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(shí)時(shí)的“事中”語(yǔ)音質(zhì)檢成為了質(zhì)檢工作的主流。但無(wú)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(shí)后進(jìn)行的質(zhì)檢，服務(wù)中出現(xiàn)的質(zhì)量瑕疵無(wú)法通過(guò)撤銷(xiāo)鍵撤回。
如何在“事中”、“事后”的質(zhì)檢中摸索出對(duì)“事前”服務(wù)風(fēng)險(xiǎn)的預(yù)警才是事半功倍的做法。
語(yǔ)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(guó)性受理業(yè)務(wù)的呼叫中心，語(yǔ)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(cuò)誤率）和SER（句錯(cuò)誤率）較高，但這不影響轉(zhuǎn)譯文本發(fā)揮其潛在應(yīng)用價(jià)值。在呼叫中心已經(jīng)大量嘗試將語(yǔ)音轉(zhuǎn)譯技術(shù)應(yīng)用于輔助智能質(zhì)檢或是客戶(hù)畫(huà)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(shí)效性差、質(zhì)檢效率低、人工質(zhì)檢帶有主觀(guān)意識(shí)等問(wèn)題。隨著自然語(yǔ)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(diǎn)，收集A、B、C三個(gè)服務(wù)部門(mén)在4、5、6三個(gè)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(shí)事件和致命性差錯(cuò)問(wèn)題。通過(guò)統(tǒng)計(jì)A部在4月份服務(wù)投訴屬實(shí)人員有33%同時(shí)出現(xiàn)了致命性差錯(cuò)，B部在5月份服務(wù)投訴屬實(shí)人員有45%同時(shí)出現(xiàn)了致命性差錯(cuò)，C部在6月份服務(wù)投訴屬實(shí)人員有50%同時(shí)出現(xiàn)了致命性差錯(cuò)。
1
數(shù)據(jù)表明服務(wù)投訴事件和致命性差錯(cuò)問(wèn)題集中出現(xiàn)在同一客服人員身上的概率較高?？蛻?hù)出于對(duì)客服人員在服務(wù)過(guò)程中出現(xiàn)的服務(wù)推諉、響應(yīng)不及時(shí)、服務(wù)冷漠等情況提出投訴要求，但因每個(gè)客戶(hù)的訴求不同、個(gè)人情感接受度不同，面對(duì)客服在服務(wù)過(guò)程中暴露出的服務(wù)缺失，有可能不會(huì)主動(dòng)提出投訴意愿，同時(shí)因一些人為因素服務(wù)投訴事件未及時(shí)進(jìn)行上報(bào)，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(duì)呼叫中心現(xiàn)場(chǎng)管理起到至關(guān)重要的作用。
“三維”服務(wù)風(fēng)險(xiǎn)檢測(cè)模型
呼叫中心最關(guān)注的三個(gè)質(zhì)效關(guān)鍵點(diǎn)包括服務(wù)能力、服務(wù)效率和服務(wù)態(tài)度，這三點(diǎn)不僅是客服人員綜合能力評(píng)價(jià)的依據(jù)，同時(shí)也是影響客戶(hù)滿(mǎn)意度的關(guān)鍵因素。以呼叫中心服務(wù)投訴屬實(shí)事件涉及的錄音和語(yǔ)音轉(zhuǎn)譯文本為訓(xùn)練數(shù)據(jù)，建立三個(gè)維度的檢測(cè)模型，對(duì)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(xiǎn)模型展示
1、“一維”禁語(yǔ)檢測(cè)
質(zhì)量專(zhuān)家通過(guò)對(duì)服務(wù)投訴屬實(shí)事件進(jìn)行質(zhì)檢，總結(jié)出影響客戶(hù)感知的推諉語(yǔ)、違規(guī)用語(yǔ)，結(jié)合業(yè)務(wù)規(guī)則內(nèi)已有服務(wù)禁語(yǔ)詞庫(kù)形成禁語(yǔ)檢測(cè)。
