DialNexa ಭಾರತದಲ್ಲಿ ಹತ್ತ ಲಕ್ಷಕ್ಕೂ ಹೆಚ್ಚು ವ್ಯಾಪಾರ ಕರೆಗಳನ್ನು ವಿಶ್ಲೇಷಿಸಿತು ಮತ್ತು ವಾಯ್ಸ್-AI (voice-AI) ನಾಲ್ಕು ಪ್ರಮುಖ ಅಂಶಗಳು—ಕನೆಕ್ಟಿವಿಟಿ, ಲೇಟೆನ್ಸಿ, ಭಾಷಾ ಮಿಶ್ರಣ ಮತ್ತು ಸಮಯದ ಹೊಂದಾಣಿಕೆ—ಒಟ್ಟಾಗಿ ಸರಿಯಾಗಿ ಹೊಂದಾಣಿಕೆಯಾದಾಗ ಮಾತ್ರ ಕೆಲಸ ಮಾಡುತ್ತದೆ ಎಂದು ಕಂಡುಕೊಂಡಿತು. ಡಜನ್‌ಗಟ್ಟಲೆ ಭಾರತೀಯ ಸಂಸ್ಥೆಗಳು ಈಗಾಗಲೇ ಮಾರಾಟ, ಬೆಂಬಲ ಮತ್ತು ನೆನಪಿಸುವಿಕೆಗಳಿಗಾಗಿ (reminders) ವಾಯ್ಸ್ ಏಜೆಂಟ್‌ಗಳನ್ನು ಬಳಸುತ್ತಿವೆ, ಮತ್ತು ಹೆಚ್ಚಿನ ಪೈಲಟ್ ಯೋಜನೆಗಳು ನೈಜ-ಪ್ರಪಂಚದ ಪ್ರಮಾಣಕ್ಕೆ ತಲುಪಿದಾಗ ಏಕೆ ವಿಫಲವಾಗುತ್ತವೆ ಎಂಬುದನ್ನು ಈ ಡೇಟಾ ವಿವರಿಸುತ್ತದೆ.

ಕಾರ್ಯಾಚರಣೆಯ ಭಾಗ ಏಕೆ ಮುಖ್ಯ

ವಾಯ್ಸ್-AI ಕೇವಲ ಪ್ರಾತ್ಯಕ್ಷಿಕೆಗಳಿಂದ (demos) ಹೊರಬಂದು ಈಗ ಕಾಲ್ ಸೆಂಟರ್‌ಗಳು, ಔಟ್‌ಬೌಂಡ್ ಸೇಲ್ಸ್ ತಂಡಗಳು ಮತ್ತು ಅಪಾಯಿಂಟ್‌ಮೆಂಟ್ ನಿಗದಿಪಡಿಸುವ ಸೇವೆಗಳ ದೈನಂದಿನ ಬಳಕೆಗೆ ಬಂದಿದೆ. ಈ ತಂತ್ರಜ್ಞಾನವು ಕಡಿಮೆ ಸಿಬ್ಬಂದಿ ವೆಚ್ಚ ಮತ್ತು ವೇಗವಾದ ಪ್ರತಿಕ್ರಿಯೆಗಳನ್ನು ಭರವಸೆ ನೀಡುತ್ತದೆ, ಆದರೆ ಪ್ರಯೋಗಾಲಯದಲ್ಲಿ ಚೆನ್ನಾಗಿ ಕೇಳಿಸುವ ಬಾಟ್, ಕರೆಗಳ ಹರಿವು (call flow) ಕುಸಿಯುವ ಸಂದರ್ಭದಲ್ಲಿ ವಿಫಲವಾಗಬಹುದು. ಅನೇಕ ಉದ್ಯಮಗಳಿಂದ ಸಂಗ್ರಹಿಸಲಾದ DialNexa ನ ಡೇಟಾ ಸೆಟ್, ಕರೆಗಳ ಸಂಖ್ಯೆಯು ದಿನಕ್ಕೆ ಕೆಲವು ನೂರರಿಂದ ಹತ್ತಾರು ಸಾವಿರಗಳಿಗೆ ಏರಿದಾಗ ಅದೇ AI ಹೇಗೆ ವರ್ತಿಸುತ್ತದೆ ಎಂಬುದನ್ನು ತೋರಿಸುತ್ತದೆ.

