Zum Inhalt springen
DE

KI-Agenten

Maschinelles Lernen für Aufgaben im Contact Center

Unter maschinellem Lernen verstehen wir bei CONTACT.WORK Modelle, mit denen Ihr Contact Center Anrufe und Arbeitszeit der Agents dort einsetzt, wo es sich lohnt: Sie schlagen vor, wen man zuerst und zu welcher Uhrzeit anruft, sortieren Anrufbeantworter aus und erkennen sofort das Thema einer Anfrage. Den Nutzen messen wir an Ihren eigenen Kennzahlen – Kontaktquote, Abschlüsse beim ersten Anruf, Arbeitszeit der Agents – und vergleichen ihn mit der Arbeit ohne Modell auf denselben Listen.

Testvor dem StartAn Daten, die das Modell nicht kennt
Nutzenin Ihren ZahlenIm Vergleich zur bisherigen Arbeitsweise
Jedes QuartalPrüfung der KennzahlenBei Bedarf häufiger
Cloudoder eigener ServerSie entscheiden

Messbare Ergebnisse

So messen wir den Nutzen

Die Kennzahlen vereinbaren wir vorab mit Ihnen und nehmen das Modell anhand dieser Kennzahlen ab.

KontaktquoteWie viele angewählte Nummern in einem Gespräch endeten – mit vom Modell gewählter Uhrzeit und ohne.
Abschlüsse pro AnrufWie viele Deals 100 Anrufe bringen, wenn das Modell die Reihenfolge festlegt, im Vergleich zum Abarbeiten der Liste von oben nach unten.
Leere AnwahlenWie viele Agent-Minuten vor dem Modell und nach dem Start auf Anrufbeantworter und Stille entfielen.
Wiederholte VersucheWie viele Anwahlen nötig sind, um einen Kunden zu erreichen – mit optimierter Uhrzeit und wie bisher.
Zeit bis zum richtigen TeamWie lange eine Anfrage braucht, bis sie bei dem Mitarbeiter ankommt, der sie löst – vor und nach dem Start.
Fehler des ModellsWie oft Mitarbeiter „Modell liegt falsch“ markiert haben: ein Signal, dass es Zeit für ein Nachtraining ist.

Aufgaben

Wo sich Modelle auszahlen

Wir beginnen mit der Aufgabe, bei der sich der Nutzen am schnellsten zeigt – meist mit Outbound-Anrufen.

Kunden mit der höchsten Kaufwahrscheinlichkeit zuerst

Das Modell bewertet jeden Lead anhand der Historie ähnlicher Kunden und setzt diejenigen, die am ehesten zusagen, an den Anfang der Liste. Die Agents führen pro Schicht genauso viele Anrufe, aber mehr davon enden mit einem Abschluss.

  • Ein Score für jeden Lead
  • Reihenfolge der Anwahl
  • Mehr Abschlüsse aus denselben Anrufen
Aufgabe 1 von 4

Dieselben Verfahren kommen in der Sprachanalyse und in KI-Agenten zum Einsatz, und für Ihre spezielle Aufgabe können wir ein eigenes Modell entwickeln.

Funktionsweise

Warum Sie dem Nutzen trauen können

Daten

Ihre eigene Historie, keine allgemeine

Jedes Modell trainieren wir mit den Anrufen und Deals eines bestimmten Unternehmens: Was einem Vertriebsteam hilft, funktioniert bei einem anderen womöglich nicht.

  • Gesprächsaufzeichnungen und Ergebnisse
  • Deals und Kunden
  • Anfragen und ihre Themen

Test

Erst beweisen wir den Nutzen

Das Modell lernt mit einem Teil der Historie und wird an einem anderen, vorab zurückgelegten Teil geprüft. Danach steuert es einen Teil Ihrer Outbound-Anrufe, parallel zur gewohnten Reihenfolge. Das Modell bleibt nur, wenn Ihre Kennzahlen damit besser sind.

