Wat is interactieve spraakrespons?

“Als u met een medewerker wilt spreken, zeg dan ‘medewerker’.”

“Medewerker.”

“Sorry, ik kon geen optie vinden die overeenkomt met ‘Cuban’. Als u wilt spreken…”

Zucht.

De reputatie van interactieve spraakrespons (IVR)-systemen is inmiddels flink beschadigd.

En eerlijk gezegd is dat terecht; je kunt ze gerust het buitenbeentje van de AI-spraakagent-familie noemen.

Ze zijn omslachtig, ouderwets en onpraktisch. In een tijd waarin de meest geavanceerde toepassingen via onze telefoons beschikbaar zijn, voelt praten met een robot als de minst handige optie.

Waarom schrijf ik dit artikel dan nog?

Oh ja. *kucht*.

…maar als liefhebber van spraaktechnologie en strak applicatieontwerp heb ik toch wat inzichten die pleiten voor geautomatiseerde telefoonflows.

Het is de laagste drempel voor klantondersteuning, en de ondersteunende technologieën – NLP (natuurlijke taalverwerking) en ASR (automatische spraakherkenning) – zijn enorm verbeterd.

Met het juiste ontwerp kunnen verkeerd begrepen trefwoorden en eindeloze menu’s tot het verleden behoren.

Ga met me mee, dan neem ik je mee langs de onderdelen van het systeem, hoe ze tegenwoordig worden gebruikt, en licht ik enkele unieke voordelen van deze technologie uit.

Want hoewel je vast wel eens aan IVR hebt gedacht, heb je er waarschijnlijk nooit echt over nagedacht.

Wat is IVR?

IVR (interactieve spraakrespons) is een geautomatiseerd telefoonsysteem dat bedrijven gebruiken als menu om klanten door ondersteuningsgesprekken te leiden. Deze systemen kunnen veelgestelde vragen beantwoorden, eenvoudige taken uitvoeren en doorverbinden naar een medewerker.

IVR haalt de medewerker uit het proces bij eenvoudige vragen, doorsturen en informatie verzamelen, zodat medewerkers zich kunnen richten op complexere of gevoelige gevallen.

Met een bibliotheek van (meestal vooraf opgenomen) berichten en de mogelijkheid om gebruikersinvoer te lezen, kunnen deze digitale agenten een groot deel van het handmatige werk van klantondersteuning overnemen.

Hoe lezen IVR-systemen gebruikersinvoer?

Traditionele systemen gebruikten (Dual-Tone Multi-Frequency) DTMF om gebruikersinvoer te lezen. Daarbij komen de toetsen van het toetsenblok overeen met opties.

(En daarom maken verschillende toetsen verschillende tonen.)

Je kent het wel: “Voor Engels, toets 1 in”.

Sommige systemen gebruiken dit nog steeds. Maar meestal is het tegenwoordig een stuk geavanceerder 🌶️.

Dankzij vooruitgang in spraaktechnologie kunnen deze systemen nu veel krachtigere methoden inzetten om trefwoorden te herkennen, of zelfs natuurlijke taalverwerking (NLP) gebruiken om betekenis en sentiment uit de spraak van de gebruiker te halen.

Hoe werkt IVR?

1. Eerste oproep

De IVR-flow start wanneer een klant een speciaal telefoonnummer belt.

2. Begroeting en menu

De klant krijgt een reeks opties te horen. Ook deze opties zijn vooraf opgenomen.

Dit kan variëren van het controleren van rekeningsaldi bij banken, eenvoudige veelgestelde vragen over bedrijfsbeleid, tot het invullen van basisinformatie voordat wordt doorverbonden naar een medewerker.

3. Gebruikersinvoer

De gebruiker kiest een optie. Er zijn verschillende manieren waarop het systeem deze invoer kan lezen.

Dual-Tone Multi-Frequency (DTMF)

DTMF is klassiek. Het is eenvoudig en eenduidig. Begrijpelijk dat het minder populair is – als je belt, wil je meestal gewoon praten.

