Speech analytics is gebouwd voor telefoongesprekken. Conversation intelligence analyseert gesprekken op elk kanaal, en dat telt, want het meeste klantenservicewerk gebeurt niet meer aan de telefoon.
In het kort
- Vertrek van de kanalen waarlangs je klanten je echt bereiken, niet van de naam van de categorie.
- Een tool die alleen spraak analyseert, ziet niets in chat, e-mail of tickets.
- Voor teams met veel tickets weegt dekking over de kanalen zwaarder dan een diepe analyse van gespreksaudio.
- De waarde zit in kwaliteit en contactredenen, niet in het herkennen van trefwoorden.
Het echte verschil is de reikwijdte, niet de verfijning
Het is verleidelijk om te denken dat conversation intelligence gewoon een nieuwere, slimmere vorm van speech analytics is. Juister is dat ze voor verschillende werelden gebouwd zijn. Speech analytics is ontstaan in het callcenter, en het hele ontwerp gaat uit van een telefoongesprek: het zet audio om in tekst, herkent toon en stiltes en analyseert het gesproken woord. Conversation intelligence (in het Engels) vertrekt van een breder uitgangspunt: een gesprek is een gesprek, of het nu aan de telefoon, in een chat, per e-mail of in een berichtenthread plaatsvond. Het analyseert de inhoud en de uitkomst over al die kanalen heen.
Het verschil dat telt, is dus niet hoe slim elk van beide is, maar wat elk van beide kan zien. Een speech-analyticstool die je loslaat op een supportorganisatie die vooral op tickets en chat draait, kijkt door een sleutelgat. Het analyseert het kleine deel van de gesprekken dat telefonisch verloopt en is blind voor de rest, hoe goed het ook is in de telefoongesprekken die het wel ziet.
Waarom de vraag naar kanalen alles beslist
Omdat de reikwijdte het echte verschil is, komt de keuze neer op een feitelijke vraag over je eigen organisatie: waar praten je klanten echt met je? Voor de meeste teams is het antwoord daarop sterk veranderd.
| Verloopt je support vooral via… | Wat speech analytics ziet | Wat conversation intelligence ziet |
|---|---|---|
| Telefoongesprekken | Alles | Alles, plus andere kanalen |
| Chat en berichten | Niets | Alles |
| E-mail en tickets | Niets | Alles |
| Een mix van kanalen | Alleen de telefoongesprekken | Het volledige beeld over alle kanalen |
Voor de meeste supportteams wint dekking het van diepgang in telefoongesprekken
Voor een supportorganisatie waar gesprekken binnenkomen als tickets, chats en e-mails, met af en toe een telefoongesprek, lossen de diepe audiofuncties van speech analytics een probleem op voor een kanaal dat nu de minderheid van het werk is. Veel belangrijker is dat je gesprekken kunt analyseren op elk kanaal dat het team echt gebruikt, consequent, met dezelfde norm, of de klant nu typte of sprak.
Dat is de eerlijke basis om voor een modern supportteam voor conversation intelligence te kiezen in plaats van speech analytics: niet omdat de analyse van telefoongesprekken waardeloos is, maar omdat een tool die blind is voor je belangrijkste kanalen je nooit een volledig beeld kan geven, hoe goed hij ook is in het kanaal dat hij wel ziet. Kaizo werkt met de gesprekken die in je Zendesk- of Salesforce-helpdesk binnenkomen, en daar komen ticket-, chat- en e-mailgesprekken terecht. De nadruk ligt op het beoordelen van die gesprekken, niet op een telefonieproduct. Meer over de gespreksanalyse van Kaizo.
De naam van de categorie is niet het punt, wat je ermee doet wel
Tot slot een waarschuwing, omdat leveranciers beide categorienamen nogal vrij gebruiken. Speech analytics en conversation intelligence zijn op zich geen van beide waardevol. Gesprekken omzetten in tekst en taggen levert een berg data op; de waarde zit in de beslissingen die je ermee neemt. Voor een supportteam betekent dat bijna altijd twee dingen: de kwaliteit van de gesprekken begrijpen, en begrijpen waarom klanten contact met je opnemen. Daarover gaan contact-driver analysis (in het Engels) en rapportage voor de klantenservice.
De scherpere vraag, zodra je het punt van de kanaaldekking hebt beslist, is dus waar de analyse eigenlijk naartoe gaat. Een tool die trefwoorden herkent op elk kanaal maar ze niet koppelt aan kwaliteit en aan contactredenen die je kunt oplossen, heeft het sleutelgat breder gemaakt zonder te veranderen wat je kunt doen met wat je ziet. Kies eerst op dekking, en daarna op de vraag of de analyse leidt tot beslissingen waarop je kunt handelen en die je kunt controleren aan de hand van de echte gesprekken.
Wil je zien hoe dat werkt met de gesprekken in je eigen helpdesk? Boek een demo.
Veelgestelde vragen
Wat is het verschil tussen conversation intelligence en speech analytics?
Speech analytics is gebouwd rond spraak: het zet telefoongesprekken om in tekst, analyseert ze en gaat ervan uit dat het gesprek gesproken is. Conversation intelligence is niet aan een kanaal gebonden: het analyseert gesprekken via chat, e-mail, berichten en telefoon. Het kernverschil is de reikwijdte, niet de verfijning. Een tool die alleen spraak ziet, is blind voor de tekstkanalen waar de meeste moderne support nu plaatsvindt.
Wat is beter voor een klantenserviceteam?
Dat hangt af van waar je klanten je bereiken. Loopt het grootste deel van je support via chat, e-mail en tickets, dan ziet speech analytics alleen het kleine deel dat telefonisch verloopt. Conversation intelligence, dat alle kanalen dekt, geeft dan een veel vollediger beeld. Vertrek van je echte mix van kanalen, niet van de categorienaam die het meest geavanceerd klinkt.
Werkt speech analytics voor chat en e-mail?
Nee. Speech analytics is ontworpen rond gesproken audio en heeft dus niets om te analyseren in een chat- of e-mailgesprek. Voor teams waarvan de support vooral uit tekst bestaat, betekent dat dat een speech-analyticstool blind is voor de meeste van hun gesprekken. Dat is de belangrijkste reden waarom conversation intelligence beter past bij moderne support.
Is conversation intelligence gewoon nieuwere speech analytics?
Niet echt. Ze zijn gebouwd voor een verschillende reikwijdte. Speech analytics is ontstaan in het telefonische callcenter; conversation intelligence gaat ervan uit dat een gesprek een gesprek is, op elk kanaal. De praktische waarde van beide hangt nog altijd af van waar de analyse naartoe gaat, en dat is voor support meestal kwaliteitsmeting en begrijpen waarom klanten contact opnemen.
Waar moet je op letten als je een tool voor gespreksanalyse kiest?
Kies eerst op dekking: ziet de tool alle kanalen die je team echt gebruikt? Kijk daarna of de analyse leidt tot beslissingen: koppelt de tool wat hij vindt aan de kwaliteit van gesprekken en aan contactredenen die je kunt oplossen, en kun je die conclusies controleren aan de hand van de echte gesprekken?
