1、有了數據不一定就能做分析，我們需要先關(guān)注數據的質(zhì)量
我們在實(shí)踐過(guò)程中，接觸到了不同行業(yè)的數據，但遺憾的是，發(fā)現盡管都有數據，但數據的質(zhì)量上有較大差異，有的能做出全局性的分析和洞察，有些則不能。
語(yǔ)音數據不能做分析的核心問(wèn)題是其轉譯準確率問(wèn)題。轉譯準確率問(wèn)題一部分是跟轉譯引擎本身的性能和是否有做過(guò)細分領(lǐng)域的語(yǔ)音標注優(yōu)化相關(guān)，一部分是跟錄音源頭數據的本身質(zhì)量有關(guān)。前一部分的問(wèn)題基本都是共通的，依賴(lài)于技術(shù)和人工優(yōu)化上的能力，后一部分問(wèn)題跟呼叫中心服務(wù)過(guò)程的規范性和客戶(hù)群有關(guān)。在實(shí)踐中就發(fā)現因為客服本身語(yǔ)速過(guò)快，咬字不清，口音較重，客戶(hù)方言等問(wèn)題導致轉譯準確率不高。在人工測聽(tīng)發(fā)現都需要來(lái)回好幾遍才能大致聽(tīng)清甚至還聽(tīng)不清的情況下更遑論機器轉譯的效果。這個(gè)情況呼叫中心必須先從規范客服的溝通做起，客服側語(yǔ)音的轉譯準確率較高的情況下，客戶(hù)側如果是全國性市場(chǎng)，建議其盡量說(shuō)普通話(huà)，雙管齊下，才能真正把語(yǔ)音數據較好地利用起來(lái)。否則，雖然積累了海量的數據，有可能也無(wú)法利用。
工單數據在各個(gè)呼叫中心根據業(yè)務(wù)性質(zhì)和管理的需要，都不太一樣，字段多的有上百個(gè)字段，字段少的可能就個(gè)位數。工單數據除了能做傳統的結構化統計分析以外，根據其字段情況，也能做一些文本分析，比如通信類(lèi)和制造類(lèi)企業(yè)都有報障工單用以描述報障現象。對現象的聚類(lèi)分析能較好地反映出產(chǎn)品主要的故障問(wèn)題及表現，為優(yōu)化產(chǎn)品和提升故障處理效率提供較好的決策參考。但實(shí)踐中依然有發(fā)現有一些問(wèn)題會(huì )阻擋對數據的深度挖掘，主要是各種不規范的填寫(xiě)，包括漏填、錯填（如前個(gè)字段的內容填到后面字段中）、格式規范問(wèn)題（同樣是說(shuō)數量，既有填寫(xiě)確數也有填寫(xiě)預估數的，既有寫(xiě)阿拉伯數字的，也有寫(xiě)中文字的）、語(yǔ)言一致性問(wèn)題（同樣一個(gè)意思表達，不同的人用不同的文字來(lái)描述）等。這些問(wèn)題如果涉及的工單的數量多，則也將影響工單數據的分析，無(wú)論是結構數據或非結構數據。解決方法一是在工單系統上做文章，如部分可封閉選擇的問(wèn)題可用選擇點(diǎn)擊的方式而非開(kāi)放性填寫(xiě)；二是加強工單填寫(xiě)規范性培訓指導和考核，降低工單填寫(xiě)出錯率。
2、文本分析在全場(chǎng)景和細節洞察上有較大的優(yōu)勢
傳統的結構化數據分析體系是基于管理體系的指標框架構建，其對運營(yíng)效率和成本方面的反饋是相對準確的，但在質(zhì)量和效果洞察（尤其客戶(hù)側反饋的洞察上）缺乏足夠的數據和細節依據，洞察全局相對較難。而這正是文本分析的一個(gè)較大優(yōu)勢，其能從全量交互的語(yǔ)音轉譯文本中洞察全局，包括主要的交互場(chǎng)景，熱點(diǎn)的問(wèn)題和需求，客戶(hù)方對產(chǎn)品和服務(wù)的真實(shí)評價(jià)等。
作為管理和支撐人員，我們既可以了解到產(chǎn)品和服務(wù)各方面的主要問(wèn)題，也能從真實(shí)錄音文本中獲取到問(wèn)題的具體癥狀表現或者部分原因，除了簡(jiǎn)單的百分比數據之外，還向我們傳遞了更多的細節，或獲取有益的經(jīng)驗。譬如，在電銷(xiāo)和催收領(lǐng)域，那些做得特別成功的客服代表他們在溝通策略上有哪些技巧和特征，業(yè)績(jì)普通的員工和他們之間的具體差距在哪里，就可以通過(guò)轉譯文本和錄音的分析獲取得到。同時(shí)，通過(guò)精確提取成功案例和失敗案例，可以為日常培訓提供豐富的素材。在幾乎所有的呼叫中心，員工的服務(wù)效率都是比較受關(guān)注的。以前的方法我們是通過(guò)聽(tīng)錄音來(lái)發(fā)現，但現在我們可以用錄音的靜默時(shí)長(cháng)和靜默次數相對較為準確地篩選出待提升員工的名單。盡管靜默時(shí)長(cháng)和靜默次數中包含了客服和客戶(hù)雙方的靜默，但從長(cháng)期大量數據的角度，靜默時(shí)長(cháng)和靜默次數數據遠高于平均水平的員工，其在效率上還是有可提升空間的，比如在通話(huà)過(guò)程控制能力上，客戶(hù)需求理解能力上，專(zhuān)業(yè)知識和技能熟練程度上。當然也不能排除本身就是比較慢性子的員工。
3、文本分析不是沒(méi)有缺陷，但瑕不掩瑜
盡管文本分析在全場(chǎng)景和細節發(fā)掘上有著(zhù)傳統結構化數據分析所沒(méi)有的優(yōu)勢，但從完整的分析項目角度而言，其所耗人工甚費，主要在數據預處理及人工語(yǔ)義解讀上。預處理的人工主要花在人工檢查數據和做優(yōu)化標注的時(shí)間，特別是一個(gè)新的行業(yè)或新的業(yè)務(wù)領(lǐng)域，未經(jīng)標注的文本可能轉譯準確率比較低，會(huì )影響分析。人工語(yǔ)義的解讀主要是消耗在系統工具聚類(lèi)結果的語(yǔ)義解讀翻譯方面的時(shí)間較長(cháng)。這方面成本的削減有賴(lài)于未來(lái)語(yǔ)義技術(shù)的持續進(jìn)步。
盡管文本分析從技術(shù)和成本上都有提升空間，但瑕不掩瑜。從文本分析中汲取的場(chǎng)景、產(chǎn)品、業(yè)務(wù)、流程和服務(wù)的洞察和細節將有效地幫助企業(yè)做出更加有針對的優(yōu)化對策，同時(shí)也能梳理出一些較好的案例或服務(wù)和營(yíng)銷(xiāo)的具體話(huà)術(shù)，幫助客服團隊持續提升，同步地，我們也可用于機器人客服的持續智能化。