Aan de andere kant is het de minst veeleisende manier om gebruikersinvoer te verzamelen.

Het wordt veel gebruikt bij overheidsdiensten – instanties die nog geen volledig digitaal helpportaal hebben en waar gesprekken uiteindelijk toch bij een medewerker uitkomen.

Spraakcommandoherkenning

Hierbij wordt de gebruiker gevraagd het woord te zeggen dat bij de gewenste optie hoort, bijvoorbeeld: “Wilt u uw saldo controleren, zeg dan ‘saldo’.”

Deze technologie heeft de afgelopen decennia flinke vooruitgang geboekt.

Misschien ben je gewend aan frustrerende, onnauwkeurige herkenning (zoals in het voorbeeld in de intro), maar dat ligt vaker aan verouderde IVR-systemen dan aan de mogelijkheden van spraakcommandoherkenning.

Automatische spraakherkenning (ASR) en NLP

Geavanceerde systemen kiezen soms voor volledige spraakherkenning met NLP.

Daarbij spreekt de gebruiker in gewone taal, en worden deep neural network-algoritmes gebruikt om de invoer te transcriberen en te classificeren, bijvoorbeeld: “Ja, eh, ik wil geld storten”.

Zelfs relatief eenvoudige systemen kunnen tegenwoordig snel en nauwkeurig ASR- en NLP-modellen draaien, en bedrijven boeken hiermee opvallend goede resultaten.

4. Doorverbinden

Afhankelijk van de structuur van het systeem en het antwoord van de klant wordt deze vervolgens naar de volgende stap geleid.

De klant kan gevraagd worden persoonlijke gegevens in te voeren, zoals een creditcardnummer of geboortedatum. Ook kan hij naar een volgend menu met meer specifieke opties worden geleid.

IVR versus AI-spraakagenten

Dus, als je een spraaklaag toevoegt aan een klantondersteuningschatbot, is dat dan een IVR-systeem?

Ik denk, technisch gezien.

Hoewel IVR meestal verwijst naar systemen met een vooraf gedefinieerde flow en vooraf opgenomen berichten.

In dit geval gebruikt de agent een vooraf opgenomen bericht om de gebruiker te vragen een van de opties te kiezen, en leidt hem vervolgens verder.

Bij een AI-spraakagent spreekt de gebruiker met de agent en worden de antwoorden dynamisch gegenereerd. De agent bepaalt zelfstandig wanneer welk hulpmiddel wordt ingezet, als dat al nodig is.

Een IVR gebruikt vooraf opgenomen berichten en vaste gebruikersinvoer om gebruikers door een flow te leiden. De gebruiker krijgt bij elke stap een aantal opties en moet de juiste kiezen.

Een AI-spraakagent daarentegen heeft toegang tot bepaalde tools en kan de invoer van de gebruiker interpreteren om te bepalen welke hij moet inzetten. Ook worden de antwoorden dynamisch gegenereerd, in plaats van vooraf opgenomen berichten af te spelen.

Wanneer kies je voor IVR in plaats van een spraakagent?

De olifant in de kamer: waarom zou je nog een stapsgewijs spraakgestuurd systeem gebruiken als er soepele, autonome, spraakgestuurde agenten beschikbaar zijn?

En als je toch al AI gebruikt om de intentie van de gebruiker in een IVR te bepalen, waarom dan niet meteen een volledig autonoom systeem?

Goede vraag.

Als je budget beperkt is

Afgezien van spraakherkenning (die in beide systemen aanwezig is), draait het gebruik van AI in IVR om het categoriseren van een uiting van de gebruiker als 1 van n voorbeelden (meestal meer dan 10).

Autonome agenten daarentegen doen meerdere LLM (large language model)-aanroepen om de intentie van de gebruiker te bepalen, een antwoord samen te stellen, en gebruiken tekst-naar-spraak (TTS) om het bijbehorende geluid te genereren. Dit kan duur zijn en de reactietijd verhogen.

Die extra kosten zijn vaak nodig, bijvoorbeeld als je een zeer uitgebreid bedrijfsbeleid of FAQ-pagina hebt, en honderden mogelijke klantvragen.

