MATERIAL
Insikterna som finns tillgängliga inom kundservice utgör en ovärderlig informationskälla, vilket gör det viktigt för både kundservice och hela verksamheten att dra nytta av den.
En förutsättning som är helt avgörande för att ha möjlighet att analysera och förbättra kundupplevelsen samt öka effektiviteten i verksamheten är att ha koll på alla kundinteraktioner. Ett sätt att göra detta är genom att transkribera samtal till text och analysera innehållet. Detta kallar vi för talanalys.
Automatisk transkribering av samtal
Automatisk transkribering handlar om att omvandla tal till text. Detta är något som har blivit alltmer efterfrågat, framför allt inom kundservice som hanterar miljontals av kundsamtal.
Tidigare har lösningar på den svenska marknaden haft en låg kvalitet, vilket har inneburit att resultaten inte gett någon större tillförlitlighet. Tidigare har tekniken även haft svårigheter med språkliga skillnader. Det är inte ovanligt att människor talar med olika dialekter eller med olika talförmåga, vilket har gjort det svårt för automatiserade verktyg att omvandla talet till text.
Hösten 2022 släppte Open AI en ny transkriberingsmodell som tränats på 680 000 timmar av tal från hela världen. Användningen av en sådan stor och mångsidig datamängd har lett till en förbättrad robusthet mot olika accenter, bakgrundsljud och tekniskt språk. Detta har lett till en revolutionerande teknisk utveckling, där vi nu får ta del av utmärkta och exceptionella resultat – i en helt ny kvalitet!
Vikten av bra kvalitet på transkriberingar
En god kvalitet av transkriberingar är a och o för att säkerställa att påliggande analyser baseras på korrekt information. Bra kvalitet möjliggör:
- Träffsäkra sökningar på exempelvis kampanjer, produkter och konkurrenter
- Korrekt sentimentanalys
- Anonymisering av personuppgifter
- Addering av andra lager och analyser så som CHAT GPT
Felaktig omvandling från tal till text, kan leda till felaktiga slutsatser och därmed felaktiga åtgärder, vilket kan ha negativ påverkan på kundnöjdheten. För att säkerställa kvaliteten är det viktigt att transkriberingarna granskas och eventuella fel rättas till manuellt, detta för att lära upp den automatiska transkriberingsmodellen som använder artificiell intelligens. Alla bolag har unika termer som används så som bolagsnamn och produktnamn, som AI:n behöver lära sig.
Sammanfattning
Sammanfattningsvis är kvalitativa transkriberingar viktigt för att säkerställa att informationen som används till andra lager och analyser blir korrekta. En bra kvalitet på transkriberingar möjliggör träffsäkra sökningar samt möjliggör en korrekt sentimentanalys. Dessutom är det viktigt ur ett GDPR-perspektiv för att anonymisera känsliga personuppgifter.
