Ryan Johnson, Chief Product Officer bij CallRail – Interview Series

Ryan heeft meer dan 15 jaar ervaring in diverse technologie- en productontwikkelingsleiderschap van start-ups tot Fortune 100-organisaties. Als Chief Product Officer bij CallRail maakt hij gebruik van zijn passie voor het ontwikkelen van beste technologieoplossingen om echte problemen op te lossen. Voordat hij bij CallRail kwam, was hij een sleutellid van het leiderschapsteam bij Banjo (nu MiiM). Daar hielp hij de productontwikkelingsorganisatie met meer dan 300% te laten groeien, wereldklasse AI/Machine Learning-technologieproducten te creëren en hielp bij het werven van een $100 miljoen C-Ronde van VC-financiering.

CallRail is een AI-gebaseerd leadintelligentieplatform dat het voor bedrijven van alle maten gemakkelijk maakt om met vertrouwen te marketen. Met meer dan 200.000 bedrijven wereldwijd, helpen de oplossingen van CallRail bedrijven om elke lead te volgen en toe te wijzen aan hun marketingjourney, elke oproep, tekst, chat en formulier te capteren en te beheren, en inzichten die door AI worden gegenereerd te gebruiken om hun marketing te optimaliseren.

Uw vroege carrière was gericht op accounting en finance, hoe bent u uiteindelijk overgestapt naar AI?

Terwijl mijn carrière begon met een focus op accounting en finance, heb ik altijd een analytische mindset gehad. Terwijl ik studeerde aan Albion College, schreef ik me in voor een computerwetenschapklas als een van mijn keuzevakken – en de rest is geschiedenis! Dit bood me later de kans om te beginnen in de technologie-industrie, lang voordat AI überhaupt op de horizon verscheen.

Naarmate mijn carrière vorderde, realiseerde ik me twee dingen: ik had een diepe passie voor het werken met data (meer specifiek data vanuit een productperspectief) en het navigeren van hoe die data kon worden getransformeerd in iets dat echt waardevol was voor klanten. Er is geen rechtstreekse weg voor mensen die in deze opkomende ruimte willen werken, maar deze twee interesses leidden me natuurlijk naar een carrière die AI betrof.

Als u me twee decennia geleden had gevraagd, toen ik mijn carrière begon, over AI, zou ik waarschijnlijk naar de Terminator hebben verwezen, net als iedereen in die tijd. Maar nu de technologie is geëvolueerd – en vooral met de recente vooruitgang – is het duidelijk dat mijn reis moest beginnen met een sterk interesse in en begrip van data.

Voor mensen die een carrière in AI willen nastreven, is het meest belangrijk om een unieke achtergrond met originele perspectieven te hebben. Er zijn zo veel onbekenden met AI in de toekomst en u kunt in zoveel verschillende richtingen gaan – hoe het wordt toegepast, waar het wordt toegepast, regelgeving, compliance – het is bijna een eindeloze lijst. Daarom denk ik dat als u met een open geest en een bereidheid om te leren kunt komen, bijna iedereen in deze opkomende ruimte terecht kan, ongeacht hun initiële achtergrond.

Voordat u uw huidige functie kreeg, leidde u de ontwikkeling van Banjo’s AI/ML-producten, wat waren deze producten en wat waren enkele van uw belangrijkste inzichten uit deze ervaring?

Op het hoogste niveau gebruikten we AI en machine learning om gebeurtenissen te detecteren terwijl ze gebeurden over de hele wereld. We richtten ons op computer visie om dingen in afbeeldingen en video’s te detecteren (branden, ongelukken, logo’s, objecten, enz.) en NLP om te bepalen waar mensen over praatten. We gebruikten veel gegevensbronnen zoals sociale media, e911, verkeerscamera’s, enz. om te trianguleren en te valideren wanneer een “gebeurtenis” plaatsvond. We gebruikten deze technologie om te helpen bij het breken van nieuws (lokaal en nationaal) voordat iemand anders dat deed en om bedrijven te helpen hun werknemers, activa en merk te beschermen.

