Контакт-центры везде, где есть массовый покупатель – от магазинов и сервисных центров до операторов связи и банков. Разговоры записываются, а потом хранятся. Годами. Так терабайты информации часто ложатся мертвым грузом, вытягивая из компании немалое финансирование на инфраструктуру. Но если эти данные удастся использовать, то они могут приносить деньги, а не только их поглощать.

Благодаря анализу записей разговоров можно улучшить качество оказания услуг, определить наиболее востребованные продукты, доработать то, к чему возникают вопросы, повысить лояльность аудитории, даже предотвратить мошеннические действия. Вот только на обработку одной минуты разговора требуется три минуты работы аналитика. Когда количество звонков в сутки превышает десятки тысяч, встает очевидный вопрос – прослушивать лишь малую их часть вручную или же автоматизировать процесс. РСХБ пошел по второму пути.

Как транскрибируется речь

Немного технических моментов. Контакт-центр РСХБ реализован на платформе Avaya, так что для его развития выбрали продукт компании Verint, которая является технологическим партнером Avaya в области решений по аналитике и управлению качеством. В результате была развернута система WFO (Workforce optimization), включающая в себя ряд модулей, в том числе Speech Analytics/Real-Time Speech Analytics (Речевая аналитика офлайн и онлайн). Для его работы внедрили серверы: приложений, базы данных, аналитики, записи переговоров, построения расписания, транскрибирования и, конечно, обратной связи.

Чтобы обработать звонки, нужно транскрибирование — перевод речи в текст. Существует базовая модель, которая для каждой отрасли бизнеса является специфичной. Точность распознавания там 70-75%. Если вы когда-нибудь пытались завести разговор с голосовым ассистентом, то примерно представляете насколько эффективно он распознает вашу речь. Нередко для удачной коммуникации приходится выговаривать слова максимально отчетливо, почти по слогам. В контакт-центре повторить вас просить не будут, а значит бизнесу требуется еще более точная модель. Особенно для компании с офисами от Калининграда до Владивостока, которой важно учесть разные диалекты, акценты и прочие нюансы произношения. Добавим сюда банковские термины и названия продуктов, их тоже нужно распознавать корректно.

Чтобы решить задачи высокого качества распознавания речи в текст (90% и более) проводится Language and accent customization (LAC) в лингвистической лаборатории производителя и создается специальная речевая модель под конкретную компанию-клиента. Требования к выборке записей для построения модели – минимум 450-500 звонков для каждой линии бизнеса. В нашем случае была выборка по всем линиям бизнеса, тематикам, агентским группам по входящим и исходящим звонкам продолжительностью от 1 до 20 минут (персональные данные из звонков были удалены).

Но и это еще не все. Даже после такой работы в речевой модели может возникнуть недостаточность слов, фраз, сокращений. Например, вошедших в лексикон недавно. Ими в нашем случае стали «пандемия», «ковид», «локдаун», а для другого бизнеса мог запросто стать и «симпл-димпл». Здесь на помощь приходит фонетический бустинг (Phonetic Boosting) – добавление названий новых продуктов, терминов, сокращений в LAC. Это простой, но очень эффективный инструмент, позволяющий приводить модель в соответствие с потребностями бизнеса. Процесс нелимитированный, запускается он по мере необходимости с целью доведения процента распознавания до эталонных 95-98%.

Что происходит после распознавания

Следующий шаг – создание категорий. Это основные инструменты сегментации взаимодействий в речевой аналитике. По сути они представляют собой совокупность правил, терминов, фильтров, логических операторов. Категории позволяют сфокусироваться на проблемных звонках контакт-центра, выбирать взаимодействия на одну и ту же тему, по одной и той же проблеме из общего потока звонков по заданным тегам, фильтрам, условиям и т. д. Такой своеобразный очень подробный фильтр.

Категорий может быть много, в нашем случае их порядка 200, но совсем необязательно использовать их все одновременно, активно используются порядка 60. Можно включать и выключать категории, как лампочки. Для нас среди наиболее активных были: «Контроль корректности переадресаций внутри контакт-центр», «Выявление сложных тематик в консультации, когда клиенту не понятны объяснения оператора», «Анализ причин повторных обращений клиентов», «Выявление лучших практик обслуживания клиента» и другие. Есть у нас и продуктовые категории, когда мы просто «ловим» обращения по конкретной теме, продукту, банковскому предложению.

В работе с категориями нужно определить, какой бизнес-процесс требуется исследовать и какую задачу решить. Например, система позволяет провести анализ всех разговоров, завершившихся сделкой, выявить по ним оптимальные фразы и алгоритмы, приводящие к успеху, провести анализ возражений и т. д. В результате аналитики получают данные, на основе которых модифицируется диалоговый скрипт. И, как результат, качество работы оператора повышается.

Другой пример. Это может показаться необычным, но мошенники звонят не только физическим лицам, но и организациям, в том числе банкам. На основе анализа таких звонков выявляются «подозрительные» фразы. В результате речевая аналитика позволяет в режиме реального времени по ключевым словам определить вероятность мошенничества и предупредить об этом оператора контакт-центра, предложив ему корректную в данном случае последовательность действий. Согласитесь, такой инструмент не помешал бы и простым пользователям, и многие цифровые ассистенты сейчас дорабатываются именно в эту сторону.

Так в системе выглядит транскрибированный звонок. В разговоре подсвечены фразы, которые попали в ту или иную категорию. В данном примере на основании терминов «заказать наличные», «закрыть вклад» речевая аналитика квалифицировала этот звонок, как относящийся к категории «закрытие вклада».

Как это применить в бизнесе

Речевая аналитика открывает для любой организации, не только банка, широкие возможности – от улучшения продуктовой линейки до совершенствования качества предоставляемого операторами контакт-центра сервиса. Причем на основании не вырванных из массива звонков, а оценки множества из них, а значит более точной и беспристрастной. Но полностью отказаться от работы физических аналитиков технологии пока не позволяют. Благодаря категоризации можно сократить время на идентификацию и выбор звонков, относящихся к конкретной проблеме. То есть слушать все эти звонки для того, чтобы вручную их систематизировать уже не нужно. Но это не значит, что их вообще никто не слушает. Слушают, просто выборочно, и только те, что действительно нужно. И уже на основании этих данных создают конкретные бизнес-решения.

На что практически влияет речевая аналитика? На рост значения индекса удовлетворенности (CSAT), повышение показателя лояльности клиентов, выявление трендов для оптимизации пользовательского опыта, наконец, очевидное – улучшение качество работы и навыков операторов. Обращения пользователей в контакт-центр – это осязаемая обратная связь. Переоценить ее важность для бизнеса сложно. Так что инструмент, позволяющий максимально применить ее в работе, – это очень полезная вещь.

Статью подготовили журналист Елена Варикаш и Надежда Воробьёва, Департамент информационных технологий