讓聲音成為有意義的數據

　　數據分析的風(fēng)潮在幾年間席卷了全球。一方面是因為手持設備數量不斷增長(cháng)，機器產(chǎn)生的數據越來(lái)越多，另一方面，因為監測變得容易，人與人之間互動(dòng)產(chǎn)生的數據也持續暴增。

　　大量的數據滋養了過(guò)去停滯不前的人工智能，使其達到了新的里程碑。而在商業(yè)應用上，企業(yè)主特別關(guān)心的是那些「跟人有關(guān)的數據」，也就是顧客的數據。

　　錄音是一個(gè)歷史悠久的技術(shù)。貼近顧客的客戶(hù)服務(wù)產(chǎn)業(yè)，基于法規和商業(yè)理由，存放了大量的錄音檔。這些錄音檔，有時(shí)能用來(lái)證明或是確認服務(wù)人員與顧客的對話(huà)。但長(cháng)期以來(lái)都像是個(gè)黑盒子，看不清里面有什么。直到這幾年，這個(gè)黑盒子才開(kāi)始與數據分析的趨勢接軌。

　　第一個(gè)原因，是人們漸漸無(wú)法忍受不透明的數據。許多新興企業(yè)透過(guò)網(wǎng)絡(luò )營(yíng)銷(xiāo)，并販賣(mài)商品，絕大部分都是原生于網(wǎng)絡(luò )的文字數據。這些文字數據都非常容易被集中管理，檢索，與分析。但過(guò)傳統方式留下的聲音與影像，并不是那么容易用機器分析，需要真人慢慢判讀。這種落差，讓企業(yè)想找出新的方法重新檢視舊數據。

　　另一個(gè)契機，就是近年影像和聲音辨識技術(shù)的重大進(jìn)展。影像識別已經(jīng)帶來(lái)像是自動(dòng)駕駛等等創(chuàng )新應用。語(yǔ)音識別也到了可商用的準確度。事實(shí)上，每個(gè)人口袋里的智能型手機都有簡(jiǎn)短互動(dòng)的語(yǔ)音識別能力。但說(shuō)到真正能發(fā)揮語(yǔ)音識別技術(shù)的，還是莫過(guò)于日夜都有大量錄音涌入的客服中心產(chǎn)業(yè)。

　　從一些訪(fǎng)談中我們觀(guān)察到，現今許多客服主管，仍必須用人工聽(tīng)錄音的方式，試圖找出服務(wù)過(guò)程的缺失與細節。

　　有個(gè)案例是來(lái)自知名的商業(yè)銀行，關(guān)于顧客打來(lái)抱怨保單的金額和當初銷(xiāo)售不符。在這種情況下，客服主管必須逐一聽(tīng)過(guò)前面每一通錄音，才能確認到底是銷(xiāo)售人員的缺失，還是顧客自己搞錯了。

　　在這個(gè)幾乎什么都可以搜尋的時(shí)代，客服主管卻只能一通一通的慢慢聽(tīng)錄音，是一件非常耗費心力的事。

　　數據的價(jià)值，是建立在數據的可搜尋性。沒(méi)有辦法被搜尋的數據，就沒(méi)有價(jià)值，也就沒(méi)有意義。然而，改變這項限制的時(shí)機與工具已經(jīng)成熟。企業(yè)必須思考一個(gè)問(wèn)題：有什么數據是我們還不能搜尋分析的？

　　而對客服中心來(lái)說(shuō)，就是如何讓錄音成為可分析的數據。

　　這將帶來(lái)非常多好處：

　　錄音數據的透明化，可說(shuō)是關(guān)乎企業(yè)的時(shí)間成本，以及潛在銷(xiāo)售獲利的關(guān)鍵。

　　要做到錄音可分析，現在有三個(gè)主要步驟：第一，運用語(yǔ)音轉文字（SpeechtoText）的算法把音文件轉成文字數據；第二，運用搜索引擎或分析工具過(guò)濾并處理；最后，用可視化的方式呈現給使用者。

