Из Википедии, бесплатной энциклопедии
Перейти к навигации Перейти к поиску

Речевая аналитика - это процесс анализа записанных звонков для сбора информации о клиентах для улучшения коммуникации и будущего взаимодействия. Этот процесс в основном используется контактными центрами клиентов для извлечения информации, скрытой во взаимодействиях клиентов с предприятием. [1] Хотя аналитика речи включает элементы автоматического распознавания речи, он известен тем, что анализирует обсуждаемую тему, которая сопоставляется с эмоциональным характером речи, а также количеством и местоположением речи по сравнению с неречевой во время взаимодействия. Речевую аналитику в контакт-центрах можно использовать для анализа записанных взаимодействий с клиентами, чтобы выявить информацию, необходимую для построения эффективных стратегий сдерживания затрат и обслуживания клиентов. Эта технология может определять факторы затрат, анализ тенденций, определять сильные и слабые стороны процессов и продуктов, а также помогать понять, как рынок воспринимает предложения. [2]

Определение [ править ]

Речевая аналитика обеспечивает категориальный анализ записанных телефонных разговоров между компанией и ее клиентами. [3] Он обеспечивает расширенные функциональные возможности и ценную информацию о звонках клиентов. Эта информация может быть использована для получения информации, касающейся стратегии, продукта, процесса, операционных проблем и производительности агентов контакт-центра. [4] Кроме того, анализ речи может автоматически определять области, в которых агентам контакт-центра может потребоваться дополнительное обучение или инструктаж, [5] и может автоматически контролировать обслуживание клиентов, предоставляемое по вызовам. [6]

Этот процесс может изолировать слова и фразы, которые используются наиболее часто в течение определенного периода времени, а также указать, растет или снижается их использование. Эта информация полезна для руководителей, аналитиков и других сотрудников организации, чтобы выявлять изменения в поведении потребителей и принимать меры по сокращению количества звонков и повышению удовлетворенности клиентов. Это позволяет понять мыслительный процесс клиента, что, в свою очередь, дает компаниям возможность внести коррективы. [7]

Юзабилити [ править ]

Приложения для анализа речи могут определять произносимые ключевые слова или фразы в виде предупреждений в реальном времени в реальном времени или в качестве этапа постобработки записанной речи. Этот метод также известен как аудиодайнинг . Другие варианты использования включают категоризацию речи в среде контакт-центра для идентификации звонков от неудовлетворенных клиентов. [8]

Такие показатели, как точность и отзыв , обычно используемые в области поиска информации , являются типичными способами количественной оценки реакции поисковой системы анализа речи. [9] Точность определяет долю результатов поиска, релевантных запросу. Отзыв измеряет долю от общего количества релевантных элементов, которые были возвращены результатами поиска. Если использовался стандартизованный набор тестов, такие показатели, как точность и отзывчивость, можно использовать для прямого сравнения эффективности поиска различных систем речевой аналитики.

Проведение значимого сравнения точности различных систем анализа речи может быть затруднено. Выходные данные систем LVCSR могут быть сопоставлены с эталонными транскрипциями на уровне слов, чтобы получить значение для 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 анализа речи используются для поиска произнесенных слов или фраз, для пользователя важна точность возвращаемых результатов поиска. Поскольку влияние отдельных ошибок распознавания на эти результаты поиска может сильно различаться, такие показатели, как частота ошибок по словам, не всегда полезны для определения общей точности поиска с точки зрения пользователя.

По данным Счетной палаты правительства США [10], «надежность данных означает точность и полноту данных, обрабатываемых компьютером, с учетом того, для каких целей они предназначены». В области распознавания речи и аналитики «полнота» измеряется «степенью обнаружения», и обычно по мере повышения точности частота обнаружения снижается. [11]

Технология [ править ]

Поставщики речевой аналитики используют «движок» сторонних разработчиков, а другие разрабатывают собственные механизмы. Технология в основном использует три подхода. Фонетический подход является самым быстрым для обработки, в основном потому, что размер грамматики очень мал, а фонема является основной единицей распознавания. В большинстве языков существует всего несколько десятков уникальных фонем, и результатом этого распознавания является поток (текст) фонем, который затем можно найти. Распознавание непрерывной речи с большим словарным запасом (LVCSR, более известное как преобразование речи в текст, полная транскрипция или ASR - автоматическое распознавание речи) использует набор слов (биграммы, триграммы и т. Д.) В качестве основной единицы. Этот подход требует сопоставления звука с сотнями тысяч слов. Он может выявить новые бизнес-проблемы, запросы выполняются намного быстрее,и точность выше фонетического подхода.[12]

Распознавание и предсказание расширенных 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: мультиклассовой SVM «один против всех» (OAA) с гибридными ядрами и набором классификаторов, который состоит из следующих двух основных классификаторов: C5.0 и нейронная сеть. Предлагаемый вариант обеспечивает лучшую производительность, чем два других набора классификаторов. [13]

Рост [ править ]

Исследования рынка показывают, что, по прогнозам, к 2020 году речевая аналитика станет отраслью с оборотом в миллиард долларов , причем наибольшая доля рынка будет принадлежать Северной Америке . [14] Темпы роста объясняются растущими требованиями к соблюдению нормативных требований и управлением рисками, а также усилением конкуренции в отрасли благодаря анализу рынка. [15] В телекоммуникации , ИТ и аутсорсинга сегменты отрасли считаются удерживать большую долю рынка с ожидаемым ростом от туристических и гостиничных сегментов. [14]

См. Также [ править ]

Ссылки [ править ]

  1. ^ Coreen Поклажедатель (август 2006). «Фактор почему в речевой аналитике о нас» . Назначение CRM (Назначение: Управление взаимоотношениями с клиентами). С. 32–33 . Проверено 30 октября 2013 . CS1 maint: обескураженный параметр ( ссылка )
  2. ^ «Речевая аналитика: почему большой источник данных не музыка для ушей ваших конкурентов» . Tech Republic . Проверено 30 сентября 2016 года .
  3. ^ «Пять основных преимуществ речевой аналитики для колл-центра» . TechTarget.
  4. ^ «Анализ речи и текста» . Genesys.
  5. ^ "Голосовая аналитика в реальном времени" . Xdroid.
  6. ^ "Меняют ли инструменты анализа речи поведение агента?" . ICMI.
  7. ^ «Обратить модель плохих продаж вспять с помощью аналитики речи» . Предприниматель.
  8. ^ «Эра речевой аналитики близка» . Целевая CRM . Проверено 30 сентября 2016 года .
  9. ↑ CD Manning, P. Raghavan и H. Schütze, Introduction to Information Retrieval , Chapter 8.
  10. ^ «Оценка надежности данных, обрабатываемых компьютером» (PDF) . Оценка надежности данных, обрабатываемых компьютером . Главное бухгалтерское управление США.
  11. ^ https://knowledgespace.com.au/what-does-speech-analytics-software-actually-do/
  12. ^ «Правильная технология для вашего проекта анализа речи» (PDF) . CallMiner . Проверено 30 сентября 2016 года .
  13. ^ Хоружников С.Е. и другие. (2014). «Распознавание и предсказание расширенных речевых эмоций» . Научно-технический журнал информационных технологий, механики и оптики . 14 (6): 137.
  14. ^ a b «Рынок речевой аналитики к 2020 году составит 1,60 млрд долларов США» . PR Newswire.
  15. ^ «Доля рынка индустрии речевой аналитики, размер, рост и прогноз до 2025 года» . MENAFN.