Quale voce dare al vostro agente?

Scegliete la voce su una chiamata reale

Qualche settimana dopo, il vostro nuovo agente vocale AI chiama una cliente con la voce scelta in riunione. È a una fermata dell'autobus, con il traffico che le scorre accanto. La voce comincia a leggerle l'orario di consegna e, prima che arrivi all'indirizzo, la cliente riattacca.

Se dovete scegliere la voce AI che parlerà ai vostri clienti, sceglietela come la sentiranno loro: al telefono, per una chiamata intera e nei momenti in cui le vostre chiamate si fanno difficili. Decidete sul carattere della voce, che dopo non si può cambiare, e lasciate pronuncia e ritmo a più tardi. Poi mettete le due voci migliori sulle stesse chiamate reali e tenete quella con cui più clienti restano in linea fino ad accettare ciò che la chiamata propone, per esempio un orario di consegna.

Perché la voce della demo inganna?

Una pagina demo serve a far sentire ogni voce al suo meglio. Ogni voce sintetica legge una frase demo scelta dal fornitore, di circa sei secondi e limpida come una registrazione in studio, e in riunione la ascoltate in una stanza silenziosa.

Il cliente, invece, sente la voce del vostro agente AI attraverso una linea telefonica, che lascia passare meno voce di un portatile o di un paio di cuffie, e magari si trova in strada o in un negozio mentre la voce parla. La chiamata dura due o tre minuti e, al posto di una frase rifinita, la voce legge i dati del cliente: il nome, una fascia oraria, un indirizzo, un numero d'ordine. Se il cliente dice «Scusi?», la voce deve ripeterlo.

Certe voci che vincono in riunione perdono sulla linea telefonica. Una voce brillante, con molto fiato, può suonare splendida sul portatile e diventare sottile al telefono, ancora di più all'aperto. Una voce da speaker, quella impostata che si sente negli spot radiofonici e negli audiolibri, può restare chiarissima al telefono e suonare lo stesso come una registrazione, e a una registrazione la gente riattacca.

La voce è solo una parte del divario tra demo e chiamata reale. Il resto lo trovate nel nostro articolo su agenti che superano la demo e poi faticano sulle chiamate reali.

Come deve suonare la voce?

Prima di tutto la lingua. La voce deve essere quella di un madrelingua, e della stessa varietà regionale parlata dai vostri clienti. Il portoghese del Brasile e quello del Portogallo si distinguono al primo ascolto, quindi una voce adatta ai clienti di San Paolo è quella sbagliata per i clienti di Lisbona, per quanto bene suoni.

Poi pensate all'operatore con cui i vostri clienti restano più volentieri al telefono e cercate una voce di tutti i giorni come la sua, che suoni come un collega del vostro team e non come una voce da speaker. Qualunque voce scegliate, impostatela su un ritmo regolare, che rallenta un po' su orari e numeri, così il cliente fa in tempo a scriverli.

La voce deve anche essere coerente con la persona dell'agente, cioè il nome e il modo in cui si presenta. Un agente che si chiama Sofia ha bisogno di una voce femminile. Suonare naturale non significa fingersi umano: dove il vostro mercato lo richiede, nel saluto l'agente dice di essere un'AI, qualunque voce usi.

Quali momenti mettere alla prova?

Prendiamo [negozio], un negozio online di arredamento. Il negozio, le persone, il gruppo di ascolto, i punteggi e le chiamate di questo articolo sono un esempio, non dati reali. Il giorno prima di ogni consegna, l'agente AI di [negozio] chiama il cliente per confermare la fascia oraria e l'indirizzo. Elena, responsabile dell'assistenza clienti di [negozio], ha una shortlist di tre voci scelte dalla pagina demo del fornitore, tutte femminili perché l'agente si presenta come Sofia. In riunione la preferita di tutti era la Voce C, brillante e con molto fiato.

Partite, come fa Elena, dalla chiamata che il vostro agente fa più spesso. Scrive la chiamata di consegna di [negozio] un po' più lunga del solito, perché duri circa tre minuti e contenga ogni momento difficile. Poi fa leggere questa chiamata di prova a ciascuna voce e la ascolta sul proprio cellulare, una volta in ufficio e una fuori, in strada.

La chiamata di prova si apre con «Buongiorno, sono Sofia, l'assistente AI di [negozio].» Sofia verifica di parlare con la signora Scognamiglio, un cognome difficile tratto dall'elenco clienti di [negozio], e le dice che il divano arriva «domani, giovedì, tra le 9:00 e le 12:00», in via del Mulino 14. Poi legge il numero d'ordine in due gruppi, 4471 2093. La cliente dice «Scusi?» e Sofia lo legge di nuovo, più lentamente. La cliente chiede il pomeriggio, ma domani il pomeriggio è già pieno, così Sofia si scusa e propone lunedì tra le 13:00 e le 16:00. La cliente accetta. Sofia ripete il giorno, la fascia oraria e l'indirizzo, e si salutano.

Una frase demo dura circa sei secondi, più o meno quanto il saluto iniziale. La riunione ha giudicato le voci su quel primo momento e non ha sentito gli altri sette.

Come si valuta la shortlist?

Elena mette insieme un gruppo di ascolto di cinque persone: due operatori che parlano ogni giorno con i clienti di [negozio], lei stessa, un coordinatore delle consegne che sa di cosa si lamentano i clienti e una persona esterna al progetto. Ascoltano alla cieca la Voce A, la Voce B e la Voce C, senza nomi di fornitori e senza prezzi. Ognuno ascolta per intero la chiamata di prova al telefono e dà a ogni voce un punteggio da 1 a 5 su cinque domande.

