01研究背景
呼叫中心傳統的質檢方式一般都是“事后”質檢，隨著智能質檢的廣泛應用，實時的“事中”語音質檢成為了質檢工作的主流。但無論是“事中”還是“事后”質檢，都是在服務事件或內容已成為既定事實后進行的質檢，服務中出現的質量瑕疵無法通過撤銷鍵撤回。
如何在“事中”、“事后”的質檢中摸索出對“事前”服務風險的預警才是事半功倍的做法。
語音轉譯技術受嘈雜環境、方言等差異的影響較大，尤其是一些全國性受理業務的呼叫中心，語音數據受南北地域和民族特色差異化等影響，轉譯后的WER（字錯誤率）和SER（句錯誤率）較高，但這不影響轉譯文本發揮其潛在應用價值。在呼叫中心已經大量嘗試將語音轉譯技術應用于輔助智能質檢或是客戶畫像的研究。
智能質檢從一定程度上解決了抽檢覆蓋率低、時效性差、質檢效率低、人工質檢帶有主觀意識等問題。隨著自然語言理解技術的快速更新，智能質檢工作的方向也將向多元化發展。
02研究方法
以呼叫中心服務投訴為源點，收集A、B、C三個服務部門在4、5、6三個月份（非歷年服務投訴事件峰值月度）出現的服務投訴屬實事件和致命性差錯問題。通過統計A部在4月份服務投訴屬實人員有33%同時出現了致命性差錯，B部在5月份服務投訴屬實人員有45%同時出現了致命性差錯，C部在6月份服務投訴屬實人員有50%同時出現了致命性差錯。
1
數據表明服務投訴事件和致命性差錯問題集中出現在同一客服人員身上的概率較高。客戶出于對客服人員在服務過程中出現的服務推諉、響應不及時、服務冷漠等情況提出投訴要求，但因每個客戶的訴求不同、個人情感接受度不同，面對客服在服務過程中暴露出的服務缺失，有可能不會主動提出投訴意愿，同時因一些人為因素服務投訴事件未及時進行上報，最終造成大量的服務缺失仍隱藏在海量數據中，挖掘出這些服務隱患并進行有效預警，將對呼叫中心現場管理起到至關重要的作用。
“三維”服務風險檢測模型
呼叫中心最關注的三個質效關鍵點包括服務能力、服務效率和服務態度，這三點不僅是客服人員綜合能力評價的依據，同時也是影響客戶滿意度的關鍵因素。以呼叫中心服務投訴屬實事件涉及的錄音和語音轉譯文本為訓練數據，建立三個維度的檢測模型，對海量工單進行質、效、情三方面的綜合診斷（圖1）。
圖1三維服務風險模型展示
1、“一維”禁語檢測
質量專家通過對服務投訴屬實事件進行質檢，總結出影響客戶感知的推諉語、違規用語，結合業務規則內已有服務禁語詞庫形成禁語檢測。
出現服務禁語=A類高風險工單，危險程度Ⅲ級
2、“二維”效率檢測
從總觀的角度，語音活動檢測(Voice Activity Detection,VAD)中靜默時長和頻次很大程度上體現了客服人員的服務效率和響應效率。檢測出靜默頻次較多、靜默時長較長的數據，并對其進行危險級別的劃分。
出現3次及以上＜靜默＞60S=A類高風險工單，危險程度Ⅲ級
出現4次及以上＜靜默＞50S=B類中度風險，危險程度Ⅱ級
出現5次及以上＜靜默＞40S=C類低風險，危險程度Ⅰ級
3、“三維”情緒綜合檢測
在服務投訴屬實事件后續跟蹤訪談中發現，有至少1/3的客服人員表示受客戶異常情緒影響，無法在服務過程中以積極的心態受理業務，最終引發客戶不滿情緒升級，造成投訴事件。
