- Conversation intelligence adalah teknologi berbasis AI dan machine learning yang merekam, mentranskripsikan, dan menganalisis interaksi bisnis, baik suara, chat, email, maupun pesan digital.
- Implementasi yang efektif dimulai dari tujuan bisnis, data pembanding (baseline), dan proses coaching yang jelas.
- Fitur Chatbot AI dan Agentic AI dari Mekari Qontak membantu tim menindaklanjuti temuan percakapan, mulai dari menjawab pertanyaan berulang sampai menjalankan tugas lintas sistem.
Tim sales dan layanan pelanggan berinteraksi dengan calon pelanggan maupun pelanggan melalui telepon, WhatsApp, chat web, dan email. Jumlahnya bisa mencapai ribuan per bulan, sementara manajer hanya meninjau sebagian kecil.
Akibatnya, informasi seperti keberatan harga, nama kompetitor, atau tanda pelanggan ingin berhenti berlangganan dapat luput dari perhatian.
Conversation intelligence hadir membantu bisnis mengolah percakapan untuk menemukan pola, memahami kebutuhan pelanggan, dan menentukan tindak lanjut.
Dalam artikel ini, Mekari Qontak Blog akan membahas seputar conversation intelligence, cara membuatnya hingga metrik yang diperlukan untuk mengukur hasilnya.
Apa Itu Conversation Intelligence?
Conversation intelligence (kecerdasan percakapan) adalah teknologi berbasis kecerdasan buatan (artificial intelligence/AI) dan machine learning yang digunakan untuk merekam, mentranskripsikan, serta menganalisis interaksi antara bisnis dan pelanggan.
Sumbernya dapat berupa percakapan suara, chat, email, maupun pesan digital lainnya. Sementara hasil analisisnya berupa ringkasan, topik, sentimen, dan tindak lanjut yang dapat langsung dipakai tim sales, layanan pelanggan, maupun marketing.
Teknologi ini berbeda dari:
- Call recording menyimpan audio, sedangkan conversation intelligence mengolah isi percakapan untuk dianalisis.
- Chatbot AI atau conversational AI berinteraksi langsung dengan pelanggan. Conversation intelligence menganalisis percakapan yang sudah berlangsung.
Cara Membuat Conversation Intelligence yang Efektif
Langkah berikut membantu memastikan data relevan, hasil analisis dapat dipercaya, dan insight ditindaklanjuti.
1. Tetapkan Tujuan dan Ukur Kondisi Awal
Pilih satu masalah bisnis sebagai fokus awal agar prioritas dan dampaknya mudah diukur.
Contohnya, Head of Sales dapat mengevaluasi penanganan keberatan harga, sedangkan Customer Success Manager dapat mengidentifikasi keluhan berulang atau risiko pelanggan berhenti berlangganan.
Catat kondisi awal (baseline), seperti persentase percakapan sales yang menghasilkan kesepakatan langkah selanjutnya atau jumlah keluhan berulang dalam satu periode. Angka ini menjadi pembanding setelah sistem diterapkan.
2. Petakan Kanal dan Sumber Percakapan
Selanjutnya, petakan kanal komunikasi pelanggan, seperti telepon, WhatsApp platform, chat web, dan email. Hubungkan data dari setiap kanal dengan identitas pelanggan di CRM agar riwayat interaksi tetap utuh saat pelanggan berpindah kanal.
Chat WhatsApp tidak membutuhkan transkripsi suara sehingga dapat langsung dianalisis sebagai teks.
Sementara itu, untuk rekaman suara dan data pribadi lainnya, sebaiknya melibatkan tim Legal untuk menetapkan pemberitahuan, tujuan pemrosesan, hak akses, dan masa simpan sesuai UU Pelindungan Data Pribadi (UU PDP).
3. Pastikan Transkripsi Percakapan Akurat
Pada percakapan suara, kualitas transkripsi menentukan ketepatan analisis. Tantangannya adalah komunikasi bisnis di Indonesia kerap mencampur bahasa Indonesia, istilah Inggris, nama produk, dan singkatan.
Tinjauan Mustafa dkk. dalam Cardiff Metropolitan University menyimpulkan bahwa akurasi speech recognition menurun pada ucapan campur bahasa dan hasilnya tidak konsisten antar sistem.
4. Buat Scorecard dan Daftar Topik Analisis
Tentukan aspek yang perlu dinilai. Tim sales dapat memakai scorecard berisi lima sampai delapan kriteria, seperti pembukaan, penggalian kebutuhan, penanganan keberatan, dan kesepakatan tindak lanjut.
Dokumentasi Google Cloud menjelaskan bahwa platform dapat menandai bagian percakapan berdasarkan topik dan kriteria yang ditentukan tim.
Anda bisa melakukan uji scorecard dengan meminta dua penilai memeriksa sampel yang sama. Jika skor mereka berbeda jauh, perjelas kriteria yang masih ambigu atau terlalu subjektif.
5. Integrasikan Hasil Analisis dengan CRM dan Alur Kerja
Selanjutnya, catat ringkasan percakapan, tag topik, dan tugas tindak lanjut pada profil kontak atau deal di aplikasi CRM.
Hasil yang hanya tersimpan di dasbor terpisah berisiko tidak digunakan. Integrasi CRM membuat konteks percakapan tersedia saat tim mengelola prospek atau pelanggan.
Atur notifikasi ketika pelanggan menyebut kompetitor, menyampaikan keluhan serius, atau ingin berhenti berlangganan. Tim terkait dapat segera meninjau percakapan dan menentukan respons.
6. Jalankan Pilot dan Jadwalkan Coaching
Mulailah dari satu tim atau proses yang sesuai dengan tujuan awal. Selama pilot, Anda bisa meninjau percakapan yang ditandai setiap minggu dan membandingkan hasilnya dengan baseline.
