AMD'nin Yanlış Pozitif Sonuçları İletişim Oranlarını Nasıl Düşürüyor?

Her dış arama merkezi, arama girişimlerinin hedeflenen kişiyle canlı bir görüşmeyle sonuçlanma yüzdesini gösteren iletişim oranını takip eder. Bu, operasyonel açıdan en önemli ölçüttür çünkü sonraki her şey buna bağlıdır: dönüşüm oranı, tahsilat oranı, randevu sayısı, saat başına gelir.

Çoğu ekibin takip etmediği şey, iletişim oranı kayıplarının ne kadarının kendi AMD sistemlerinden kaynaklandığıdır. Özellikle, yanlış pozitiflerden: telefonu açan, telesekreter olarak sınıflandırılan ve bir temsilcinin sesini duymadan önce bağlantısı kesilen canlı insanlardan.

Yanlış Pozitiflerin Matematiği

Şimdi somut bir örnek üzerinden ilerleyelim. Tahmine dayalı arama sistemi kullanan 30 kişilik bir ekibi ele alalım:

• Günlük arama hacmi: 15.000 arama
• Yanıt oranı: %40 (6.000 yanıtlanmış çağrı)
• Gerçek sesli mesaj oranı: Cevaplanan aramaların %55'i (3.300 sesli mesaj)
• Gerçek zamanlı yanıtlar: Yanıtlanan çağrıların %45'i (2.700 canlı insan)

Şimdi AMD'yi farklı yanlış pozitif oranlarıyla uygulayın:

%5 FPR'de (iyi AMD): 135 canlı çağrı yanlışlıkla kesildi. Müşteri temsilcileri 2.565 canlı görüşmeyi yönetti. Etkin iletişim oranı: %17,1.

%15 FPR'de (ortalama eski AMD): 405 canlı çağrı yanlışlıkla kesildi. Müşteri temsilcileri 2.295 canlı görüşmeyi yönetti. Etkin iletişim oranı: %15,3.

%25 FPR'de (tanıdık olmayan operatörlerda düşük AMD oranı): 675 canlı çağrı yanlışlıkla kesildi. Müşteri temsilcileri 2.025 canlı görüşmeyi yönetti. Etkin iletişim oranı: %13,5.

İyi ve kötü AMD arasındaki fark şudur: Günde 540 canlı görüşme kaybıBir ay içinde bu, 11.880 kayıp iletişim anlamına geliyor. Dönüşüm oranınız %5 ise, bu 594 kayıp satış veya tahsilat sözü demektir. Buna bir gelir değeri atayın ve rakam hızla rahatsız edici bir hal alır.

Yanlış Pozitifler Neden Görünmez?

AMD'nin yanlış pozitiflerinin sinsi yanı, bunların temsilciler için görünmez olmasıdır. Bir temsilci asla yanlış pozitif görmez çünkü çağrı onlara ulaşmadan önce kesilir. Temsilcinin bakış açısından her şey normal görünür; arama sistemi tarafından iletildiği hızda canlı çağrılara bağlanırlar.

Yanlış pozitif sonuçlarla karşılaşan tek kişiler potansiyel müşterilerdir. Telefonlarını açarlar, kısa bir duraklama veya sessizlik duyarlar ve ardından bağlantı kesilir. İzlenimleri: otomatik arama, spam veya beceriksizlik. Onları geri ararsanız, zaten düşmanca davranmaya hazırdırlar.

Bu görünmezlik, yanlış pozitif sorunların aylarca kimse fark etmeden devam edebileceği anlamına gelir. Operasyon ekibi beklenenden düşük bir iletişim oranı görür ve bunu liste kalitesine, günün saatine veya arayan kimliği itibarına bağlar. Gerçek suçlu - AMD'nin yanlış yapılandırılması veya kötü eğitilmiş bir model - tespit edilemez.

AMD Yanlış Pozitif Oranınızı Nasıl Ölçersiniz?

