هزاران ساعت صدا که هیچ‌کس نمی‌شنود
بسیاری از سازمان‌ها تماسهای مشتریان و کارمندان را ضبط می‌کنند: مرکز تماس، واحد پشتیبانی، خط ارتباط با مراجعان. این فایل‌ها هر روز جمع می‌شوند و معمولاً سرنوشت یکسانی دارند: روی یک سرور می‌مانند تا فضای دیسک تمام شود یا زمان نگهداری‌شان بگذرد. فقط وقتی شکایتی پیش بیاید، کسی یک تماس مشخص را پیدا میکند و گوش میدهد.
در واقع، این فایل‌ها یکی از واقعی‌ترین منابع دانش سازمان‌اند. هر تماس نشان میدهد مشتری چه می‌پرسد، اپراتور چه جوابی میدهد، کجا گیر میکند و کدام سوال‌ها مدام تکرار می‌شوند. اما هیچ مدیری وقت ندارد هزاران ساعت صدا را گوش دهد.
ماژول «دانشکاوی» در دانابات برای همین ساخته شده است: تبدیل صدا و گفتگوی خام به دو چیز قابل‌استفاده، یعنی دانش و گزارش. پیش از ادامه، یک نکته‌ی صریح درباره‌ی وضعیت این ماژول لازم است که در بخش‌های بعد هم به آن برمی‌گردیم: دانشکاوی ساخته شده است، اما به صورت پیشفرض خاموش است و برای هر سازمان نیاز به فعالسازی دارد.
یک موتور، دو خروجی
دانشکاوی یک موتور است با دو خروجی متفاوت. خروجی اول «کاندیدای دانش» است: نکته‌ها و پاسخ‌هایی که از تماس‌ها و گفتگوها بیرون کشیده می‌شوند و منتظر تایید می‌مانند. خروجی دوم «گزارش دورهای» برای مدیر است: تصویری خلاصه از آنچه در تماس‌ها گذشته است.
تفاوت این دو در سرنوشتشان است. کاندیدای دانش مستقیم وارد پاسخ‌ها نمیشود؛ باید از دروازه‌ی تایید عبور کند. همان منطقی که در مقاله‌ی دانش تیمی دانابات دیدیم. گزارش دورهای اما برای تصمیم‌گیری مدیر است و وارد پایگاه دانش نمیشود.
چهار در ورود
داده‌ی خام از چهار مسیر وارد میشود، و این تنوع باعث میشود ماژول با شرایط سازمان‌های مختلف سازگار شود.
در اول، بارگذاری پوشهی صوتی است. فایل‌ها به‌تدریج و یکی‌یکی ارسال می‌شوند، نه یک‌جا، که برای آرشیوهای بزرگ مهم است. در دوم، سرور ضبط تماس است. دانابات می‌تواند به سرور ضبط تماس سازمان وصل شود و مصرف منابع آن سرور را طوری محدود نگه می‌دارد که کار اصلی سرور مختل نشود. در سوم، گفتگوهایی است که به اپراتور ارجاع شده‌اند. و در چهارم، سوالهای بیپاسخ است، یعنی سوال‌هایی که کاربران پرسیده‌اند و سامانه جوابشان را نداشته است.
نکته‌ی جالب در دو در آخر این است که سوالهای بیپاسخ و گفتگوهای ارجاعشده در واقع شکاف‌های دانش سازمان‌اند. هر جا که ربات نتوانسته جواب بدهد و انسان وارد شده، احتمالاً دانشی وجود دارد که هنوز ثبت نشده است.
چرا سوالهای بیپاسخ ارزشمندترین ورودی‌اند
از میان چهار در ورود، دو در آخر، یعنی گفتگوهای ارجاعشده و سوالهای بیپاسخ، یک ویژگی مشترک دارند: آن‌ها دقیقاً نقطه‌هایی را نشان می‌دهند که دانش سازمان تمام شده است. جایی که ربات جواب نداشته و کاربر را به انسان سپرده، یا جایی که سوالی بی‌جواب مانده، یک شکاف مشخص است.
تماسهای صوتی عمومی‌اند: بیشترشان سوال‌هایی هستند که پاسخ‌شان از قبل در سازمان وجود دارد. اما این دو در، فقط همان بخشی را به شما می‌دهند که واقعاً کم است. اگر بودجه یا زمان محدودی برای شروع دارید، منطقی است از همین دو در شروع کنید، چون هر کاندیدای دانش حاصل از آن‌ها مستقیم یک شکاف واقعی را پر میکند. بعد می‌توانید سراغ آرشیو صوتی بروید.
چه کسی چه گفت
دانشکاوی گوینده‌ها را از هم تفکیک میکند و هر نوبت صحبت را جداگانه رونویسی میکند. این قابلیت زمانی بهتر کار میکند که ضبط تماسهای سازمان صدای مشتری و اپراتور را جدا ثبت کرده باشد.
