Det viktigaste
Transkribera röstmeddelandet och behandla texten som ditt underlag. Problemet med en muntlig instruktion är inte tiden det tar att lyssna, utan att du tre veckor senare inte kan söka i den, citera den eller skicka den vidare till den som ska utföra jobbet. Adresser, mängder, datum och namnstavning är de detaljer som oftast blir fel när man hör dem, och de är dyrast att missa. Att omvandla det kunden skickar ligger inom din kontroll. Att få kunden att ändra hur de skickar det gör det oftast inte, så planera efter vanan istället för att kämpa mot den.
Vissa kunder skriver. Vissa kunder pratar. Om dina pratar vet du redan hur det ser ut: ett fyrtio sekunder långt meddelande klockan sju på morgonen med jobbet, adressen och en ändring av förra veckans beställning i ett andetag, utan något skriftligt spår av något av det.
Du kan lyssna på det. Den delen är inget problem. Det som blir ett problem är vad som händer senare, när någon frågar vilket lägenhetsnummer du fick, eller om kunden faktiskt godkände det andra alternativet, och det enda svaret du har finns någonstans inuti en ljudfil i en chattråd du har skrollat förbi tvåhundra gånger sedan då.
Att lyssna är inte det som kostar
Fyrtio sekunder är fyrtio sekunder. Irriterande när du kör bil, obetydligt över en vecka. Den verkliga kostnaden dyker upp mycket senare, och den syns som frånvaro: ett röstmeddelande går inte att söka i. Din telefon hittar ordet ”faktura” i ett meddelande någon skrev för åtta månader sedan. Den hittar inte ordet ”faktura” inuti en inspelning, eftersom det för sökindexet inte finns några ord där alls, bara en fil med en speltid.
Det spelar mest roll precis i det ögonblick du minst av allt vill ha extra jobb. Tre veckor efter ett uppdrag är frågan aldrig ”vad pratade vi ungefär om”. Den är specifik. Vilken adress. Vilken finish. Vilket datum. Om den extra timmen var överenskommen eller bara antagen. När det uppstår oenighet om vad som sagts vinner en textrad du kan peka på alltid över en ljudfil, och den vinner även när ljudfilen innehåller exakt samma information, eftersom ljudfilen kräver att den andra personen sätter sig ner, lyssnar och håller med om din tolkning av vad de hörde.
Det finns också sökandet fram och tillbaka. Att hitta en detalj i ett röstmeddelande innebär att spela upp det, gissa var den relevanta biten är, dra reglaget för långt bakåt, spela upp igen. Gör det för fem meddelanden från samma kund och du har lagt mer tid på att leta än du hade lagt på att göra själva jobbet. Ett skriftligt underlag gör det till en sökruta och några sekunder.
Röst är sämst just på de detaljer som kostar mest
Titta på vad som faktiskt kommer in via röst. Det är sällan abstrakt. Det är ett gatunummer, ett postnummer, en mängd, ett leveransfönster, någons efternamn, en modellbeteckning läst rakt av från en kartong. Det är dessa detaljer som blir fel när man hör dem, och det är också de där ett fel blir kostsamt snarare än bara pinsamt.
Talade siffror är sköra. Siffror flyter ihop i högt tempo, femton och femtio låter lika i hast, och en telefonhögtalare i en bullrig skåpbil hjälper inte. Gatunamn blir förvridna av dialekt och av antaganden, eftersom hjärnan fyller i den version den förväntar sig. Namn är värre: du hör något som låter rimligt, skriver ner det rimliga, och stavningen på fakturan är fel från och med då. Inget av detta handlar om slarv. Det är en konsekvens av att lyssna en gång, i högt tempo, samtidigt som man gör något annat.
Regeln som är värd att följa är enkel: varje detalj som ska hamna skriftligt någon annanstans, på en etikett, en faktura, en följesedel, en kalenderpost, bör finnas som text innan du kopierar den vidare. Inte därför att du med säkerhet hör fel från ljud, utan därför att när du väl hör fel finns det inget att stämma av mot förutom samma inspelning som lurade dig första gången.
Ett meddelande du inte kan spela upp är ett jobb som inte kommer igång
Text är tyst. Du kan läsa den under ett möte, på tåget, i en kunds kök medan de står bredvid dig, i en verkstad där utsuget är igång. Ett röstmeddelande kräver antingen tystnad eller hörlurar, och ofta har du varken det ena eller det andra.
Det som händer då är förutsägbart och det handlar inte om lathet. En muntlig instruktion som kommer in någonstans där du inte kan lyssna skjuts upp istället för att hanteras. Du säger till dig själv att du ska spela upp den i bilen. Bilturen kommer, telefonen ligger i fickan, och på kvällen har det samlats tre stycken och du är inte säker på vilket som hade den brådskande grejen. Instruktionen som hade tagit tjugo sekunder att läsa har nu tagit en hel dag att nå dig, medan kundens bild av saken är att du fick veta redan klockan åtta på morgonen.
