Apa itu Interactive Voice Response?

“Jika Anda ingin berbicara dengan manusia, ucapkan ‘manusia’.”

“Manusia.”

“Maaf, saya tidak menemukan opsi yang cocok dengan ‘Cuban’. Jika Anda ingin berbicara…”

Menghela napas.

Nama baik sistem Interactive Voice Response (IVR) kini sudah tercoreng.

Dan, memang wajar; Anda bisa saja menyebutnya sebagai anak tiri yang kurang menarik dari keluarga agen suara AI.

Mereka terasa kaku, kuno, dan tidak praktis. Di era aplikasi canggih tersedia di ponsel, berbicara dengan robot lewat telepon terasa seperti pemanfaatan teknologi yang paling merepotkan.

Lalu, kenapa saya masih menulis artikel ini?

Oh, iya. [berdeham].

…tapi sebagai penggemar teknologi suara dan desain aplikasi yang elegan, saya punya beberapa pandangan positif tentang alur telepon otomatis.

Ini adalah solusi termudah untuk dukungan pelanggan, dan teknologi pendukungnya– NLP (pemrosesan bahasa alami) dan ASR (pengenalan suara otomatis) sudah berkembang pesat.

Dengan desain yang tepat, kata kunci yang salah dengar dan menu tak berujung bisa menjadi kenangan masa lalu.

Jadi, mari ikuti saya, saya akan menjelaskan bagian-bagian sistem, bagaimana penggunaannya saat ini, dan menyoroti beberapa keunggulan unik dari teknologi ini.

Karena meskipun Anda pasti pernah memikirkan IVR, saya yakin Anda belum pernah benar-benar memikirkan IVR.

Apa itu IVR?

IVR (interactive voice response) adalah sistem telepon otomatis yang digunakan bisnis sebagai menu untuk menavigasi pelanggan dalam panggilan dukungan. Sistem ini dapat menjawab pertanyaan umum, melakukan tugas sederhana, dan mengalihkan ke agen langsung.

IVR menghilangkan kebutuhan agen langsung untuk pertanyaan dasar, pengiriman, dan pengumpulan informasi di tahap awal, sehingga agen langsung bisa fokus pada kasus yang lebih rumit atau sensitif.

Dengan koleksi pesan (biasanya rekaman) dan kemampuan membaca input pengguna, agen digital ini dapat mengurangi sebagian besar pekerjaan manual dalam dukungan pelanggan.

Bagaimana Sistem IVR Membaca Input Pengguna?

Sistem tradisional menggunakan DTMF (Dual-Tone Multi-Frequency) untuk membaca input pengguna. Di sinilah tombol dialpad sesuai dengan pilihan.

(Dan itulah sebabnya setiap tombol pada keypad menghasilkan bunyi berbeda).

Anda tahu, “Untuk bahasa Inggris, tekan 1”.

Beberapa masih menggunakan ini. Tapi, kebanyakan sekarang sudah jauh lebih canggih 🌶️.

Dengan kemajuan teknologi suara, sistem ini dapat mengintegrasikan mekanisme yang jauh lebih kuat untuk mengenali kata kunci, bahkan menjalankan pemrosesan bahasa alami (NLP) untuk mengekstrak makna dan sentimen dari ucapan pengguna.

Bagaimana cara kerja IVR?

1. Panggilan Awal

Alur IVR dimulai saat pelanggan menelepon ke nomor khusus.

2. Sambutan dan Menu

Pelanggan disambut dengan serangkaian pilihan. Pilihan ini juga merupakan rekaman.

Ini bisa berupa pengecekan saldo rekening untuk perbankan, FAQ sederhana tentang kebijakan perusahaan, atau mengisi informasi awal sebelum dialihkan ke agen langsung.

3. Input Pengguna

Pengguna memilih opsi. Ada beberapa cara sistem membaca input pengguna.

Dual-Tone Multi-Frequency (DTMF)

DTMF adalah metode klasik. Sederhana dan jelas. Tidak heran jika kurang disukai– saat menelepon, orang ingin berbicara.

Namun, ini adalah cara paling hemat sumber daya untuk mengumpulkan input pengguna.

Sering digunakan untuk layanan pemerintah– institusi yang belum membangun portal bantuan penuh, dan biasanya tetap mengarahkan ke agen langsung.

