Речевая аналитика
Речевая аналитика — это процесс анализа записанных звонков для сбора информации о клиентах для улучшения общения и будущего взаимодействия. Этот процесс в основном используется контакт-центрами клиентов для извлечения информации, скрытой в ходе взаимодействия клиента с предприятием. [1] Хотя речевая аналитика включает в себя элементы автоматического распознавания речи , она известна тем, что анализирует обсуждаемую тему, которая сопоставляется с эмоциональным характером речи, а также с количеством и местоположением речи по сравнению с неречевыми явлениями во время взаимодействия. Речевая аналитика в контакт-центрах может использоваться для анализа записанных взаимодействий с клиентами и выявления аналитических данных, необходимых для построения эффективных стратегий сдерживания затрат и обслуживания клиентов. Эта технология может точно определить факторы затрат, провести анализ тенденций, выявить сильные и слабые стороны процессов и продуктов, а также помочь понять, как рынок воспринимает предложения. [2]
Определение
[ редактировать ]Речевая аналитика обеспечивает полный анализ записанных телефонных разговоров между компанией и ее клиентами. [3] Он обеспечивает расширенную функциональность и ценную информацию о звонках клиентов. Эту информацию можно использовать для получения информации, касающейся стратегии, продукта, процесса, операционных проблем и производительности агентов контакт-центра. [4] Кроме того, речевая аналитика может автоматически определять области, в которых операторам контакт-центра может потребоваться дополнительное обучение или инструктаж. [5] и может автоматически отслеживать качество обслуживания клиентов по звонкам. [6]
Этот процесс может изолировать слова и фразы, используемые наиболее часто в течение определенного периода времени, а также указать, имеет ли тенденция их использование вверх или вниз. Эта информация полезна руководителям, аналитикам и другим сотрудникам организации, поскольку позволяет выявить изменения в поведении потребителей и принять меры по сокращению объемов звонков и повышению удовлетворенности клиентов. Это позволяет понять мыслительный процесс клиента, что, в свою очередь, дает компаниям возможность вносить коррективы. [7]
Удобство использования
[ редактировать ]Приложения речевого анализа могут распознавать произносимые ключевые слова или фразы либо в виде предупреждений в реальном времени в реальном времени, либо в качестве этапа постобработки записанной речи. Этот метод также известен как майнинг аудио . Другие варианты использования включают категоризацию речи в среде контакт-центра для выявления звонков от неудовлетворенных клиентов. [8]
Такие меры, как точность и полнота , обычно используемые в области поиска информации , являются типичными способами количественной оценки ответа поисковой системы речевого анализа. [9] Точность измеряет долю результатов поиска, релевантных запросу. Напомним, измеряет долю от общего количества релевантных элементов, которые были возвращены в результате поиска. Если использовался стандартизированный набор тестов, такие показатели, как точность и полнота, можно использовать для прямого сравнения эффективности поиска различных систем речевого анализа.
Проведение значимого сравнения точности различных систем речевого анализа может оказаться затруднительным. Выходные данные систем LVCSR можно оценить по эталонным транскрипциям на уровне слов, чтобы получить значение коэффициента ошибок в словах (WER), но поскольку фонетические системы используют телефоны в качестве базовой единицы распознавания, а не слова, сравнения с использованием этой меры не могут быть выполнены. . Когда системы речевого анализа используются для поиска произнесенных слов или фраз, для пользователя важна точность возвращаемых результатов поиска. Поскольку влияние отдельных ошибок распознавания на результаты поиска может сильно различаться, такие показатели, как частота ошибок в словах, не всегда помогают определить общую точность поиска с точки зрения пользователя.
