× 關閉
關於南訊
Home   /   關於南訊   /   最新消息   /   基於NICE系統的信用卡客戶服務智慧質檢及分析領域應用研究
2021/11/04

基於NICE系統的信用卡客戶服務智慧質檢及分析領域應用研究

近年來,通過語音辨識和語義理解技術,我們將錄音中的語言資訊轉化成可被分析的語言資料,極大的促進了智慧質檢領域的發展,質檢的觸達廣度和效率得到了質的飛躍。通過數位化和智慧化的融合應用,讓客戶聽見轉變為系統聽見成為了可能,同時服務品質的管理理念也隨之發生變化。

 

 

一、智慧質檢發展背景

 

 

從信用卡行業整體發展來看,近年來行業髮卡量持續放緩,很多銀行相應地進行了經營戰略的轉型調整,啟動存量客戶,增加客戶粘性是未來發展的重要目標。同時,發揮智慧服務體系的協同作用,提升服務品質,提高服務效能,讓客戶滿意,是加大智慧化應用縱深的內在要求,而智慧質檢,是其中的一個重要延展的方向。

 

 

二、同業中智慧質檢系統的應用形式及優劣勢比較

 

 

據瞭解,同業中普遍使用兩類質檢系統,本質上為基於轉文本和音素(發音)分析,以智慧質檢和語音分析為主要業務應用方向。

 

01 基於轉文本的智慧質檢系統

 

基於轉文本的智慧質檢系統,是將交互對話轉化成文字,然後對文字進行質檢和分析,後續所有工作與轉譯的準確率高度關聯。得益於系統的演算法或聯想等功能,系統在反復訓練後“聽”得懂客戶和坐席的對話,轉文本過程中會對語義補齊翻譯,這對於語音分析影響不明顯,但對於精准度要求較高的智慧質檢來說則會產生影響。

 

02 基於音素(發音)的智慧質檢系統

 

 

基於音素分析是利用音素(發音)為基礎進行篩選,這個過程可以理解為拼音或音標,優勢在於原版呈現對話過程,凸顯真實還原,難點在於模型的構建,因為模型訓練的是語義的關聯關係,因此建模難度比從轉譯好的文本中提取關鍵字更大,語音分析難度加大。

 

三、智慧質檢應用現狀及原因

 

01 行業內質檢系統主要應用方向

 

 

關於智慧質檢的應用,普遍集中在三個方向:一是通過系統提供的平均通話時長、搶插話時長占比等資料類指標,發現客服人員問題;二是通過語音分析模型篩查專項錄音,縮小核聽範圍,再由質檢人員聽檢;三是運用語音分析模型定性分析,重點對客服中心關心的業務(如行銷)進行反向分析,即確定人員名單,對已圈定人員範圍的電話錄音進行分析,查找優秀案例或優秀話術。

 

目前,部分同業已經開始探索即時質檢,在於客戶進行交互的同時,開展自動質檢評分、敏感詞告警以及話術及流程引導等。

 

 

02 信用卡客戶服務業務智慧質檢面臨的挑戰

 

 信用卡客服業務複雜,識別定位難度大

 

對於信用卡客戶服務業務來說,由於業務非常複雜,客戶一通來電往往會詢問或辦理多個業務,在開放的問答場景中,識別和定位業務難度大。很多業務的交談內容相似度極高,例如客戶查詢已辦理完成的分期情況和是否能夠辦理分期,核身條件中核對最後一筆交易情況和掛失環節中核對最後一筆交易,關鍵字匯使用幾乎是一致的,這也對業務定位的準確性帶來困難。

 

 轉文本系統的語義補充,質檢精確性難度大

 

基於轉文本的質檢系統,系統轉譯時自行補充或替換看似對語義沒有產生影響,但對智慧質檢的準確性會帶來干擾,同時對於專業名詞轉譯和新業務轉譯訓練需要一定週期,還需要大量的人為干預和訓練,增加了後續的運營成本。

 

 音素系統的語義建模,需要找平衡點

 

基於音素的質檢系統,模型的覆蓋率和準確性同等重要,但猶如天平的兩端需要進行取捨,因此建模和做語音分析的難度加大,建模師的經驗在建模中更加重要,因為這個平衡點是在一次次驗證中積累的。

 

 

四、基於NICE質檢系統某銀行智慧質檢應用

 

01 覆蓋率和準確率的平衡

 

 

經過兩年的努力,我們通過一系列的實施方案,創建了適合我行信用卡的智慧質檢的方法論以及模型持續優化的工作閉環,在強化服務品質的同時,降低質檢成本,實現了個人業務質檢差錯的精確定位。目前我中心已完成對掛失、銷卡、證件有效期、分期行銷等多項業務場景的質檢模型監控,場景包括客戶服務的關鍵環節、高風險業務、價值行銷、客戶關懷等方面,專項業務質檢模型,交付上線前準確率85%以上,過程調優後覆蓋率和準確率可達到90%,基本達成了精確篩查專項業務質檢差錯的目標。

 

 

02 跟蹤定位客服人員的服務行為表現狀態

 

 

