CONTINU VERBETEREN OP BASIS VAN SPRAAKHERKENNING
Hoe mooi is het als je als organisatie een instrument in handen hebt waarmee je uit de gesprekken die je met je klanten voert structureel ideeën kunt destilleren om het als organisatie beter te doen voor die klanten? Na een geslaagde pilot met spraakherkenningssoftware vroeg T-Mobile mij als Project Manager om continue verbetering een impuls te geven door ‘voice recognition’ technisch te laten werken en in te bedden in de operatie.
Duizenden gesprekken met klanten, die allemaal om uiteenlopende redenen contact opnemen met T-Mobile. Soms om een nieuw telefoonabonnement af te sluiten, maar veel vaker nog om dingen te wijzigen en vragen te stellen. En helaas soms ook om door te geven dat dingen niet werken of niet lukken. Voor veel van die zaken wíl een klant niet eens bellen. Liever had hij gewild dat het proces zo was gelopen dat hij helemaal geen vraag of klacht had gehad.
Klantgesprekken worden inzichten
In al die gesprekken zit een schat aan informatie verborgen over hoe T-Mobile haar klanten blij kan maken. Maar hoe vertaal je duizenden gesprekken nu naar concrete verbeteringen waar diezelfde klanten iets van merken? Om deze vertaalslag te maken, zetten steeds meer organisaties ‘speech analytics’ software in. Deze software maakt het mogelijk om grote hoeveelheden gesproken tekst om te zetten in geschreven tekst, en daar vervolgens patronen in te herkennen. Écht inzicht in waarom een klant belt en hoe het gesprek verloopt.
Een voorbeeld
Je wilt als klant doorgeven dat je gaat verhuizen. Die wijziging probeer je online door te geven, maar het formulier lijkt niet helemaal te werken. Daarom bel je maar (enigszins geërgerd) met de klantenservice. Als één callcentermedewerker een paar keer per dag een klant aan de lijn heeft die een verhuizing wil doorgeven, zal er misschien niet meteen een lampje gaan branden dat het betreffende formulier gerepareerd moet worden. Maar als je met speech analytics kunt achterhalen dat er wel 100 mensen op een dag bellen om een verhuizing door te geven, is dat een heel duidelijk signaal om snel met het betreffende formulier aan de slag te gaan. Waarmee je klanten een hoop ergernis bespaart, en tevens veel onnodige telefoontjes kunt voorkomen. Zo blijft er méér tijd over bij de klantenservice om échte waarde te leveren voor klanten.
Na een pilot met speech analytics technologie was T-Mobile overtuigd van de mogelijkheden en koos T-Mobile ervoor om deze technologie breed in te zetten. Haar doel was om deze software te gebruiken om continue verbeteringen in het operationele proces te voeden en om callcentermedewerkers beter te kunnen coachen.
Verbetermachine op gang krijgen
Als Project Manager was mijn verantwoordelijkheid om speech analytics te implementeren en vooral om wat ik de ‘verbetermachine’ noem op gang te krijgen. Want het is natuurlijk prachtig om gestructureerd inzicht te krijgen in verbetermogelijkheden, maar daarmee heb je nog niets verbeterd. Hoe prioriteer je die ideeën eigenlijk? En waar stuur je dan op? Op welke plek in de organisatie hoort de uitvoering van deze ideeën thuis? Wie zorgt voor de capaciteit om die verbeteringen door te voeren? Wie is eigenlijk de eigenaar als er een probleem wordt geconstateerd? En hoe borg je dat verbeteringen ook duurzaam zijn?
Mijn aanpak was erop gericht om zo snel mogelijk stakeholders uit de hele organisatie bij het project te betrekken. Bij de start van het project nam ik regelmatig hands-on het voortouw om speech analytics in te zetten bij actuele cases met een grote hoeveelheid klantcontacten. Daarmee waren we, door eerste kleine successen te boeken, al snel in staat de waarde van spraakherkenning te laten zien en mensen enthousiast te maken. In mijn ogen zijn enthousiaste eigenaren cruciaal om veranderingen duurzaam door te voeren. Ik daag ze uit en begeleid hen om zo snel mogelijk zelf verantwoordelijkheid te nemen.
Naast meewerkend voorman was mijn rol in het project dan ook vooral die van bruggenbouwer en motivator, erop gericht om spraakherkenning duurzaam en schaalbaar werkend te krijgen.
Deze opdracht is tot stand gekomen in samenwerking met de Customer Contact Company.
Wat de opdrachtgever over dit project ZEGT
“We zaten na de pilot met spraakherkenning al een tijdje aan te hikken tegen de stap naar implementatie in de organisatie. Ik heb Stijn gevraagd om dit als een programma op te pakken. Hij verdiepte zich in onze behoeften en uitdagingen en nam eigenaarschap om alle stappen die nodig waren gestructureerd vast te stellen en te nemen. Ook als over wat drempels gegaan moest worden of er koudwatervrees was. Door duidelijke en feitelijke informatie te bieden, mensen mee te nemen en verschillende perspectieven naast elkaar te leggen, lukte het om tot gezamenlijke oplossingen te komen.
Het bleek nog best een opgave om de inzet van spraakherkenning in een grote klantoperatie als die van T-Mobile door te voeren. Ik vond het daarom fijn dat we het hebben opgeknipt in kleinere stukken, en begonnen zijn waar het de meeste impact kon hebben. We konden zo al vroeg in het project de resultaten van spraakherkenning met enkele lopende en urgente dossiers zien. Hierdoor kregen we ook steeds meer vertrouwen in de technologie en wat het voor de business kan betekenen. En van daaruit konden we steeds verder uitbreiden in de organisatie.
Ik ben blij dat er nu een degelijke basis voor de inzet van spraakherkenning staat. Medewerkers van T-Mobile kunnen daarmee nu zelf aan de slag bij coaching binnen de klantenservice en bij procesverbetering vanuit klantcontacten. Ik kon echt bouwen op Stijn en vond het een fijne samenwerking.”
Pieter Bezemer – Manager Consumer Operations Partner en Capacitymanagement T-Mobile