Contexta360的Andrew White解释说，我们构建服务、技术和解决方案的方式在很短的时间内发生了根本性的变化。
与19世纪末和20世纪初的汽车工业非常相似，该产品是从零开始制造的。如今，汽车的制造混合了工业组件和现成的功能或微型部件。
对于原始编码世界来说，这也是一次类似的旅程。起初，我们从头开始编写代码，有些仍然这样做。我们越来越多地使用抽象软件、拖放构建器，以及在整个产品中执行特定任务的子组件的自动等价物。
此方法直接影响客户交互分析领域，特别是语音和聊天分析领域，并对部署的易用性和部署成本产生显着影响。
为了建立对话分析策略，我们首先需要了解它是什么。对话分析是语音分析、聊天分析和更广泛的文本分析在任何媒体（语音、视频、应用程序、邮件或老式信件）上的融合。归根结底，它是关于：
客户之声
客户打电话/发短信/聊天的内容
客户为什么打电话/发短信/聊天
客户意图
客户行动
客户问题
对话的背景
对话中的摩擦
对话中的情感
简言之，它是单个索引对话的数字合成，或者是数百万索引对话的趋势和模式。
交互分析非常相似，通常侧重于事务和元数据交互。
归根结底，它是关于：
当客户呼叫/输入聊天时
客户购买/询问/要求的内容
客户点击的位置
客户选择了哪些选项
手动调查结果
历程路线
采取的安全措施
自动化会话（IVR、IVA、聊天机器人）
渠道跳数（例如语音聊天）
IP/SIP数据包
当我们将对话分析和互动分析相结合时，这才是真正的魔力开始。
但是等等，我们仍然在谈论技术。让我们把战略作为技术，这是过程的最后一部分。
我们想要达到的目标是什么？任务不是成为部署对话分析的专家，这是推动原始战略所需的技术能力。
因此，我想在这里总结一下构建战略的框架。这包括：
我们战略上需要的业务成果
业务驱动因素
业务驱动因素的影响因素
影响因素的构成
您如何解决影响因素。
但实际上，这是一个非常简单的模型，所以让我们把理论变成实践。
我希望收入增长20%或成本降低10%。（我选择收入）
战略驱动因素可能是地理扩张/产品扩张增加客户获取/客户保留和追加销售。（我将选择增加保留和追加销售）
这可能是新产品、新定价、新包装、新促销。但这些都是固定的，所以服务将是一个很好的司机。我们需要确保我们拥有正确的知识、服务可用性、软技能、CX和C-SAT指标，以冷静、全面地为我们的绩效评分。
为了做到这一点，我们需要a）对话分析和b）互动分析的数据。这包括买什么、什么时候买、所有对话中的关键话题、意图、行动、情绪、问题--以及我们提取的见解）。
最后，我们决定如何获得这些数据。简言之，从头开始编写代码，查看现成组件（NLU和AI现成组件），或投资于完全集成的解决方案。
在你的战略中考虑的另一个动态是你的企业中谁需要这种洞察力？这里没有固定的答案，但我们越来越多地看到两个价值中心，即：
1、数据科学团队
2、与客户互动的运营团队
从历史上看，上面提到的一切都是数据科学团队的专利，技术是高度定制、手工集成和手工“加工”的。
几个月前，我遇到了一个大品牌的潜在客户。看到他们的能力有多不成熟很有趣。简单地说，他们的过程是：
1、业务部门（BU）会要求提供一份报告，内容大致如下：“我能在1月1日至3月31日期间在联络中心团队Y中获得产品组X的对话分析，以及CX、客户努力和C-Sat（请）的指标吗？”
2、然后，数据科学团队将：
·调出录音
·将此数据与相关团队的座席出勤数据相匹配
·将此数据与相关产品线的座席出勤数据相匹配
·通过speech to text工具运行对话
·通过他们自己的自然语言理解应用程序运行转录本
·将此链接到事务数据和交互数据
3、这将由原BU所有者收到，他会说“谢谢你，但这不是我想要的”
4、重复。
这可能有点极端，但它突出了一个事实，即我们的见解需要与业务单位所有者更为接近。
对于数据科学团队来说，仍然有一个非常现实的地方可以进行越来越多的高级分析，但是在现代对话和交互分析解决方案中，上面的示例可以在30秒内执行。
此外，数据科学团队不应过于关注从头开始构建。我们有现成的令人惊讶的有监督和无监督主题模型，包括QM、C-SAT和客户努力评分模型，以及我们自己的超精确语音引擎，可根据您的词典进行调整。
原文网址：https://www.callcentrehelper.com/build-a-conversational-analytics-strategy-201979.htm