CallRail gebruikt een technologie genaamd Conversation Intelligence die inzichten uit gesprekken ontsluit, wat is dit specifiek?

Conversation Intelligence® is de mogelijkheid om automatisch actiegerichte callinzichten van telefoongesprekken te verzamelen om marketingprestaties te verbeteren. Het doel is om marketeers, agentschappen en bedrijfseigenaren in staat te stellen de juiste zakelijke beslissingen te nemen met snelheid en precisie.

• Leadconversie: CallRail’s AI mijnt telefoongesprekken en biedt inzichten en waardevolle informatie die kan worden gebruikt voor leadconversie. Door de beste leads van uw topmarketingbronnen te identificeren, kunt u uw inspanningen prioriteren en zich richten op de heetste leads. Dit zorgt ervoor dat uw middelen effectief worden gebruikt, terwijl u tegelijkertijd tijd bespaart. Met CallRail’s Conversation Intelligence® kunt u workflows voor soepeler lead-follow-up automatiseren. Ten slotte bieden de AI-gegenereerde inzichten u rijke context voor elke lead, waardoor u een dieper begrip krijgt van hun behoeften en voorkeuren. Met behulp hiervan kunt u gepersonaliseerde strategieën en aangepaste oplossingen ontwikkelen, waardoor u uw kansen op conversie naar tevreden klanten maximaliseert.

• Klantervaring: Telefoongespreksinzichten bieden een kans om de klantervaring te verbeteren. Door middel van de analyse van gesprekken kan AI waardevolle informatie bieden om klanten en hun reis volledig te begrijpen. Dit omvat het vastleggen van details van elke interactie, zoals de onderwerpen die worden besproken, toon van stem, sentiment en eventuele specifieke uitdagingen of problemen die worden genoemd. Met dit complete beeld van een leads reis en interacties kunnen bedrijven een meer gepersonaliseerde en aangepaste klantervaring bieden. Met AI-gegenereerde inzichten kunnen bedrijven beter begrijpen wat klanten nodig hebben, verwachten en prefereren, waardoor ze relevante suggesties, aanbevelingen en oplossingen kunnen bieden.

• Agentprestaties: Door de inhoud van gesprekken te bekijken, biedt CallRail’s Conversation Intelligence® nuttige coachingstips voor oproepafhandeling, waardoor uw agenten de richtlijnen krijgen die nodig zijn om betere klantenservice te bieden. De AI agregereert ook inzichten over meerdere oproepen of per afzonderlijke agent, waardoor u een algeheel begrip krijgt van de prestaties van uw team. Met deze technologie kunt u positieve of negatieve patronen of trends in sentimenten identificeren die tijdens de oproepen worden uitgedrukt. Dit betekent dat u gemeenschappelijke problemen of terugkerende problemen kunt identificeren die de klanttevredenheid kunnen beïnvloeden. Door deze gebieden van verbetering aan te pakken, kunt u de algehele kwaliteit van uw klantinteracties verbeteren.

• Marketingoptimalisatie: Een van de belangrijkste voordelen van AI-gegenereerde oproepinzichten is de gemakkelijke integratie met verschillende systemen, waaronder CRM-platforms zoals HubSpot en diverse marketingautomatiseringstools. Met AI-gegenereerde inzichten zijn bedrijven in staat om een complete afbeelding te krijgen van de leadreis, van het eerste contact tot de uiteindelijke resultaten, over zowel digitale als offlinekanalen. Deze inzichten stellen marketeers ook in staat om de effectiviteit van hun marketingstrategieën te meten in termen van return on investment (ROI). Door key performance indicatoren (KPI’s) zoals leadconversietarieven, klantacquisitiekosten en gegenereerde omzet te volgen, kunnen bedrijven hun marketinginspanningen optimaliseren om een hogere ROI te bereiken. Bovendien biedt marketingoptimalisatie in Conversation Intelligence bedrijven de mogelijkheid om trefwoorden te identificeren en automatische trefwoordbiedstrategieën te bieden op basis van inzichten uit de oproep, waardoor waardevolle input voor SEO en marketingberichten wordt gegenereerd. Als leads bijvoorbeeld consistent vragen naar diensten die niet worden aangeboden, kunnen bedrijven hun websiteberichten aanpassen om ervoor te zorgen dat oproepen beter zijn afgestemd of overwegen hun aanbod aan te passen om aan de vraag van leads te voldoen.

