Vardast

ویس مشتری در دایرکت؛ وقتی هوش مصنوعی صدا را می‌شنود و سفارش می‌گیرد

Category: اتوماسیون دایرکت
ویس مشتری در دایرکت؛ وقتی هوش مصنوعی صدا را می‌شنود و سفارش می‌گیرد

مشتری ویس می‌فرستد و فروشنده پخشش نمی‌کند. اینجا می‌گویم هوش مصنوعی با آن فایل صوتی دقیقاً چه می‌کند، کجاها می‌لنگد و چطور ویس‌ها را به سفارش تبدیل کنیم.

ساعت یازده‌ونیم شب است و توی دایرکت یک فروشنده چهارده پیام خوانده‌نشده مانده. سیزده‌تا تایپی‌اند و یکی ویس؛ چهل‌وهفت ثانیه، با همان دایرهٔ کوچکِ پخش‌نشده کنارش.

حدس بزن کدام را از همه دیرتر باز کرد.

سه روز بعد بازش کرد. مشتری تا آن موقع همان کیف را از یک صفحهٔ دیگر خریده بود. متن ویس هم این بود: «سلام، مشکیش سایز متوسط هست؟ کرج ارسال می‌کنید؟ پرداخت در محل هم دارید؟» سه تا سؤالِ آدمی که می‌خواست بخرد، توی یک فایل صوتی، بدون یک کلمه جواب.

ویس بی‌جواب‌ترین نوع پیام در فروشِ دایرکت است و تقصیر تنبلیِ فروشنده هم نیست. متن را می‌شود توی دو ثانیه، وسط راه‌رفتن، خواند. ویس تو را متوقف می‌کند: باید جای ساکت پیدا کنی و چهل‌وهفت ثانیه‌ای را بدهی که نداری.

چرا مشتری به‌جای تایپ، ویس می‌فرستد

کسی برای اذیت‌کردن تو ویس نمی‌فرستد. ویس می‌فرستد چون تایپ‌کردن گران‌ترین کارِ آن لحظه‌اش است.

نوشتن یک پاراگراف با کیبورد گوشی یک دقیقه طول می‌کشد؛ گفتنش ده ثانیه. مشتری‌ای که وسط خیابان است، پشت فرمان نشسته، بچه بغل دارد یا با کیبورد فارسی کلنجار می‌رود، همیشه دکمهٔ ضبط را انتخاب می‌کند.

یک الگوی سنی هم هست: هرچه مشتری مسن‌تر باشد، ویس بیشتر و بلندتری می‌فرستد. در بازاری مثل ایران که همه‌چیز روی گوشی اتفاق می‌افتد و خرید از اینستاگرام عادی‌ترین کار دنیاست، ویس یک سلیقهٔ عجیب نیست؛ روشِ طبیعیِ حرف‌زدن با یک مغازه است.

اما چیزی که اغلب فروشنده‌ها از قلم می‌اندازند این است: ویس نشانهٔ انرژی‌ای است که مشتری گذاشته. هیچ‌کس برای کالایی که فقط کنجکاوش شده چهل ثانیه حرف نمی‌زند. کسی که با صدای خودش با تو حرف زده، نصفِ راهِ تصمیم را آمده. آن ویسِ پخش‌نشده معمولاً از «سلام»ِ بالای صفحه داغ‌تر است. یادت باشد میانهٔ سبد خرید دایرکت حدود ۱٫۳ میلیون تومان است؛ یعنی هر ویسِ باز نشده تقریباً به همین اندازه خرج دارد.

از لحظهٔ ضبط تا لحظهٔ جواب چه اتفاقی می‌افتد

مکانیزمش ساده است: فایل صوتی می‌رسد، دستیار هوش مصنوعی صدا را به متن تبدیل می‌کند و آن متن مثل یک پیام معمولی وارد گفت‌وگو می‌شود. تبدیل صدا به متن، بخشِ آسانِ ماجراست.