Pengenalan Perintah Suara

Di sini pengguna diminta mengucapkan kata yang sesuai dengan pilihannya, misal: “jika Anda ingin cek saldo, ucapkan ‘saldo’.”

Teknologi ini telah berkembang pesat dalam beberapa dekade terakhir sejak pertama kali muncul.

Anda mungkin terbiasa dengan pengenalan suara yang mengecewakan dan tidak akurat (seperti contoh di awal), tapi itu lebih karena sistem IVR lama, bukan kemampuan pengenalan perintah suara saat ini.

Pengenalan Suara Otomatis (ASR) dan NLP

Sistem canggih mungkin memilih pengenalan suara penuh dengan sistem NLP.

Di sini pengguna mengucapkan pilihannya dengan bahasa sehari-hari, dan algoritma berbasis deep neural network digunakan untuk mentranskripsi dan mengklasifikasikan input pengguna, misalnya, “Ya, eh, saya mau setor dana”.

Sistem dengan sumber daya terbatas pun kini bisa menjalankan model ASR dan NLP yang cukup cepat dan akurat, dan perusahaan melihat hasil yang sangat positif dengan pengaturan ini.

4. Pengalihan

Tergantung struktur sistem dan respons pelanggan, pelanggan akan diarahkan ke langkah berikutnya.

Mereka mungkin diminta memasukkan data pribadi, seperti nomor kartu kredit atau tanggal lahir. Bisa juga diarahkan ke menu berikutnya dengan pilihan yang lebih spesifik.

IVR vs. Agen Suara AI

Jadi, jika Anda menambahkan fitur suara pada chatbot dukungan pelanggan, apakah itu berarti sistem IVR?

Saya rasa, secara teknis.

Meskipun IVR biasanya merujuk pada sistem dengan alur yang sudah ditentukan dan pesan yang sudah direkam.

Dalam kasus ini, agen menggunakan pesan rekaman untuk meminta pengguna memilih salah satu dari beberapa opsi, lalu mengarahkan sesuai pilihan.

Pada agen suara AI, pengguna berbicara dengan agen, dan respons dihasilkan secara dinamis. Agen menentukan sendiri kapan harus menggunakan alat tertentu, jika memang perlu.

IVR menggunakan pesan rekaman dan input pengguna yang kaku untuk menavigasi pengguna melalui suatu alur. Pengguna disajikan serangkaian pilihan di setiap langkah, dan harus memilih yang sesuai.

Agen suara AI, di sisi lain, memiliki akses ke alat tertentu, dan mampu menafsirkan input pengguna untuk menentukan alat mana yang akan digunakan. Respons juga dihasilkan secara dinamis, bukan hanya memutar pesan rekaman.

Kapan sebaiknya menggunakan IVR dibandingkan agen suara?

Pertanyaan besarnya: kenapa repot-repot menggunakan sistem suara bertahap jika sudah ada agen percakapan otonom yang mulus?

Dan jika Anda sudah menggunakan AI untuk mengategorikan maksud pengguna di IVR, kenapa tidak sekalian pakai sistem otonom penuh?

Pertanyaan bagus.

Jika anggaran terbatas

Selain pengenalan suara (yang ada di kedua sistem), penggunaan AI di IVR hanya untuk mengategorikan ucapan pengguna sebagai 1 dari n contoh (biasanya >10).

Agen otonom, di sisi lain, melakukan beberapa panggilan LLM (large language model) untuk menentukan maksud pengguna, menyusun respons, dan menggunakan text-to-speech (TTS) untuk menghasilkan audio, yang semuanya bisa mahal dan memperlambat respons.

Biaya tambahan ini seringkali memang diperlukan, misalnya jika Anda punya kebijakan perusahaan atau halaman FAQ yang sangat panjang, dan ratusan kemungkinan pertanyaan dari pelanggan.

Mendefinisikan semuanya terlebih dahulu, dan—amit-amit—membuat pelanggan harus mendengarkan menu rekaman untuk menemukan pertanyaannya, jelas tidak memungkinkan. Agen adalah pilihan yang tepat untuk kasus ini.

Jika alur Anda belum sepenuhnya terdefinisi

Agen otonom lebih canggih, tapi juga lebih sulit diprediksi.

