Nahrávání hovorů o investicích nabízí i příležitost zlepšit byznys

Novela o kapitálovém trhu nařizuje od 1. 5. bankám a finančním poradcům nahrávání hovorů s klienty o investicích. Petera Kesch ze společnosti SentiSquare pro FinTag.cz říká, že nahrávání hovorů je ale i příležitostí pro datovou analytiku.

Finančním institucím nabízíte strojovou analýzu telefonních hovorů s klienty, která vyhodnocuje jejich vzájemnou komunikaci. Jak? 

K analýze přepsaných hovorů na text používáme textovou analýzu založenou na umělé inteligenci. Ta všechny texty nejen přečte, ale i jim porozumí. Používáme algoritmy pro automatické pochopení textu, které je založené na strojovém učení. Výsledkem analýzy je, že poznáme témata, o kterých se v hovorech mluví i jejich sentiment. To znamená, že víme, zda byla témata zmiňována pozitivně, neutrálně nebo negativně.

Mají o to finanční instituce zájem?

Firmy potřebují nahrávat hovory, aby v nich byly schopny dohledat cokoli o investicích. Když už to dělat musí, mnohé přemýšlejí, jak toho využít, jak pochopit své zákazníky. To znamená zjistit z nahraných hovorů, které nabízené produkty jejim zákazníkům nejvíce vyhovují. Jaké produkty pro jejich klienty příliš zajímavé nejsou a proč. Každý poradce samozřejmě velmi dobře ví, o čem při hovoru se zákazníkem diskutovali, ale nemůže mít přehled úplně o všech hovorech. Tento přehled mu dá analýza všech hovorů, která na základě údajů z nich dokáže jednoznačně vyhodnotit trendy a zájmy klientů.

Dokážete zjistit z telefonního hovoru více, než zjistí finanční poradce? 

Pokud mluvíme o jednom individuálním hovoru, pak odpověď zní ne. Stroj řízený umělou inteligencí nikdy nedosáhne úrovně lidského experta, pokud jde o zpracování přirozeného jazyka a porozumění významu textu.

Co dokážete zjistit z vícero hovorů?

To je velmi dobrá otázka, která souvisí s tím, co jsem již říkal. Čím více hovorů analyzujeme, tím větší bude mít daná firma z naší analýzy prospěch. Vyhodnocení hovorů přitom dostane v reálném čase. To je obrovská výhoda pro každý byznys. Daná firma může na základě našich dat okamžitě reagovat. To znamená upravovat svou nabídku i svou strategii, být blíže zákazníkovi.

To zní pěkně…, ale mohl byste to uvést na příkladu z praxe?

Řekněme, že chcete svou komunikaci se zákazníky rozdělit do různých kategorií a máte jich více než 100. Ve skutečnosti si žádný odborník nebude moci pamatovat všechna pravidla, která definují, kdy má být konkrétní komunikace zařazena do konkrétní kategorie. Nakonec je zařadí do několika svých oblíbených kategorií, protože je to nejjednodušší a nejrychlejší. Už to mu zabere čas. Problém ale je, že takový výsledek neodráží skutečnou situaci. A lidé dělají i chyby, během pracovní doby nemají stejný výkon. To potvrzuje mnoho studií, ale nechci zde zabíhat do podrobností. Jde o to, že stroj je konzistentní 24/7, člověk ne. To znamená, že v reálných podmínkách je naše technologie vyhodnocování mnohem přesnější, důslednější a rychlejší než lidé.

Co přesně zjistí analýza telefonních hovorů

Co přesně dokáže vaše strojová analýza zjistit z telefonního hovoru s klientem?

Technologie SentiSquare v první řadě rozpozná hlavní témata konverzace. I jak tato témata spolu souvisejí. Důležitá jsou slova vystihující význam textu, která byla zmíněna. A pak to, zda byla spolu s daným tématem zmíněna pozitivně nebo negativně. Všechny tyto informace lze využít pro analýzu.

Dobře, ale co konkrétně taková analýza zjistí?