出現(xiàn)服務(wù)禁語(yǔ)=A類(lèi)高風(fēng)險(xiǎn)工單，危險(xiǎn)程度Ⅲ級(jí)
2、“二維”效率檢測(cè)
從總觀(guān)的角度，語(yǔ)音活動(dòng)檢測(cè)(Voice Activity Detection,VAD)中靜默時(shí)長(zhǎng)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(cè)出靜默頻次較多、靜默時(shí)長(zhǎng)較長(zhǎng)的數(shù)據(jù)，并對(duì)其進(jìn)行危險(xiǎn)級(jí)別的劃分。
出現(xiàn)3次及以上＜靜默＞60S=A類(lèi)高風(fēng)險(xiǎn)工單，危險(xiǎn)程度Ⅲ級(jí)
出現(xiàn)4次及以上＜靜默＞50S=B類(lèi)中度風(fēng)險(xiǎn)，危險(xiǎn)程度Ⅱ級(jí)
出現(xiàn)5次及以上＜靜默＞40S=C類(lèi)低風(fēng)險(xiǎn)，危險(xiǎn)程度Ⅰ級(jí)
3、“三維”情緒綜合檢測(cè)
在服務(wù)投訴屬實(shí)事件后續(xù)跟蹤訪(fǎng)談中發(fā)現(xiàn)，有至少1/3的客服人員表示受客戶(hù)異常情緒影響，無(wú)法在服務(wù)過(guò)程中以積極的心態(tài)受理業(yè)務(wù)，最終引發(fā)客戶(hù)不滿(mǎn)情緒升級(jí)，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(hù)異常情緒對(duì)整個(gè)交互過(guò)程產(chǎn)生著重要影響?；谖谋痉诸?lèi)算法技術(shù)，將服務(wù)投訴屬實(shí)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(wú)服務(wù)差錯(cuò)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(zhuān)家結(jié)合上下文對(duì)正、負(fù)樣本內(nèi)句子級(jí)的顆粒進(jìn)行正、負(fù)面情感類(lèi)的標(biāo)注，同時(shí)對(duì)錄音中語(yǔ)音情感進(jìn)行跟蹤，在交互過(guò)程中出現(xiàn)急躁情緒（急躁因子）時(shí)一般表現(xiàn)為語(yǔ)速變快、音量也會(huì)突然升高，語(yǔ)音中的情感特征可以通過(guò)語(yǔ)速、字頻、語(yǔ)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(shí)結(jié)合語(yǔ)音的頻次、發(fā)聲概率、響度輪廓等變化特點(diǎn)來(lái)抓取能夠體現(xiàn)語(yǔ)音情感特征的參數(shù)，與此同時(shí)收集非情感類(lèi)語(yǔ)句的參數(shù)進(jìn)行兩類(lèi)對(duì)比，總結(jié)出各個(gè)特征參數(shù)的變化規(guī)律（圖2）。在正、負(fù)兩類(lèi)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(shí)別模型，并對(duì)其輸出結(jié)果進(jìn)行風(fēng)險(xiǎn)等級(jí)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(lèi)高風(fēng)險(xiǎn)工單，危險(xiǎn)程度Ⅲ級(jí)
客服負(fù)面情感+錄音異常因子出現(xiàn)2次及以上=B類(lèi)中度風(fēng)險(xiǎn)工單，危險(xiǎn)程度Ⅱ級(jí)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(lèi)低風(fēng)險(xiǎn)工單，危險(xiǎn)程度Ⅰ級(jí)
鎖定服務(wù)風(fēng)險(xiǎn)隱患人群
