Analyse na het gesprek

Post-Call Analysis is de manier om ruwe gesprekken om te zetten in meetbare antwoorden. Na afloop van elk gesprek leest het platform het transcript en vult het de gestructureerde velden in die je hebt gedefinieerd — "hebben ze geboekt?", "wat was het budget?", "klonken ze gefrustreerd?" — zonder dat je ooit de opname hoeft te beluisteren.

Waarom dit belangrijker is dan transcripten. Een transcript vertelt je wat er gezegd is. Post-call analyse vertelt je wat er gebeurd is. Als je 1.000 gesprekken per week voert, leest niemand 1.000 transcripten — maar iedereen kan een dashboard lezen met "62% geboekt, 18% gediskwalificeerd, 20% opvolging nodig". Stel dit in voordat je iets serieus lanceert.

Het goede nieuws: dit is het eenvoudigste onderdeel van het platform om in te stellen. Vijf minuten configureren geeft je voorgoed meetgegevens.

Waar je dit instelt

Vanuit het dashboard: View All Finn → klik op je Finn → Edit → tabblad Post-Call Analysis.

Je ziet een lijst met velden die je al hebt gedefinieerd (leeg bij een nieuwe Finn) en een knop Add Field.

Hoe het werkt

Na elk gesprek:

1. Het platform neemt het volledige transcript van het gesprek.
2. Het voert een AI-analyse uit die het transcript leest en elke vraag beantwoordt die je hebt gedefinieerd.
3. De antwoorden worden opgeslagen bij het gespreksrecord en getoond in Analytics.
4. Ze zijn ook beschikbaar via webhook of API voor verdere automatisering.

Dit gebeurt automatisch. Je hoeft niets te starten — elk voltooid gesprek wordt binnen een paar minuten na het ophangen geanalyseerd.

Een veld definiëren

Elk veld bestaat uit drie onderdelen:

Hoe duidelijker je vraag, hoe beter het antwoord. "Heeft de beller met succes een afspraak geboekt?" is veel beter dan "Boeking?".

Antwoordtypen

Een uitgewerkt voorbeeld — verkoopkwalificatie

Je draait een outbound kwalificatiecampagne. Na elk gesprek wil je weten:

Nadat er 100 gesprekken doorheen zijn gegaan, kun je vragen beantwoorden als:

• "Welk % van de leads was gekwalificeerd?"
• "Welk % van de gekwalificeerde leads heeft een afspraak geboekt?"
• "Wat is het meest voorkomende bezwaar?"
• "Welke tijdlijncategorie converteert het best?"

Dit haal je er nooit uit door gesprekken één voor één te beluisteren.

Praktische tips

Begin met 5 velden, niet met 20

Het is verleidelijk om vooraf elke mogelijke vraag te definiëren. Doe dat niet. Begin met de 3-5 velden die je echt nodig hebt om beslissingen te nemen. Je kunt er later meer toevoegen, en die worden gevuld voor alle toekomstige gesprekken.

Eén vraag per veld

Combineer geen vragen. "Hebben ze geboekt en op welk tijdstip?" moeten twee velden zijn: booked (ja/nee) en booking_time (datum). Gecombineerde vragen verwarren de AI en leveren rommelige data op.

Wees specifiek over succescriteria

"Was het gesprek succesvol?" is te vaag. Het antwoord van de AI hangt af van wat "succesvol" betekent — en dat weet de AI niet. Vervang dit door "Heeft de beller ingestemd met een vervolggesprek?" of "Heeft de beller een aankooptoezegging gedaan?" — concreet en meetbaar.

Formuleer ja/nee-vragen als ja/nee-vragen

"Is X gebeurd?" → betrouwbaar ja/nee. "Hoe ging X?" → vrije tekst, moeilijker te analyseren.

Wil je een ja/nee-antwoord, stel dan een ja/nee-vraag.

Gebruik enum voor bekende categorieën

Gebruik geen vrije tekst voor zaken die in duidelijke categorieën vallen. Gebruik een enum.

Slecht: vrijetekstveld intent — je krijgt "booking", "Book", "wil afspraak", "afspraak boeken", "wil boeken" allemaal als verschillende waarden, onmogelijk in een grafiek te zetten.

Goed: enum-veld intent met waarden book / reschedule / cancel / question / complaint / other. Nu kun je het in een grafiek zetten.

Velden bewerken na livegang

Je kunt velden voor post-call-analyse op elk moment toevoegen, bewerken of verwijderen.

Wil je een nieuw veld met terugwerkende kracht vullen voor historische gesprekken, neem dan contact op met support — wij kunnen een eenmalige heranalyse uitvoeren.

Waar de resultaten verschijnen

In Analytics

Deployment Analytics → [jouw deployment] toont geaggregeerde verdelingen voor elk veld:

• Ja/nee-velden → staafdiagram met aantallen true versus false
• Enum-velden → gestapelde staafgrafiek per categorie
• Numerieke velden → histogram + mediaan
• Vrije tekst → woordwolk + steekproef van 5
• Datumvelden → tijdlijnverdeling

In de zijbalk per gesprek

Klik op een gesprek om de Data Extractor-zijbalk te openen. Elk veld uit de nabewerking wordt weergegeven met de geëxtraheerde waarde. Ziet een waarde er verkeerd uit, klik erop om de redenering van de AI te zien plus het transcriptfragment waarop die is gebaseerd.

In exports

CSV-exports bevatten elk veld als kolom. PDF-rapporten tonen de belangrijkste verdelingen.

In webhooks

De webhook-gebeurtenis call.analyzed bevat alle velden uit de nabewerking in de payload. Koppel dit om resultaten naar je datawarehouse, CRM of alerteringssysteem te sturen. Zie Integraties → Webhooks.

Betrouwbaarheid + nauwkeurigheid

De AI heeft niet altijd gelijk. Enkele aandachtspunten:

• Betrouwbaarheidsscores — elke geëxtraheerde waarde krijgt een betrouwbaarheidsscore. Waarden met een lage score worden in de zijbalk gemarkeerd. Je kunt exports filteren op alleen rijen met een hoge betrouwbaarheid.
• Mislukte extracties — bevat het transcript te weinig informatie om de vraag te beantwoorden, dan wordt het veld gemarkeerd als "extractie mislukt" in plaats van geraden. Veelvoorkomende oorzaak: het gesprek eindigde voordat het onderwerp aan bod kwam.
• Bescherming tegen hallucinaties — bij vrijetekstvelden is de AI beperkt tot letterlijke citaten uit het transcript waar mogelijk, en verzint geen nieuwe inhoud.
• Handmatig overschrijven — bij elke kritieke beslissing kun je de geëxtraheerde waarde handmatig aanpassen vanuit de zijbalk. Aanpassingen worden in exports gemarkeerd als door mensen gecorrigeerd.

Kosten

Nabewerking van gesprekken zit in elk abonnement. Geen extra kosten per veld, geen toeslag per gesprek.

Je kunt onbeperkt velden per Finn definiëren (tot een zachte limiet van 50 — daarboven kun je contact opnemen met support voor hogere limieten).

Veelvoorkomende patronen per use case

Leadkwalificatie

• qualified (ja/nee)
• budget_range (vrije tekst)
• decision_maker (ja/nee)
• meeting_booked (ja/nee)
• objection (vrije tekst, nullable)

Receptionist

• intent (enum: boeken / verzetten / vraag / klacht / overig)
• appointment_booked (ja/nee)
• transferred (ja/nee)
• caller_sentiment (enum: positief / neutraal / negatief)
• follow_up_needed (ja/nee)

Afspraakherinnering

• confirmed (ja/nee)
• rescheduled (ja/nee)
• cancelled (ja/nee)
• opt_out (ja/nee)

Klanttevredenheidsonderzoek

• nps_score (getal, 0-10)
• top_positive (vrije tekst)
• top_negative (vrije tekst)
• would_recommend (ja/nee)

Incasso

• outcome (enum: paid / payment-plan / dispute / refusal / no-answer)
• amount_paid (getal)
• disputed (ja/nee)
• callback_scheduled (ja/nee, datum)

Veelgemaakte fouten

Volgende

• Analytics → — visualiseer en verdiep je in de data die je velden opleveren.
• Integraties → Webhooks — stuur veldwaarden door naar externe systemen.
• Een Finn maken → — de bredere Finn-configuratie waar dit in past.