Analýza firmám řekne, které produkty mají jejich zákazníci rádi, které rádi nemají. Řekne jim, proč dané produkty mají rádi, proč si naopak jiné produkty neoblíbili. Shrne jim důvody. Analýza firmám řekne, na které argumenty jejich klienti slyší, jak produkty a služby ideálně propagovat. Ukáže jim i to, proč zákazníci váhají s nákupem dané služby či produktu. Upozorní je na to, čeho se jejich klienti ve vztahu k jejich službám a produktům obávají. A v neposlední řadě dokáže i v uvozovkách změřit výkon zástupce firmy. Těch věcí je ale mnohem více, vždy záleží na potřebách firmy a typu jejích produktů a služeb.

Mohl byste toto přiblížit opět na konkrétním příkladu?

Představte si, že máte produkt s názvem „Realitní investiční fond“. Během rozhovoru zákazník uvede: „Nerad investuji do nemovitostí, protože od konkurence mohu získat lepší nabídku.” Z této věty se náš stroj dozvěděl, že váš „Realitní investiční fond“ je produkt, který se zabývá nemovitostmi. Dále se dozvěděl, že váš klient „získat lepší nabídku“, která souvisí s lepší návratností investice. A dále náš stroj zaznamenal, že jedno z použitých klíčových slov je slovo „konkurence“.

Ano, to zní fantasticky, ale jaký je výsledek?  

Výsledek analýzy zní: „Realitní investiční fond“, finančně neatraktivní, konkurence. A tím se znovu dostáváme na začátek. U jednoho telefonátu to není problém, ale pokud toto zjistíte u svého „Realitního investičního fondu“ i z mnoha dalších telefonních hovorů, přičemž v nich mohou být použita i jiná slova než v našem příkladu, mělo by vás to vést k zamyšlení, zda je všechno v případě vašeho „Realitního investičního fondu“ v pořádku. To je to, o co tu jde. Sémantické analýzy používáme k získání informací o zákaznících. A navíc všechny tyto informace jsou strukturovány způsobem, kterému počítač rozumí, a tak je lze snadno zobrazit v grafech a použít jako základ pro další analýzu.

Slyší finanční instituce na vaše argumenty?

Některé ano. Problém ale je, že většina z nich se bojí investovat do nahrávání hovorů, protože to vyžaduje poměrně velkou investici. To znamená, že budou raději volit osobní setkávání se svými zákazníky. Tedy budou pořizovat zápisy z jednání či budou komunikovat se svými zákazníky e-mailem či jinými elektronickými prostředky. Na druhou stranu proč ne. Na konci stejně budou mít elektronické záznamy o komunikaci s klientem. A tu lze analyzovat stejně jako přepisy hovorů.

Nepředstavují si to ale poněkud naivně? Například takový bankovní poradce těžko zvládne setkat se se všemi klienty, které za den zvládne “vyřídit” po telefonu.

Osobní setkání jsou skvělá pro budování důvěry a důvěra je základním faktorem při řešení finančních investic. Rozhodně tedy dávají smysl. Pokud jde o to se lépe vzájemně poznat. Následnou diskuzi lze provést e-mailem. Ale v případě potřeby dalšího vysvětlení nebo vyjasnění některých bodů, aby finanční instituce lépe porozuměla svým klientům, je telefonní hovor, to znamená rozhovor dvou lidí, stále tím nejlepším řešením. Těžko se dá nahradit pouze e-maily.

Významy, algoritmy a čas

Telefonní hovory pouze analyzujete nebo zajišťujete i jejich nahrávání?

Nahrávání hovorů je předpokladem naší analýzy. To znamená, že musíme nejprve převést hlasový záznam na text. Tento krok se nazývá rozpoznávání řeči a využíváme na ně naše partnery, kteří se specializují na přepis hlasu na text.

Co se děje pak?

Pak vstupujeme do procesu my. Naše umělá inteligence používá různé metody k porozumění textu. Jádro našeho systému je založeno na takzvané distribuční sémantice. A ta říká, že význam je daný kontextem, přičemž my zpracováváme kontexty, ze kterých modelujeme významy slov, slovních spojení či celých textů.