Ingat, mereka mengambil keputusan sendiri. Artinya, ada serangkaian operasi di setiap langkah, sehingga kesalahan sulit dilacak.

Saya tahu karena saya sudah menghabiskan waktu berjam-jam untuk men-debug-nya.

Ini wajar. Itu bagian dari pengembangan, tapi waktu tersebut sebaiknya digunakan jika Anda sudah yakin data, struktur alur, dan kebutuhannya memang ada.

Dan IVR adalah cara yang bagus untuk menyusun semua elemen tersebut.

Mendefinisikan langkah-langkah secara eksplisit dan membimbing pengguna satu per satu jauh lebih membantu untuk mengatur data dan memahami alur Anda.

Saya tetap berpendapat bahwa IVR punya keunggulan tersendiri, dan bisa menangani hal-hal sederhana lebih baik daripada agen AI sepenuhnya.

Namun, setidaknya, Anda bisa menganggapnya sebagai batu loncatan menuju otomatisasi penuh.

Manfaat IVR

Sistem IVR sangat banyak digunakan bukan tanpa alasan.

Dan meskipun sekarang ada teknologi dukungan pelanggan berbasis suara yang lebih canggih, menurut saya IVR tetap layak dipertimbangkan.

Keamanan

Kita sering terlalu fokus membahas apa yang bisa dilakukan AI sebaik manusia sampai lupa pada keunggulan-keunggulannya dibanding kita.

Salah satunya adalah pengenalan suara. Seperti, “oh, itu suara Tom” vs. “itu bukan Tom”.

Untuk hal-hal sensitif, seperti keuangan atau data pribadi, alur suara otomatis memberi perusahaan kesempatan memverifikasi suara pembicara dengan identitasnya, sehingga bisa mencegah penipuan yang mungkin tidak terdeteksi.

Peningkatan Pengalaman Pelanggan

Jika Anda tidak punya cukup staf untuk menjawab semua panggilan masuk, Anda butuh sesuatu untuk membantu.

Dibantu lebih baik daripada menunggu.

Agen langsung memang luar biasa. Tapi agen langsung yang sudah mengetahui kebutuhan pelanggan yang masuk, dan dikirim sesuai keahliannya, itu yang paling ideal.

Biaya lebih rendah

Yang satu ini bersifat dua sisi.

Pertama, mengalihkan urusan layanan pelanggan yang sederhana selalu menghemat biaya. Pelanggan dengan pertanyaan sederhana tidak perlu layanan yang sangat personal, dan IVR bisa menangani tugas-tugas mudah atau memberi jawaban cepat.

Sama-sama untung

Di sisi lain, ini juga alternatif yang lebih murah dibanding agen AI dan chatbot.

Banyak perusahaan ingin langsung memakai agen AI untuk mengotomatisasi dukungan pelanggan tanpa mempertimbangkan otomatisasi yang lebih murah seperti IVR.

Biaya bot bukan hanya soal alat dan teknologi. Tapi juga waktu yang Anda habiskan untuk mencoba-coba membangunnya.
Merancang sistem berbiaya rendah dengan alur kerja yang jelas bisa jadi cara efektif untuk mengumpulkan data kebutuhan pelanggan dan belajar bagaimana mengotomatisasi alur Anda sebelum benar-benar beralih ke sistem otonom sepenuhnya.

Pengalihan Lebih Efektif

Menggunakan langkah-langkah alur kerja yang jelas (dan idealnya sedikit sentuhan AI) bisa sangat meningkatkan proses pengalihan. Artinya, benar-benar memberikan bantuan yang dibutuhkan pelanggan.

AI sangat baik dalam menemukan pola di data yang tidak teratur.

AI memang bukan bagian utama dari IVR, tapi menambahkan pembelajaran mesin untuk memprediksi pola perilaku pengguna cukup mudah dilakukan.

Dengan IVR, Anda dapat mengumpulkan data tentang profil pelanggan, masalah yang dihadapi, serta membandingkan seberapa membantu agen langsung tertentu dalam menangani masalah tersebut.

Saat mengalihkan, IVR harus menentukan ke agen langsung mana panggilan akan diteruskan.

