在呼叫中心行業(yè)按照產(chǎn)品化思路來(lái)理解，每通人工電話(huà)就是我們的產(chǎn)品，針對這個(gè)產(chǎn)品的質(zhì)檢檢控就是“質(zhì)檢”，它包括通話(huà)質(zhì)量、服務(wù)質(zhì)量、業(yè)務(wù)解決質(zhì)量以及滿(mǎn)意度等等。一般企業(yè)質(zhì)檢團隊的配置比例為50:1~80:1.
做質(zhì)檢的目的是做席員工進(jìn)行工作質(zhì)量評定，傳統上都是通過(guò)抽檢比例的形式來(lái)調查做席工作質(zhì)量。但是這樣的傳統質(zhì)檢不僅僅是在考驗坐席員工、更是考驗質(zhì)檢員工的工作態(tài)度。并且質(zhì)檢員工作非常繁重需要盡可能的覆蓋更多的做席員工，這樣的傳統質(zhì)檢使得質(zhì)檢員和坐席員工都很不適。
為什么企業(yè)需要質(zhì)檢？
想要了解質(zhì)檢的原因，就要先明白質(zhì)檢的目的。其實(shí)質(zhì)檢的目的很簡(jiǎn)單就是要提升客戶(hù)滿(mǎn)意度，提供企業(yè)收入。不難想象，客戶(hù)撥打客服電話(huà)的動(dòng)機：尋求解決問(wèn)題的方法、反饋問(wèn)題、發(fā)泄不滿(mǎn)閑聊。做席接通電話(huà)的目的：解決客戶(hù)問(wèn)題、解決不了幫助客戶(hù)反饋問(wèn)題，但是堅決抵制閑聊。
我們搭建質(zhì)檢團隊，制定詳細繁雜的質(zhì)檢指標和質(zhì)檢管理策略，但是仍然有一個(gè)主要問(wèn)題沒(méi)有解決——很多數據無(wú)法進(jìn)行精細化分析。
質(zhì)檢未來(lái)方向
- 從人為質(zhì)檢向智能質(zhì)檢轉變
通過(guò)量化指標，真正把坐席人員當作強大的生產(chǎn)力去培養，允許部分的個(gè)人特色。后期允許用戶(hù)選擇坐席，而不是靠坐席等待客戶(hù)的模式去推動(dòng)生產(chǎn)服務(wù)。
- 從單純質(zhì)檢向質(zhì)檢分析轉變
傳統質(zhì)檢，就是需要一堆人去抽樣聽(tīng)錄音質(zhì)量。錄音的作用就是被抽樣出來(lái)做質(zhì)檢使用，或者留存以后備投訴核查。這么多年錄音的作用就是被這樣使用掉的，業(yè)支不要，客服中心不愛(ài)。
但是現在技術(shù)的發(fā)展可以使得我們把全量錄音數據轉化為富文本數據、轉化為個(gè)人情緒判定的結構化數據。之前我們建立的客戶(hù)畫(huà)像都是數字化的畫(huà)像，但結合錄音，我們可以把客戶(hù)畫(huà)像變成一個(gè)“帶感情的人”。
- 結合事后語(yǔ)音轉寫(xiě)和事前語(yǔ)音分析轉變
我們質(zhì)檢的動(dòng)作提前，利用現有技術(shù)手段，比如坐席助手、語(yǔ)音助手、情緒監測、可視化質(zhì)檢等手段可以盡早提醒坐席人員注意調整和休息，改善服務(wù)質(zhì)量，提升工作效果。
隨著(zhù)近十年人工智能技術(shù)的發(fā)展，語(yǔ)音和自然語(yǔ)音處理技術(shù)不斷取得突破，采用智能化的方法對電話(huà)語(yǔ)音中的內容進(jìn)行深層次的分析，可以有效的節約人力成本并提高工作效率。就現在技術(shù)而言，語(yǔ)音質(zhì)檢方案主要涉及語(yǔ)音關(guān)鍵詞檢索、音頻對比、情感識別等核心技術(shù)。
一、關(guān)鍵詞檢索功能
基于語(yǔ)音識別技術(shù)，關(guān)鍵詞檢索是將語(yǔ)音識別的結果構建成一個(gè)索引數據庫，然后把關(guān)鍵詞從索引數據庫中找出來(lái)。首先將語(yǔ)音數據進(jìn)行識別處理，從里面提取索引構建索引數據庫，在進(jìn)行關(guān)鍵詞檢索的時(shí)候，找到概率最高的，輸入其關(guān)鍵詞匹配結果。
確定關(guān)鍵詞檢索網(wǎng)絡(luò )后，接下來(lái)進(jìn)行的是關(guān)鍵詞檢索。關(guān)鍵詞檢索可以基于音節信息。首先將用戶(hù)設定的關(guān)鍵詞文本解析成音節序列，再從檢索網(wǎng)絡(luò )中找出匹配結果，相比直接對文本結果進(jìn)行檢索，這種方法的容錯性更強，因此，計算量更小，執行效率更高，更適用于語(yǔ)音質(zhì)檢這種海量數據檢索的應用場(chǎng)景。
二、音頻對比
音頻比對是指從音頻信號提取特征，通過(guò)特征進(jìn)行比對的方法進(jìn)行有害信息檢索的方法。該方法的核心在于提取的特征值需要滿(mǎn)足一定的要求，比如抗噪性、轉換不變性、魯棒性、快速性等特點(diǎn)，主要是為了滿(mǎn)足同一音頻能夠在不同聲道下進(jìn)行準確檢索。
傳統的聲學(xué)特征已經(jīng)不能滿(mǎn)足音頻比對任務(wù)的需求。所以在完成最大值點(diǎn)完成建模后，需要進(jìn)行特征的構建，而特征構建是通過(guò)最大值點(diǎn)之間的距離來(lái)建模，例如兩個(gè)最大值點(diǎn)的距離、位置信息作為一個(gè)固定的特征來(lái)完成音頻特征信息的構建。
有了上述音頻特征之后，就可以對兩個(gè)不同音頻進(jìn)行檢索，最大相似度的地方就是相似點(diǎn)，這種技術(shù)最適用于文本內容無(wú)關(guān)的錄音片段的檢索。
三、情感識別
語(yǔ)音是人類(lèi)交際的最重要的工具之一。人們在進(jìn)行自然口語(yǔ)對話(huà)時(shí)，不僅傳遞聲音，更重要的是傳遞說(shuō)話(huà)人的情感狀態(tài)、態(tài)度、意圖等。根據情感模型的不同，情感語(yǔ)音識別主要分為離散情感識別和連續情感語(yǔ)音識別。
離散情感識別是一個(gè)典型的模式分類(lèi)問(wèn)題，各種傳統的分類(lèi)器均被廣泛應用于語(yǔ)音情感識別系統，例如隱馬爾科夫模型、高斯混合模型、支持向量機，人工神經(jīng)網(wǎng)絡(luò )等。維度情感識別一般被建模為回歸預測問(wèn)題。
