1安徽-智能语音分析在呼叫中心精细化运营中的应用.ppt

本文观看结束！！！ 项目总结 本系统目前每天处理全球通4万条录音数据，以日呼入量为14万来计算，语音质检较人工质检提升27.57%； 通过系统测试验证，系统分析正确率在93.5%时，漏检率为10%；系统分析正确率在80%时，漏检率为20%； 每天约筛选4千条问题录音，主要违规类型集中在服务忌语和适当回应，占比分别为32.4%和47%； 模型 应用 系统 系统通过提取录音文件和相关字段，进行语音识别和翻译，采用语音索引、分类等技术实现既定维度内的各类型分析。 突破同类产品只有语音识别没有语音分析的空白。 移动行业语音匹配模型形成了移动行业特有的业务和典型的客户化描述语言要素匹配模型，实现录音通话的有效归类与统计。 分析维度组合模型 已经建立了品牌、地市、接续工号等20多种常用的CTI、BOSS字段的组合分析模型 分析客户拨打热线的原因 跟踪公司产品、流程的表现 定位人员的服务能力弱项和培训需求 The end! 谢 谢 欣 赏！ * * * * 智能语音分析在呼叫中心精细化运营中的应用 上报公司：安徽移动 项目成效 项目背景 项目总结 目录 项目实施 热线和客户物理距离很近，实际上却遥不可及！ 迫切需要一种革新的客户信息分类分析机制！！ 低成本、高效率、准确性强 背景1:如何发挥热线沟通桥梁功能 传统的客户信息分类分析方法成本高、效率低、准确性差 矛盾 海量信息不能实现科学分类，成为信息垃圾 如何发挥公司运营传感器和晴雨表的功能多年来仍未得到解决 热线承载80%以上的客户与公司之间的沟通与交互 热线是最主要的客户信息聚宝盆 热线是公司CRM管理中不可或缺的客户信息来源 来电原因点击 分类颗粒粗，不能满足精细化分析 增长CSR通话时长、降低接续效率 录音监听 分类颗粒和准确性均能满足需求，但是人工成本巨大，效率低 背景2:如何提升热线运营服务品质 聆听客户心声，改善服务质量，提升客户满意已成为通信企业的关注焦点，据统计70%-80%的客户与企业的接触通过客服中心完成，目前我公司客服中心平均每天服务几十万次，但是仅能抽检1%进行质检，目前的质检方式工作量大，效率低，抽检率低，难以有效评价整体服务质量。同时对通话均长、重复来话的分流等工作也没用有效地解决途径，服务质量的管控一直为抽样的、统计的。 只有300条录音被质检 运营十多年的客服热线如何进一步提升运营的水平 构建高效全面的服务质量管控体系！ 背景3：业务复杂度急需创新的培训模式 业务准确率低 多层面的拨测显示热线服务准确率在70-80%间徘徊 员工压力大 在CSR的压力排名中，培训考试排名第二，仅次于接续班务 缺乏高效率的对员工薄弱环节的精确细分和定位的手段和机制，培训需求确定、计划设计、实施等各环节相对粗放。培训设计偏向于“业务驱动”而非“员工能力需求驱动”！ 培训内容标准化 教材编写、课程设计通用性较强，难以实现针对性的员工能力提升。 培训对象大众化 目标范围界定模糊，部分能力过关员工仍需参加，徒增工作压力。 迫切需要一种能够 精确细分和定位员工薄弱环节的机制，提升培训的效果和效率！ 症状 原因 根源 项目成效 项目背景 项目总结 目录 项目实施 实施技术架构和过程 项目功能 分析客户拨打热线的原因 提升内部管理水平 定位服务能力短板和培训需求 — — — * 通过对语音分析技术、10086客服业务、呼叫中心录音模块、客服质检流程等进行研究和应用设计，依托现有平台建设语音质检分析系统，下图是语音分析系统核心技术架构： 项目实施技术架构 项目实施过程 建立和客服平台通话录音调取的接口； 完成平台管理、应用分析、语音翻译服务器等硬件布署； 完成业务平台搭建。 形成了移动行业特有的业务和典型的客户化描述语言要素匹配模型，实现录音通话的有效归类与统计。 通过听取已建模型中的录音，验证模型的匹配度、准确度，继而再对模型进行调整、优化。 系统搭建（40天） 语音建模（20天） 模型验证（8天） 实施技术架构和过程 项目功能 分析客户拨打热线的原因 提升内部管理水平 定位服务能力短板和培训需求 — — — 功能应用1：洞察客户诉求，落实有诉必录 利用语音分析逐层细化，直至定位末梢原因 可以通过录音关联功能自动调用相关录音，方便分析人员定位原始的信息。 落实集团有诉必录相关要求。 热线每天人工来话超过15w，客户为什么而来? 语音分析系统能够从20种维度进行客户信息分析 员工信息 业务信息 地域信息 品牌信息 …… 某一维度细化 功能应用1：洞察客户诉求，落实有诉必录 案例 手机上网业务中，咨询占到16%，客户对于哪些问题存在抱怨？ 聚焦月租、优惠、开通、套餐等关键信息 功能应用1：洞察客户诉求，落实有诉必录 语音分析