Jak konkrétně?

Vytváříme shluky slov a jejich vzájemný vztah. Řekněme, že dokument mluví o produktu a popisuje jeho vlastnosti. Produkt a jeho vlastnosti jsou často zmiňovány ve stejné větě nebo odstavci, a proto spolu úzce souvisejí. Nyní, pokud jsou v jiném dokumentu uvedeny stejné vlastnosti, ale nikoli produkt, stále víme, že kontext je o tomto konkrétním produktu, protože tyto vlastnosti se používají k popisu produktu a byly použity v kontextu produktu. To je jen velmi jednoduché vysvětlení toho, jak náš systém v principu funguje.

A co algoritmy, které jste zmínil na začátku, jakou ty hrají roli? 

Algoritmy jsou mnohem složitější. Zjednodušeně, text je reprezentován vektorem reálných čísel, což se dá představit jako bod v prostoru s vysokou dimenzí. K tomu, abychom dokázali reprezentaci spočítat, používáme nejmodernější přístupy založené na neuronových sítích a pravděpodobnostních modelech.

Nejsem si jistý, zda vám rozumím, proto se raději dál zeptám – kolik parametrů je váš systém schopen sledovat?

Samozřejmě mnohem více než člověk.

Jakou roli ve vašem měření hraje čas. To znamená období, po které jsou hovory analyzovány?

Čas opravdu hraje velmi důležitou roli. Čím delší je časové období, během kterého jsou hovory zaznamenávány a analyzovány, tím více hovorů bude zpracováno. To znamená, že bude k dispozici více údajů, které povedou k přesnější analýze obsahu a trendů.

Stroj rozpozná i budoucí trendy

Mluvíte o trendech, jak je vaše technologie či vy na základě jejich údajů poznáte?

Bylo by skvělé, kdybychom měli křišťálovou kouli, která se nikde nesplete. Tu ale nemá nikdo. My máem analýzy, které nám dávají aktuální data, na jejichž základě jsme s to předpovídat budoucí chování zákazníků. To je založeno na čistě statistických modelech a žádné raketové vědě.

Co když se stroj splete, nebo ukáže na trend, který je jen stěží uvěřitelný?

Ano, stává se, že stroj zjistí informace, které by jen málokdo očekával. V tomto případě mluvíme o korelační analýze, což je způsob, jak vyhodnotit dopad konkrétní položky nebo kombinace konkrétních položek na konkrétní výsledek.

Mohl byste to uvést na konkrétním příkladu?

Uvedu jednoduchý příklad. Představte si, že svým zákazníkům nabízíte na výběr z několika finančních produktů. Poradce přitom provede předem výběr těchto produktů na základě informací, které má o zákazníkovi. Typická korelace přitom je, že určitý produkt je vnímán negativně. To platí ale jen tehdy, pokud je nabízen v kombinaci s jiným produktem. Pokud jsou oba produkty nabízeny zvlášť, nezávisle na sobě, pak jsou oba vnímány pozitivně. Chcete-li to zjistit, musíte analyzovat spoustu hovorů a ručně „najít“ tuto závislost. To je pouze jednoduchý příklad, ale ukazuje, jak obtížné může být analyzovat tyto korelace. Stroj je však umí rozpoznat. Firma na to pak může reagovat rozlišením obou produktů, případně lepším vyškolením poradce.

Kolik to stojí

Uvádíte, že SentiSquare analýza hovorů dokáže analýzu provést za zlomek ceny oproti tradičním řešením a s minimálními nároky na práci zaměstnanců. Co myslíte tím tradičním řešením a jak dosahujete nižší ceny než ostatní? 

Tradičním řešením myslíme manuální analýzu hovorů. Jedná se o časově velmi náročnou činnost. A pokud máte k analýze velké množství hovorů, výsledek je nepřesný. Také lidé, kteří analýzu provádějí, jsou jen lidé. A každý člověk má různé interpretace kontextu. Už jen to vede k nekonzistentnímu výsledku. Stroj pracuje neustále stejným způsobem a vytváří velmi kvalitní a konzistentní výsledek.