چرا این مهم است؟ چون تحلیل «پاسخ اپراتور» بدون دانستن اینکه کدام جمله از اپراتور است و کدام از مشتری، بی‌معنی است. اگر همه‌چیز در یک متن واحد ریخته شود، نمیشود فهمید پرسش کجا بود و پاسخ کجا. تفکیک گوینده، پایه‌ی هر ارزیابی دقیقی است.
هزینه را قبل از شروع ببینید
رونویسی هزاران ساعت صدا هزینه دارد، و یکی از ایرادهای رایج پروژه‌های این‌چنینی این است که هزینه بعد از شروع معلوم میشود. دانشکاوی این مسیر را برعکس میکند: پیش از شروع، یک فایل نمونه رونویسی میشود و برآورد هزینه از روی همان نمونه محاسبه میشود. نرخ حدس زده نمیشود.
این رویکرد یک فایده‌ی جانبی هم دارد: رونویسی نمونه به شما نشان میدهد کیفیت متن‌پیاده‌شده‌ی صدای واقعی سازمان‌تان چقدر است. اگر صدای ضبطشده نویز زیاد دارد، همین نمونه آن را آشکار میکند، پیش از آنکه پول زیادی خرج شود.
ارزیابی هر فایل
هر تماس یا گفتگو جداگانه ارزیابی میشود. خروجی ارزیابی شامل چند چیز است: خلاصه‌ی تماس، امتیاز کیفیت پاسخ اپراتور، مشکلات شناسایی‌شده، احساس کلی مشتری، موضوع و برچسب. این‌ها فیلدهای ساختاریافته‌اند و بعداً می‌توان روی آن‌ها گزارش‌گیری کرد.
یک نکته‌ی احتیاطی: امتیاز کیفیت پاسخ اپراتور، یک ارزیابی ماشینی است، نه حکم منابع انسانی. اگر قرار است از آن برای تصمیم‌های مربوط به افراد استفاده شود، باید با بازبینی انسانی و نمونه‌گیری از تماسهای واقعی همراه باشد. بهتر است از آن به‌عنوان نشانه‌ای برای اینکه کدام تماس‌ها ارزش شنیدن دارند استفاده شود، نه به‌عنوان ترازوی قطعی.
خروجی اول: کاندیدای دانش
وقتی چند ده تماس درباره‌ی یک سوال مشابه تحلیل میشود، الگو آشکار میشود: مشتریان مدام همین را می‌پرسند و اپراتورهای باتجربه یک جور جواب می‌دهند. این جواب، یک کاندیدای دانش است.
کاندیدا مستقیم وارد پاسخ‌ها نمیشود. از همان صف دانش تیمی عبور میکند و مدیر تیم آن را بررسی و تایید یا رد میکند. دو صف تایید وجود ندارد. این یعنی دانشی که از تماس‌ها استخراج میشود هم همان استاندارد کیفیتی را دارد که دانشی که کارمندی دستی ثبت کرده است.
خروجی دوم: گزارش دورهای
گزارش دورهای به صورت خودکار تولید میشود، هفتگی و بر اساس ماه شمسی. مدیر می‌تواند ببیند در این دوره چه موضوع‌هایی بیشتر مطرح شده، چه مشکلاتی تکرار شده و کیفیت پاسخ‌ها چگونه بوده است.
مهم‌ترین ویژگی این گزارش، همان قاعده‌ای است که در کل دانابات حاکم است: هر عدد drill-down دارد. اگر گزارش می‌گوید «در این هفته 30 تماس درباره‌ی فلان مشکل بود»، مدیر می‌تواند روی آن عدد کلیک کند و به تماسهای واقعی پشت آن برسد. بدون این قابلیت، گزارش خلاصه‌ی بی‌منبعی است که نمیشود به آن اعتماد کرد. با آن، هر ادعا قابل‌راستی‌آزمایی است. خروجی گزارش هم به صورت Word یا Markdown گرفته میشود.
زمان‌بند هفتگی با سقف هزینه
برای اینکه گزارش‌ها دستی تولید نشوند، یک زمان‌بند هفتگی هست. اما بدون کنترل، یک زمان‌بند خودکار می‌تواند هزینه‌ی غیرمنتظره بسازد. به همین دلیل، زمان‌بند سقف هزینه دارد: اگر هزینه‌ی اجرا زیر سقف باشد، خودکار انجام میشود، و اگر بالاتر باشد، منتظر تایید می‌ماند.
این یک طراحی ساده اما حساب‌شده است: اتوماسیون کامل برای کارهای کم‌هزینه، و تصمیم انسانی برای کارهای پرهزینه.