В наши дни запись разговоров давно стала привычной при взаимодействии с клиентами. Традиционно запись используется в контакт-центрах для решения вопросов качества обслуживания и безопасности, записывается корпоративная телефония в банках при проведении финансовых операций, диспетчерские переговоры в аэропортах, в ритейле посредством записи отслеживаются риски, связанные с «преступным сговором», а некоторые аптеки практикуют запись провизоров на диктофон для последующего анализа и улучшения качества обслуживания. Длительное время единственной проблемой компаний, которые использовали запись разговоров, была – где хранить накопленные данные. Благо, производители дисковых хранилищ смогли решить этот вопрос – емкость накопителей информации с каждым годом растет, а их стоимость уменьшается.
Вопрос, который актуален сегодня – что делать с записанными разговорами, и как их проанализировать? К примеру, банковский контакт-центр обслуживает до 8 000 вызовов в день. К сожалению, супервизоры физически способны за день прослушать и проанализировать не более 1-5% всех разговоров. Остальные 99% разговоров остаются без внимания, хотя информация, которая в них содержится, может играть критическую роль для бизнеса компании. Аналитика речи, о которой пойдет речь в этой статье, как раз и призвана решить эту проблему.
Впервые система распознавания речи была представлена 50 лет назад на Всемирной выставке в Сиэтле компанией IBM – небольшой компьютер понимал устно озвученную по-английски арифметическую задачу и выдавал правильный ответ. После этого к исследованиям присоединились НИИ, американское военное агентство DARPA и другие компании, в результате чего сформировалось четыре ключевых направления:
- Речевые технологии в сети и мобильных приложениях, безусловными лидерами которых являются Google, Microsoft и Apple. Компания Google провела значительную работу по улучшению качества алгоритмов и бьет рекорды по количеству распознаваемых языков. Потому сейчас стремится использовать свои разработки во всех сервисах, начиная от Google Translate и заканчивая браузером Chrome.
- Распознавание и генерация речи в системах самообслуживании IVR. Речь идет о технологиях, которые позволяют вместо надоевшей всем фразы «нажмите один, если вы хотите узнать остаток на счету…» использовать фразу «что вас интересует?» и после ответа клиента, маршрутизировать его по правильным веткам к нужному оператору. Тут лидером являются компании Nuance и Omilia, в портфеле распознавания которых есть русский язык.
- Голосовая биометрия – технология, позволяющая подобно отпечаткам пальцев идентифицировать человека по голосу, может использоваться в качестве инструмента аутентификации по телефону, также системы весьма популярны у правоохранительных органов. Лидерами тут являются Nuance и российская компания «Центр речевых технологий», последняя успешно внедрила первый в мире проект национального масштаба в Мексике для борьбы с наркокартелями, и теперь похожий проект внедряется в Эквадоре.
- Речевая аналитика в записанных разговорах – технология, которая позволяет анализировать записанную речь и извлекать полезную информацию о содержимом разговора. Традиционно такие технологии разрабатывают компании-производители систем записи, мировые лидеры тут: Zoom, Verint и Nice.
Детальнее хотелось бы сфокусироваться на последнем направлении – распознавании слов или фраз в записанных разговорах. Аналитика также может включать разделение разговоров по тематикам, эмоциональным характеристикам, тишине и др.
С точки зрения подходов, их существует несколько :
- Фонетическое распознавание – данные системы распознают набор фонем (их не более 40 в любом языке) и на выходе выдают текст из таких фонем, которые потом можно исследовать. Предварительно необходимо фиксировать ключевые слова, по которым будет осуществляться поиск.
- LVCSR (Large Vocabulary Conversational Speech Recognition engine) – более комплексная технология, которая дополнительно использует базовые наборы слов (би-граммы, три-граммы и т.д.) с учетом накладывания на них лингвистических и акустических моделей. Это позволяет сделать 100% индексацию записанного разговора.
Давайте рассмотрим несколько примеров использования LVCSR решений:
Пример 1. Оператор мобильной связи в Канаде. Компания запустила промо-акцию «подпишись на новый тарифный план по контракту и получи новый iPhone в течение двух дней». Система аналитики речи выявила высокий объем повторных звонков от клиентов с вопросом «где мой новый телефон?». Оказалось, что логистическая компания не справлялась с доставкой телефонов в указанный срок, потому была изменена текстовка промо-акции и внесены изменения во внутренние бизнес-процессы компании. Только за сокращение повторных звонков годовая экономия составила 16 млн. долл. И это без учета репутационных рисков и потерь клиентской базы из-за некачественного сервиса.
Пример 2. Коллекторская компания в России. Категория звонков «тишина» помогла выявить сотрудников, которые во время разговора говорили клиентам «подождите минуточку, я обрабатываю ваш запрос» и нажимали на телефоне вместо кнопки «удержание (Hold)», кнопку «выключить микрофон (Mute)». Первая кнопка всегда попадает в статистику и является одним из негативных KPI для агентов, в то время как вторую невозможно отследить, т.к. она всего лишь отключает микрофон. Таким образом, операторы без ущерба для себя искусственно увеличивали длительность разговоров, по которым рассчитывается переменная часть заработной платы. Работа с категориями вызовов «Несоблюдение скрипта», «Невнимательность сотрудника при ведении диалога», «Разглашение банковской тайны», «Жалобы» и т.д. в целом помогли сократить среднее время разговора на 9%, сократить количество обращений с длительной тишиной на 33%, повысить эффективность продаж на 27%.
Пример 3. Банк в Украине. В рамках проекта была создана уникальная языковая модель из смеси русского и украинского языков. При работе с категорией вызовов «Я оплатил, но…» было установлено, что основные причины таких звонков:
- частичное погашение клиентами задолженности по причине непонимания схемы платежей;
- некомпетентность агентов (не могли пояснить схему платежей и др. процессов);
- несогласованность действий смежных подразделений (несвоевременная передача обновлённых данных по закрытым задолженностям).
В качестве решения было предложено проведение дополнительных тренингов для агентов и налаживание новой схемы взаимодействия между смежными подразделениями с более жесткими сроками по скорости отработки задач.
Сейчас трендом в аналитике речи является ее использование для контроля качества обслуживания. Возможностей контроля качества «на местах», например, в отделениях не так уж и много, максимум что делают некоторые компании – используют «тайного покупателя», когда специально подготовленный эксперт под видом обычного клиента оценивает качество обслуживания. Для реализации контроля в отделениях возле специалистов устанавливаются высокочувствительные микрофоны, с помощью которых записываются диалоги клиентов и сотрудников. Далее они подвергаются речевой аналитике подобно традиционному подходу в системах записи. Сложностями данного способа являются шумное окружение и невозможность разделения звуковых дорожек клиента и сотрудника, но, тем не менее, на сегодняшний день это единственный системный инструмент по контролю качества обслуживания и бизнес-процессов в отделениях.
На сегодняшний день речевые технологии в Республике Беларусь используются сотрудниками Государственного экспертно-криминалистического центра и НИИ криминалистики и судебной экспертизы, в то время, как научно-технологическая база позволяет эффективно использовать их для решения бизнес-задач, например, в банковском секторе: начиная от элементарных вопросов безопасности, заканчивая контролем эффективности бизнес-процессов. Многолетний опыт компании Инком и практические результаты проектов позволяют нам утверждать, что распознавание и аналитика речи являются бесценным инструментом повышения качества обслуживания клиентов и одним из основных факторов успеха компании на высоко конкурентных рынках. Потому компания Инком инвестирует в развитие этих технологий как на территории Республики Беларусь, так и за её пределами.
Горячие темы