Tutte e tre le voci leggono la chiamata di prova con le stesse impostazioni, lo stesso ritmo e lo stesso raggruppamento dei numeri, quindi ogni differenza che il gruppo sente dipende dalla voce. Nella tabella «Come il gruppo di ascolto ha valutato tre voci» ogni casella è la somma dei punteggi dei cinque ascoltatori, perciò una casella va da 5 a 25 e un totale da 25 a 125.

La Voce C, la preferita della riunione, è arrivata ultima al telefono con 75 punti su 125. Su «Facile da seguire al telefono» ha preso 12 su 25 e su «Numeri e orari sono chiari» 13, il più basso delle tre voci in entrambi i casi. La brillantezza che sul portatile suonava così nitida, sulla linea telefonica si è assottigliata.

La Voce A, la voce da speaker della shortlist, è stata la più chiara su numeri e orari, con 21 su 25, e la più bassa al terzo minuto, con 11. Ha preso solo 14 anche su «Sembra una persona del posto», e due ascoltatori hanno annotato «sembra uno spot».

La Voce B ha totalizzato 103 punti su 125 ed è arrivata prima su quattro domande su cinque. La Voce A l'ha battuta solo su numeri e orari, 21 su 25 contro 20.

La riga dei nomi e del brand è venuta quasi pari, 18, 19 e 18 su 25, perché tutte e tre le voci hanno sbagliato allo stesso modo il cognome della signora Scognamiglio.

Elena porta le due voci con il totale più alto, la Voce B e la Voce A, a una prova su chiamate reali. Due ascoltatori hanno sentito uno spot nella Voce A, e solo le chiamate reali possono dire se con quella voce i clienti riattaccano.

Cosa si può correggere dopo?

Scegliete in base al carattere della voce, perché le impostazioni si possono cambiare dopo, su qualsiasi voce. Le regole di pronuncia decidono come la voce dice nomi, luoghi, il vostro brand e i termini dei vostri prodotti. Anche il ritmo, le pause e il modo di raggruppare i numeri, compresi quelli d'ordine, sono impostazioni.

Per questo la riga dei nomi nella tabella di Elena non deve pesare sulla scelta. Il cognome è uscito con la pronuncia sbagliata, e una sola regola lo mette a posto in ognuna delle tre voci. Come scrivere regole di questo tipo lo spieghiamo nel nostro articolo sui dizionari di pronuncia per nomi, brand e prodotti.

Il carattere, invece, è parte della voce. Come suona sulla linea telefonica, se è una voce da speaker e se al terzo minuto è ancora piacevole da ascoltare non cambia, qualunque impostazione usiate. Rallentare la Voce C non la renderà più piena al telefono, e nessuna impostazione impedisce alla Voce A di sembrare uno spot.

Quale voce tiene i clienti in linea?

Per due settimane ogni cliente nell'elenco consegne di [negozio] viene chiamato a caso dalla Voce A o dalla Voce B, con lo stesso copione e agli stessi orari, così l'unica cosa che cambia è la voce. Alla fine delle due settimane ogni voce ha 400 chiamate con risposta. Elena non confronta prima, perché con poche decine di chiamate a testa il confronto non reggerebbe.

Elena classifica ogni chiamata con risposta in uno di tre esiti, che messi insieme fanno 400. Il cliente che riattacca entro i primi dieci secondi è un riaggancio precoce, quello che accetta una fascia oraria, quella prevista o una nuova, ha confermato un orario. Qualunque altra conclusione, per esempio un cliente che chiede di parlare con un operatore, una linea che cade o nessun orario concordato, va nella colonna «Altri esiti». Elena conta anche i clienti che hanno chiesto di ripetere almeno una volta. Un cliente può farlo e confermare comunque un orario, quindi la colonna «Hanno chiesto di ripetere» non fa parte dei 400.

Con la Voce B 338 clienti su 400 hanno confermato un orario, contro 296 con la Voce A: 42 clienti in più hanno accettato un orario di consegna. Con la Voce B ci sono stati anche meno riagganci precoci, 44 contro 72, e 18 chiamate finite in altro modo, contro 32 con la Voce A.

Ogni cliente che ha chiesto di ripetere era rimasto in linea oltre i primi dieci secondi, quindi il confronto giusto è tra quei clienti: 36 su 328 con la Voce A contro 41 su 356 con la Voce B, all'incirca la stessa quota. Hanno seguito la voce da speaker più o meno altrettanto bene, e con la Voce A ci sono stati comunque più clienti che hanno riattaccato nei primi dieci secondi.

Qui i clienti hanno dato ragione al gruppo di ascolto, ed Elena tiene la Voce B per tutte le chiamate di consegna di [negozio].

Dove entra DRING?

Nello speech core di DRING ogni brand sceglie per ogni lingua una voce selezionata dal catalogo, con una persona per ritmo, formalità e tono, la correzione dell'accento e un dizionario di pronuncia per nomi, luoghi e termini di prodotto. Testi, persona e voce li approvate voi, prima che parta qualsiasi chiamata.

Quale frase d'apertura, tono o voce funziona si decide sulle chiamate outbound reali, non in riunione. Nelle campagne outbound di DRING due voci possono girare in parallelo sulla stessa campagna, così se ne confrontano i risultati. I campioni di voce sulla nostra home page sono demo di processi DRING. Ascoltateli sul telefono, non sul portatile.