بخشِ سخت این است که با آن متن چه می‌کنی، چون حرفِ گفتاری به‌هم‌ریخته است. نه نقطه‌ای، نه ویرگولی؛ جمله نصفه رها می‌شود و دو موضوع با یک «راستی» به هم می‌چسبند. متنِ واقعیِ یک ویس چیزی شبیه این است:

«سلام، ببخشید، اون سبزه، همونی که دیروز استوری گذاشتید، موجوده؟ قیمتش چند بود؟ فکر کنم هشتصدونود گفتید ولی مطمئن نیستم. سایز بزرگ‌تر هم دارید؟ آخه برای خواهرمه...»

یک ربات کلیدواژه‌ای از این متن یک کلمه برمی‌دارد؛ معمولاً هم کلمهٔ اشتباه را. اما دستیاری که ارزش پول دادن داشته باشد، این را یک پاراگرافِ نیت می‌بیند: چهار سؤال را از هم جدا می‌کند، به ترتیب جواب می‌دهد و فقط دربارهٔ همان یک چیزی که واقعاً مبهم بوده می‌پرسد. تمام تفاوت همین‌جاست. قبلاً هم نوشته‌ام که سؤال‌های بی‌جوابِ دایرکت چطور بی‌سروصدا فروش را می‌کُشند.

ویس‌ها سه مدل‌اند

وقتی به اندازهٔ کافی دایرکتِ فروشنده‌ها را دیده باشی، همین سه شکل مدام تکرار می‌شود.

  • ویسِ چندسؤالی. سی تا شصت ثانیه، سه چهار سؤال، یک‌نفس. داغ‌ترین پیامِ کل دایرکت توست و بدشانسی‌اش این است که معمولاً فقط به آخرین سؤالش جواب داده می‌شود.
  • ویسِ نصفه. چهار ثانیه: «سلام، قیمتش چنده؟» بدون اسم کالا، بدون هیچ زمینه‌ای، درست بعدِ دیدن یک استوری. جوابش عدد نیست؛ جوابش یک سؤالِ برگشتی است، همراه با همان استوری‌ای که خودت می‌دانی کدام است.
  • ویسِ شکایت. بلندترین و پرحس‌ترین فایل‌هایی که می‌گیری. آدم وقتی عصبانی است ضبط می‌کند، چون تایپ‌کردنِ عصبانیت طول می‌کشد. این یکی از هر پیام دیگری زودتر باید به آدم برسد.

هر کدام قاعدهٔ خودش را می‌خواهد. اگر قرار است فقط یکی را تنظیم کنی، همان سومی را تنظیم کن.

ویسِ ساعت یک بامداد

یک نکتهٔ دیگر هم هست که کمتر کسی حسابش را می‌کند: ویس‌ها ساعتِ خودشان را دارند. آدم وسط روز، توی محل کار، ویس نمی‌فرستد؛ شب می‌فرستد. وقتی روی تخت دراز کشیده، اسکرول می‌کند و حوصلهٔ تایپ ندارد. یعنی پرحجم‌ترین و داغ‌ترین فایل‌های صوتی دقیقاً وقتی می‌رسند که تو خوابی.

صبح که بیدار می‌شوی، ترتیبِ کارهایت هم علیه‌ات است. اول پیام‌های تایپی را جواب می‌دهی چون سریع‌ترند و ویس‌ها می‌مانند برای «بعداً». آن «بعداً» معمولاً بعدازظهر است و مشتری تا آن موقع سه صفحهٔ دیگر را هم چک کرده.

این دقیقاً همان‌جایی است که یک دستیارِ همیشه‌بیدار پول درمی‌آورد. لازم نیست کلِ فروش را دستش بدهی؛ همین که ساعت یک بامداد ویس را بفهمد، موجودی و قیمت را بگوید و بنویسد «صبح همکارم پیگیری می‌کند»، مشتری را تا صبح نگه می‌دارد. تفاوتِ یک جوابِ سه‌دقیقه‌ای با یک جوابِ چهارده‌ساعته، معمولاً تفاوتِ سفارش‌گرفتن و نگرفتن است.

