Si las conversaciones están almacenados como texto en una base de datos es fácil buscar palabras repetidas, palabras clave, etc. Ya sea para usos estadísticos o puramente comerciales, tienen valor intrínseco.
Si estuvieran como audio, habría que "convertirlo" en texto mediante algún algoritmo de reconocimiento de voz para poderles dar el mismo uso... pero el proceso sería terriblemente lento e ineficaz. Además, resulta mucho más cómodo almacenar y procesar unos bytes que varios KB.