Text sluter den luckan. Du skummar igenom den var du befinner dig, avgör om det är brådskande, och antingen agerar eller lägger den på listan med det faktiska innehållet bifogat, inte en anteckning till dig själv som säger ”lyssna på vad Anders sa”.
Att göra det de skickar till något du kan behålla
Det praktiska greppet är att omvandla först och ta hand om innehållet sedan. En transkription gör instruktionen sökbar, citerbar och vidarebefordringsbar, vilket täcker det mesta av det som saknades.
- Sökbar — adressen från förra månaden går att hitta genom att skriva in en del av gatunamnet, inte genom att komma ihåg ungefär vilken vecka den kom in.
- Citerbar — vid en tvist kan du klistra in kundens egen mening istället för att omformulera den och sedan få omformuleringen ifrågasatt.
- Vidarebefordringsbar — personen som faktiskt ska utföra jobbet får orden, inte en fil de måste hitta ett privat ställe att spela upp.
Om meddelandena kommer via WhatsApp och du sitter vid skrivbordet lägger SozAI-tillägget för WhatsApp Web en Transkribera-knapp under varje röstmeddelande och visar en sammanfattning på en rad med hela texten under, direkt i chatten där meddelandet redan finns. Det körs i din egen webbläsarsession och ingenting skickas tillbaka in i konversationen, så avsändaren får inget meddelande om det och chatten märks inte på något sätt. Den sista biten spelar större roll än den låter, eftersom många hellre inte vill signalera till en kund att de bearbetar deras meddelanden.
För allt som inte är ett chattmeddelande, inspelningar du själv gjort, filer någon mejlat dig, längre ljud du behöver med talaretiketter eller på ett annat språk, finns appen för transkribering till iOS, Android och macOS, som hanterar ljud- och videofiler på ett långt antal språk. Samma princip oavsett vilket: få det till text, och arbeta sedan från texten.
När du väl har orden, gör det tråkiga med dem. Klistra in adressen i jobbunderlaget. Lägg datumet i kalendern med kundens egna ord bredvid. Om instruktionen ändrar något som tidigare var överenskommet, svara skriftligt och sammanfatta vad du nu förstår att jobbet innebär. En transkription plus en skriftlig bekräftelse är ett stabilt underlag. En transkription som bara ligger ensam i en chatt är bara halva.
Om du ska be kunder skriva istället
Fråga. Det kostar ingenting och det funkar med vissa. ”Kan du sms:a adressen istället för att säga den” är en helt normal fråga, och en hel del kunder gör det helt enkelt, särskilt om du ramar in det som att du skyddar dem från att leveransen hamnar hos fel dörr.
Acceptera sedan att en god andel inte kommer att göra det, av skäl som inte har något med dig att göra. Vissa tycker det är genuint jobbigt att skriva. Vissa kör bil hela tiden. Vissa är äldre, eller dyslektiker, eller bara snabbare på att prata, och för dem är röst anledningen till att de över huvud taget kan skicka dig något klockan sju på morgonen. Att pressa hårdare ger dig ofta en veckas följsamhet och sedan en tyst återgång till röstmeddelanden, plus en lite sämre relation.
Gränsen värd att dra går efter innehåll, inte efter vana. Låt chatten vara chatten. Be specifikt om det som gör ont när det blir fel: adresser, siffror, stavningar, allt som rör pengar. De flesta skriver gärna ett postnummer även om de aldrig skriver ett helt stycke. Och behandla resten som ditt eget problem att omvandla, för att omvandla det som kommer in ligger inom din kontroll på ett sätt som att ändra hur någon kommunicerar inte gör.
Vad en transkription inte gör åt saken
Den gör inte en vag instruktion tydlig. Om kunden sa ”gör som förra gången men lite större” har du nu den meningen skriftligt, vilket är bättre än ingenting men fortfarande inte en specifikation. Text är ett underlag för vad som sades, inte en förbättring av det, och att läsa det i efterhand är ofta det snabbaste sättet att upptäcka att du behöver ställa en följdfråga.
Träffsäkerheten har också sina gränser, och de gränserna finns kring just de detaljer som fick dig att vilja ha en transkription från början. Ovanliga efternamn, gatunamn, produktkoder och snabbt uttalade siffror är svåra för alla system som arbetar med brusigt telefonljud, så stäm av dem mot originalet innan du för in dem på en faktura eller en leveransetikett. En transkription som har rätt på meningen men fel på husnumret är värre än ingenting alls om du aldrig kollar en extra gång.
Och ett skriftligt underlag är inte samma sak som en överenskommelse. Att ha kundens ord i text ger dig en betydligt starkare position än att ha en fil, men det som gör slut på flest tvister är ett kort svar från dig som bekräftar jobbet som du förstår det, skickat direkt, i samma tråd. Transkriptionen är det som gör att det svaret tar en minut att skriva istället för tio. Om du vill veta mer om själva hanteringen av att få talat material till användbar text täcker sidorna om att omvandla röstmemon till text och att omvandla ljudfiler till text resten av de fall du kommer att stöta på.
