מרבית העסקים מנתבים את תקציב הפרסום שלהם למספר פלטפורמות, מתוך רצון להגדיל את מוטת החשיפה. אלא שבכך הם יוצרים לעצמם בעיה שנובעת מהקושי לזהות באיזו מהן נחשף הלקוח לשירות ויצר קשר טלפוני. הפיתרון טמון בשיטת המספר הוירטואלי, בה מערכת מסוימת מעניקה מספר טלפון לכל ערוץ פרסום, כך שכל שיחה שנכנסת (בין שנענתה ובין שלא נענתה) נרשמת במערכת הניהול. השוני בין המספרים מאפשר לבית העסק לזהות ולכמת את מספר הפניות מבעד לכל אפיק פרסומי. השיטה כמובן משפרת משמעותית את היכולת לאפיין את השיחות אולם על מנת לקבל תמונת מצב מעמיקה יותר על יחס ההמרה של הקמפיינים השונים ומידת יעילותם כמשפך לגיוס לקוחות חדשים, צריך להסתייע בטכנולוגיה אחרת.
וכך למשל, בהנחה כי בית עסק השקיע סכום רעיוני של 5,000 שקלים בפרסום אצל גורם מסוים, שיצר תנועת שיחות בהיקף של 500 פניות. האם מדובר בהכרח על 500 לקוחות פוטנציאליים? לחלוטין לא. ייתכן בהחלט כי שיעור ניכר מהם - הם לקוחות קיימים שמבקשים לקבל מענה לצורך שירותי מסוים שהתעורר.
על מנת שניתן יהיה לעשות שימוש יעיל באותו מידע, צריך למעשה לנתח באופן קונקרטי כל שיחה ושיחה ולהסיק מבעד לתוכן שנאמר בה על מהותה. אולם במציאות בה בית עסק מקבל עשרות רבות אם לא מאות שיחות ביום, המשימה הופכת למסורבלת ולא משתלמת. אז כיצד עושים זאת? כאן נכנסה לתמונה טכנולוגיה זיהוי דיבור שעושה שימוש בגישות ובתחומים רבים כמו עיבוד אותות דיבור לצורך מיצוי מאפיינים מתוך אות הדיבור,מידול סטטיסטי של פונמות, שהן יחידות בסיס לשוניות מהן ניתן להרכיב את כל מילות השפה, תהליכי אימון אוטומטיים (מונחים ולא מונחים) של המודלים הסטטיסטיים מתוך בסיס נתונים בדיבור בגישה מונחית מידע (data-driven), מידול לשוני המתאר את ההקשרים הסמוכים והרחוקים יותר בין מילות השפה (ההסתברות שמילים יופיעו בסמיכות למילים אחרות) ואלגוריתמים של חיפוש לצורך ביצוע חיפוש יעיל ואופטימלי של סדרת המילים בעלת ההסתברות הגבוהה ביותר, בהינתן אות דיבור והמידול האקוסטי והלשוני.
בין היתר מאפשרת טכנולוגיה זו ליצור תמלול אוטמאטי של שיחות תוך הגדרה של מילות קוד, שמשתנות מעסק לעסק, בהתאם למהות המוצרים או השירות שהוא מספק. ולדוגמא, על מנת לזהות שיחת מכירה, יכול כיום בעל בית העסק להגדיר במערכת כי עליה לנטר אמירת רצף ספרות של 4580 - תחילת מספר כרטיס האשראי של ויזה. כך למשל, ניתן אף להגדיר כי כל השיחות בהן הלקוח אמר את המילה מנהל - ינוטרו ויתומללו. וכן, זו גם הטכנולוגיה שמאפשרת למשרדי הממשלה להתמודד עם מאות הודעות שמושארות במענה הטלפוני שלהן. נציגי השירות אינם מאזינים אלא קוראים את תוכן השיחות המתומללות.
אך הטכנולוגיה לא עוצרת כאן. לפני 20 שנה נכתב מאמר בכתב עת מדעי על האפשרות כי מחשב יעבד את גוון ותכיפות הקול של צד לשיחת טלפון ויספק אבחנה בנוגע למצב הרגשי שלו באותה נקודת זמן. עמיתיו של המחבר הביעו ספק רב בהתכנות לכך וישנם אף כאלו שהטילו ספק בתפיסת המציאות שלו.
אך הספקנים צריכים לאכול את הכובע . כיום, קיים גם מודול ניסיוני שמאפשר לקבל אינדיקציה לגבי מצבו הריגשי של הלקוח. למעשה, ניתן להגדיר לתוכנה כי עליה לנטר את כל השיחות בהן המתעניין הביע שמחה או סיפוק כמו גם שאל על המחיר, כי אז ניתן לאפיינו "כמתעניין בעל פוטנציאל סגירה גבוה" וליזום שיחה מנציג בכיר או מנוסה יותר. לחילופין, ניתן לדוגמא להגדיר כי הדו"ח יכלול את כל השיחות בהן הלקוח אמר את המילה בטון כעוס. זיהוי בזמן של מצוקה מצד הלקוח ומתן מענה יעיל יכול למנוע נטישה ומעבר למתחרים, למשל.
ומה טומן לנו העתיד בתחום? פחות ופחות אינטראקציה עם נציגים שירות אנושיים. העולם צועד לכיוון בו מערכי שירות ינוהלו באמצעות תוכנות מוטות בינה מלאכותית שיוכלו לנהל שיחה קולחת שתכניה אינם מוכתבים מראש ולתת מענה יעיל, מהיר וחף מטעויות שנובעות משיקול דעת לקוי של נציג שירות או ממצב רוח משתנה. נכון להיום , הטכנולוגיה הזמינה מאפשרת ללקוחות לזמן תורים,לתאם פגישות ולבדוק סטאטוס טיפול ללא מעורבות של נציג שירות, אך כאמור לא רחוק היום בו מחשב יוכל לייתר את הצורך להעסיק נציג שירות ולספק תשובות קוהרנטיות לחלוטין.
הכותבת היא מנכ"לית משותפת בחברת PayCall.