ಕನೆಕ್ಟಿವಿಟಿ ಮತ್ತು ಮರು-ಪ್ರಯತ್ನಗಳ (retries) ಶಕ್ತಿ

ಹೊಸ ಸಂಖ್ಯೆಗಳಿಗೆ ಮೊದಲ ಬಾರಿಯ ಕರೆ ಸ್ವೀಕರಿಸುವ ದರವು ಶೇ. 48 ರಷ್ಟಿದೆ; ಪದೇ ಪದೇ ಡಯಲ್ ಮಾಡುವುದರಿಂದ ಇದು ಶೇ. 20 ಕ್ಕೆ ಇಳಿಯಬಹುದು. ಸ್ಮಾರ್ಟ್ ರಿಟ್ರೈ ಸೀಕ್ವೆನ್ಸ್ (Smart retry sequences) ಒಟ್ಟು ಕನೆಕ್ಟಿವಿಟಿಯನ್ನು ಶೇ. 70 ಕ್ಕಿಂತ ಹೆಚ್ಚು ಮಾಡುತ್ತದೆ. ಕೇವಲ ಮೊದಲ ಪ್ರಯತ್ನವನ್ನು ಮಾತ್ರ ಅಳೆಯುವುದು ಅತಿಯಾದ ಕಳವಳಕಾರಿ ಚಿತ್ರಣವನ್ನು ನೀಡುತ್ತದೆ; ಸಂಪೂರ್ಣ ಕರೆ ಜೀವನಚಕ್ರ (call lifecycle) ಮುಖ್ಯವಾಗಿದೆ.

ಪ್ರಾಮಾಣಿಕತೆ ಮತ್ತು ಧ್ವನಿಯ ಗುಣಮಟ್ಟದ ಮೇಲೆ ಉಳಿಯುವಿಕೆ (Retention) ಅವಲಂಬಿತವಾಗಿದೆ

ಶೇ. 3 ಕ್ಕಿಂತ ಕಡಿಮೆ ಕರೆದಾರರು AI ಅನ್ನು ತಕ್ಷಣವೇ ಕಟ್ ಮಾಡುತ್ತಾರೆ. ಸಿಂಥೆಟಿಕ್ ಧ್ವನಿ (synthetic voice) ನೈಸರ್ಗಿಕವಾಗಿ ಕೇಳಿಸಿದಾಗ ಮತ್ತು ಆರಂಭಿಕ ಸ್ಕ್ರಿಪ್ಟ್ ಸಂಭಾಷಣೆಯಂತೆ ಅನಿಸಿದಾಗ, ಕರೆದಾರರು ಹೆಚ್ಚು ಕಾಲ ಉಳಿಯುತ್ತಾರೆ. ಸಂವಹನವು AI ಚಾಲಿತವಾಗಿದೆ ಎಂದು ಮೊದಲೇ ತಿಳಿಸುವುದು ನಂಬಿಕೆಯನ್ನು ಬೆಳೆಸುತ್ತದೆ ಮತ್ತು ಆರಂಭಿಕ ಡ್ರಾಪ್-ಆಫ್‌ಗಳನ್ನು ಕಡಿಮೆ ಮಾಡುತ್ತದೆ.