CallRail’s Conversation Intelligence® is speciaal ontworpen om menselijke spraak te begrijpen en te analyseren. Dat betekent dat het elke waardevolle informatie uit telefoongesprekken kan extraheren, waardoor agenten en managers meer dan 94% van hun tijd kunnen besparen. De informatie uit telefoongesprekken is eerste-handkennis rechtstreeks uit de mond van uw klant. Het resultaat is waardevolle gegevens van een beproefd marketinginstrument met een 21e-eeuwse twist.

Wat zijn de verschillende soorten AI en machine learning die in deze technologie worden gebruikt?

We hebben een geweldige AI-partnerschap met AssemblyAI, een bedrijf dat een verscheidenheid aan onze AI-gebaseerde functies gebruikt. Zonder in de diepe details te treden, gebruiken we:

• ASR (Automatische Spraakherkenning) – Aangedreven door Conformer-2, het grootste commercieel beschikbare ASR-model dat is getraind op meer dan 1,1 miljoen uur aan Engelse audiodata
• LeMUR – LLM die wordt gebruikt om gesproken data te analyseren. Het is de basis voor samenvattingen, agentcoaching, automatische kwalificatie, om er maar een paar te noemen. CallRail fine-tuned in verschillende opzichten bovenop de modellen om de meeste waarde voor onze klanten te krijgen.

In juli 2023 werd CallRail Labs onthuld als de eerste in zijn soort in de call analytics-ruimte. Een van de belangrijkste functies is de introductie van “actieplannen”. Kunt u enkele inzichten delen over wat dit is?

Dat klopt! Toen we CallRail Labs introduceerden, lanceerden we ook actieplannen om agenten te ondersteunen met AI-gegenereerde aanbevelingen voor de volgende stappen na een oproep. Deze functie verwijdert de gissingen uit het opvolgen van potentiële klanten door belangrijke punten samen te vatten, deze te consolideren in een deelbaar formaat om via e-mail of tekst naar frontline-teams te sturen en op te volgen in CallRail’s Premium Conversation Intelligence™-dashboard.

Maar sinds we CallRail Labs in juli hebben gelanceerd, zijn er zes nieuwe mogelijkheden geïntroduceerd:

• AI-gebaseerde oproepcoaching identificeert waar agenten goed presteerden, waar ze kunnen verbeteren en, het belangrijkste, levert specifieke actieaanbevelingen om beter te doen. Dit verlicht de trainingslast van bedrijfseigenaren en zorgt ervoor dat onbevooroordeelde, tijdige feedback aan agenten wordt gegeven om hun prestaties te verbeteren.
• AI-identificatie van succesvol geplande afspraken stelt bedrijfseigenaren in staat om direct de oproepen te identificeren die het meest waarschijnlijk omzet zullen genereren en te begrijpen welke activiteiten de beste leads aantrekken.
• AI-identificatie van nieuwe of bestaande klanten die bedrijven in staat stelt om te begrijpen welke marketingcampagnes echt nieuwe business genereren en welke herhaling van zaken en omzet van bestaande klanten stimuleren, zonder dat ze naar de oproep hoeven te luisteren of een transcriptie hoeven te lezen. Het weten welke campagnes nieuwe klanten naar uw bedrijf trekken versus welke loyaliteit en omzet van bestaande klanten stimuleren, stelt bedrijven in staat om hun publiekssegmentatie te verbeteren en uiteindelijk de campagne-prestaties te verbeteren.
• Automatisch identificeren van vaak gestelde vragen op oproepen om waardevolle inzichten te bieden in de behoeften van klanten, terwijl het ook helpt bij SEO-optimalisatie en trefwoordstrategie-verfijning.
• Automatisch vastleggen van persoonlijke details en voorkeuren van bellers die kunnen worden gebruikt om toekomstige relatieopbouw te ondersteunen en diepere verbindingen tussen merken en klanten tot stand te brengen. Kleine details zoals het onthouden van een klant zijn verjaardag of een aanstaande levensgebeurtenis kunnen onwankelbaar vertrouwen en merkloyaliteit opbouwen.
• Gebruik maken van AI om na een oproep zorgvuldige, bondige tekst- en e-mailberichten te genereren om klantenzorgen te bevestigen en relaties te versterken, waardoor agenten ontelbare uren werk besparen.

