Analisis Topik #
Analisis Topik secara otomatis mengidentifikasi subjek yang dibahas di seluruh panggilan Anda. Alih-alih mengandalkan data yang ditandai secara manual atau pencarian kata kunci, topik diambil langsung dari transkripsi oleh AI — menampilkan apa yang sebenarnya sedang dibicarakan, bahkan ketika Anda tidak tahu harus mencarinya.
Cara Topik Dihasilkan #
Setelah panggilan ditranskripsi, AI membaca seluruh percakapan dan mengidentifikasi subjek dominan yang dibahas, menetapkannya sebagai 'Topik Utama' untuk panggilan tersebut. Jika percakapan mencakup lebih dari satu topik yang berbeda, topik kedua juga akan ditugaskan untuk menangkap tema tambahan tersebut.
Topik diungkapkan dalam bahasa alami, bukan kategori kaku, sehingga mencerminkan isi panggilan yang sebenarnya. Dua panggilan tentang isu dasar yang sama biasanya menghasilkan deskripsi topik yang serupa, meskipun kata-kata percakapan berbeda.
Klaster Topik #
Ketika melihat topik di banyak panggilan, variasi bahasa alami yang digunakan berarti topik serupa dapat diungkapkan dengan cara yang sedikit berbeda. Misalnya, 'permintaan pengembalian dana', 'menanyakan pengembalian dana', dan 'permintaan pengembalian dana' semuanya mewakili tema dasar yang sama.
Klaster Topik mengelompokkan topik-topik terkait ini secara otomatis, sehingga pola lintas panggilan menjadi terlihat pada tingkat yang lebih tinggi. Alih-alih melihat ratusan tag topik yang dirumuskan secara individual, Anda melihat kumpulan topik terkait — sehingga jauh lebih mudah untuk memahami tema apa yang mendorong volume panggilan.
Mengklik klaster di tampilan Analisis Topik akan menampilkan panggilan individu yang berkontribusi padanya, memungkinkan Anda untuk menelusuri dan meninjau percakapan spesifik yang mewakili tema tersebut.
info
Klaster topik diregenerasi setiap minggu, menghasilkan hingga 12 klaster. Mungkin butuh waktu bagi tema-tema baru untuk membentuk klaster tersendiri karena cukup banyak panggilan menumpuk di sekitar suatu topik.
Menggunakan Analisis Topik #
Analisis Topik paling berguna untuk mengidentifikasi pola yang tidak langsung terlihat dari tinjauan panggilan individu. Beberapa cara praktis untuk menggunakannya:
Mengenali masalah yang muncul — peningkatan mendadak panggilan yang berkumpul di sekitar topik seperti 'situs web tidak memuat' atau 'kesalahan penagihan' dapat menunjukkan masalah yang perlu diperhatikan sebelum menjadi lebih parah.
Memahami driver panggilan — melihat topik mana yang menghasilkan volume panggilan tertinggi membantu memprioritaskan fokus perbaikan — baik dalam layanan mandiri, pelatihan agen, maupun perubahan produk.
Pelatihan Informing — topik yang sering muncul bersama sentimen negatif dapat menunjukkan area di mana agen membutuhkan dukungan lebih atau di mana naskah perlu direvisi.
Memvalidasi perubahan — setelah melakukan perubahan produk, proses, atau komunikasi, analisis topik dapat mengonfirmasi apakah volume panggilan terkait telah bergeser sesuai harapan.