A ty ceny?

Pokud jde o vaši otázku na ceny, domnívám se, že máme velmi konkurenceschopné ceny. Naše řešení lze instalovat on-premise bez nutnosti použití jakékoliv cloudové služby, takže zákazník má i plnou kontrolu nad svými daty.

Pokud hovoříte o cloudovém řešení, jak máte v tomto případě ošetřenou bezpečnost nahrávek, aby neunikly ke třetím osobám, aby informace z nich neoprávněně nevyužívaly další firmy apod.?

Tato otázka se mi líbí, vede k tomu, v čem máme ve srovnání s našimi velkými konkurenty výhodu. Naše řešení je instalováno on-premise, takže naši zákazníci mají svá data pod kontrolou. Žádná data nemusí opustit společnost a ani nemohou být zneužita třetí stranou.

Stále jste mi ale neřekl, kolik vaše služba stojí?

Cena za analýzu přepsaných hovorů závisí na počtu dokumentů, které se měsíčně analyzují. Až do 100 000 dokumentů, kdy jeden dokument představuje jeden hovor, je naše cena za měsíc nižší než náklady na jednoho zaměstnance za měsíc. A ještě je potřeba vzít v potaz čas, který je potřebný k ruční analýze 100 000 hovorů. Na základě našich zkušeností bude vyškolený specialista potřebovat minimálně tři minuty, aby přečetl a porozuměl přepisu hovoru. Když to spočítáte, uvidíte, že budete potřebovat kolem 30 lidí na plný pracovní úvazek. Myslím, že toto číslo to vysvětluje samo.

Mnoho firem ještě před přijetím novely zákona o kapitálovém trhu upozorňovalo na to, že povinnost ukládat záznamy hovorů s klienty je bude stát miliony korun, protože se bude jednat o obrovské množství dat. Dokáže jim i v tomto pomoci, ušetřit peníze?

My nemůžeme těmto společnostem pomoci ušetřit peníze potřebné pro nahrávání a správu záznamů hovorů. Ale můžeme jim pomoci z nahrávek získat přidanou hodnotu. Porozumět zákazníkovi znamená obrovskou přidanou hodnotu, tak proč to nevyužít? Dodatečná investice je poměrně nízká, ale přidaná hodnota je obrovská.

Stačí nainstalovat API

Pokud se banka nebo poradenská společnost rozhodne vyzkoušet vaši službu, co to pro ni znamená z technického hlediska. Musí změnit své systémy, nakoupit nové systémy? 

Naše řešení je, pokud jde o integraci, tzv. „headless systém“, přístupné přes API. Nabízíme “rest” API, které může být voláno třetí stranou. Obsahem tohoto API je textový dokument [e-mail, přepis hovoru, SMS…]. Tento dokument zpracováváme a výsledek odesíláme zpět ve strukturované, počítačově čitelné formě, což umožňuje další automatizaci. Kromě toho můžeme provést statistickou analýzu obsahu a zákazník má od nás k dispozici přehledně vizualizované výsledky analýzy. Díky čemuž jim bude rozumět. Dodáváme naše vlastní uživatelské rozhraní. To umožňuje vizualizaci nejrůznějších trendů v datech a sémantické vyhledávání v nich. Abych to zkrátil, zákazník, který se rozhodne s námi spolupracovat, si musí jen zaimplementovat naší API do systému a není třeba dalších velkých změn.

Je potřeba, aby se lidé, které za firmu s klienty komunikují, nějakým způsobem přizpůsobovali vašemu systému? Aby například mluvili zřetelně, pokládali předem připravené otázky, mluvili daným způsobem, a tak podobně? 

Když budou všichni mluvit zřetelně a nebudou si vzájemně skákat do řeči, má to určitě dobrý dopad na kvalitu převodu řeči na text. Ale není důležité, aby třeba pokládali předem připravené otázky. To díky způsobu, kterým v SentiSquare zpracováváme významy slov.

Máte svůj systém vyzkoušený i v jiných oblastech, než je jen finanční poradenství?