ಲೇಟೆನ್ಸಿ (Latency) ಸಮಸ್ಯೆಯು ತಕ್ಷಣವೇ ತಿಳಿಯುತ್ತದೆ

ಹೆಚ್ಚಿನ ಪ್ರತಿಕ್ರಿಯೆಗಳು ಒಂದು ಸೆಕೆಂಡಿಗಿಂತ ಕಡಿಮೆ ಸಮಯದಲ್ಲಿ ಬರುತ್ತವೆ, ಆದರೆ ಕೆಲವು ಸಂವಹನಗಳು ಎರಡು ಸೆಕೆಂಡು ಅಥವಾ ಅದಕ್ಕಿಂತ ಹೆಚ್ಚು ಸಮಯ ತೆಗೆದುಕೊಳ್ಳುತ್ತವೆ. ಅಂತಹ ದೀರ್ಘ ವಿಳಂಬಗಳು ಸಂಭಾಷಣೆಯ ಹರಿವನ್ನು ತಪ್ಪಿಸುತ್ತವೆ, ಇದರಿಂದ ಕರೆದಾರರು ತಮ್ಮ ಮಾತನ್ನು ಪುನರಾವರ್ತಿಸಲು ಅಥವಾ ಕರೆ ಕಟ್ ಮಾಡಲು ಪ್ರೇರೇಪಿಸುತ್ತಾರೆ. ಕೇವಲ ಸರಾಸರಿಯನ್ನು ಮಾತ್ರವಲ್ಲದೆ, ಅತ್ಯಂತ ನಿಧಾನಗತಿಯ ಪ್ರತಿಕ್ರಿಯೆಗಳನ್ನು (slowest response times) ಗಮನಿಸಿ.

ಕೋಡ್-ಸ್ವಿಚಿಂಗ್ (Code-switching) ಒಂದು ಸಾಮಾನ್ಯ ಪ್ರಕ್ರಿಯೆ, ಅಪವಾದವಲ್ಲ

ಭಾರತದಲ್ಲಿ, ಮಾತನಾಡುವವರು ಒಂದೇ ವಾಕ್ಯದಲ್ಲಿ ಹಿಂದಿ ಮತ್ತು ಇಂಗ್ಲಿಷ್ ನಡುವೆ ಬದಲಾಯಿಸುತ್ತಾ ಹೋಗುತ್ತಾರೆ. ಮಿಶ್ರಿತ ಭಾಷೆಯನ್ನು ಒಂದೇ ಹಂತದಲ್ಲಿ ಪ್ರಕ್ರಿಯೆಗೊಳಿಸುವ ಪ್ಲಾಟ್‌ಫಾರ್ಮ್‌ಗಳು, ಮೊದಲು ವಾಕ್ಯವನ್ನು ಪ್ರತ್ಯೇಕ ಹರಿವುಗಳಾಗಿ ವಿಂಗಡಿಸುವ ಪ್ಲಾಟ್‌ಫಾರ್ಮ್‌ಗಳಿಗಿಂತ ಉತ್ತಮವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತವೆ. ಕೋಡ್-ಸ್ವಿಚಿಂಗ್ ಅನ್ನು ಸುಗಮವಾಗಿ ನಿರ್ವಹಿಸುವ ವ್ಯವಸ್ಥೆಗಳು ಹೆಚ್ಚಿನ ಪೂರ್ಣಗೊಳಿಸುವಿಕೆಯ ದರ (completion rates) ಮತ್ತು ಕಡಿಮೆ ಕರೆ ಅವಧಿಯನ್ನು ತೋರಿಸುತ್ತವೆ, ಇದು ಭಾಷೆಯನ್ನು ಒಂದು ನಿರಂತರತೆಯಾಗಿ ಪರಿಗಣಿಸುವ ಬಹುಭಾಷಾ ಮಾದರಿಗಳ (multilingual models) ಅಗತ್ಯವನ್ನು ಒತ್ತಿಹೇಳುತ್ತದೆ.

