Perché partire dalle metriche
Ogni progetto di AI per il contact center dovrebbe iniziare da una domanda semplice: quale metrica vogliamo muovere, di quanto, ed entro quando. Senza una baseline misurata, è impossibile dire se l’AI ha funzionato — e facile raccontarsi storie.
I KPI operativi
Sono le metriche di efficienza, quelle su cui l’AI incide più velocemente:
- AHT — Average Handle Time: durata media di gestione di un contatto (conversazione + attese + after-call work). Un copilot che riassume e compila riduce soprattutto l’after-call work.
- ASA — Average Speed of Answer: attesa media prima della risposta. Un voicebot che assorbe i picchi la abbatte.
- Tasso di abbandono: quota di chiamanti che rinunciano in coda. Cala quando qualcuno risponde subito, anche se è un agente vocale.
- Containment rate: quota di contatti risolti dall’automazione senza operatore. È il cuore del ritorno economico.
- Occupancy: percentuale di tempo in cui gli operatori sono effettivamente su un contatto.
La piattaforma che consigliamo
Per la parte vocale — sintesi e conversazione in tempo reale — raccomandiamo ElevenLabs: oggi è, a nostro giudizio tecnico, lo standard di riferimento per naturalezza della voce e latenza. È il motore che integriamo più spesso nei progetti vocali.
Prova ElevenLabsI KPI di qualità ed esito
Misurano se il cliente ottiene davvero ciò che cerca:
- FCR — First Contact Resolution: quota di richieste risolte al primo contatto. L’AI la migliora dando all’operatore risposta e contesto subito.
- CSAT — Customer Satisfaction: soddisfazione dichiarata dopo il contatto. Con la sentiment analysis smette di dipendere solo dalle survey.
- First Response Time: sui canali asincroni, tempo prima della prima risposta. Il triage automatico lo comprime.
- Rispetto degli SLA: quota di contatti gestiti nei tempi concordati.
La trappola delle metriche isolate
Nessuna metrica va ottimizzata da sola. Comprimere l’AHT tagliando le conversazioni peggiora l’FCR e il CSAT; massimizzare il containment forzando l’automazione su casi complessi frustra i clienti. Il lavoro serio è bilanciare il quadro, e per farlo servono dati completi — proprio ciò che l’AI, misurando il 100% delle interazioni, finalmente rende disponibili.