如何利用人工智能改進呼叫跟蹤和分析

Invoca是一個人工智能呼叫跟蹤平台，幫助公司最大化電話交互的投資回報率。

它通過使用人工智能和機器學習(包括其人工智能客戶對話解決方案Invoca Signal AI)從電話中獲取語音數據，並從中得出結論。這些見解可以用於更好地了解市場營銷、銷售和客戶體驗方麵的客戶。

例如，Invoca的人工智能已被大型組織用於降低每次收購成本，節省時間，並提高付費和社交媒體活動的投資回報率(ROI)。

我們采訪了迪安娜·麥克弗森(Invoca的首席營銷官)了解更多。

用一句話或一句話描述你的公司。

Invoca是一家基於人工智能的呼叫跟蹤和對話分析公司，它將傳統上僅限於數字消費者交互的營銷分析深度引入到人與人之間的銷售世界。

通過Invoca，營銷人員可以使用實時呼叫和對話分析來最大化他們在穀歌和Facebook上的付費媒體活動的回報，並通過豐富Salesforce和Adobe體驗雲中的客戶資料來改善購買體驗。

你們公司是如何在產品中使用人工智能的?

Invoca的會話分析產品套件使營銷、銷售和客戶體驗團隊能夠獲得與客戶的會話交互的新見解。

Invoca在2017年首次引入會話分析功能，並在隨後的幾年裏進行了大量改進。我們的技術核心是Signal AI，它可以吸收大量的語音數據集，並通過檢測意圖和單詞/短語模式得出結論。Signal AI能夠探測到人類可能忽略的細微之處，讓營銷人員、銷售人員和CX專業人員獲得有價值的、可操作的見解，否則無法獲得這些見解。

您的ai驅動解決方案的主要營銷用例是什麼?

通過Invoca，營銷人員可以自動測量基於電話的轉換，將轉換與之前的數字接觸點相關聯，並將數據傳遞到穀歌Ads和Search Ads 360等係統，以調整關鍵字競價策略，並為通過電話轉換的呼叫者抑製廣告。

利用這些數據，營銷人員實現了兩個關鍵的業務結果:增加基於電話的總轉化率，同時提高廣告支出的效率。

Invoca的客戶包括eHealth、三星、PODS、SunTrust Bank、DISH Network、1-800- get - junk ?大學醫院，燒烤男，梅奧診所。

Dish Network描述了他們如何使用呼叫中心數據為他們的數字營銷投資提供信息本Think with穀歌案例研究：

“我們看到了利用我們的呼叫中心來幫助獲得新客戶的價值，即使他們可能從數字方式開始購買周期。我們知道，超過一半的新用戶會在注冊前通過電話與我們互動。因為手機營銷推動了更高的轉化率，我們將電話轉換數據整合到付費搜索中，這樣我們的數字營銷就可以更努力地為我們找到更好的手機線索。”

這種方法與穀歌智能競價相結合，使轉化率提高了15倍，轉化率提高了60%。

是什麼讓你的人工智能解決方案比傳統方法和產品更智能?

Invoca客戶使用Signal AI來提高營銷效果和效率。客戶降低了每次獲取的成本，節省了員工的時間，提高了投資回報率，並改變了付費搜索結果。

大學醫院可以每周節省幾十個小時使用這種方法。

“我們已經能夠為所有這些員工每周節省40個小時，”大學醫院分析和戰略經理諾亞·布魯克斯(Noah Brooks)說。“他們現在專注於優化他們的營銷活動，開發新的創意，並測試新東西。”

市場營銷人員從你的人工智能技術中獲得價值有什麼最低要求嗎?(例如數據、列表大小等)

營銷人員必須在他們的廣告、營銷創意和網站上用Invoca追蹤號碼替換電話號碼，並且他們必須能夠記錄基於電話的對話。

就公司規模和行業而言，你的理想客戶是誰?

我們主要服務於“經過考慮的采購”行業，在這些行業中，我們客戶的很大一部分業務(20-100%)是通過電話進行交易的。主要垂直行業包括醫療保健、金融服務、保險、汽車、家庭服務、旅遊和酒店、零售/電子商務、聯營/績效營銷和數字營銷機構。

我們專門服務於呼叫量高(每月超過1000個呼入)和交易價值高的中端市場和企業業務。

你認為目前人工智能的局限性是什麼?

人工智能的好壞取決於用來訓練它的數據，而獲取高質量的數據是昂貴和/或耗時的。由於數據的豐富性，會話數據提出了獨特的挑戰。這些數據包含了多個說話者，他們談論著不同的話題，表達著不同的情緒，這些情緒在整個對話過程中都有所不同。對話自然抵製人工智能中典型的二元分類。

例如，在人工智能的圖像識別中，圖片要麼包含對象，要麼不包含對象。判斷一段對話是“積極的”還是“消極的”要主觀得多。Invoca在使用AI本身協助訓練數據管理過程方麵取得了長足進展，大大降低了訓練新AI所需的成本和工作量。

你認為人工智能在市場營銷中的未來潛力是什麼?

營銷人員將繼續利用人工智能來產生新的見解，並使手工流程自動化。我們預測有兩種趨勢將得到發展:

無監督學習:通過讓機器發現模式，營銷人員可以從數據分析中消除先入之見和假設，從而發現意想不到的見解。

這種技術的一個例子是我們的信號發現技術。無監督人工智能不需要人類“監督”學習過程(例如，通過提供帶有地麵真理標簽的訓練數據)。

可訪問性:營銷人員在部署人工智能時麵臨的一個主要挑戰是，軟件往往沒有為營銷人員考慮。為了從係統中獲得價值，用戶必須接受查詢和操作數據的數據科學技術方麵的專門培訓。我們相信，將人工智能的力量交到營銷人員手中的軟件將在未來幾年獲得顯著增長。這需要易於理解的數據可視化和易於操作的向導，使營銷人員能夠自己訓練他們的模型。

對人工智能在營銷中的應用還有什麼想法嗎?或者對剛剛開始接觸人工智能的營銷人員有什麼建議嗎?

你的客戶需求在迅速變化，你的營銷也應該如此。為AI選擇一個用例，解決您所麵臨的效率或敏捷性方麵的挑戰。使用更好的數據運行測試，向涉眾展示改進的結果，並不斷迭代。現在是時候展示你快速調整和優化的能力，以及更好地服務你的客戶。