WikiDer > Речевая аналитика

Speech analytics

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 речевая аналитика включает в себя элементы автоматическое распознавание речи, он известен тем, что анализирует обсуждаемую тему, которая сравнивается 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

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 операторам контакт-центра может потребоваться дополнительное обучение или инструктаж. [5], и может автоматически контролировать обслуживание клиентов по звонкам.[6]

Процесс может изолировать слова и фразы, которые используются наиболее часто в течение заданного периода времени, а также указать, растет или уменьшается использование. Эта информация полезна руководителям, аналитикам и другим сотрудникам организации, чтобы выявлять изменения в поведении потребителей и принимать меры для уменьшения количества звонков и повышения удовлетворенности клиентов. Это позволяет понять мыслительный процесс клиента, что, в свою очередь, дает компаниям возможность внести коррективы.[7]

Юзабилити

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 аудио майнинг. Другие варианты использования включают категоризацию речи в среде контакт-центра для идентификации звонков от неудовлетворенных клиентов.[8]

Такие меры, как Точность и отзыв, обычно используется в области Поиск информации, являются типичными способами количественной оценки отклика поисковой системы речевого анализа.[9] Точность измеряет долю результатов поиска, релевантных запросу. Отзыв измеряет долю от общего числа релевантных элементов, которые были возвращены результатами поиска. Если использовался стандартизованный набор тестов, такие показатели, как точность и отзывчивость, можно использовать для непосредственного сравнения эффективности поиска различных систем анализа речи.

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 невозможно. . Когда системы речевого анализа 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 помогают определить общую точность 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 чего они предназначены». В сфере распознавания речи и аналитики «полнота» измеряется «степенью обнаружения», и обычно по мере повышения точности частота обнаружения снижается. [11].

Технологии

Поставщики речевой аналитики используют «движок» сторонних производителей, а другие разрабатывают собственные механизмы. В технологии в основном используются 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 сотен тысяч слов для сопоставления звука. Он может выявить новые бизнес-проблемы, запросы выполняются намного быстрее, а точность выше, чем при фонетическом подходе.[12]

Распознавание и прогнозирование 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

Исследования рынка показывают, что, по прогнозам, к 2020 году речевая аналитика станет отраслью с оборотом в миллиард долларов. Северная Америка имея самую большую долю рынка.[14] Темпы роста объясняются повышением требований к соблюдению нормативных требований и управлению рисками, а также усилением конкуренции в отрасли благодаря анализу рынка.[15] В телекоммуникации, ЭТО и аутсорсинг Считается, что сегменты отрасли занимают самую большую долю рынка с ожидаемым ростом за счет сегментов путешествий и гостеприимства.[14]

Смотрите также

Рекомендации

  1. ^ Корин Бейлор (август 2006 г.). "Фактор почему в речевой аналитике о". Назначение CRM (Назначение: Управление взаимоотношениями с клиентами). стр. 32–33. Получено 2013-10-30.
  2. ^ «Речевая аналитика: почему большой источник данных не музыка для ушей ваших конкурентов». Tech Republic. Получено 30 сентября 2016.
  3. ^ «Пять основных преимуществ речевой аналитики для колл-центра». TechTarget.
  4. ^ «Аналитика речи и текста». Genesys.
  5. ^ «Голосовая аналитика в реальном времени». Xdroid.
  6. ^ "Меняют ли инструменты речевой аналитики поведение агента?". ICMI.
  7. ^ «Обратить вспять плохие продажи с помощью аналитики речи». Предприниматель.
  8. ^ «Эпоха речевой аналитики близка». Целевая CRM. Получено 30 сентября 2016.
  9. ^ К. Д. Мэннинг, П. Рагхаван и Х. Шютце, Введение в поиск информации, Глава 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 по анализу речи» (PDF). CallMiner. Получено 30 сентября 2016.
  13. ^ S.E. Хоружников; и другие. (2014). «Расширенное распознавание и предсказание речевых эмоций». Научно-технический журнал информационных технологий, механики и оптики. 14 (6): 137.
  14. ^ а б "Рынок речевой аналитики к 2020 году составит 1,60 миллиарда долларов". PR Newswire.
  15. ^ «Доля рынка отрасли речевой аналитики, размер, рост и прогноз до 2025 года». MENAFN.