ಸ್ಪಷ್ಟ ಫಲಿತಾಂಶವಿರುವ ಕಾರ್ಯಗಳನ್ನು ಆರಿಸಿ

ಲೀಡ್ ಕ್ವಾಲಿಫಿಕೇಶನ್ (Lead qualification) ಮತ್ತು ಇವೆಂಟ್-ರಿಮೈಂಡರ್ ಕರೆಗಳು ಯಶಸ್ಸಿನ ಪಟ್ಟಿಯಲ್ಲಿ ಅಗ್ರಸ್ಥಾನದಲ್ಲಿವೆ. ಈ ಬಳಕೆಯ ಪ್ರಕರಣಗಳು (use cases) ಸ್ಪಷ್ಟವಾದ ಇನ್‌ಪುಟ್ ಮತ್ತು ನಿರೀಕ್ಷಿತ ಔಟ್‌ಪುಟ್‌ಗಳನ್ನು ಹೊಂದಿವೆ, ಇದು AI ಗೆ ಸ್ಕ್ರಿಪ್ಟ್ ಮಾಡಲಾದ ನಿರ್ಧಾರ ಮರವನ್ನು (decision tree) ಅನುಸರಿಸಲು ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ. ಸಂಕೀರ್ಣ ತಾಂತ್ರಿಕ ಸಮಸ್ಯೆಗಳನ್ನು ಪರಿಹರಿಸುವಂತಹ ಮುಕ್ತ ಸಂಭಾಷಣೆಗಳು (Open-ended conversations) ಕಡಿಮೆ ಪೂರ್ಣಗೊಳಿಸುವಿಕೆಯ ದರವನ್ನು ತೋರಿಸಿವೆ. ರಚನಾತ್ಮಕ ಕಾರ್ಯದೊತ್ತಿಗೆಗಳೊಂದಿಗೆ (structured workflows) ಪ್ರಾರಂಭಿಸುವುದರಿಂದ, ತಂಡಗಳು ಹೆಚ್ಚು ಸಂಕೀರ್ಣ ಸಂಭಾಷಣೆಗಳನ್ನು ಕೈಗೆತ್ತಿಕೊಳ್ಳುವ ಮೊದಲು ಕನೆಕ್ಟಿವಿಟಿ ಮತ್ತು ಲೇಟೆನ್ಸಿ ಸಮಸ್ಯೆಗಳನ್ನು ಸರಿಪಡಿಸಿಕೊಳ್ಳಬಹುದು.

ಸಮಯದ ಹೊಂದಾಣಿಕೆ ಮುಖ್ಯ

ಕರೆಗಳ ಯಶಸ್ಸು ದಿನದ ಸಮಯಕ್ಕೆ ಅನುಗುಣವಾಗಿ ವ್ಯತ್ಯಾಸವಾಗುತ್ತದೆ. ವೃತ್ತಿಪರ ಸಂಪರ್ಕಗಳಿಗಾಗಿ, ಬೆಳಿಗ್ಗೆ 10 am-12 pm, ಸಂಜೆ 4 pm-6 pm ಮತ್ತು ರಾತ್ರಿ 8 pm-9 pm ಅತ್ಯುತ್ತಮ ಸಮಯಗಳಾಗಿವೆ. ಈ ಸಮಯಗಳ ಹೊರತಾಗಿ ಮಾಡುವ ಕರೆಗಳು ಸ್ವೀಕರಿಸುವ ಮತ್ತು ಗುರಿ ಪೂರ್ಣಗೊಳಿಸುವ ದರದಲ್ಲಿ ಗಮನಾರ್ಹ ಇಳಿಕೆಯನ್ನು ಕಾಣುತ್ತವೆ. AI ಅನ್ನು ಬದಲಾಯಿಸದೆ ದಕ್ಷತೆಯನ್ನು ಸುಧಾರಿಸಲು ಈ ಸಮಯಗಳಿಗೆ ಅನುಗುಣವಾಗಿ ಕರೆಗಳನ್ನು ಯೋಜಿಸಿ.