  • Zurückgelegte Historie
  • Pilotbetrieb
  • Nur wenn es besser ist

Betrieb

Cloud oder Ihr Netzwerk

Die Modelle laufen dort, wo die Plattform läuft: in unserer Cloud oder auf Ihren eigenen Servern. Im zweiten Fall verlassen Gesprächsaufzeichnungen Ihr Unternehmen nicht.

  • Cloud
  • Ihr Netzwerk
  • Aufnahmen bleiben im Haus
Höhere KontaktquoteAngerufen wird dann, wenn der Kunde üblicherweise abnimmt – so werden aus mehr Nummern Gespräche.
Mehr Abschlüsse aus denselben ListenKunden mit der höchsten Kaufwahrscheinlichkeit werden zuerst angerufen, und jede Schicht schließt mehr Deals ab.
Die Zeit der Agents gehört den GesprächenAnrufbeantworter und Stille werden aussortiert, bevor sie beim Agenten ankommen – niemand vergeudet seine Schicht mit leeren Anwahlen.
Anfragen landen schneller im richtigen TeamDas Modell erkennt das Thema eines Anrufs oder einer E-Mail sofort, die Anfrage wartet nicht auf manuelle Sortierung.

Start

So gehen wir vor

  1. 01AufgabeWir legen fest, was verbessert werden soll und an welcher Kennzahl wir das Ergebnis mit dem Ausgangswert vergleichen.
  2. 02DatenWir sammeln Ihre Historie zu Anrufen, Deals und Anfragen und prüfen, ob etwas fehlt.
  3. 03Erstes ModellWir trainieren das Modell und prüfen seine Prognosen am zurückgelegten Teil der Historie.
  4. 04PilotbetriebWir schalten das Modell für einen Teil der Listen oder der Warteschlange ein und sehen, wo die Ergebnisse besser sind.
  5. 05AusrollenWir setzen das Modell im gesamten Betrieb ein und zeigen die Ergebnisse in der Plattform und in Auswertungen.
  6. 06Laufende BetreuungWir beobachten die Kennzahlen und trainieren das Modell nach, wenn die Genauigkeit nachlässt.

Voraussetzungen

Was ein Modell zum Start braucht

Historie
Anrufe, Deals und Anfragen der vergangenen Monate
CRM
Deals und Gesprächsergebnisse per API
Telefonie
Asterisk, an die Plattform angebunden
Betrieb
Unsere Cloud oder Ihre eigene Hardware
Kontrolle
Ein Mitarbeiter, der Fehler des Modells markiert
Kosten
Entwicklung und Training in Stunden des Supportpakets

Vorbereitung

Was vorab zu besprechen ist

Was wollen Sie verbessern?Kontaktquote, Abschlussquote, Tempo der Zuordnung.
Wie viel Historie haben Sie?Je länger die Historie von Anrufen und Deals, desto genauer das Modell.
Wo werden Gesprächsergebnisse gespeichert?Im CRM, in Tabellen oder in Telefonie-Auswertungen.
Wer markiert Fehler?Ein Mitarbeiter, der erkennt, wo das Modell falsch liegt.
Wo sollen die Modelle laufen?In der Cloud oder auf den Servern Ihres Unternehmens.
Wie vergleichen wir die Ergebnisse?Zum Beispiel über die Kontaktquote oder die Abschlüsse pro Schicht.

Fragen und Antworten

Häufige Fragen

Was unterscheidet maschinelles Lernen vom Training eines KI-Agenten?

Ein KI-Agent spricht mit Kunden oder Mitarbeitern. Ein Modell des maschinellen Lernens spricht nicht, es rechnet: wen man zuerst anruft, wann man anruft, worum es in einer Anfrage geht und ob der Anruf einen Menschen oder einen Anrufbeantworter erreicht hat.

Welche Aufgaben übernehmen Modelle noch?