Deze allemaal vooraf definiëren, en klanten door een opgenomen menu laten zoeken naar hun vraag, is ondoenlijk. In dat geval is een agent de logische keuze.

Als je flow niet volledig vastligt

Autonome agenten zijn krachtiger, maar minder voorspelbaar.

Onthoud: ze nemen zelfstandig beslissingen. Dat betekent dat er bij elke stap een reeks bewerkingen wordt uitgevoerd, waardoor fouten lastig te achterhalen zijn.

Ik weet het, want ik heb er uren aan besteed om ze te debuggen.

Dat is prima. Het hoort bij ontwikkeling, maar die tijd kun je beter besteden als je zeker weet dat de data, workflow en behoefte er zijn.

En IVR is een uitstekende manier om al die elementen op een rij te krijgen.

Door stappen expliciet te definiëren en gebruikers er één voor één doorheen te leiden, organiseer je je gegevens veel overzichtelijker en krijg je beter inzicht in je flow.

Ik blijf erbij dat IVR zo zijn sterke kanten heeft en eenvoudige zaken beter kan afhandelen dan een volledig AI-agent.

Maar, als het niets anders is, kun je het zien als een tussenstap richting volledige automatisering.

Voordelen van IVR

IVR-systemen zijn niet voor niets zo wijdverspreid.

En ook al leven we in een tijd met geavanceerdere, spraakgestuurde klantenservicetechnologieën, vind ik IVR nog steeds de moeite waard om te overwegen.

Beveiliging

We zijn zo druk bezig met wat AI net zo goed als mensen kan, dat we vaak vergeten op welke manieren het ons overtreft.

Een daarvan is spraakherkenning. Zoals: “hé, dat is de stem van Tom” versus “dat is Tom niet”.

Voor gevoelige zaken, zoals financiën of persoonlijke informatie, biedt een geautomatiseerde spraakflow bedrijven de kans om de stem van de beller te verifiëren en zo fraude op te sporen die anders onopgemerkt zou blijven.

Verbeterde klantervaring

Als je niet genoeg medewerkers hebt om elke binnenkomende oproep te beantwoorden, heb je iets nodig om het op te vangen.

Geholpen worden is beter dan in de wacht staan.

Live medewerkers zijn geweldig. Maar live medewerkers die vooraf op de hoogte zijn van de behoeften van de beller en worden ingezet op basis van hun expertise, dat is ideaal.

Lagere kosten

Dit voordeel is tweedelig.

Ten eerste bespaar je altijd kosten door eenvoudige klantvragen te automatiseren. Klanten met simpele vragen hebben geen persoonlijke service nodig, en IVR kan eenvoudige taken uitvoeren of snel antwoord geven.

Het is een win-winsituatie

Aan de andere kant is het een goedkoper alternatief voor AI-agents en chatbots.

Bedrijven willen graag volledig AI-gestuurde klantenservice inzetten, zonder goedkopere automatiseringen zoals IVR te overwegen.

De kosten van bots gaan niet alleen over de tools en technologie. Het gaat ook om de tijd die je kwijt bent aan het uitproberen en bouwen ervan.
Een goedkoop systeem ontwerpen met een duidelijke workflow is een uitstekende manier om data te verzamelen over de behoeften van je klanten en te leren hoe je je flows het beste automatiseert, voordat je overstapt op een volledig autonoom systeem.

Effectievere routering

Door expliciete workflowstappen te gebruiken (en idealiter wat AI-magie) kun je het doorverbinden flink verbeteren. Oftewel: klanten krijgen daadwerkelijk de hulp die ze nodig hebben.

AI is uitstekend in het herkennen van patronen in rommelige data.

AI is niet standaard onderdeel van IVR, maar wat machine learning toevoegen om gebruikersgedrag te voorspellen is vrij eenvoudig.

Met IVR kun je gegevens verzamelen over het profiel van de klant, hun vraag, en hoe behulpzaam bepaalde live medewerkers zijn bij die vraag.

