主頁 > 知識庫 > 基于語音語義技術(shù)的超前質(zhì)檢預(yù)警

基于語音語義技術(shù)的超前質(zhì)檢預(yù)警

熱門標(biāo)簽:重慶電銷卡外呼系統(tǒng)原理是什么 免費門店地圖標(biāo)注 云外呼系統(tǒng)怎么樣 長沙瀏陽企業(yè)400電話到哪申請 如何判斷是否為電話機(jī)器人 電銷機(jī)器人對企業(yè)有好處嗎 百度地圖門店分布圖標(biāo)注 瀘州市地圖標(biāo)注app 德邦快遞打電話機(jī)器人

01研究背景


呼叫中心傳統(tǒng)的質(zhì)檢方式一般都是“事后”質(zhì)檢,隨著智能質(zhì)檢的廣泛應(yīng)用,實時的“事中”語音質(zhì)檢成為了質(zhì)檢工作的主流。但無論是“事中”還是“事后”質(zhì)檢,都是在服務(wù)事件或內(nèi)容已成為既定事實后進(jìn)行的質(zhì)檢,服務(wù)中出現(xiàn)的質(zhì)量瑕疵無法通過撤銷鍵撤回。
如何在“事中”、“事后”的質(zhì)檢中摸索出對“事前”服務(wù)風(fēng)險的預(yù)警才是事半功倍的做法。

語音轉(zhuǎn)譯技術(shù)受嘈雜環(huán)境、方言等差異的影響較大,尤其是一些全國性受理業(yè)務(wù)的呼叫中心,語音數(shù)據(jù)受南北地域和民族特色差異化等影響,轉(zhuǎn)譯后的WER(字錯誤率)和SER(句錯誤率)較高,但這不影響轉(zhuǎn)譯文本發(fā)揮其潛在應(yīng)用價值。在呼叫中心已經(jīng)大量嘗試將語音轉(zhuǎn)譯技術(shù)應(yīng)用于輔助智能質(zhì)檢或是客戶畫像的研究。


智能質(zhì)檢從一定程度上解決了抽檢覆蓋率低、時效性差、質(zhì)檢效率低、人工質(zhì)檢帶有主觀意識等問題。隨著自然語言理解技術(shù)的快速更新,智能質(zhì)檢工作的方向也將向多元化發(fā)展。


02研究方法


以呼叫中心服務(wù)投訴為源點,收集A、B、C三個服務(wù)部門在4、5、6三個月份(非歷年服務(wù)投訴事件峰值月度)出現(xiàn)的服務(wù)投訴屬實事件和致命性差錯問題。通過統(tǒng)計A部在4月份服務(wù)投訴屬實人員有33%同時出現(xiàn)了致命性差錯,B部在5月份服務(wù)投訴屬實人員有45%同時出現(xiàn)了致命性差錯,C部在6月份服務(wù)投訴屬實人員有50%同時出現(xiàn)了致命性差錯。

1

數(shù)據(jù)表明服務(wù)投訴事件和致命性差錯問題集中出現(xiàn)在同一客服人員身上的概率較高。客戶出于對客服人員在服務(wù)過程中出現(xiàn)的服務(wù)推諉、響應(yīng)不及時、服務(wù)冷漠等情況提出投訴要求,但因每個客戶的訴求不同、個人情感接受度不同,面對客服在服務(wù)過程中暴露出的服務(wù)缺失,有可能不會主動提出投訴意愿,同時因一些人為因素服務(wù)投訴事件未及時進(jìn)行上報,最終造成大量的服務(wù)缺失仍隱藏在海量數(shù)據(jù)中,挖掘出這些服務(wù)隱患并進(jìn)行有效預(yù)警,將對呼叫中心現(xiàn)場管理起到至關(guān)重要的作用。

“三維”服務(wù)風(fēng)險檢測模型
呼叫中心最關(guān)注的三個質(zhì)效關(guān)鍵點包括服務(wù)能力、服務(wù)效率和服務(wù)態(tài)度,這三點不僅是客服人員綜合能力評價的依據(jù),同時也是影響客戶滿意度的關(guān)鍵因素。以呼叫中心服務(wù)投訴屬實事件涉及的錄音和語音轉(zhuǎn)譯文本為訓(xùn)練數(shù)據(jù),建立三個維度的檢測模型,對海量工單進(jìn)行質(zhì)、效、情三方面的綜合診斷(圖1)。

