지원 및 영업을 위한 대화 인텔리전스

대화 인텔리전스는 일반적으로 영업(파이프라인 관리를 위한 Gong)과 가장 많이 연관되지만, Support Ops 및 CS 팀에게도 동등하거나 더 큰 가치를 창출합니다. 지원 관련 사용 사례: 대규모 상담원 코칭: 관리자는 자동으로 플래그가 지정된 대화(낮은 CSAT 상호작용(플랫폼이 CSAT 점수를 대화 녹음과 연결), 가장 긴 처리 시간 통화(종종 상담원의 불확실성 또는 지식 격차와 관련), 부정적인 에스컬레이션 순간에 대한 감성 분석 엔진에 의해 플래그가 지정된 상호작용)를 검토할 수 있습니다. 무작위 QA 샘플링 대신, 관리자는 가장 영향력 있는 대화에 코칭 시간을 집중합니다. 에스컬레이션 패턴 감지: 경쟁사 이름, 이탈 언어("취소", "전환", "대안 평가"), 에스컬레이션 트리거("관리자와 통화하고 싶습니다", "이것은 용납할 수 없습니다") 언급을 모든 대화에서 대규모로 검색합니다. 개별 QA 검토로는 몇 주가 걸릴 패턴이 몇 분 만에 드러납니다. 제품 피드백 마이닝: 특정 기능, 버그 또는 사용 사례 설명에 대한 모든 지원 대화를 검색하여 Support Ops 분석가가 "지난 30일 동안 보고 대시보드 문제에 대해 언급된 대화는 몇 건입니까?"라는 질문에 며칠이 아닌 몇 초 만에 답할 수 있도록 합니다.

전통적인 QA 코칭 모델(관리자가 주당 상담원당 3~5개의 통화를 무작위로 샘플링하고 피드백을 제공)에는 두 가지 구조적 약점이 있습니다. 샘플 크기가 패턴을 안정적으로 식별하기에는 너무 작고(상담원의 최악의 행동이 샘플링된 통화에 나타나지 않을 수 있음), 피드백이 며칠 지연되어(코칭을 받을 때쯤 상담원은 특정 상호작용을 더 이상 기억하지 못함) 발생합니다. 대화 인텔리전스는 다음을 통해 코칭을 변화시킵니다. 포괄적인 분석: 샘플링 대신 모든 상호작용이 분석됩니다. 플랫폼은 각 상담원의 모든 대화에서 패턴을 식별하여 특정 상황에서만 나타나는 행동(예: 상담원이 간단한 질문은 잘 처리하지만 에스컬레이션 상황에서는 수동적인 언어를 사용)을 드러냅니다. 즉각적인 플래그 지정: 에스컬레이션 또는 코칭 임계값을 초과하는 상호작용은 관리자 대시보드에 즉시 플래그가 지정됩니다. 코치는 상호작용 후 몇 시간 이내에 검토하고 피드백을 제공할 수 있으며, 상담원과 코치 모두 명확하게 기억합니다. 자체 검토 기능: 상담원은 자신의 대화 라이브러리에 접근할 수 있으며, 고성과 상담원은 관리자의 시간 없이도 자체 개선을 위해 이를 사용합니다. 벤치마크 비교: 각 상담원에게 자신의 특정 지표가 팀 평균(평균 침묵률, 평균 말하기:듣기 비율, 평균 에스컬레이션율)과 어떻게 비교되는지 보여줌으로써 구체적이고 비판적이지 않은 코칭 맥락을 제공합니다.

대화 인텔리전스는 활용도가 낮은 Product Ops 리소스입니다. 고객의 생생한 목소리를 대규모로 검색하고 분석할 수 있습니다. Product Ops 워크플로우: 기능 요청 감지: Gong 또는 Chorus에 "제품 요청" 키워드 라이브러리(예: "~할 수 있었으면 좋겠다", "~하면 더 좋을 텐데", "X가 필요하다"와 같은 자연어 변형 포함)를 구성하고, 이러한 문구가 나타나는 대화의 주간 요약을 주제 클러스터별로 정리하여 받습니다. 이는 설문조사보다 더 풍부하고 빠른 VoC 신호입니다. 경쟁사 인텔리전스: 모든 대화에서 경쟁사 이름을 검색하고 맥락을 분석합니다. "경쟁사 X는 이 기능이 있습니다" 대 "경쟁사 X를 고려했지만 ~때문에 당신을 선택했습니다"와 같은 실제 고객의 맥락 내 발언에서 경쟁사 인텔리전스를 생성합니다. 페르소나 검증: 고객이 자신의 역할, 팀 규모 및 워크플로우 맥락을 설명하는 대화를 검색합니다. 이는 제품 팀이 문서화한 페르소나를 보완하거나 도전하는 실제 페르소나 데이터입니다. 문서화 격차 감지: 특정 주제에 대한 높은 티켓 볼륨은 헬프데스크에서 볼 수 있지만, 대화 인텔리전스는 고객이 이러한 주제를 설명할 때 사용하는 특정 언어를 드러내어 지식 기반 작성자가 고객의 어휘와 일치하는 기사를 작성하여 검색 가능성을 향상시킬 수 있도록 합니다.