Lees meer over deze nieuwe mogelijkheden hier en hier. Terwijl we enthousiast zijn over deze eerste resultaten – we krabben alleen maar aan de oppervlakte!

Kunt u ook beschrijven hoe CallRail Labs klanten in staat stelt om de manier waarop het bedrijf voice AI gebruikt te beïnvloeden?

Deze nieuwe innovatieprogramma – zoals u vermeldde, een eerste in zijn soort in de call analytics-ruimte – was ontworpen om te helpen bij het stimuleren van verdere AI-innovatie in samenwerking met SMB’s door onze klanten uit te nodigen om invloed uit te oefenen op hoe we voice AI gebruiken door middel van vroegtijdige toegang tot nieuwe productmogelijkheden.

Het doel is om directe feedback te bieden aan product- en engineeringleiders, terwijl we tegelijkertijd doelgericht kunnen bewegen om echte zakelijke uitdagingen op te lossen te midden van de marktexplosie van AI-gebaseerde mogelijkheden. We zijn gelukkig om een grote, bereidwillige set klanten te hebben om de praktische toepassing van deze nieuwe AI-gebaseerde producten te testen en waardevolle feedback te bieden.

Het belang van dit project ligt in het feit dat het complexe taken vereenvoudigt en consistent gegevensgedreven strategieën levert, waardoor de algehele efficiëntie wordt verbeterd. Het toont de kracht van AI en hoe het significante innovatie in de Conversation Intelligence®-ruimte kan stimuleren.

Wat zijn enkele van de meest populaire use cases van deze software?

We zijn gelukkig om een breed scala aan voorbeelden te hebben die laten zien hoe onze klanten AI gebruiken om hun oproepen om te zetten in een concurrentievoordeel. Enkele van onze favoriete voorbeelden uit verschillende branches zijn:

Thuisdienst: Adria Marble & Granite is een familiebedrijf dat stenen fabriceert en keuken- en badkamertegels, haarden en meer installeert. Toen het bedrijf voor het eerst begon, werd reclame gedaan via de gele pagina’s, faxen en mond-tot-mondreclame. In een branche waar het gebruikelijk is voor aannemers om de bal te laten vallen met follow-up naar potentiële klanten, heeft CallRail geholpen om Adria Marble te laten uitsteken door ervoor te zorgen dat alle oproepen worden gevolgd en geen leads verloren gaan.

Als resultaat kon het bedrijf de totale kosten per lead verlagen en een betere baan doen bij het richten van de juiste leads die een hoger bedrag aan deals zullen opleveren. CallRail heeft Adria Marble 10-20 uur per week bespaard door het bijhouden van leads en oproepen te automatiseren, die Irfan anders handmatig zou moeten doen via een spreadsheet of soms gewoon door rond te schreeuwen in het kantoor om ervoor te zorgen dat klanten een callback krijgen. Met slechts drie mensen die alle verkoop- en administratieve kantoortaken afhandelen, is het terugkrijgen van deze uren voor andere taken van grote invloed.