圖1三維服務(wù)風(fēng)險模型展示


1、“一維”禁語檢測


質(zhì)量專家通過對服務(wù)投訴屬實事件進(jìn)行質(zhì)檢,總結(jié)出影響客戶感知的推諉語、違規(guī)用語,結(jié)合業(yè)務(wù)規(guī)則內(nèi)已有服務(wù)禁語詞庫形成禁語檢測。

出現(xiàn)服務(wù)禁語=A類高風(fēng)險工單,危險程度Ⅲ級


2、“二維”效率檢測


從總觀的角度,語音活動檢測(Voice Activity Detection,VAD)中靜默時長和頻次很大程度上體現(xiàn)了客服人員的服務(wù)效率和響應(yīng)效率。檢測出靜默頻次較多、靜默時長較長的數(shù)據(jù),并對其進(jìn)行危險級別的劃分。
出現(xiàn)3次及以上<靜默>60S=A類高風(fēng)險工單,危險程度Ⅲ級
出現(xiàn)4次及以上<靜默>50S=B類中度風(fēng)險,危險程度Ⅱ級

出現(xiàn)5次及以上<靜默>40S=C類低風(fēng)險,危險程度Ⅰ級

3、“三維”情緒綜合檢測


在服務(wù)投訴屬實事件后續(xù)跟蹤訪談中發(fā)現(xiàn),有至少1/3的客服人員表示受客戶異常情緒影響,無法在服務(wù)過程中以積極的心態(tài)受理業(yè)務(wù),最終引發(fā)客戶不滿情緒升級,造成投訴事件。
跟蹤數(shù)據(jù)表明,客服自身負(fù)面情緒和客戶異常情緒對整個交互過程產(chǎn)生著重要影響?;谖谋痉诸愃惴夹g(shù),將服務(wù)投訴屬實事件的錄音和轉(zhuǎn)譯文本作為負(fù)樣本訓(xùn)練數(shù)據(jù),將質(zhì)檢后無服務(wù)差錯或缺失的錄音和轉(zhuǎn)譯文本作為正樣本訓(xùn)練數(shù)據(jù),質(zhì)量專家結(jié)合上下文對正、負(fù)樣本內(nèi)句子級的顆粒進(jìn)行正、負(fù)面情感類的標(biāo)注,同時對錄音中語音情感進(jìn)行跟蹤,在交互過程中出現(xiàn)急躁情緒(急躁因子)時一般表現(xiàn)為語速變快、音量也會突然升高,語音中的情感特征可以通過語速、字頻、語調(diào)以及聲音能量的大小等韻律特征變化進(jìn)行體現(xiàn),同時結(jié)合語音的頻次、發(fā)聲概率、響度輪廓等變化特點來抓取能夠體現(xiàn)語音情感特征的參數(shù),與此同時收集非情感類語句的參數(shù)進(jìn)行兩類對比,總結(jié)出各個特征參數(shù)的變化規(guī)律(圖2)。在正、負(fù)兩類數(shù)據(jù)標(biāo)注的基礎(chǔ)之上利用textCNN等深度學(xué)習(xí)算法,構(gòu)建音頻和文本的多模態(tài)識別模型,并對其輸出結(jié)果進(jìn)行風(fēng)險等級的劃分(圖3)。

圖2錄音異常因子集合(部分因子)

圖3模型構(gòu)建流程
客服負(fù)面情感+錄音異常因子出現(xiàn)3次及以上=A類高風(fēng)險工單,危險程度Ⅲ級

客服負(fù)面情感+錄音異常因子出現(xiàn)2次及以上=B類中度風(fēng)險工單,危險程度Ⅱ級客服

負(fù)面情感+錄音異常因子出現(xiàn)1次及以上/僅出現(xiàn)客服負(fù)面情緒=C類低風(fēng)險工單,危險程度Ⅰ級

鎖定服務(wù)風(fēng)險隱患人群


“三維檢測”模型實現(xiàn)了對三個質(zhì)效點的逐一篩查,聚類出AAA、AAB、ABC等多種風(fēng)險等級組合的工單集合,針對高風(fēng)險集合圈定的人群形成各級響應(yīng)的監(jiān)督和管控,將管控機(jī)制貫穿整個流程,從人員圈定—班組監(jiān)督—部門管控—質(zhì)檢策略調(diào)整—個性化培訓(xùn)等環(huán)節(jié)(圖4)。抓住服務(wù)隱患萌芽狀態(tài),及時采取有力措施。