FPR'yi ölçmek, AMD sınıflandırmalarını gerçek değerlerle karşılaştırmayı gerektirir. İşte üç pratik yöntem:

1. Temsilci Geçersiz Kılma Takibi

AMD bir aramayı makine olarak sınıflandırıp yine de bir temsilciye yönlendirdiğinde (denetim modunda), temsilci bunun gerçekten bir makine mi yoksa insan mı olduğunu bildirir. Bu size doğrudan ölçümler sağlar, ancak aramaların belirli bir yüzdesinin geçiş modunda çalıştırılmasını gerektirir ki bu da temsilci zamanına mal olur.

2. Görüşme Sonrası Ses Kaydı İncelemesi

AMD'nin makine olarak sınıflandırdığı her aramanın ilk 5 saniyesini kaydedin. Kalite kontrol ekibine haftalık olarak rastgele bir örnek dinlemelerini sağlayın. Bu, emek yoğun bir süreçtir ancak tüm operatörler ve kampanyalar genelinde tarafsız ölçümler elde etmenizi sağlar.

3. İstatistiksel Çıkarım

Beklenen iletişim oranınızı (liste kalitesi ve geçmiş verilere dayanarak) gerçek iletişim oranınızla karşılaştırın. Aradaki fark beklenenden büyükse ve AMD etkinleştirilmiş kampanyalarla ilişkiliyse, yanlış pozitiflerin katkıda bulunması muhtemeldir. Bu daha az kesindir ancak ek operasyonel yük gerektirmez.

Operatör Bazlı Analiz Kritik Öneme Sahiptir

Toplam yanlış pozitif oranları, operatöre özgü sorunları gizler. Genel yanlış pozitif oranının %8 (kabul edilebilir) olduğu, ancak arama hacminin %20'sini temsil eden tek bir operatörün %30 yanlış pozitif oranına sahip olduğu operasyonlar gördük. Bu tek operatör, diğer tüm operatörlerin toplamından daha fazla yanlış pozitife neden oldu.

Bu durum, AMD modellerinin tipik olarak farklı operatörlerin ses kayıtlarından oluşan bir karışım üzerinde eğitilmesinden kaynaklanmaktadır. Standart dışı sesli mesaj sistemlerine, alışılmadık karşılama formatlarına veya atipik bip seslerine sahip operatörler çok daha yüksek oranlarda yanlış sınıflandırılır. Operatör bazında ayrıntılı veriler olmadan, bu sorunlu noktaları asla bulamazsınız.

Bu sorunu çözmek için ya operatör bazında AMD ayarı (belirli operatörler için hassasiyet eşiklerinin ayarlanması) ya da operatör bazında model eğitimi (operatöre özgü düzeltmelerin sınıflandırma modeline geri beslenmesi) gerekiyor. Her ikisi de arama yazılımınızın arama düzeyinde operatör kimliğini izlemesini gerektiriyor; bu da birçok eski arama yazılımının yapmadığı bir şey.

Yapay Zeka Destekli AMD, Yanlış Pozitif Sonuçları Azaltmaya Nasıl Yardımcı Oluyor?

Geleneksel bip sesine dayalı AMD'nin yanlış pozitiflerle ilgili yapısal bir sorunu vardır: sınıflandırma kararını aslında ne söylendiğine değil, ses zamanlamasına ve ton algılamasına dayanarak verir. Uzun bir "Merhaba... merhaba? Kim arıyor?" şeklinde cevap veren bir insan, süre eşiğini aşabilir ve makine olarak sınıflandırılabilir.

Yapay zekâ tabanlı AMD, temelde daha sağlam olan transkript içeriğine göre sınıflandırma yapar. Uzun bir insan selamlaması, süresinden bağımsız olarak, transkript sınıflandırıcısının insan konuşması olarak tanımlayabileceği soru kalıpları ("kim arıyor?") içerir.

Daha da önemlisi, geri bildirim döngüsüne sahip yapay zeka tabanlı AMD zamanla daha iyi hale gelir. Bir temsilci yanlış sınıflandırmayı işaretlediğinde, bu düzeltme modeli gelecekte benzer kalıpları tanımak için eğitir. Binlerce düzeltme sonucunda, model statik bir modelin asla elde edemeyeceği, operatörya özgü bilgi birikimi oluşturur.