Bij het routeren moet IVR bepalen naar welke live medewerker de oproep wordt doorverbonden.

Misschien weet de ene medewerker meer van database-migratieproblemen, en een andere van inloggegevens. Hoewel medewerker 3 juist het beste is voor inloggegevensproblemen bij gebruikers met een zakelijk abonnement.

Alle mogelijke combinaties van medewerkers, vragen en klantprofielen leren kennen zou een levenswerk zijn.

Maar niet voor AI – dat is gewoon data.

24/7 ondersteuning

Live medewerkers zijn niet altijd beschikbaar, maar je kunt wel op elk moment informatie verzamelen, een terugbelafspraak inplannen voor wanneer ze wél beschikbaar zijn, en snelle vragen beantwoorden.

Dit verlaagt de drempel voor de klant, maakt de tijd van live medewerkers effectiever en kan middelen vrijmaken zodat je medewerkers ook buiten piekuren kunt inzetten.

Toepassingen van IVR in verschillende sectoren

Bedrijven zien efficiëntie- en tevredenheidswinst in allerlei sectoren, vooral als ze IVR combineren met NLP.

Bankwezen

Ik heb bankieren al een paar keer genoemd, omdat IVR daar heel goed tot zijn recht komt.

Hoe je het ook bekijkt, een veilige transactie betekent altijd dat je de identiteit van de gebruiker meerdere keren moet verifiëren en daarna de details van de transactie moet vastleggen.

Het gaat meestal om eenvoudige maar gevoelige informatie: creditcardnummers, stortingsbedragen. Zolang de IVR betrouwbaar en veilig is, is het ideaal voor banken.

Sterker nog, natuurlijke-taal IVR heeft banken geholpen om veel meer gesprekken zelfstandig af te handelen (zonder doorverbinden naar een medewerker) en de veiligheid te verbeteren.

Zorg

De personeelstekorten tijdens COVID-19 maakten duidelijk hoe belangrijk goede automatisering in de zorg is.

GBANK Health, een netwerk van apotheken in Iowa, zag een daling van 24% in doorverbonden oproepen na het invoeren van casus-specifieke IVR.

Dit herinnert eraan dat de zorg een veeleisende en zwaarbelaste sector is. En effectieve automatisering betekent dat je mensen beter kunt helpen.

Klantenservice

De meeste klantvragen zijn terugkerend. Door binnenkomende oproepen te categoriseren en filteren bespaar je tijd en verhoog je de tevredenheid.

Zo wist een Amerikaanse retailer het aantal doorverbonden oproepen met 30% te verminderen dankzij natuurlijke-taal IVR.

Met IVR heb je bovendien zelf de regie.

Dezelfde retailer gebruikte voorspellende algoritmes om extra diensten aan te bevelen, met meer dan 70% succes, waardoor vervolgoproepen minder vaak nodig waren.

Hoe voorkom je veelvoorkomende problemen met IVR

Het is niet altijd rozengeur en maneschijn – IVR kan ook problemen opleveren. Gelukkig kun je daar wat aan doen.

Houd het menu eenvoudig

IVR-menu’s kunnen lang zijn en de opties soms onduidelijk. Soms ben je de eerste optie alweer vergeten tegen de tijd dat je de rest hoort. Of je weet niet goed welke optie bij jouw vraag past.

Oplossing: Itereer, iterer, iterer. Verzamel gegevens over het gebruik en kijk waar mensen vastlopen.

Dat kan betekenen dat je opties herschikt, overbodige verwijdert of vergelijkbare samenvoegt.

Richt je op het verkorten van de beltijd, het teruggaan naar vorige stappen en het aantal keren dat wordt doorverbonden.

Wees transparant

IVR is geen mens, en dat is prima.

Maar sommige klanten willen liever met een medewerker spreken.

Omdat IVR geen emoties kan lezen of erop kan reageren, kunnen ontevreden klanten zich niet gehoord voelen.

Oplossing: Zorg voor duidelijkheid en wees zo snel mogelijk transparant over hoe de gebruiker een medewerker kan spreken.