Gunakan temuan ini sebagai bahan coaching, bukan sekadar alat pengawasan. Bahas contoh percakapan yang efektif, tunjukkan bagian yang perlu diperbaiki, lalu sepakati tindakan untuk interaksi berikutnya. Sistem pun mendukung pengembangan kemampuan tim.
Menentukan Pendekatan Implementasi Conversation Intelligence
Pilihan pendekatan bergantung pada sumber daya engineering, kebutuhan integrasi, dan sensitivitas data.
Gunakan tombol panah kiri/kanan untuk menggulir secara horizontal.
| Pendekatan | Cocok untuk | Risiko utama |
|---|---|---|
| Bangun sendiri | Perusahaan dengan tim engineering kuat dan kebutuhan spesifik. | Tim internal bertanggung jawab atas pemeliharaan model, kalibrasi akurasi, integrasi, dan tata kelola data. |
| Beli platform khusus | Tim sales atau CS yang ingin segera menggunakan analisis percakapan. | Hasil analisis berpotensi berada di dasbor terpisah dan mungkin membutuhkan pekerjaan tambahan untuk integrasi CRM. |
| Hybrid | Perusahaan multi-kanal dengan data terpusat di CRM yang membutuhkan fleksibilitas. | Kemampuan analisis dan penyesuaian tetap bergantung pada fitur serta batasan penyedia platform. |
Uji setiap opsi dengan data percakapan sendiri. Periksa kualitas transkripsi, integrasi CRM, serta penanggung jawab akses dan pengelolaan data.
Cara Mengukur Hasil dan Menghindari Kesalahan Umum
Saat mengukur hasil conversational intelligence, Anda bisa menggunakan baseline awal sebagai pembanding. Untuk tahap pilot, pantau tiga metrik berikut:
- Cakupan analisis: persentase percakapan yang berhasil dianalisis secara otomatis dibandingkan dengan seluruh percakapan yang menjadi cakupan.
- Cakupan coaching: persentase sales representatif yang menerima umpan balik (customer feedback) berdasarkan agent scorecard dalam 30 hari terakhir.
- Konversi ke langkah lanjutan: perubahan persentase percakapan yang menghasilkan tindak lanjut dari kondisi awal.
Dampak pada pendapatan umumnya baru terlihat setelah beberapa bulan, jadi tahap awal lebih tepat dinilai dari perubahan proses coaching. Berikut ini tiga kesalahan yang paling sering muncul:
- Merekam percakapan tanpa menindaklanjuti temuannya.
- Memakai skor untuk mengawasi individu secara ketat.
- Membiarkan hasil analisis terpisah dari sistem CRM.
Optimalkan Tindak Lanjut Percakapan Pelanggan dengan Mekari Qontak
Dengan demikian, conversation intelligence mengubah percakapan yang tersebar menjadi insight untuk meningkatkan layanan dan proses penjualan.
Manfaatnya bergantung pada enam hal: tujuan yang terukur, kanal yang terpetakan, transkripsi akurat, scorecard yang jelas, integrasi CRM, serta evaluasi melalui pilot dan coaching.
Anda perlu memastikan setiap interaksi pelanggan ditindaklanjuti. Mekari Qontak menyediakan solusi AI untuk mendukung proses tersebut.
Chatbot AI Mekari Qontak bisa menjawab pertanyaan berulang berdasarkan basis pengetahuan bisnis dan meneruskan percakapan kompleks kepada agen beserta riwayat interaksinya.
Sementara itu, Agentic AI Mekari Qontak hadir untuk memahami konteks percakapan dan dapat menjalankan tindakan seperti membuat tiket atau deal pada sistem yang terhubung.
Coba gratis Chatbot AI Mekari Qontak untuk mengotomatiskan percakapan berulang, atau konsultasikan kebutuhan Anda dengan tim kami untuk tindak lanjut lintas sistem.
Pertanyaan yang Sering Diajukan Tentang Conversation Intelligence (FAQ)
Apa bedanya conversation intelligence dengan speech analytics atau conversation analytics?
Apa bedanya conversation intelligence dengan speech analytics atau conversation analytics?
Umumnya, speech analytics berfokus pada metrik dari suara di contact center, conversation analytics menyajikan laporan agregat, dan conversation intelligence menambahkan penjelasan mengapa suatu percakapan berhasil beserta rekomendasi tindakan.
Apakah conversation intelligence dapat menggantikan QA atau supervisor?
Apakah conversation intelligence dapat menggantikan QA atau supervisor?
Tidak sepenuhnya. Otomatisasi menjangkau semua percakapan, tetapi manusia tetap menilai konteks, nada, dan keputusan coaching.
Apakah pelanggan dan karyawan perlu diberi tahu bahwa percakapan dianalisis?
Apakah pelanggan dan karyawan perlu diberi tahu bahwa percakapan dianalisis?
Umumnya perlu. Percakapan memuat data pribadi, sehingga perusahaan perlu menyampaikan tujuan dan masa simpan secara jelas; konsultasikan redaksi dan dasar hukumnya dengan tim Legal.
Apakah volume percakapan harus besar sebelum memulai?
Apakah volume percakapan harus besar sebelum memulai?
Tidak ada ambang baku. Nilai terbesar muncul saat volume melampaui kapasitas tinjauan manual, sedangkan volume kecil dapat dimulai dengan sampel manual dan scorecard sederhana.
Apakah hasil analisis conversation intelligence berguna untuk tim di luar sales dan CS?
Apakah hasil analisis conversation intelligence berguna untuk tim di luar sales dan CS?
Ya. Tim marketing dapat mempelajari bahasa pelanggan dalam mendeskripsikan masalah, dan tim produk dapat menemukan permintaan fitur yang berulang.