Naši technologii již využívají společnosti z různých průmyslových odvětví. Můžeme ukázat i výsledky, kterých jsme dosáhli. Prvním příkladem je společnost E.ON. Ta využívá hned několik služeb od nás. Jednou z nich je technologie pro dispečink e-mailů. Svým zákazníkům poskytují e-mailovou podporu na společné adrese info@eon.cz. Každý měsíc na tuto adresu přijde cca 50 000 e-mailů. Původně bylo pro E.ON velmi náročné tyto příchozí e-maily číst, klasifikovat a distribuovat v závislosti na obsahu jednomu nejvhodnějšímu agentovi podpory ze cca 300 různých agentů. S pomocí našeho řešení má dnes E.ON dispečink kompletně spravovaný umělou inteligencí. A pro call centrum E.ONu nyní chystáme analytiku hovorů. To proto, abychom odhalili zákazníky, kteří chtějí odejít, a také analytiku reakce zákazníků na speciální nabídky a kampaně.

Co další příklady?

Dalším příkladem je KIWI.com. KIWI.com je jedním z největších webů pro rezervace letů a mají na své agenty specifické požadavky. Konkrétně na to, jak má vypadat odchozí komunikace. Mají definovaná pravidla o struktuře odchozích e-mailů. Měly by být psány přátelsky, gramaticky správně, musí mít například i správný pozdrav. Snažili se to kontrolovat ručně, ale dařilo se jim zpracovávat pouze jedno procento e-mailů. Po implementaci našeho řešení zpracovávají sto procent odchozí komunikace. Přesně ví, co a jak agenti píší. Zda jsou přátelští a zda píší gramaticky správně.

Dá se kombinovat analýza telefonních hovorů s analýzou e-mailů?

Rozhodně ano. Pro nás se nic nemění, pokud je zdrojem text, který analyzujeme, e-mail nebo přepis hovoru. Čím více komunikace můžeme analyzovat, tím lépe naši zákazníci porozumí svým zákazníkům. Takže jakýkoliv zdroj komunikace je vítán.

Zvládneme jakýkoli jazyk

Jak dlouho fungujete na trhu a jak jste se dostali k textové analytice? 

SentiSquare je na trhu od roku 2014. Spoluzakladatelé Josef Steinberger, Tomáš Brychcín a Michal Konkol studovali na Západočeské univerzitě v Plzni strojové učení. Nechtěli zůstat pouze u teorie, když viděli, jaký potenciál má strojové učení pro byznys v době zvyšující se komunikace. Přes několik akcelerátorů se dostali k velkým klientům jako T-Mobile nebo E.ON, kteří okamžitě začali využívat jejich technologii. Ale klienty máme z různých oborů. Od telekomunikačních služeb, přes bankovnictví, k FMCG a dalším. Naše technologie používá Albert, T-Mobile, E.ON, Kiwi.com. Desítky projektů jsou za námi. Třeba pro Konica Minolta, O2, Nestlé. Zajímavostí je, že nám nezáleží na tom, v jakém jazyce firmy vedou komunikaci. Zvládneme jakýkoliv jazyk.

Když se podíváte na tuzemský trh s textovou analytikou, kde vidíte jeho slabiny? 

Stále často se používá takzvaný pravidlový přístup, i když jsme již ve 21. století. Je to systém založený na pravidlech, který se lidem zpočátku líbí, protože výsledky má pěkné, když pravidla zaberou. Ale pak se stane to, že na zbytek textů pravidla nezaberou, vy se to ani nedozvíte a nastávají tam neočekávané chyby.

Daniel Tácha

—

Peter Kesch, MBA se ve společnosti SentiSquare stará o rozvoj obchodu, prodej a marketing. Rovněž zajišťuje, aby nabídka SentiSquare odpovídala tomu, co si žádá trh. Peter má silné technické i obchodní zázemí. Ve střední a východní Evropě v minulosti vedl větší poradenské společnosti. Během posledních deseti let byl aktivní i v menších startupech. Má MBA z University of Pittsburgh. Rád čte, hraje golf a pro zábavu programuje v Javascriptu pro node.js.