人工質(zhì)檢抽樣比覆蓋不足：集團的業(yè)務(wù)的迅猛發(fā)展，業(yè)務(wù)量的增加，導致質(zhì)檢人員缺口增加，質(zhì)檢抽樣比度則會大大下降。
人工質(zhì)檢完成速度存在局限性：比如：熟練質(zhì)檢員每日可以完成40-50通電話的質(zhì)檢工作，而新質(zhì)檢員則只能完成20-30通；質(zhì)檢的滯后性。
人工質(zhì)檢存在人為判斷誤差：情緒波動、工作疲勞或者人情等因素的影響；對于質(zhì)檢人員，由于崗位限制更多的關(guān)注公平公正，而非對企業(yè)有價值部分需求挖掘。
人工質(zhì)檢結(jié)果無法歸類分析：現(xiàn)有的質(zhì)檢結(jié)果信息較單一，無法做分類匯總或者做類別交叉分析，也無法進行最根本原因分析。最終也無法形成相對比較正式規(guī)劃的數(shù)據(jù)報表。
二、質(zhì)檢的技術(shù)運用
智能質(zhì)檢系統(tǒng)：由“人工質(zhì)檢”轉(zhuǎn)移到“機器自動智能質(zhì)檢”，和由“部分錄音質(zhì)檢”提升到“全部錄音質(zhì)檢”。系統(tǒng)可自動的根據(jù)自定義的質(zhì)檢表單對錄音進行智能質(zhì)檢，實現(xiàn)企業(yè)服務(wù)標準化。
質(zhì)檢使用技術(shù)：
- 語音轉(zhuǎn)文本：針對電信領(lǐng)域大量數(shù)據(jù)訓練優(yōu)化后的連續(xù)自然語音識別引擎，可將語音轉(zhuǎn)為文本文件，便于搜索與挖掘。
- 關(guān)鍵詞檢出：對于一段指定語音，根據(jù)預設(shè)質(zhì)檢詞語，檢測出相應的位置，可供人工質(zhì)檢人員有目的測聽。
- 情緒檢測：通過語音及文本中的各種信息，分析對話者的情緒。
- 靜音檢測：可檢測出坐席未及時應答、冷場、技能不熟練、客戶等待超長、等情況。
- 語速檢測：分析出坐席人員說話的平均語速及實時語速，以作為其服務(wù)態(tài)度、熟練程度及服務(wù)質(zhì)量的依據(jù)。
- 聲紋識別：分離客服與用戶語音，針對角色分析文本。對于催收語音進行質(zhì)檢，對于用戶語音進行文本分析。
三、智能語音分析的實現(xiàn)
1、語音轉(zhuǎn)寫
基于非特定人的、連續(xù)自然語音的識別�？舍槍头I(lǐng)域錄音、及特定業(yè)務(wù)進行優(yōu)化，實現(xiàn)通話內(nèi)容自動轉(zhuǎn)寫成文字。
將分離后的語音通過聲學模型轉(zhuǎn)換為對應的漢語音標符號，音標信息再通過超大詞匯網(wǎng)絡(luò)的語言模型識別出最終對應的文本內(nèi)容。
根據(jù)地方口音及說法特點，通過大量語料訓練，不斷優(yōu)化聲學模型及語言模型。
結(jié)合業(yè)務(wù)知識和服務(wù)范圍，優(yōu)化關(guān)注業(yè)務(wù)的識別效果，修正語音轉(zhuǎn)寫結(jié)果。
2、關(guān)鍵詞檢出
通過分析指定語音段，檢測到指定關(guān)鍵詞，并返回該關(guān)鍵詞所在整條語音中的位置。
- 流程規(guī)范檢查：對錄音中的關(guān)鍵詞順序進行分析，檢查客服人員是否按照流程規(guī)定的順序說出合理話樹，關(guān)鍵詞是否完備
- 服務(wù)忌語檢查：檢查客服人員對話中是否包含服務(wù)忌語。
3、話者分離：
是指在用戶與坐席人員的語音交互錄音文件中，將“用戶”語音和“坐席人員”的語音進行分離，提供針對性分析應用基礎(chǔ)。
4、情緒檢測：
情緒檢測，能夠?qū)⒖头I(lǐng)域通話錄音中的異常情緒檢測出來，得到包含發(fā)音人情緒異常的數(shù)據(jù)列表，給出對應的異常產(chǎn)生位置及可信度。
用戶可預先設(shè)置報警門限（基頻相對變化程度、語速門限、變化持續(xù)時間）。
- 成單錄音分析，提高成單率：針對成單錄音進行分析，找出關(guān)鍵因素，從而提高催收成功率；
- 熱點追蹤：對海量的語音文件進行分析，找出客戶客戶關(guān)注的焦點；
- 提高通話催收解決效率：確定并消除重復通話的驅(qū)動因素；
- 減少平均處理時間：確定長時間通話的原因；
- 改善客戶滿意度：了解客戶為什么投訴；
- 關(guān)鍵詞抓�。宏P(guān)鍵詞檢索，統(tǒng)計分析，如預計還款率、風險控制；
- 減少客戶投訴：投訴風險控制；
- 改善業(yè)務(wù)流程：利用客戶互動過程，找到流程中的低效率環(huán)節(jié)；
- 突發(fā)業(yè)務(wù)的預警：預警突發(fā)狀態(tài)；
漢云智能語音質(zhì)檢系統(tǒng)實現(xiàn)方式、解決方案將在下篇文章分享
推薦：