Mungkin satu agen lebih paham soal migrasi database, dan yang lain soal kredensial login. Sementara agen ketiga paling ahli menangani masalah kredensial untuk pengguna paket enterprise.

Mempelajari semua kombinasi agen/masalah/profil akan memakan waktu seumur hidup.

Tapi tidak untuk AI– itu hanya data saja.

Dukungan 24/7

Agen langsung mungkin tidak selalu tersedia setiap saat, tapi Anda tetap bisa mengumpulkan informasi penting di luar jam kerja, mengatur jadwal panggilan balik saat mereka tersedia, dan menjawab pertanyaan singkat.

Ini akan mengurangi hambatan bagi pelanggan, membuat waktu kerja agen langsung lebih efektif, dan mungkin membebaskan sumber daya agar agen bisa bekerja di luar jam sibuk.

Contoh Penggunaan IVR di Berbagai Industri

Perusahaan di berbagai industri melihat peningkatan efisiensi dan kepuasan, terutama saat menggabungkan IVR dengan NLP.

Perbankan

Saya sudah beberapa kali menyebut perbankan di artikel ini, karena menurut saya itu contoh penggunaan IVR yang sangat baik.

Bagaimanapun caranya, memastikan transaksi aman berarti harus memverifikasi identitas pengguna beberapa kali, lalu menentukan detail transaksinya.

Sebagian besar adalah data sederhana tapi sensitif: nomor kartu kredit, jumlah setoran. Selama IVR andal dan aman, ini sangat cocok untuk perbankan.

Faktanya, penerapan IVR berbasis bahasa alami membantu bank menunjukkan tingkat penyelesaian tinggi (tidak perlu diteruskan ke agen langsung) dengan keamanan yang lebih baik.

Kesehatan

Tantangan tenaga kerja selama COVID-19 menunjukkan betapa pentingnya otomatisasi yang efektif di bidang kesehatan.

GBANK Health, jaringan apotek di Iowa, mengalami penurunan transfer panggilan sebesar 24% setelah menerapkan IVR khusus kasus.

Ini pengingat bahwa dunia medis adalah industri yang penuh tekanan dan berisiko tinggi. Otomatisasi yang efektif berarti meningkatkan kesejahteraan orang.

Dukungan Pelanggan

Mayoritas pertanyaan dukungan pelanggan adalah masalah berulang. Mengkategorikan dan memfilter panggilan masuk menghemat waktu dan meningkatkan kepuasan.

Terkait hal itu, sebuah peritel di AS berhasil mengurangi transfer panggilan hingga 30% dengan IVR berbasis bahasa alami.

Menerapkan IVR juga membuat Anda lebih mengendalikan proses.

Peritel yang sama menggunakan algoritma prediktif untuk merekomendasikan layanan tambahan, dengan tingkat keberhasilan lebih dari 70%, sehingga mengurangi kebutuhan panggilan lanjutan.

Cara Menghindari Tantangan Umum IVR

Tidak semuanya berjalan mulus– ada juga masalah yang bisa muncul dengan IVR. Kabar baiknya, ada langkah-langkah yang bisa Anda lakukan untuk mengatasinya.

Jaga menu tetap sederhana

Menu IVR bisa panjang, dan opsinya kadang tidak jelas. Kadang Anda lupa pilihan pertama saat menunggu mendengar yang lain. Kadang juga tidak yakin mana yang sesuai.

Solusi: Terus lakukan iterasi. Kumpulkan data penggunaan dan lihat di mana pengguna mengalami kesulitan.

Itu bisa berarti mengubah urutan opsi, menghapus yang tidak terpakai, atau menggabungkan yang mirip.

Fokus Anda harus pada meminimalkan waktu penelepon, pengguna yang kembali ke langkah sebelumnya, dan pengalihan ke agen langsung.

Bersikap transparan

IVR bukan manusia, dan itu tidak masalah.

Tapi beberapa pelanggan lebih suka berbicara dengan agen langsung.

Tanpa kemampuan membaca atau merespons emosi pengguna, pelanggan yang kecewa bisa merasa tidak dihargai.

Solusi: Utamakan kejelasan, dan jelaskan sedini mungkin bagaimana pengguna bisa berbicara dengan agen langsung.