Neben Outbound-Anrufen und Anfragethemen auch Aufgaben in der Sprachanalyse und in KI-Agenten, etwa Spracherkennung und die Wahl einer Antwort. Gibt es das passende Modell noch nicht, entwickeln wir eines für Ihre Daten und Abläufe.

Welche Daten brauchen Sie?

Anrufe mit Ergebnissen, Deals und Anfragen mit Themen. Die Menge hängt von der Aufgabe ab – das sagen wir Ihnen, sobald wir Ihre Daten gesehen haben.

Wie arbeiten Modelle mit dem Wählautomaten zusammen?

Der Wählautomat führt die Anrufe aus, die Modelle geben ihm die Reihenfolge der Nummern vor, den Zeitpunkt der Versuche und welche Anrufe an einen Agenten durchgestellt werden. Die Anrufbeantworter-Erkennung ist direkt in den Wählautomaten eingebaut.

Wie oft müssen Modelle nachtrainiert werden?

Das hängt davon ab, wie schnell sich Ihre Produkte und Kunden verändern. Üblicherweise prüfen wir die Kennzahlen viermal im Jahr, manchmal monatlich.

Was passiert, wenn das Modell danebenliegt?

Ein Mitarbeiter markiert den Fehler, etwa ein falsch erkanntes Thema oder eine falsch erkannte Kundenäußerung. Die Markierung löst ein Nachtraining aus, und die nächste Modellversion berücksichtigt diesen Fall.

Brauchen wir ein eigenes Analystenteam?

Nein. Wir entwickeln und betreuen das Modell. Von Ihnen brauchen wir Daten und einen Mitarbeiter, der den Ablauf gut kennt und Fehler des Modells erkennt.

Können die Modelle bei uns im Haus bleiben?

Das geht. Die Modelle werden zusammen mit der Plattform in der Infrastruktur Ihres Unternehmens installiert, Gesprächsaufzeichnungen bleiben bei Ihnen.

Wem gehört das trainierte Modell?

Dem Kunden, der die Stunden für Entwicklung und Training bezahlt hat.

Woher bekommt das Modell die Daten zu Deals?

Per API aus Ihrem CRM. Die Ergebnisse schreibt es dorthin zurück oder zeigt sie in der Plattform an.

Was kostet maschinelles Lernen?

Entwicklung, Training und Betreuung der Modelle werden in Stunden des Supportpakets abgerechnet. Eine erste Schätzung geben wir, nachdem wir Ihre Daten gesichtet haben.

Glossar

Begriffe auf dieser Seite

Gesprächsaufzeichnung
Gespräche werden gespeichert, damit man sie anhören und Streitfälle klären kann. Mehr erfahren →
Cloud-Betrieb
Die Plattform läuft auf den Servern des Anbieters, Agenten verbinden sich übers Internet. Mehr erfahren →
CRM – Kundenbeziehungsmanagement
Wo ein Unternehmen seine Kunden, Deals und den gesamten Kontaktverlauf führt. Mehr erfahren →
On-Premises-Betrieb
Das System läuft auf den eigenen Servern des Unternehmens, nicht in der Cloud des Anbieters. Mehr erfahren →
Sprachanalyse (Speech Analytics)
Das System wertet aufgezeichnete Gespräche automatisch aus: Themen, Einhaltung des Leitfadens, Emotionen der Kunden. Mehr erfahren →
API (Programmierschnittstelle)
Der Weg, auf dem Programme ohne menschliches Zutun Daten austauschen. Mehr erfahren →
Anrufbeantworter-Erkennung (AMD)
Erkennt, ob bei einem ausgehenden Anruf ein Mensch oder ein Anrufbeantworter abnimmt. Mehr erfahren →
Warteschlange – Anrufer, die auf Annahme warten
Anrufer, die auf einen freien Agenten warten. Mehr erfahren →
Spracherkennung (Speech-to-Text)
Wandelt gesprochene Sprache in Text um. Mehr erfahren →

Blog

Neu im Blog

Alle Artikel →

Aktualisiert: