Analys efter samtal

Post-Call Analysis är hur du förvandlar råa samtal till mätbara svar. När ett samtal avslutas läser plattformen transkriptet och fyller i strukturerade fält som du har definierat — "bokade de?", "vad var budgeten?", "lät de frustrerade?" — utan att du någonsin behöver lyssna på inspelningen.

Varför detta är viktigare än transkript. Ett transkript berättar vad som sades. Post-call-analys berättar vad som hände. Om du kör 1 000 samtal i veckan kommer ingen att läsa 1 000 transkript — men alla kan läsa en dashboard som visar "62 % bokade, 18 % diskvalificerade, 20 % behöver uppföljning." Ställ in detta innan du lanserar något på allvar.

Den goda nyheten: det är den enklaste delen av plattformen att konfigurera. Fem minuters uppsättning ger dig mätvärden för livet.

Var du konfigurerar

Från dashboarden: View All Finn → klicka på din Finn → Edit → fliken Post-Call Analysis.

Du ser en lista över fält du redan har definierat (tom om detta är en ny Finn) och en Add Field-knapp.

Så fungerar det

Efter varje samtal:

1. Plattformen hämtar hela transkriptet av samtalet.
2. Den kör en AI-genomgång som läser transkriptet och besvarar varje fråga du definierat.
3. Svaren sparas i samtalets post och visas i Analytics.
4. De är också tillgängliga via webhook eller API för efterföljande automatisering.

Detta sker automatiskt. Du behöver inte utlösa något — varje avslutat samtal analyseras inom en minut eller två efter att luren lagts på.

Definiera ett fält

Varje fält består av tre delar:

Ju tydligare din fråga är, desto bättre blir svaret. "Bokade den som ringde en tid?" är mycket bättre än "Bokning?".

Svarstyper

Ett genomgånget exempel – säljkvalificering

Du kör en utgående kvalificeringskampanj. Efter varje samtal vill du veta:

När 100 samtal har körts igenom detta kan du besvara frågor som:

• "Hur stor andel av leadsen var kvalificerade?"
• "Av de kvalificerade leadsen, hur stor andel bokade ett möte?"
• "Vilken är den vanligaste invändningen?"
• "Vilket tidsintervall konverterar bäst?"

Detta skulle du aldrig få fram genom att lyssna på ett samtal i taget.

Praktiska tips

Börja med 5 fält, inte 20

Det är frestande att definiera varje tänkbar fråga från början. Låt bli. Börja med de 3–5 fält du faktiskt behöver för att fatta beslut. Du kan lägga till fler senare, och de fylls i för alla framtida samtal.

En fråga per fält

Kombinera inte frågor. "Bokade de och vilken tid?" bör vara två fält: booked (ja/nej) och booking_time (datum). Kombinerade frågor förvirrar AI:n och ger rörig data.

Var tydlig med framgångskriterierna

"Var samtalet lyckat?" är för vagt. AI:ns svar beror på vad "lyckat" betyder — vilket AI:n inte vet. Ersätt med "Gick den som ringde med på en uppföljning?" eller "Gjorde den som ringde ett köpåtagande?" — konkret och mätbart.

Formulera ja/nej-frågor som ja/nej

"Hände X?" → tillförlitligt ja/nej. "Hur gick X?" → fritext, svårare att analysera.

Vill du ha ett ja/nej-svar, ställ en ja/nej-fråga.

Använd enum för kända kategorier

Använd inte fritext för sådant som faller i tydliga kategorier. Använd en enum.

Dåligt: fritextfältet intent — du får "bokning", "Boka", "vill ha tid", "tidsbokning", "vill boka" som olika värden, omöjligt att visa i diagram.

Bra: enum-fältet intent med värdena book / reschedule / cancel / question / complaint / other. Nu kan du visa det i diagram.

Redigera fält efter lansering

Du kan lägga till, ändra eller ta bort fält för efteranalys av samtal när som helst.

Vill du fylla på ett nytt fält bakåt i tiden för historiska samtal, kontakta supporten — vi kan köra en engångsanalys i efterhand.

Var resultaten visas

I Analytics

Deployment Analytics → [din deployment] visar aggregerade fördelningar för varje fält:

• Ja/Nej-fält → stapeldiagram över antal true respektive false
• Enum-fält → staplat stapeldiagram över varje kategori
• Numeriska fält → histogram + median
• Fritext → ordmoln + urval av 5
• Datumfält → tidslinjefördelning

I sidopanelen per samtal

Klicka på ett samtal för att öppna Data Extractor-sidopanelen. Varje fält från efteranalysen listas med sitt extraherade värde. Om ett värde ser fel ut, klicka på det för att se AI:ns resonemang + det avsnitt i transkriptet som det byggde på.

I export

CSV-exporter innehåller varje fält som en kolumn. PDF-rapporter visar övergripande fördelningar.

I webhooks

Webhook-händelsen call.analyzed innehåller alla efteranalysfält i sin payload. Koppla den för att skicka resultat till ditt datalager, CRM eller varningssystem. Se Integrationer → Webhooks.

Konfidens + träffsäkerhet

AI:n har inte alltid rätt. Några saker att känna till:

• Konfidenspoäng — varje extraherat värde har en konfidenspoäng. Värden med låg konfidens flaggas i sidopanelen. Du kan filtrera exporter så att bara rader med hög konfidens tas med.
• Misslyckade extraheringar — om transkriptet inte innehåller tillräckligt med information för att besvara frågan markeras fältet som "extrahering misslyckades" i stället för att gissas. Vanlig orsak: samtalet avslutades innan ämnet kom upp.
• Skydd mot hallucinationer — för fritextfält är AI:n begränsad till att använda exakta citat från transkriptet där det är möjligt, i stället för att hitta på nytt innehåll.
• Manuell överstyrning — för varje kritiskt beslut kan du redigera det extraherade värdet manuellt från sidopanelen. Ändringar flaggas som människokorrigerade i exporter.

Kostnad

Efteranalys av samtal ingår i alla planer. Ingen extra avgift per fält, inget påslag per samtal.

Du kan definiera obegränsat antal fält per Finn (upp till en mjuk gräns på 50 — kontakta supporten för att aktivera högre gränser därutöver).

Vanliga mönster per användningsområde

Leadkvalificerare

• qualified (ja/nej)
• budget_range (fritext)
• decision_maker (ja/nej)
• meeting_booked (ja/nej)
• objection (fritext, nullbar)

Receptionist

• intent (enum: boka / omboka / fråga / klagomål / övrigt)
• appointment_booked (ja/nej)
• transferred (ja/nej)
• caller_sentiment (enum: positiv / neutral / negativ)
• follow_up_needed (ja/nej)

Mötespåminnelse

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

Kundnöjdhetsundersökning

• nps_score (nummer, 0–10)
• top_positive (fritext)
• top_negative (fritext)
• would_recommend (ja/nej)

Inkasso

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

Vanliga misstag

Nästa

• Analys → — visualisera och borra ner i datan som dina fält genererar.
• Integrationer → Webhooks — skicka fältvärden till externa system.
• Skapa en Finn → — den bredare Finn-konfiguration detta ingår i.