通過關鍵資料組成象限圖,可以直觀瞭解所有客服人員基本服務行為的分佈情況,為後續服務行為分析做基礎。通過基礎資料和智慧質檢結果,我們可以瞭解業務辦理情況,客服人員基本資料表現,同時,可以對個人進行服務診斷,提出針對性的優化方案。

 

 

通過智慧質檢通過基礎資料和智慧質檢結果,我們可以瞭解業務辦理情況,客服人員基本資料表現,可以對個人進行服務診斷,提出針對性的優化方案;專項業務的質檢覆蓋率達到平均80%以上,專項質檢效率提升16倍。由3名語音分析人員,準確定位百萬電話量級的個人差錯,折合每年節約百萬的質檢成本,初步實現了從“客戶聽見”到“系統聽見”設想。智慧質檢讓服務過程更加透明化,同時能夠更加及時地掌握客服人員和客戶的回饋資訊。相信隨著智慧質檢模型的不斷豐富,專案的應用效果會更加明顯。

 

五、智慧質檢語音分析模型難點及解決

 

01 難點1:定位不准難點—智慧語音分析模型的建設交叉定位方案

 

這是建模初期最常見的問題,產生的原因除了業務複雜和定位詞重合度高之外。智慧質檢系統僅能將錄音作為質檢範疇,缺少了錄屏的輔助,對操作類的業務篩查將受到限制。

 

我們結合NICE系統情況,創立了模型建設定位方案,首先確認適合智慧質檢的業務場景,這是建模成功的前提;當確認業務後,對業務流程進行詳細拆解,分解成可進行建模的最小單位;第三,通過資料交叉等多種手段,盡可能精准業務定位;第四,建模完成後,建模師需要進行覆蓋率和準確率的核檢,達到交付標準後才能交給業務團隊進行後續使用。

 

 

02 難點2:模檢出涵蓋不准——建立模型的思路方法

 

第二個問題是模型檢出範圍不准,產生的原因多為用詞片面,不能代表多數的表達方式。為此,我們引入了模型群組的概念並確認模型的構建思路。業務節點的智慧質檢往往需要多個模型建立群組共同作用。建模方法和思路大致分為兩種:一是化整為零,圈定範圍後去除干擾錄音。二是化零為整,以疊加的方式進行模型積累。這兩種方式各有優缺點,雖然建立模型沒有固定的要求,多取決於語音分析建模師的工作習慣和既成的思路。

 

 

03 難點3:模型準確性的持續衰減——建立模型持續回饋優化機制

 

智慧質檢模型上線使用後,經過一段時間準確性將會下降,在實際操作的過程中,我們發現其原因大致分為:

 

一是以偏概全,建模訓練的是樣本錄音中人的發音習慣,如果抽取的樣本錄音集的範圍並不具有代表性,則在整體錄音核查的時候就會不准;二是客服人員流動性的影響,當新人注入時,他們的發音習慣尚未被系統識別。三是個體差異,雖然有明確的話術,但是每位客服人員的語義表達仍然略有不同。我們的做法是隔一段時間需要進行模型的調優,交付和使用兩個階段是持續循環往復的過程。

 

 

04 模型應用準確率的優化解決方案

 

 

為了讓模型的準確率和覆蓋率保持在一個相對恒定的範圍,我中心制定了模型的持續回饋優化機制。持續回饋優化機制由服務分析團隊、質檢團隊、業務團隊以及其他模型使用團隊組成,將模型應用切分為模型建立及交付、後續篩查交接,核檢及回饋、再優化四個環節,每個環節增加準確率和覆蓋率的審核保障。與此同時,在核檢和回饋環節,我們採取一事一議的方式,對每個實現智慧質檢的業務採取定制化核檢回饋,提高回饋效率。

 

六、 關於“系統聽見”和“客戶聽見”的思考

 

結合以上內容,我們再來思考客戶聽見和系統聽見。系統聽見從結果來說,是系統聽懂人在說什麼,從過程來講,系統經過了大量語料內容的反復訓練,可能系統會比客戶更加明白坐席說了什麼。而客戶聽見,是客戶不僅聽到了客服人員的語言內容,同時聽到了客服人員傳遞給客戶的情緒和情感。所以,系統聽見並不能完全代表客戶聽見。從業務上來說,當前的技術程度,智慧質檢不能完全替代人工質檢,這是業務定位的問題。從功能上來說,質檢系統本身有各自的局限性,我們對於智慧質檢系統的期望應在一個合理的區間。

 

七、未來展望

 

 

我認為未來智慧質檢和語音分析的發展,將趨向個性化,更加突顯各行差異化特點。總的來說,在智慧質檢方面,智慧質檢的進一步發展,將實現質檢量級的突破,促進管理效率的奇點質變,從管理者來講,由原來小組抽查為單元的管理模式,變成可了精確到個人,跟蹤其全量真實表現,從管理精細度的飛躍,也需要管理者在管理思維上進行適應性的改變;對與客服人員來說,智慧質檢降低了客服人員僥倖心理,更加注重個人的服務過程。在客戶體驗分析方面,語音分析提供了一個新的分析維度,改變以往靠專家頭腦風暴的客戶體驗分析模式,通過多維度的資料分析方法進一步量化客戶體驗。