ಇನ್‌ಬೌಂಡ್ ಕರೆಗಳು ಹೆಚ್ಚಿನ ಪ್ರಭಾವ ಬೀರುತ್ತವೆ

ಒಟ್ಟು ಪ್ರಮಾಣದಲ್ಲಿ ಕೇವಲ ಶೇ. 16 ರಷ್ಟು ಇನ್‌ಬೌಂಡ್ ಕರೆಗಳಾಗಿದ್ದರೂ, ಅವು ಶೇ. 89 ರಷ್ಟು ಗುರಿ ಪೂರ್ಣಗೊಳಿಸುವಿಕೆಯ ದರವನ್ನು ಸಾಧಿಸಿವೆ. ಸಂಭಾಷಣೆಯನ್ನು ಪ್ರಾರಂಭಿಸುವ ಕರೆದಾರರಿಗೆ ಈಗಾಗಲೇ ಉದ್ದೇಶವಿರುತ್ತದೆ, ಆದ್ದರಿಂದ AI ಮುಖ್ಯವಾಗಿ ಮಾಹಿತಿಯನ್ನು ಖಚಿತಪಡಿಸುತ್ತದೆ ಅಥವಾ ನೀಡುತ್ತದೆ. ಔಟ್‌ಬೌಂಡ್ ಕರೆಗಳು ಮೊದಲು ಕೇಳುಗನ ಗಮನವನ್ನು ಸೆಳೆಯಬೇಕಾಗುತ್ತದೆ, ಇದು ಕನೆಕ್ಟಿವಿಟಿ ಮತ್ತು ಸಮಯದ ಪ್ರತಿಯೊಂದು ಬದಲಾವಣೆಯನ್ನು ಹೆಚ್ಚು ನಿರ್ಣಾಯಕವಾಗಿಸುತ್ತದೆ.

ವ್ಯವಹಾರಗಳು ಮುಂದೆ ಏನನ್ನು ಗಮನಿಸಬೇಕು

  • Reputation management: ಕರೆ ಸ್ವೀಕರಿಸುವ ದರವನ್ನು ಹೆಚ್ಚಾಗಿಡಲು ಕಾಲರ್ ಐಡಿಗಳನ್ನು (caller IDs) ಬದಲಾಯಿಸುತ್ತಾ ಇರಿ ಮತ್ತು ಬ್ಲ್ಯಾಕ್‌ಲಿಸ್ಟ್ ಸ್ಥಿತಿಯನ್ನು ಮೇಲ್ವಿಚಾರಣೆ ಮಾಡಿ.
  • Latency audits: ಅತ್ಯಂತ ನಿಧಾನಗತಿಯ ಪ್ರತಿಕ್ರಿಯೆಗಳನ್ನು ದಾಖಲಿಸಿ ಮತ್ತು ಅವುಗಳನ್ನು ನಿರ್ದಿಷ್ಟ ಮಾಡ್ಯೂಲ್‌ಗಳಿಗೆ ಲಿಂಕ್ ಮಾಡಿ.
  • Multilingual training: ಭಾಷೆಗಳನ್ನು ಪ್ರತ್ಯೇಕವಾಗಿ ಪರಿಗಣಿಸುವ ಬದಲು, ಮಾದರಿ ತರಬೇತಿಯಲ್ಲಿ ಕೋಡ್-ಸ್ವಿಚಿಂಗ್ ಮಾದರಿಗಳನ್ನು ಸೇರಿಸಿ.
  • Task scoping: ಹೆಚ್ಚಿನ ಸ್ಪಷ್ಟತೆ ಇರುವ ಬಳಕೆಯ ಪ್ರಕರಣಗಳೊಂದಿಗೆ ಪ್ರಾರಂಭಿಸಿ; ಮೂಲ ವ್ಯವಸ್ಥೆಯು ವಿಶ್ವಾಸಾರ್ಹತೆಯನ್ನು ಸಾಬೀತುಪಡಿಸಿದ ನಂತರವಷ್ಟೇ ವಿಸ್ತರಿಸಿ.
  • Schedule alignment: ಡೇಟಾವು ಯಾವುದಾದರೂ ನಿರ್ದಿಷ್ಟ ಗುಂಪು ವಿಭಿನ್ನವಾಗಿ ವರ್ತಿಸುತ್ತದೆ ಎಂದು ಸೂಚಿಸದ ಹೊರತು, ಗುರುತಿಸಲಾದ ಸಮಯದ ವಿಂಡೋಗಳನ್ನು ಡಿಫಾಲ್ಟ್ ಡಯಲಿಂಗ್ ಅವಧಿಗಳಾಗಿ ಬಳಸಿ.