跟蹤數據表明，客服自身負面情緒和客戶異常情緒對整個交互過程產生著重要影響。基于文本分類算法技術，將服務投訴屬實事件的錄音和轉譯文本作為負樣本訓練數據，將質檢后無服務差錯或缺失的錄音和轉譯文本作為正樣本訓練數據，質量專家結合上下文對正、負樣本內句子級的顆粒進行正、負面情感類的標注，同時對錄音中語音情感進行跟蹤，在交互過程中出現急躁情緒（急躁因子）時一般表現為語速變快、音量也會突然升高，語音中的情感特征可以通過語速、字頻、語調以及聲音能量的大小等韻律特征變化進行體現，同時結合語音的頻次、發聲概率、響度輪廓等變化特點來抓取能夠體現語音情感特征的參數，與此同時收集非情感類語句的參數進行兩類對比，總結出各個特征參數的變化規律（圖2）。在正、負兩類數據標注的基礎之上利用textCNN等深度學習算法，構建音頻和文本的多模態識別模型，并對其輸出結果進行風險等級的劃分（圖3）。
圖2錄音異常因子集合（部分因子）
圖3模型構建流程
客服負面情感+錄音異常因子出現3次及以上=A類高風險工單，危險程度Ⅲ級
客服負面情感+錄音異常因子出現2次及以上=B類中度風險工單，危險程度Ⅱ級客服
負面情感+錄音異常因子出現1次及以上/僅出現客服負面情緒=C類低風險工單，危險程度Ⅰ級
鎖定服務風險隱患人群
“三維檢測”模型實現了對三個質效點的逐一篩查，聚類出AAA、AAB、ABC等多種風險等級組合的工單集合，針對高風險集合圈定的人群形成各級響應的監督和管控，將管控機制貫穿整個流程，從人員圈定—班組監督—部門管控—質檢策略調整—個性化培訓等環節（圖4）。抓住服務隱患萌芽狀態，及時采取有力措施。
圖4 聚類多種風險等級組合工單
03預期成效
1、質效綜合分析
基于管理層對指標的重視以及指標對客服自身利益（績效考核、優先選擇排班、休假特權等）的影響，很多客服人員在指標數據上都傾注了很多關注度，目的是以最佳指標躋身于各類排行榜和評比活動。在眾多的指標中話務接聽量、服務受理量，往往是最受關注的指標之一，以接聽量、服務量為評比依據，最終選出“話務王”、“話務先鋒”等各類激勵客服人員提升自身服務效率的稱號。但“魚和熊掌”往往不可兼得，單方面側重接聽量，必然會犧牲客戶的體驗度，通過“三維檢測”從客戶體驗的角度深度檢測服務的質量，深挖隱藏在以片面追求接聽量、服務量下的服務隱患，以提升客戶良好體驗為前提對客服人員進行能效的全面監控。
2、服務風險閉環管理
在呼叫中心每天都在產生大量的交互數據，質檢有限的資源無法對全量工單進行質檢，更無暇對前期已質檢出致命性差錯問題的服務人員進行百分百的后續跟蹤質檢，通過“三維檢測”可對前期服務問題人員進行有針對性的后續跟蹤質檢，形成有效的閉環管理，加強對客服人員服務質量的管控機制，有效提升服務的規范性，增加客戶對服務的良好感知。
3、基于人工智能降低質檢成本
目前大多呼叫中心的質檢部門均以智能語音質檢為先導，人工質檢參與復核的模式開展質檢工作，語音質檢的應用模式都是以特定內容關鍵詞匹配進行抽檢，沒有形成綜合的抽檢策略，“三維檢測”模型構建了質檢策略的多維度應用，減少了單一抽檢策略造成的重復質檢等問題，同時有效提升了質檢覆蓋率，提高了質檢人員對問題工單的檢出率，降低了人力投入成本。
4、以客戶視角優化流程和話術
從客戶利益和服務風險角度考量，合理的業務辦理和處理流程是保證服務品質的基礎，經過“三維檢測”收集容易引發客戶不滿情緒，同時客服未有效以優質服務進行疏導的工單類型，深入分析客戶不滿涉及的事件和流程，以客戶視角對服務流程進行優化，便捷客戶的同時提升服務的內涵和品質，同時在鎖定的工單內收集客戶對哪些話術存在排斥情緒，并以此為依據進行標準話術的修改和完善。構建更加情感化、人性化的話術體系，提升服務的溫度和質感。