“三維檢測(cè)”模型實(shí)現(xiàn)了對(duì)三個(gè)質(zhì)效點(diǎn)的逐一篩查，聚類(lèi)出AAA、AAB、ABC等多種風(fēng)險(xiǎn)等級(jí)組合的工單集合，針對(duì)高風(fēng)險(xiǎn)集合圈定的人群形成各級(jí)響應(yīng)的監(jiān)督和管控，將管控機(jī)制貫穿整個(gè)流程，從人員圈定—班組監(jiān)督—部門(mén)管控—質(zhì)檢策略調(diào)整—個(gè)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(shí)采取有力措施。
圖4 聚類(lèi)多種風(fēng)險(xiǎn)等級(jí)組合工單
03預(yù)期成效
1、質(zhì)效綜合分析
基于管理層對(duì)指標(biāo)的重視以及指標(biāo)對(duì)客服自身利益（績(jī)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(lèi)排行榜和評(píng)比活動(dòng)。在眾多的指標(biāo)中話(huà)務(wù)接聽(tīng)量、服務(wù)受理量，往往是最受關(guān)注的指標(biāo)之一，以接聽(tīng)量、服務(wù)量為評(píng)比依據(jù)，最終選出“話(huà)務(wù)王”、“話(huà)務(wù)先鋒”等各類(lèi)激勵(lì)客服人員提升自身服務(wù)效率的稱(chēng)號(hào)。但“魚(yú)和熊掌”往往不可兼得，單方面?zhèn)戎亟勇?tīng)量，必然會(huì)犧牲客戶(hù)的體驗(yàn)度，通過(guò)“三維檢測(cè)”從客戶(hù)體驗(yàn)的角度深度檢測(cè)服務(wù)的質(zhì)量，深挖隱藏在以片面追求接聽(tīng)量、服務(wù)量下的服務(wù)隱患，以提升客戶(hù)良好體驗(yàn)為前提對(duì)客服人員進(jìn)行能效的全面監(jiān)控。
2、服務(wù)風(fēng)險(xiǎn)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(wú)法對(duì)全量工單進(jìn)行質(zhì)檢，更無(wú)暇對(duì)前期已質(zhì)檢出致命性差錯(cuò)問(wèn)題的服務(wù)人員進(jìn)行百分百的后續(xù)跟蹤質(zhì)檢，通過(guò)“三維檢測(cè)”可對(duì)前期服務(wù)問(wèn)題人員進(jìn)行有針對(duì)性的后續(xù)跟蹤質(zhì)檢，形成有效的閉環(huán)管理，加強(qiáng)對(duì)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(hù)對(duì)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(mén)均以智能語(yǔ)音質(zhì)檢為先導(dǎo)，人工質(zhì)檢參與復(fù)核的模式開(kāi)展質(zhì)檢工作，語(yǔ)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(méi)有形成綜合的抽檢策略，“三維檢測(cè)”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(wèn)題，同時(shí)有效提升了質(zhì)檢覆蓋率，提高了質(zhì)檢人員對(duì)問(wèn)題工單的檢出率，降低了人力投入成本。
4、以客戶(hù)視角優(yōu)化流程和話(huà)術(shù)
從客戶(hù)利益和服務(wù)風(fēng)險(xiǎn)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(guò)“三維檢測(cè)”收集容易引發(fā)客戶(hù)不滿(mǎn)情緒，同時(shí)客服未有效以?xún)?yōu)質(zhì)服務(wù)進(jìn)行疏導(dǎo)的工單類(lèi)型，深入分析客戶(hù)不滿(mǎn)涉及的事件和流程，以客戶(hù)視角對(duì)服務(wù)流程進(jìn)行優(yōu)化，便捷客戶(hù)的同時(shí)提升服務(wù)的內(nèi)涵和品質(zhì)，同時(shí)在鎖定的工單內(nèi)收集客戶(hù)對(duì)哪些話(huà)術(shù)存在排斥情緒，并以此為依據(jù)進(jìn)行標(biāo)準(zhǔn)話(huà)術(shù)的修改和完善。構(gòu)建更加情感化、人性化的話(huà)術(shù)體系，提升服務(wù)的溫度和質(zhì)感。