Geautomatiseerde menu’s zijn uiteindelijk minder persoonlijk dan mensen. En gebruikers ervaren dat verschillend.

Je kunt niet bepalen hoe klanten zich erbij voelen, maar je kunt wel altijd duidelijk zijn over hun opties.

Knelpunten aanpakken

Zelfs geautomatiseerde systemen hebben wachttijden. Er is immers een limiet aan het aantal klanten dat IVR tegelijk kan helpen. Ook de wachttijd voor medewerkers verschilt.

Oplossing: Breng knelpunten in kaart en probeer ze te verminderen.

Denk bij het ontwerpen van een IVR-workflow niet alleen aan wat er binnen het systeem nodig is, maar ook daarbuiten.

Misschien zijn sommige menu-opties populairder dan andere. Overweeg dan om je personeel meer op die onderwerpen in te zetten.

Het kan zijn dat klanten bellen met simpele vragen die ook op je website beantwoord worden. Zorg dat die informatie duidelijk en makkelijk vindbaar is.

Automatiseer telefoongesprekken met IVR

Als je nog niet klaar bent voor volledige AI-automatisering, is IVR de perfecte manier om ermee te beginnen.

Met IVR kun je de kracht van AI benutten en toch de controle houden. Je verzamelt data en blijft verbeteren.

Alles wat je nodig hebt is een bouwplatform. Botpress heeft een eenvoudige drag-and-drop builder, veel goedkope modellen om uit te kiezen en makkelijke telefoonintegratie. Het platform verzamelt zelfs de analyses voor je.

Begin vandaag nog met bouwen. Het is gratis.

Veelgestelde vragen

Hoe nauwkeurig is moderne IVR in het begrijpen van natuurlijke spraak en verschillende accenten?

Moderne IVR-systemen halen 85–95% nauwkeurigheid bij duidelijke spraak in ondersteunde talen, dankzij geavanceerde spraakherkenning en natuurlijke taalverwerking. De nauwkeurigheid neemt af bij sterke accenten, dialecten of achtergrondgeluid, waardoor testen met echte gebruikers belangrijk is. Veel platforms bieden de mogelijkheid om modellen aan te passen voor specifieke accenten en vakjargon.

Is IVR-technologie duur om te implementeren voor een klein bedrijf?

IVR-technologie is tegenwoordig niet meer onbetaalbaar voor kleine bedrijven; cloudgebaseerde oplossingen beginnen al vanaf $50–$200 per maand, afhankelijk van het belvolume en de functionaliteiten. De kosten stijgen als u spraakherkenning of integraties met bedrijfsapplicaties toevoegt, maar de grootste uitgave is meestal het ontwerp en de implementatietijd, niet de software zelf.

Kunnen IVR-systemen integreren met CRM's om reacties te personaliseren?

IVR-systemen kunnen integreren met CRM's en backend-tools, waardoor gepersonaliseerde ervaringen mogelijk zijn, zoals bellers begroeten met hun naam of routeren op basis van klantgeschiedenis. Deze integraties maken gebruik van API's of directe databaseverbindingen en vereisen dus enige technische configuratie, maar zijn steeds gebruikelijker bij moderne IVR-platforms.

Kunnen IVR-systemen veilig omgaan met gevoelige informatie zoals creditcardgegevens?

IVR-systemen kunnen gevoelige informatie veilig verwerken, mits ze zijn ontworpen volgens PCI-DSS-normen en encryptieprotocollen. Veel moderne IVR-aanbieders bieden veilige 'betalingsflows' waarbij gevoelige invoer wordt afgeschermd voor menselijke medewerkers en end-to-end wordt versleuteld.

Hoe lang duurt het om een IVR-systeem vanaf nul te implementeren?

Een bedrijf kan een eenvoudig DTMF-gebaseerd IVR-systeem binnen enkele dagen implementeren als er gebruik wordt gemaakt van een cloudprovider met kant-en-klare sjablonen. Geavanceerdere IVR-systemen met spraakherkenning en complexe workflows kunnen enkele weken in beslag nemen om te lanceren.