ಎಚ್ಚರಿಕೆಯ ಸೂಚನೆ

ಈ ವಿಶ್ಲೇಷಣೆಯು ದೊಡ್ಡ ಮತ್ತು ವೈವಿಧ್ಯಮಯ ಕರೆಗಳನ್ನು ಒಳಗೊಂಡಿದೆ, ಆದರೆ ಇದು ಪ್ರತಿಯೊಂದು ಉದ್ಯಮದ ಸೂಕ್ಷ್ಮತೆ ಅಥವಾ ಪ್ರಾದೇಶಿಕ ಉಪಭಾಷೆಗಳನ್ನು (dialects) ಒಳಗೊಂಡಿಲ್ಲ. ಕೇವಲ ಈ ಸರಾಸರಿಗಳ ಮೇಲೆ ಅವಲಂಬಿತವಾಗಿರುವ ಕಂಪನಿಗಳು, ವಿಶೇಷ ಹೊಂದಾಣಿಕೆ ಅಗತ್ಯವಿರುವ ಸಂದರ್ಭಗಳನ್ನು (edge cases) ಕಳೆದುಕೊಳ್ಳಬಹುದು. ಈ ಡೇಟಾ ಪ್ರಸ್ತುತ AI ಸಾಮರ್ಥ್ಯಗಳನ್ನು ಪ್ರತಿಬಿಂಬಿಸುತ್ತದೆ; ನೈಸರ್ಗಿಕ ಭಾಷಾ ಗ್ರಹಿಕೆಯಲ್ಲ (natural-language understanding) ಭವಿಷ್ಯದ ಸುಧಾರಣೆಗಳು ರಚನಾತ್ಮಕ ಮತ್ತು ಮುಕ್ತ ಕಾರ್ಯಗಳ ನಡುವಿನ ಸಮತೋಲನವನ್ನು ಬದಲಿಸಬಹುದು.

ವಾಯ್ಸ್-AI ಅನ್ನು ಕೇವಲ ಒಂದು ಸ್ವತಂತ್ರ ಭಾಷಣ ಇಂಜಿನ್ ಆಗಿ ಪರಿಗಣಿಸುವುದು ಈಗ ಸಾಕಾಗುವುದಿಲ್ಲ. ಇದನ್ನು ಒಂದು ಕಾರ್ಯಾಚರಣಾ ವ್ಯವಸ್ಥೆಯಾಗಿ (operational system) ನಿರ್ವಹಿಸಬೇಕು, ಅಲ್ಲಿ ನಂಬರ್ ರೆಪ್ಯುಟೇಶನ್, ಪ್ರತಿಕ್ರಿಯೆಯ ವೇಗ, ಭಾಷಾ ಹೊಂದಾಣಿಕೆ ಮತ್ತು ಸಮಯ ಎಲ್ಲವೂ ಕಾರ್ಯಕ್ಷಮತೆಯ ಮೇಲೆ ಪರಿಣಾಮ ಬೀರುತ್ತವೆ. ತಮ್ಮ ತಂತ್ರಜ್ಞಾನದ ಮಾರ್ಗಸೂಚಿಯನ್ನು (technology roadmap) ಈ ಅಂಶಗಳೊಂದಿಗೆ ಹೊಂದಿಸುವ ಸಂಸ್ಥೆಗಳು, ವಿಫಲವಾದ ನಿಯೋಜನೆಗಳ ಗುಪ್ತ ವೆಚ್ಚಗಳನ್ನು ತಪ್ಪಿಸುವುದರ ಜೊತೆಗೆ, ಭರವಸೆ ನೀಡಿದ ಉತ್ಪಾದಕತೆಯ ಲಾಭಗಳನ್ನು ಪಡೆಯಲು ಸಜ್ಜಾಗಿವೆ.