与客户的每一次对话或互动中都蕴含着宝贵的见解，CX 和业务领导者应该培养这些见解，以改善从产品创新到运营效率再到客户满意度等各个方面。
根据 Metrigy对 544 家公司进行的2024-25 年 CX 优化全球研究，目前只有 50% 的公司使用交互分析产品来发现、分析和/或根据这些数据采取行动。随着生成式人工智能分析提供信息和建议并最终带来极快的回报，这一数字将继续上升。
以下仅列举了交互分析可衡量价值的几个领域：
联络中心主管可以了解代理的表现以及哪些缺陷需要实际指导或基于人工智能的培训。
技术分析师可以分析哪些交互渠道、应用程序或服务与最高和最低的客户满意度相关，并根据需要调整部署。
销售主管可以依靠分析来评估词汇选择、倾听与交谈所花费的时间、对话长度、情绪等，以便更准确地将机会置于销售渠道中。他们还可以使用这些信息来指导销售人员和团队，以帮助提高成交率。
产品经理可以与分析界面交互，以确定满足客户需求并对收入和客户满意度产生最大影响的更新和修订。
任何企业领导者都可以依靠分析来提高运营效率——坦率地说，组织中的任何地方都可以依靠分析来提高运营效率，因为供应商和企业在部署产品的方式上都变得更有创造力。
影响深远的市场
Cresta推出了一款先进的代理 AI 产品AI Analyst，让 CX 和运营主管可以在自然语言界面中提问，并从客户对话中获得近乎实时的见解。此外，其 LLM 会单独而非集体评估每次对话中的单词、提及和情绪，因此结果和分析在统计上更有效。
其他公司，包括Calabrio、CallMiner、Five9、NICE、UJET、Verint、Spearfish.ai和Zoom，也提供交互分析，每种分析的复杂程度和相关性各不相同。拥有联络中心平台的公司通常会将调查结果直接整合到实时服务或销售代理指导中。其他专业提供商则更注重运营团队，甚至是员工参与管理整合。
联络中心领导已经在衡量此类产品的成功程度。例如，Cresta 的一位全球客户每年要花费 1,600 小时手动分析对话。单个主题的分析需要 160 小时，因此该公司每年只需进行大约 10 次分析。现在，公司可以在几分钟内获得所需的任何分析结果 – 而且公司可以继续深入研究，使用自然语言提出具体问题，答案将在几分钟内出现。
能够继续提问并深入探究趋势的根本原因或挖掘客户对话的细节，有助于提升决策水平，因为这些决策是基于数据而非最佳猜测的。这是我如此看好这类人工智能产品的主要原因之一。
生成式 AI 的重要作用
毫不奇怪，生成式 AI 大型语言模型 (LLM) 是推动交互分析迈向新水平的催化剂。LLM 可以快速分析大量数据，包括通话记录、录音、视频和屏幕共享，从而得出这些有意义的见解。
如果不使用 LLM，公司可以从通话中收集静态见解，或者数据分析师可以手动评估数据。然而，静态见解仅仅是静态见解而已——企业领导者无法查询调查结果以了解更多信息，至少不能以接近实时的方式了解。有了 LLM，企业领导者可以深入研究数据，向数据中提出问题，最终获得有价值的信息或可行的建议当然，知道要问什么问题并不是一项通用技能，这就是提示工程发挥作用的地方。公司可以通过这种方式培训使用 LLM 的人如何制作最佳提示以获得最有价值的答案，而且越来越多的技术提供商正在为常见问题类型开发提示模板。
即使有及时的培训或模板，业务和 CX 领导者也可能不知道他们想要向界面询问什么。俗话说，他们不知道自己不知道什么。因此，他们依靠 LLM 来发现正在出现的问题、模式或趋势，使他们能够随时了解公司发生的事情，并在必要时促使他们采取行动。
扩展潜力
目前，这些类型的界面主要面向唾手可得的成果——客户对话。但展望未来，我认为没有理由将它们扩展到公司的其他领域（IT、人力资源、一线员工等），以发现运营效率低下、绩效高低以及营销活动、新产品发布等的结果。
我相信高管级别的仪表盘将成为高管层必备的仪表盘，因为它们将使关键决策者能够确定值得跟踪的关键指标，并在趋势发展时采取行动。例如，如果多个客户开始抱怨某个产品的同一缺陷，那么沟通和客户服务团队可以主动联系客户，并在病毒式社交媒体帖子造成巨大的财务问题和长期声誉问题之前提供解决方案，从而避免后果。
这种与实时客户数据的互动可能会对那些充分利用它的公司产生重大影响——最重要的是，根据调查结果采取行动。
作者：Robin Gareiss原文：https://www.nojitter.com/contact-centers/interaction-analytics-matter-a-lot
