Решения / Речевая аналитика для контакт-центра

Речевая аналитика на основе ML-технологий Yandex SpeeckKit, с поддержкой казахского языка

Yandex SpeechKit понимает 16 языков, включая русский, казахский и узбекский языки. Для обучения моделей распознавания и повышения качества распознавания речи разработчики Yandex Cloud используют тысячи часов аудио для каждого языка.

Речевые ML-модели SpeechKit могут быть развёрнуты на вашей инфраструктуре. Мы можем предложить как гибридные варианты, так и обработку 100% трафика в вашем контуре.

Сервис Yandex SpeechKit с высоким качеством распознает речь на казахском языке, а также смешанную речь на казахском и русском языках.

Демонстрационный стенд решения доступен по ссылке.

Области применения речевой аналитики

Аналитика полезна для всех компаний, работающих с клиентами, но особенно эффективна речевая аналитика в сферах, где количество звонков особенно велико: банки, страховые компании, интернет-магазины, медицинские центры, службы доставки, различные call-центры.

Контроль скриптов - контроль соблюдения скриптов продаж, регламентов и стандартов телефонного общения.
Анализ недовольства - выявление случаев недовольства клиентов.
Выявление потребностей - выявление и систематизация потребностей клиентов.
Накопление данных - Накопление исторических данных по коммуникациям с клиентами, для последующего использования, например, для аналитики по новым критериям, или для обучения ИИ бота.

Слайды презентации речевой аналитики на основе Yandex SpeeckKit:

Для чего нужная речевая аналитика

Речевая аналитика позволяет контролировать 100% телефонных звонков, и автоматически оценивать качество работы специалистов компании, оценивать соблюдение регламентов и стандартов телефонного обслуживания. Так же аналитика позволяет быстро реагировать на недовольных клиентов, выявлять причины отказов клиентов.

Использование речевой аналитики помогает:

Сократить затраты и расходы бизнеса на оплату труда;
Сократить время на обучение новых сотрудников.
Повысить объемы продаж;
Проактивно реагировать на недовольных клиентов;
Улучшить коммуникации с клиентами и повысить их лояльности к компании;

Как работает речевая аналитика

Решение «Речевая аналитика» развертывается на сервере Заказчика, или в облаке. Решение интегрируется с телефонией Заказчика, получает голосовые записи разговоров отдела продаж, или контакт центра. Далее решение переводит речь в текст и выполняет анализ текста, на предмет соблюдения скриптов разговоров, выявляет негатив, запрещенные слова, слова-паразиты. Далее решение формирует отчеты, рассчитывает рейтинг сотрудника, строит отчетность по сотруднику или по всему подразделению.

Интеграция с телефонией - получает голосовые записи разговоров из телефонии, переводит речь в текстовые сообщения.
Анализирует текст - выполняет поиск по тексту, по словарям, и фрагментам скриптов разговоров.
Формирует отчеты - расчитывает рейтинг операторов, строит отчетность и график, по оператору или по всей группе.

Видео обзор речевой аналитики на основе Yandex SpeeckKit:

Количественный анализ

Количественный анализ текста фокусируется на числовых данных и статистике, чтобы оценить текст с точки зрения измеримых характеристик. Основная цель — объективно измерить определённые элементы текста, такие как слова и словосочетания, без осмысления их значений.

Для поиска слов и словосочетаний допускается использовать символы:

«*» - любое окончание слова в словосочетании.
«<>» - слова в словосочетании поменять местами.
«/» - варианты слова в словосочетании.

Например, шаблон «добрый<>день/вечер» выполняет поиск четырех вариантов словосочетания:

добрый день
добрый вечер
день добрый
вечер добрый

Содержательный анализ

Содержательный анализ текста с использованием классификаторов GPT позволяет глубже понять и структурировать текстовые данные, выявляя темы, паттерны и категории. Модель GPT, обученная на обширных данных, классифицирует текст по заданным категориям, например «Новизна продукта», «Создание срочности», «Подведение итогов».

Для обучения GPT классификатора создается набор данных (dataset) из «правильных» реплик, в количестве не менее 100 реплик, рекомендуется до 10000 реплик. Например, для обучения GPT классификатора «Создание срочности» из накопленных диалогов сотрудников выбираются реплики:

[
  {
    "Про этот товар часто спрашивают. У вас точно нет возможности приехать в ближайшее время? Завтра этого товара может не быть в наличии."
  },
  {
    "Условия кредитования меняются каждый месяц. Вы можете потерять выгодное предложение, если отложите покупку на потом."
  },
  {
    "Если мы не успеем оформить заказ для вас в ближайшее время, то придется потом ждать следующую поставку, а это очень долго.",
  }
]

Далее, обученный классификатор GPT оценивает новые диалоги, и выделяет те, которые по смыслу близки к смыслу «правильных» реплик.

Из каких разделов состоит аналитика

Раздел «Расшифровка речи»

Возможность прослушать голосовые записи из телефонии, с расшифровкой разговора. По клику на реплике диалога переход на соответствующую метку в аудиозаписи.

Найденные совпадения по словарям, и результаты проверки скриптов разговоров, подсвечиваются тегами в тексте диалога.

Статистика по разговору, оценка темпа речи, паузы, прерывал ли менеджер клиента.

Возможна интеграция с CRM системой Заказчика, для перехода на лид или сделку в CRM.

Раздел «Словари»

Управление словарями, удаление или добавление слов. Загрузка списка слов в словарь, из текстового файла.

Раздел «Скрипты»

Управление фрагментами, редактирование фрагмента, удаление или добавление слов в фрагмент.

Управление скриптами, редактирование скрипта, удаление или добавление фрагментов в скрипт. Настройка параметров скриптов, назначение скриптов для групп операторов или подразделений.

Раздел «Отчеты»

Отчет «Сводные показатели» - анализ диалогов за период, общая статистика по диалогам.

Отчет «Средний балл по словарям» - анализ работы менеджеров за период, сравнение оценок за словари по менеджерам.

Отчет «Выполнение скриптов сотрудниками» - анализ выполнения скриптов менеджеров за период, сравнение оценок за скрипты по менеджерам.

Отчет «Статистика по фрагментам» - анализ найденных совпадений фрагментов из скриптов в диалогах. Ранжирование наиболее частых совпадений.

Отчет «Биллинг STT» - анализ затрат на распознавание речи в текст.

Раздел «Прочее»

Уведомления в Телеграм - история отправки уведомлений в Телеграм, о найденных совпадениях слов из критичных словарей, например, из словаря «Жалоба».

Пользователи и роли пользователей в системе, права на доступ к разделам, права на редактирование.

Служебный журнал системы, логи по распознаванию речи, сообщения о технических ошибках.

Дальнейшие перспективы после внедрения речевой аналитики

Речевая аналитика накапливает данные по коммуникациям компании с клиентами. В будущем большой объем накопленных данных может быть использован для обучения голосового бота компании.

Модуль Yandex SpeechKit может использоваться не только для распознавания речи, но и для синтеза речи, при внедрении умного бота в компании.