По данным Счетной палаты правительства США, [10] «Надежность данных означает точность и полноту данных, обработанных компьютером, с учетом использования, для которого они предназначены». В области распознавания и анализа речи «полнота» измеряется «скоростью обнаружения», и обычно по мере повышения точности уровень обнаружения снижается. [11]
Технология
[ редактировать ]Поставщики речевого анализа используют «движок» третьих сторон, а другие разрабатывают собственные механизмы. В технологии в основном используются три подхода. Фонетический подход является самым быстрым для обработки, главным образом потому, что размер грамматики очень мал, а фонема является основной единицей распознавания. В большинстве языков существует всего несколько десятков уникальных фонем, и результатом такого распознавания является поток (текст) фонем, который затем можно искать. Распознавание непрерывной речи с большим словарным запасом (LVCSR, более известное как преобразование речи в текст, полная транскрипция или ASR — автоматическое распознавание речи) использует в качестве базовой единицы набор слов (биграммы, триграммы и т. д.). Этот подход требует сотен тысяч слов для сопоставления аудио. Он может выявить новые бизнес-проблемы, запросы выполняются намного быстрее, а точность выше, чем при фонетическом подходе. [12]
Расширенное распознавание и прогнозирование речевых эмоций основано на трех основных классификаторах: kNN, C4.5 и SVM RBF Kernel. Этот набор обеспечивает лучшую производительность, чем каждый базовый классификатор, взятый отдельно. Он сравнивается с двумя другими наборами классификаторов: мультиклассовым SVM «один против всех» (OAA) с гибридными ядрами и набором классификаторов, который состоит из следующих двух базовых классификаторов: C5.0 и нейронной сети. Предлагаемый вариант обеспечивает лучшую производительность, чем два других набора классификаторов. [13]
Рост
[ редактировать ]Исследования рынка показывают, что речевая аналитика, по прогнозам, к 2020 году станет отраслью с оборотом в миллиард долларов, причем Северную Америку . наибольшая доля рынка будет приходиться на [14] Темпы роста объясняются растущими требованиями к соблюдению требований и управлению рисками, а также усилением отраслевой конкуренции за счет анализа рынка. [15] Считается, что сегменты телекоммуникаций информационных , технологий и аутсорсинга в отрасли занимают наибольшую долю рынка, при этом ожидается рост со стороны сегментов путешествий и гостиничного бизнеса. [14]
См. также
[ редактировать ]Ссылки
[ редактировать ]- ^ Корин Бэйлор (август 2006 г.). «Фактор «почему» в речевой аналитике» . Назначение CRM (Назначение: Управление взаимоотношениями с клиентами). стр. 32–33 . Проверено 30 октября 2013 г.
- ^ «Речевая аналитика: почему большие источники данных не являются музыкой для ушей ваших конкурентов» . Технологическая республика. 8 января 2016 года . Проверено 30 сентября 2016 г.
- ^ «Пять главных преимуществ речевой аналитики для колл-центра» . ТехТаржет.
- ^ «Аналитика речи и текста» . Генезис.
- ^ «Голосовая аналитика в реальном времени» . Xдроид.
- ^ «Изменяют ли инструменты речевого анализа поведение агентов?» . ИКМИ.
- ^ «Измените модель плохих продаж с помощью речевой аналитики» . Предприниматель.
- ^ «Век речевой аналитики близок» . Целевая CRM . Проверено 30 сентября 2016 г.
- ^ CD Мэннинг, П. Рагхаван и Х. Шютце, Введение в поиск информации , Глава 8.
- ^ «Оценка надежности данных, обработанных компьютером» (PDF) . Главное бухгалтерское управление США.
- ^ «Что на самом деле делает программное обеспечение для анализа речи? - KnowledgeSpace» . Архивировано из оригинала 23 января 2018 г.
- ^ «Подходящая технология для вашего проекта речевой аналитики» (PDF) . CallMiner . Проверено 30 сентября 2016 г.
- ^ С.Е. Хоружников; и др. (2014). «Расширенное распознавание и прогнозирование речевых эмоций» . Научно-технический журнал информационных технологий, механики и оптики . 14 (6): 137.
- ^ Jump up to: а б «Рынок речевой аналитики к 2020 году будет стоить 1,60 миллиарда долларов» . Новостная лента по связям с общественностью.
- ^ «Доля, размер, рост и прогноз рынка речевой аналитики на 2025 год» . МЕНАФН.