کجاها می‌لنگد و چطور کمترش کنیم

تبدیل صدا به متن این روزها خوب کار می‌کند، ولی معجزه نیست. جاهایی که کم می‌آورد قابل‌پیش‌بینی‌اند:

  • اسم کالا. اسم برند، کد مدل و آن لقبی که خودِ مشتری‌ها روی یک محصول گذاشته‌اند، اول از همه خراب می‌شود. این اسم‌ها و لقب‌ها باید توی دانشِ محصولِ دستیارت نوشته شده باشد؛ حتی شکل‌های غلطشان.
  • عددها. سایز، قیمت، کد سفارش و شمارهٔ تماس؛ همان‌جاهایی که یک خطای کوچک به مرجوعی ختم می‌شود.
  • نویز. صدای خیابان، تلویزیون، شلوغیِ مغازه. بعضی فایل‌ها اصلاً تمیز درنمی‌آیند و وانمودکردن به فهمیدن، از اعتراف به نفهمیدن بدتر است.
  • دو نفر هم‌زمان. کسی که وسط ضبط از کنارْدستی‌اش می‌پرسد «رنگش چی بود؟». هر دو صدا بدون برچسب وارد متن می‌شوند.

پس یک عادت را در دستیارت جا بینداز: هیچ‌وقت حدس نزند. اگر متن نصفه‌نیمه فهمیده شد، جواب باید همان برداشت را تکرار کند و بپرسد: «برداشتم این بود که کیف مشکی سایز متوسط را می‌خواهید با ارسال به کرج، درست است؟» یک پیام بیشتر. حالا این را بگذار کنارِ ارسالِ اشتباه، مرجوعی، برگشتِ پول و مشتری‌ای که ماجرا را برای سه نفر تعریف می‌کند.

و عددها را همیشه تایپی برگردان. اگر مشتری قیمتی را با صدا گفت، جوابِ تو باید همان را با رقم نشان بدهد. همین یک قاعده جلوی بیشترِ خرابی‌ها را می‌گیرد.

جواب را تایپی بده، نه صوتی

خیلی از فروشنده‌ها دوست دارند جوابِ ویس را با ویس بدهند. به نظر من این اشتباه است و پایش هم می‌ایستم.

مشتری هم نمی‌تواند ویسِ تو را سرسری گوش بدهد. نمی‌تواند از قیمت اسکرین‌شات بگیرد و برای خواهرش بفرستد. نمی‌تواند سه هفتهٔ بعد دنبال کلمهٔ «سایز» بگردد. نمی‌تواند شمارهٔ کارت یا آدرس را کپی کند. اگر یک جوابِ نودثانیه‌ای ضبط کنی، مشکلِ خودت را دستیِ آدمی داده‌ای که می‌خواست پول بدهد.

یک استثنا هست: مشتریِ عصبانی، وسطِ شکایت، گاهی لازم است صدای یک آدمِ واقعی را بشنود که واقعاً متأسف است. باشد، یک ویسِ کوتاهِ انسانی بفرست. ولی بلافاصله بعدش قیمت، آدرس و کد سفارش را تایپی بفرست، چون همان‌ها را باید دوبار بخواند.

امتحانِ اصلی، پیامِ دوم است

جواب‌دادن به یک ویس، نمایش است. جواب‌دادن به پیامِ بعدی، کسب‌وکار.

معمولاً این‌طور می‌شود: مشتری ویس می‌فرستد، تو جواب می‌دهی، بعد تایپ می‌کند «آبیش چی؟» دو کلمه، بدون هیچ زمینه‌ای. نوعِ پیام عوض شده، ولی گفت‌وگو همان است. اگر دستیارت آن ویس را یک تیکتِ جدا حساب کرده باشد، حالا نمی‌داند «آبیش» به چه ربط دارد و مشتری باید از اول توضیح بدهد. هیچ‌کس از اول توضیح نمی‌دهد؛ می‌رود.

هر ابزاری که استفاده می‌کنی باید فایل صوتی، متنِ آن و پیام‌های تایپی را در یک رشتهٔ واحد و با یک حافظه نگه دارد، در هر کانالی که مشتری دوباره سراغت آمد. دقیقاً به همین دلیل است که مدیریت یکپارچهٔ پیام‌ها با یک حافظه از چهار اپلیکیشنِ جدا که هرکدام یک‌سومِ ماجرا را می‌داند بهتر جواب می‌دهد.

