OptFor.AI Consulting / Transformation / Development

Case Study · Healthcare & Contact Center

AI w Contact Center Grupy LUX MED: kontekstowa analiza rozmów sprzedażowych

Konsultant Contact Center analizujący rozmowę sprzedażową przy wsparciu systemu AI

Rezultaty projektu

Około 86%

skuteczności oceny AI

W jednym z najtrudniejszych obszarów — pracy z obiekcjami klienta.

Do 100%

rozmów objętych analizą

Zamiast ręcznej kontroli ograniczonej próbki kontaktów.

Kolejny etap

współpracy po pilotażu

Projekt jest rozwijany po potwierdzeniu możliwości technologii.

01 · Klient

Grupa LUX MED

Klient
Grupa LUX MED
Branża
Opieka zdrowotna
Obszar
Sprzedaż i Contact Center
Technologia
Transkrypcja mowy, LLM, analiza kontekstowa
Realizacja
Pilotaż i dalszy rozwój rozwiązania

02 · Wyzwanie

Jak zwiększyć skalę i obiektywność oceny rozmów?

Jakość rozmów konsultantów ma bezpośredni wpływ na doświadczenia klientów, skuteczność sprzedaży oraz zgodność z wewnętrznymi standardami. Dotychczas pracownicy oceniali rozmowy ręcznie na podstawie karty oceny, co pozwalało kontrolować jedynie niewielką część wszystkich kontaktów.

Grupa LUX MED chciała sprawdzić, czy AI może automatyzować nie tylko wykrywanie prostych zdarzeń, takich jak brak przedstawienia się, ale również ocenę niejednoznacznych elementów rozmowy. Największym wyzwaniem była praca z obiekcjami: rozpoznanie także ukrytej wątpliwości, zbadanie jej przyczyny oraz ocena, czy odpowiedź konsultanta była adekwatna i skuteczna.

03 · Rozwiązanie

Automatyczna analiza rozmów oparta na kontekście

Wspólnie z zespołem Grupy LUX MED przygotowaliśmy prototyp systemu analizującego rozmowy sprzedażowe. Zanonimizowane nagrania były zamieniane na tekst, a następnie oceniane przez modele AI według kryteriów opracowanych z ekspertami LUX MED.

System wykrywał czerwone flagi i wymagane elementy procedury, w tym prawidłowe przedstawienie się, informację o nagrywaniu oraz poprawne użycie nazwy firmy. Jednocześnie analizował pełny kontekst rozmowy: identyfikował jawne i ukryte obiekcje, oceniał sposób badania ich przyczyn i dopasowanie argumentacji do sytuacji klienta.

Oprócz wyniku AI generowało praktyczną informację zwrotną: wskazywało mocne strony rozmowy, skuteczne argumenty i konkretne możliwości poprawy. Dzięki temu analiza może wspierać zarówno kontrolę jakości, jak i bieżący coaching konsultantów.

04 · Bezpieczeństwo danych

Anonimizacja przed rozpoczęciem analizy

Bezpieczeństwo informacji było jednym z najważniejszych warunków pilotażu. Wszystkie rozmowy z próbki zostały przed przekazaniem do analizy ręcznie zanonimizowane, a poprawność procesu dodatkowo zweryfikowano.

Dopiero materiał pozbawiony informacji pozwalających zidentyfikować klientów, konsultantów lub inne osoby został poddany transkrypcji i analizie. Pozwoliło to pracować na rzeczywistych rozmowach przy ograniczeniu ryzyka związanego z przetwarzaniem danych osobowych.

05 · Weryfikacja pilotażu

AI kontra ręczna ocena rozmów

  • Porównanie oceny AI z pierwotną kartą kontrolera jakości.
  • Ponowna analiza rozbieżności przez dodatkowy zespół.
  • Ekspercka interpretacja najbardziej niejednoznacznych przypadków.
  • Doprecyzowanie kryteriów na podstawie nietypowych rozmów.

Pierwsze porównanie pokazało około 30% zgodności AI z pierwotną oceną kontrolera. Ponowna analiza wykazała jednak, że w większości sprawdzonych rozbieżności trafniejszy był wynik AI. Pilotaż uwidocznił wpływ subiektywnej interpretacji, zmęczenia i różnic między kontrolerami na ręczną ocenę.

Zidentyfikowano też przypadki, których system nie oceniał jeszcze prawidłowo — między innymi rozmowy dotyczące zakupu kilku produktów o różnym przebiegu sprzedaży. Posłużyły one do dalszego doskonalenia kryteriów i mechanizmu analizy.

06 · Korzyści

Większa skala kontroli i praktyczne dane dla sprzedaży

  • Analiza znacznie większej liczby rozmów bez proporcjonalnego zwiększania zespołu kontroli jakości.
  • Stabilne kryteria oceny niezależne od pory dnia i indywidualnych preferencji kontrolera.
  • Szybsza, konkretna informacja zwrotna dla konsultantów.
  • Więcej czasu trenerów i kontrolerów na coaching oraz złożone przypadki.
  • Personalizacja szkoleń na podstawie mocnych stron i obszarów do poprawy.
  • Analiza argumentów sprzedażowych i zachowań prowadzących do kolejnego kroku lub finalizacji.
  • Dane wspierające ciągłe doskonalenie procesu i pomiar skuteczności szkoleń.

07 · Jak interpretować wynik?

Co oznacza około 86% skuteczności?

Wynik dotyczy wybranego, szczególnie wymagającego elementu rozmów — oceny pracy z obiekcjami klienta. Nie oznacza wzrostu sprzedaży o 86% ani skuteczności całego Contact Center na tym poziomie.

Rezultat określono na próbce pilotażowej, porównując pierwotną ocenę kontrolera, analizę AI, ponowną ocenę dodatkowego zespołu oraz ekspercką interpretację rozbieżności. Badanie pokazało, że odpowiednio przygotowane AI może wiarygodnie analizować niejednoznaczne zachowania i zapewniać stabilniejszą informację zwrotną.

OptFor.AI

AI do analizy rozmów w sprzedaży i obsłudze klienta

OptFor.AI projektuje rozwiązania do automatycznej analizy rozmów telefonicznych, oceny jakości obsługi oraz identyfikowania zachowań wpływających na skuteczność sprzedaży. System może analizować realizację procedur, rozpoznawanie potrzeb, pracę z obiekcjami, argumentację i dążenie do finalizacji.

Rozwiązanie dostosowujemy do procesów, kryteriów oceny i wymagań bezpieczeństwa konkretnej organizacji — od pilotażu na reprezentatywnej próbce po skalowalne rozwiązanie obejmujące cały wolumen rozmów.

Case study · Ostatnia aktualizacja:

OptFor.AI

Chcesz sprawdzić, co AI wykryje w rozmowach Twojego zespołu?

Przeanalizuj przykładową próbkę i zobacz, jakie informacje o jakości obsługi, skuteczności argumentów i potrzebach szkoleniowych może dostarczyć AI.

Omów analizę rozmów