　　要做到這三件事，需要的關(guān)鍵技術(shù)如下：

　　原始錄音檔需要非常大量的儲存空間，轉譯成文字后若要做更多應用，也需要與其他數據（例如社群媒體、文字客服等數據）整合，這些都需要能夠乘載大量數據的儲存系統。另一方面，因應錄音量可能暴增，必須具備彈性擴容的能力。這對傳統的字料庫與服務(wù)器都是很大的挑戰。許多新興企業(yè)會(huì )采用云端服務(wù)，例如亞馬遜云端服務(wù)（Amazon Web Service）提供了在線(xiàn)巨量且方便擴容的儲存。但基于客服中心的數據涉及顧客的個(gè)人信息，如果不適合直接使用云端服務(wù)，企業(yè)就必須有能力自建軟件定義儲存（software defined storage）系統。才能在脫機的狀態(tài)下，提供大量且彈性的儲存。

　　語(yǔ)音轉文字引擎，是讓錄音可以被分析的關(guān)鍵。上述提到，語(yǔ)音識別的成熟度已經(jīng)相當高，但由于需要大量訓練用數據，對一般企業(yè)來(lái)說(shuō)仍不是一個(gè)能夠自建的工具。基于這個(gè)理由，許多云端公司都有提供語(yǔ)音轉文字的API可以使用。像是IBM的Bluemix，或是MicrosoftAzure。但同樣的，客服產(chǎn)業(yè)的特殊性可能不適合直接使用云端服務(wù)。此時(shí)就需要跟專(zhuān)業(yè)的語(yǔ)音識別公司合作。建立一個(gè)辨識率高的引擎并不容易，有許多環(huán)節需要調整。英文辨識良好的引擎未必能對中文運作，就算同一個(gè)語(yǔ)言，不同地區的口音也會(huì )造成影響。另一個(gè)需要花心思的環(huán)節，是辨識后文字的處理方式。如何斷詞，標記等等，都會(huì )影響到后續的文字分析是否準確。

　　現今做數據分析的技術(shù)已經(jīng)非常普遍，像是熱門(mén)的Hadoop，Spark等數據處理工具。還有讓企業(yè)能夠自建高效搜索引擎的ApacheLucene，Elasticsearch等等。對客服中心來(lái)說(shuō)，自建搜索引擎是非常適合的選項。錄音經(jīng)過(guò)語(yǔ)音識別成為文本文件，然后被搜索引擎索引，進(jìn)而成為可搜尋的數據。如前文提到，有時(shí)客服中心的需求是追蹤特定的電話(huà)內容，透過(guò)搜索引擎，就可以在毫秒間定位到對應的錄音。

　　為了讓使用者能夠鎖定特定的錄音，或是分析錄音之間的趨勢，必須能夠彈性地定義匹配方式，也就是如何設計一個(gè)適切的模型匹配（Pattern Matching）功能。技術(shù)上可以運用搜索引擎與機器學(xué)習，視需求找出精準或模糊的匹配結果。

　　最后一個(gè)關(guān)鍵是操作接口。接口的實(shí)作方式很多，而要做出跨平臺方便使用的接口，較主流的做法是使用Html5網(wǎng)頁(yè)技術(shù)。然而，好的操作性必須倚賴(lài)設計，錄音分析的獨特性，在于必須兼顧量與質(zhì)兩者。一方面要能夠看出海量數據間的大趨勢，另一方面也要能夠鎖定個(gè)別錄音，去挖掘客戶(hù)對話(huà)中的癥結點(diǎn)在哪里。這需要獨特的接口設計，用視覺(jué)畫(huà)圖表的方式呈現大數據，并對個(gè)別錄音能夠做深入紀錄。

　　企業(yè)必須體認到，透過(guò)這些技術(shù)，客服中心可以擁有前所未有的利器，可以剖開(kāi)錄音的黑盒子，讓聲音成為有意義的數據。