圖4 聚類多種風(fēng)險等級組合工單


03預(yù)期成效


1、質(zhì)效綜合分析


基于管理層對指標(biāo)的重視以及指標(biāo)對客服自身利益(績效考核、優(yōu)先選擇排班、休假特權(quán)等)的影響,很多客服人員在指標(biāo)數(shù)據(jù)上都傾注了很多關(guān)注度,目的是以最佳指標(biāo)躋身于各類排行榜和評比活動。在眾多的指標(biāo)中話務(wù)接聽量、服務(wù)受理量,往往是最受關(guān)注的指標(biāo)之一,以接聽量、服務(wù)量為評比依據(jù),最終選出“話務(wù)王”、“話務(wù)先鋒”等各類激勵客服人員提升自身服務(wù)效率的稱號。但“魚和熊掌”往往不可兼得,單方面?zhèn)戎亟勇犃浚厝粫奚蛻舻捏w驗度,通過“三維檢測”從客戶體驗的角度深度檢測服務(wù)的質(zhì)量,深挖隱藏在以片面追求接聽量、服務(wù)量下的服務(wù)隱患,以提升客戶良好體驗為前提對客服人員進(jìn)行能效的全面監(jiān)控。


2、服務(wù)風(fēng)險閉環(huán)管理


在呼叫中心每天都在產(chǎn)生大量的交互數(shù)據(jù),質(zhì)檢有限的資源無法對全量工單進(jìn)行質(zhì)檢,更無暇對前期已質(zhì)檢出致命性差錯問題的服務(wù)人員進(jìn)行百分百的后續(xù)跟蹤質(zhì)檢,通過“三維檢測”可對前期服務(wù)問題人員進(jìn)行有針對性的后續(xù)跟蹤質(zhì)檢,形成有效的閉環(huán)管理,加強(qiáng)對客服人員服務(wù)質(zhì)量的管控機(jī)制,有效提升服務(wù)的規(guī)范性,增加客戶對服務(wù)的良好感知。


3、基于人工智能降低質(zhì)檢成本


目前大多呼叫中心的質(zhì)檢部門均以智能語音質(zhì)檢為先導(dǎo),人工質(zhì)檢參與復(fù)核的模式開展質(zhì)檢工作,語音質(zhì)檢的應(yīng)用模式都是以特定內(nèi)容關(guān)鍵詞匹配進(jìn)行抽檢,沒有形成綜合的抽檢策略,“三維檢測”模型構(gòu)建了質(zhì)檢策略的多維度應(yīng)用,減少了單一抽檢策略造成的重復(fù)質(zhì)檢等問題,同時有效提升了質(zhì)檢覆蓋率,提高了質(zhì)檢人員對問題工單的檢出率,降低了人力投入成本。


4、以客戶視角優(yōu)化流程和話術(shù)


從客戶利益和服務(wù)風(fēng)險角度考量,合理的業(yè)務(wù)辦理和處理流程是保證服務(wù)品質(zhì)的基礎(chǔ),經(jīng)過“三維檢測”收集容易引發(fā)客戶不滿情緒,同時客服未有效以優(yōu)質(zhì)服務(wù)進(jìn)行疏導(dǎo)的工單類型,深入分析客戶不滿涉及的事件和流程,以客戶視角對服務(wù)流程進(jìn)行優(yōu)化,便捷客戶的同時提升服務(wù)的內(nèi)涵和品質(zhì),同時在鎖定的工單內(nèi)收集客戶對哪些話術(shù)存在排斥情緒,并以此為依據(jù)進(jìn)行標(biāo)準(zhǔn)話術(shù)的修改和完善。構(gòu)建更加情感化、人性化的話術(shù)體系,提升服務(wù)的溫度和質(zhì)感。



標(biāo)簽:潛江 云南 梧州 西雙版納 聯(lián)通 楊凌 攀枝花 西藏

巨人網(wǎng)絡(luò)通訊聲明:本文標(biāo)題《基于語音語義技術(shù)的超前質(zhì)檢預(yù)警》,本文關(guān)鍵詞  基于,語音,語義,技術(shù),的,;如發(fā)現(xiàn)本文內(nèi)容存在版權(quán)問題,煩請?zhí)峁┫嚓P(guān)信息告之我們,我們將及時溝通與處理。本站內(nèi)容系統(tǒng)采集于網(wǎng)絡(luò),涉及言論、版權(quán)與本站無關(guān)。
  • 相關(guān)文章
  • 下面列出與本文章《基于語音語義技術(shù)的超前質(zhì)檢預(yù)警》相關(guān)的同類信息!
  • 本頁收集關(guān)于基于語音語義技術(shù)的超前質(zhì)檢預(yù)警的相關(guān)信息資訊供網(wǎng)民參考!
  • 推薦文章