Recht: De concurrentie tussen digitale marketingbureaus is fel – vooral in de juridische ruimte, waar klanten meestal loyaler en winstgevender zijn dan in andere branches. Daarom wendde Above the Bar Marketing zich tot CallRail om te helpen bewijzen welke advertenties, campagnes en trefwoorden de telefoons van hun klanten doen rinkelen. Het resultaat: oproepvolgen heeft geholpen bij minstens 75% van hun klanten om geld op de juiste manier te heralloceren – $1.000 per maand aan verspilde advertentiekosten te elimineren.

Gezondheidszorg: De digitale marketingoperaties van Cornerstone Foot Care ontbraken adequate tracking van inkomende leads en inkomende telefoontjes. De praktijk wendde zich tot CallRail voor zichtbaarheid in welke trefwoorden en campagnes oproepen vandaan kwamen, evenals de kwaliteit van elke oproep. Met de toevoeging van Google Ads en CallRail-tracking is Cornerstone in staat om zijn omzet met 40% te laten groeien door verbeterde oproepkwaliteit, een toename van het aantal oproepen van inkomende leads en een afname van het aantal gemiste oproepen.

U bent ook bekend met uw vergelijkingen tussen AI en uw autoracen. Wat zijn enkele van de overeenkomsten tussen de twee?

AI en autoracen (vooral Formule 1) hebben al jaren een nauwe relatie. Raceteams kunnen hun auto’s door simulators laten gaan die AI kan interpreteren en helpen om de prestaties te verbeteren. AI kan veranderingen detecteren die nodig zijn om de motorprestaties te verbeteren of de betrouwbaarheid te verbeteren, tot veranderingen in de aerodynamica om downforce te helpen. Het is geen wonder dat moderne Formule 1-auto’s eruitzien als ruimteschepen, aangezien AI helpt om de aerodynamica letterlijk te ontwerpen.

Ik denk persoonlijk dat AI het beste werkt met een menselijke feedbackcomponent, wat niet anders is in de racerij. Als een AI-model bijvoorbeeld de beste instelling voor regenachtige of hete omstandigheden voorspelt, moet de coureur nog steeds feedback geven aan het team. AI kan niet alles voorspellen over de prestaties en voorkeuren van de coureur, dus u hebt menselijke interactie nodig voor feedback. Ik hoorde een teambaas hierover praten toen ik een pittoer deed bij Petit LeMans in oktober. Hij zei: “AI is echt geweldig en heeft ons grote voordelen gebracht, maar het heeft nog niet de feedback van de coureur vervangen en een team dat de nuances van de coureur begrijpt.”

Kunt u uw visie delen voor de toekomst van voice AI en call analytics?

Het is gemakkelijk om het gevoel te krijgen dat de wereld van marketing sneller beweegt dan het licht. Er is altijd een nieuwe term om te leren, een strategie om uit te voeren of een beste praktijk om te implementeren. We vergeten vaak dat sommige van de beste, beproefde marketingstrategieën in deze constante verandering en nieuwheid liggen. Een van deze verwaarloosde strategieën is ongetwijfeld de telefoontjes.

Telefoontjes blijven het beste instrument voor marketeers om te gebruiken, aangezien ze een schat aan informatie bieden over wat klanten willen en nodig hebben. Echter, een aanzienlijk deel van dit potentieel blijft onbenut over een breed scala aan branches. Terwijl we zeker op een missie zijn om de vooruitgang van voice AI en call analytics te versnellen om klanten te helpen een hogere ROI te bereiken, ben ik net zo enthousiast over kleine bedrijven die volledig beseffen hoe groot de impact van AI kan zijn om oproepen om te zetten in inzichten die ze kunnen gebruiken.

Bedankt voor het geweldige interview, lezers die meer willen leren, moeten CallRail bezoeken.