این هفته چه کار کن

  1. هر ویسِ پخش‌نشدهٔ قدیمی‌تر از یک روز را باز کن. نه برای جواب‌دادن؛ برای اینکه ببینی مشتری‌ها با زبانِ خودشان چه می‌پرسند.
  2. پنج سؤالِ پرتکرارِ همان ویس‌ها را با بهترین جوابی که بلدی توی دانشِ دستیارت بنویس؛ نه جوابِ خسته‌ای که ساعت دوازده شب می‌دهی.
  3. لقب‌ها و شکل‌های غلطِ اسمِ پرفروش‌ترین محصول‌هایت را اضافه کن.
  4. قاعده را روشن کن: صدای نامفهوم، سؤالِ تأییدی می‌گیرد، نه حدس.
  5. هر ویسی که بوی شکایت می‌دهد، همان لحظه به آدم برسد؛ ساعتش مهم نیست.

همین پنج‌تا کافی است تا آن فایلِ چهل‌وهفت‌ثانیه‌ای دیگر کاری نباشد که مدام عقب می‌اندازی.

یکی از دلیل‌هایی که وردست ویس مشتری را می‌شنود و کنار نمی‌گذارد همین است: صدا فهمیده می‌شود، تک‌تکِ سؤال‌های داخلش با لحنِ برند و از روی اطلاعاتِ محصولِ خودت جواب می‌گیرد، و هر چیزی که حساس یا مبهم باشد همراه با متنِ پیاده‌شده می‌آید سراغِ خودت. فروشنده سفارش را به یک دایرهٔ آبیِ پخش‌نشده نمی‌بازد.

مشتری‌ای که ویس می‌فرستد، همان کسی است که از قبل می‌خواهد بخرد. جواب‌دادن به او در چند دقیقه، ارزان‌ترین رشدی است که در دسترس داری؛ فقط تصمیم می‌خواهد که بگذاری صداها روی هم تلنبار نشوند.

سوال‌های پرتکرار دربارهٔ ویس مشتری و هوش مصنوعی

هوش مصنوعی واقعاً می‌تواند ویس مشتری در دایرکت اینستاگرام یا واتساپ را بفهمد؟

بله. فایل صوتی به متن تبدیل می‌شود و بعد مثل هر پیام دیگری با اطلاعات محصول تو جواب می‌گیرد. کیفیتش به خودِ ضبط بستگی دارد؛ صدای واضح خیلی خوب کار می‌کند و نویز زیاد یا عددهای سریع همان‌جایی است که خطا پیش می‌آید.

برای تبدیل ویس به متن باید ابزار جداگانه بخرم؟

اگر دستیارت خودش ویس را به‌عنوان یک نوع پیام قبول کند، نه. سرویس‌های جدا معمولاً فقط یک متنِ خشک تحویلت می‌دهند بدون حافظهٔ گفت‌وگو، و در نهایت باز هم خودت باید جواب را بنویسی.

جواب ویس را با ویس بدهم یا تایپی؟

تقریباً همیشه تایپی. مشتری نمی‌تواند از ویس اسکرین‌شات بگیرد، داخلش جست‌وجو کند یا شمارهٔ کارت را کپی کند. تنها استثنای منطقی، یک ویسِ کوتاه برای آرام‌کردن مشتری شاکی است که بلافاصله بعدش جزئیات را تایپی می‌فرستی.

با لهجه‌ها و گویش‌های مختلف چه می‌شود؟

لهجه‌های رایج معمولاً خوب تشخیص داده می‌شوند و جاهایی که واژهٔ محلی وسط می‌آید متن ضعیف‌تر درمی‌آید. راه‌حل امن این است که در موارد مبهم سؤال تأییدی پرسیده شود تا اسم نصفه‌شنیده‌شده به ارسالِ اشتباه تبدیل نشود.

ویس‌ها اصلاً ارزش وقت گذاشتن دارند یا بیشترشان وقت‌تلف‌کن‌اند؟

جزو داغ‌ترین پیام‌هایی هستند که می‌گیری. ضبط‌کردن چهل ثانیه انرژی می‌خواهد و آدمِ فقط‌کنجکاو این انرژی را نمی‌گذارد؛ برای همین ویسِ پخش‌نشده معمولاً از پیام‌های کوتاهِ بالای صفحه به خرید نزدیک‌تر است.