chat ed e-mail sugli stessi criteri	Un punteggio su una chat è confrontabile con uno su una chiamata?
Agenti AI	Conversazioni dei bot valutate con lo stesso standard	Valuta le conversazioni gestite dal nostro agente AI?
Dati in uscita	Esportazione verso il suo data warehouse o strumento di BI	Come arrivano i dati al nostro team BI?
Adattamento allo stack	Connessione nativa con il suo helpdesk o CRM	Che cosa comporta la configurazione per il nostro helpdesk?

Per un piano di valutazione più completo e i modelli di prezzo che incontrerà, la nostra guida all’acquisto di software di conversation intelligence va più a fondo. Se confronta anche strumenti di QA, la pagina dei confronti illustra in che cosa Kaizo si differenzia da altri software per contact center.

La call center analytics è diversa dalla contact center analytics?

La call center analytics di solito indica l’analisi delle sole telefonate, mentre la contact center analytics copre ogni canale gestito dal team: chiamate, chat, e-mail e messaggistica. I metodi sono gli stessi; il perimetro è più ampio.

La differenza conta per un motivo. Molti team oggi gestiscono più conversazioni scritte che chiamate, e uno strumento costruito attorno alle registrazioni delle chiamate rischia di trattare chat ed e-mail come un elemento secondario.

Se il suo volume è misto, verifichi che l’analisi e i criteri di qualità si applichino a ogni canale allo stesso modo, così un errore sulla policy in chat conta quanto uno in una chiamata. La pagina sul monitoraggio della qualità nel contact center di Kaizo lo descrive come una sola scheda di valutazione per chiamate, chat ed e-mail, con criteri specifici per canale solo dove il mezzo è davvero diverso.

Come iniziare con la contact center analytics

Parta da una domanda a cui i suoi report attuali non sanno rispondere, scelga il livello che le risponde e dimostri il valore su quella domanda prima di costruire dashboard per tutto il resto.

Passo 1: scrivere la domanda senza risposta

Elenchi le domande delle ultime tre revisioni con la direzione a cui nessuno ha saputo rispondere con i dati. “Perché il CSAT è sceso?” e “L’agente AI sta davvero risolvendo i problemi?” sono le solite. Scelga quella dietro cui c’è più denaro.

Passo 2: verificare quale livello contiene la risposta

Usi la tabella di smistamento qui sopra. Se la risposta sta nel livello della conversazione o della qualità, nessun lavoro sulla dashboard operativa la produrrà.

Passo 3: definire i criteri prima dello strumento

Scriva i tre-cinque criteri che risponderebbero alla domanda, come “policy corretta comunicata” o “problema risolto senza un nuovo contatto”. Se non riesce a scriverli, nessun software può misurarli. La nostra guida agli indicatori di qualità del call center che anticipano il CSAT la aiuta a scegliere.

Passo 4: coprire ogni conversazione nel perimetro

Valuti ogni conversazione nelle code che riguardano la domanda, non un campione, così uno schema può emergere in giorni anziché in mesi.

Passo 5: raggruppare, seguire l’andamento e smistare

Raggruppi i risultati per motivo di contatto, team e causa, poi invii ogni risultato al suo responsabile: i problemi di processo e di prodotto al team che ne è titolare, le lacune di competenze al coaching. La nostra guida all’analisi della causa radice nel customer care mostra come condurre quella revisione.

Lo veda in una demo dal vivo. Kaizo costruisce la contact center analytics sulle conversazioni valutate tra chiamate, chat ed e-mail, e ogni numero si apre sulle conversazioni che ci stanno dietro. Prenota un incontro.

Domande frequenti

Che cos’è la call analytics?

La call analytics è l’analisi delle telefonate, di solito a partire dalle registrazioni e dalle loro trascrizioni, per misurare argomenti, sentiment, silenzi, frasi di conformità ed esiti. È una parte della contact center analytics. I team che gestiscono anche chat ed e-mail hanno bisogno della stessa analisi su quei canali, idealmente rispetto agli stessi criteri.

Quali sono i quattro tipi di analisi in un contact center?

I quattro tipi sono descrittiva (che cosa è successo, come volumi e CSAT), diagnostica (perché è successo, come la causa di un calo di qualità), predittiva (che cosa è probabile che accada, come il volume previsto) e prescrittiva (che cosa fare, come un’azione di coaching). La maggior parte dei contact center è forte nell’analisi descrittiva e più debole in quella diagnostica.

Che cos’è un KPI in un call center?

Un KPI in un call center è un numero seguito nel tempo per capire se l’attività è in linea con gli obiettivi, come livello di servizio, tempo medio di gestione, risoluzione al primo contatto, CSAT o punteggio QA. La contact center analytics spiega perché un KPI si è mosso; il KPI da solo le dice soltanto che si è mosso.

Serve un data analyst per la contact center analytics?

Non per le domande quotidiane, se lo strumento permette di filtrare e fare domande in linguaggio naturale e ogni numero si apre sulle conversazioni che ci stanno dietro. Un analista resta utile quando si uniscono i dati del contact center con dati su ricavi, abbandono dei clienti o prodotto nel proprio data warehouse.

La contact center analytics può funzionare in tempo reale?

Alcuni livelli sì. Le statistiche delle code e gli strumenti di real-time agent assist lavorano durante la chiamata. L’analisi della qualità e delle cause di solito lavora dopo la fine della conversazione, perché ha bisogno dell’intera conversazione per giudicarla. Molti contact center usano entrambi: strumenti dal vivo per il momento, analisi dopo la conversazione per gli schemi ricorrenti.