Menu otomatis pada akhirnya memang kurang personal dibanding manusia. Dan pengguna akan punya pendapat berbeda soal itu.

Anda tidak bisa mengendalikan perasaan pelanggan, tapi Anda selalu bisa transparan soal pilihan mereka.

Atasi Kemacetan

Bahkan sistem otomatis pun punya waktu tunggu. Ada batas jumlah pelanggan yang bisa dilayani IVR sekaligus. Waktu tunggu untuk agen langsung juga bervariasi.

Solusi: Identifikasi kemacetan dan coba atasi.

Saat merancang alur kerja IVR, pertimbangkan kebutuhan di luar sistem, sama pentingnya dengan yang ada di dalam.

Mungkin beberapa opsi menu lebih banyak diminati. Jika demikian, pertimbangkan untuk mengarahkan tenaga kerja ke sana.

Bisa jadi pelanggan menelepon hanya untuk pertanyaan sederhana yang sebenarnya bisa dijawab di situs Anda. Pastikan informasi ini jelas dan mudah ditemukan.

Otomatisasi Panggilan Telepon dengan IVR

Jika Anda belum siap langsung ke otomatisasi AI penuh, saya rasa tidak ada cara lebih baik untuk mulai mencoba selain dengan menerapkan IVR.

IVR adalah cara bagus memanfaatkan kekuatan AI sambil tetap mengendalikan proses. Anda bisa mengumpulkan data, dan terus memperbaiki sistem.

Yang Anda butuhkan hanya platform pembuat. Botpress punya builder drag-and-drop yang mudah, banyak model berbiaya rendah yang bisa dipilih, dan integrasi telepon yang simpel. Bahkan analitiknya juga dikumpulkan untuk Anda.

Mulai bangun hari ini. Gratis.

FAQ

Seberapa akurat IVR modern dalam memahami ucapan alami dan berbagai aksen?

Sistem IVR modern mencapai akurasi 85–95% untuk ucapan jelas dalam bahasa yang didukung, berkat pengenalan suara dan pemrosesan bahasa alami yang canggih. Akurasi menurun untuk aksen kuat, dialek, atau kebisingan latar, sehingga pengujian dengan pengguna nyata sangat penting. Banyak platform menawarkan penyesuaian model untuk meningkatkan pengenalan aksen tertentu dan kosakata industri.

Apakah teknologi IVR mahal untuk diterapkan di bisnis kecil?

Teknologi IVR kini tidak lagi terlalu mahal untuk bisnis kecil; solusi berbasis cloud bisa dimulai dari $50–$200 per bulan, tergantung pada volume panggilan dan fitur yang digunakan. Biaya akan meningkat jika Anda menambahkan pengenalan suara atau integrasi dengan sistem bisnis, dan biasanya pengeluaran terbesar adalah waktu desain dan penyiapan, bukan perangkat lunaknya.

Apakah sistem IVR dapat diintegrasikan dengan CRM untuk mempersonalisasi respons?

Sistem IVR dapat diintegrasikan dengan CRM dan alat backend, sehingga memungkinkan pengalaman yang dipersonalisasi seperti menyapa penelepon dengan nama atau mengarahkan panggilan berdasarkan riwayat pelanggan. Integrasi ini bergantung pada API atau koneksi langsung ke basis data, sehingga memerlukan konfigurasi teknis, namun kini semakin menjadi standar di platform IVR modern.

Apakah sistem IVR dapat menangani informasi sensitif seperti nomor kartu kredit dengan aman?

Sistem IVR dapat menangani informasi sensitif secara aman, asalkan dirancang sesuai standar PCI-DSS dan protokol enkripsi. Banyak penyedia IVR modern menawarkan alur 'penangkapan pembayaran' yang aman, di mana input sensitif disembunyikan dari agen manusia dan dienkripsi secara end-to-end.

Berapa lama waktu yang dibutuhkan untuk menerapkan sistem IVR dari awal?

Sebuah perusahaan dapat menerapkan sistem IVR sederhana berbasis DTMF hanya dalam beberapa hari jika menggunakan penyedia cloud dengan template siap pakai. Sistem IVR yang lebih canggih dengan pengenalan suara dan alur kerja kompleks mungkin membutuhkan waktu beberapa minggu untuk diluncurkan.