DialerBee'nin Yapay zeka AMD sistemi Yanlış pozitif oranını azaltmak birincil hedef olarak tasarlanmıştır. Sistem, operatör bazında doğruluk oranını gerçek zamanlı olarak izler, bir operatörün yanlış pozitif oranı yapılandırılabilir sınırları aştığında sınıflandırma eşiklerini otomatik olarak ayarlar ve denetleyicilere tartışmalı sınıflandırmalar için özel bir inceleme iş istasyonu sağlar.

AMD'nin Daha İyi Performansını Tamamlayan Operasyonel Değişiklikler

AMD doğruluğunu artırmanın ötesinde, yanlış pozitiflerin etkisini azaltmaya yardımcı olabilecek operasyonel stratejiler de mevcuttur:

• AMD sınıflandırmasına giren aramalar için "güvenli mesaj" uygulayın: AMD'nin makine olarak sınıflandırdığı aramaları hemen sonlandırmak yerine, kısa bir mesaj oynatın: "Merhaba, burası [şirket]. Sizi kısa süre sonra tekrar deneyeceğiz." Sınıflandırma yanlışsa ve arayan kişi bir insansa, en azından sessizlik yerine profesyonel bir mesaj duyar.
• Yüksek değerli listelerde muhafazakar AMD kullanın: Önemli müşteri aday listeleri veya son deneme aramaları için, AMD'yi devre dışı bırakmayı veya maksimum muhafazakarlık seviyesine ayarlamayı düşünün. Yanlış pozitiflerin fırsat maliyeti yüksek olduğunda, yanlış negatiflerin temsilci zaman maliyeti buna değer.
• AMD doğruluğunu bir performans göstergesi (KPI) olarak takip edin: İletişim oranı, dönüşüm oranı ve temsilci kullanımının yanı sıra yanlış pozitif oranını da operasyon panonuza ekleyin. Görünür hale getirin. Ölçülen şey yönetilir.
• AMD'nin periyodik denetimlerini gerçekleştirin: Her ay, AMD sınıflandırmasına giren makine aramalarından bir örnek alın ve kalite kontrol ekibinin bunları doğrulamasına izin verin. Eğilimi takip edin. Doğruluk oranı düşüyorsa, operatör karışımınız değişmiş olabilir veya bir operatör sesli mesaj sistemini değiştirmiş olabilir.

Özetle

AMD'nin yanlış pozitif sonuçları, dış arama operasyonlarında kontrol edilebilir en büyük kayıplardan biridir. Temsilciler tarafından görünmezler, yöneticiler tarafından nadiren takip edilirler ve büyük ölçekte maliyetlidirler. Yanlış pozitif oranında %10'luk bir iyileşme ( %15'ten %5'e), orta ölçekli bir ekip için günde yüzlerce canlı görüşmeyi kurtarabilir.

AMD'nin yanlış pozitif oranını yakın zamanda ölçmediyseniz, oradan başlayın. Sayı sizi şaşırtabilir ve çözüm düşündüğünüzden daha basit olabilir.

Sıkça Sorulan Sorular

AMD'de yanlış pozitif sonuç nedir?

Yanlış pozitif, sistemin canlı bir kişiyi makine olarak sınıflandırıp aramayı sonlandırması durumudur. Birisi telefonu açtı, hiçbir şey duymadı ve kapattı; raporlama sisteminizde de kayıp bir görüşme kaydedilmez.

Yanlış pozitif sonuçlar neden bu kadar kolay gözden kaçıyor?

Bunlar makine kovasına düşüyor ve başarılı bir sesli mesaj tespiti gibi görünüyor. Araştırılacak belirgin bir hata olmaksızın iletişim oranı düşüyor.

Yanlış pozitif oranımı nasıl ölçebilirim?

Makine araması olarak sınıflandırılan örnek aramaları dinleyin ve ilk birkaç saniyeyi inceleyin. Bir kişinin konuştuğu her arama yanlış pozitif olarak değerlendirilir. Bu işlemi operatör ve dil bazında yapın, çünkü oranlar operatörler ve diller arasında büyük farklılıklar gösterir.

Daha iyi tespitin yanı sıra yanlış pozitifleri azaltan başka neler var?

Daha uzun algılama süreleri, kampanya başına hassasiyet ayarları ve belirsiz sınıflandırmaların atılmak yerine bir ajana yönlendirilmesi.