從信用卡行業(yè)整體發(fā)展來(lái)看，近年來(lái)行業(yè)發(fā)卡量持續放緩，很多銀行相應地進(jìn)行了經(jīng)營(yíng)戰略的轉型調整，激活存量客戶(hù)，增加客戶(hù)粘性是未來(lái)發(fā)展的重要目標。同時(shí)，發(fā)揮智能服務(wù)體系的協(xié)同作用，提升服務(wù)質(zhì)量，提高服務(wù)效能，讓客戶(hù)滿(mǎn)意，是加大智能化應用縱深的內在要求，而智能質(zhì)檢，是其中的一個(gè)重要延展的方向。

　　據了解，同業(yè)中普遍使用兩類(lèi)質(zhì)檢系統，本質(zhì)上為基于轉文本和音素（發(fā)音）分析，以智能質(zhì)檢和語(yǔ)音分析為主要業(yè)務(wù)應用方向。

　　基于轉文本的智能質(zhì)檢系統，是將交互對話(huà)轉化成文字，然后對文字進(jìn)行質(zhì)檢和分析，后續所有工作與轉譯的準確率高度關(guān)聯(lián)。得益于系統的算法或聯(lián)想等功能，系統在反復訓練后“聽(tīng)”得懂客戶(hù)和坐席的對話(huà)，轉文本過(guò)程中會(huì )對語(yǔ)義補齊翻譯，這對于語(yǔ)音分析影響不明顯，但對于精準度要求較高的智能質(zhì)檢來(lái)說(shuō)則會(huì )產(chǎn)生影響。

　　基于音素分析是利用音素（發(fā)音）為基礎進(jìn)行篩選，這個(gè)過(guò)程可以理解為拼音或音標，優(yōu)勢在于原版呈現對話(huà)過(guò)程，凸顯真實(shí)還原，難點(diǎn)在于模型的構建，因為模型訓練的是語(yǔ)義的關(guān)聯(lián)關(guān)系，因此建模難度比從轉譯好的文本中提取關(guān)鍵詞更大，語(yǔ)音分析難度加大。

　　關(guān)于智能質(zhì)檢的應用，普遍集中在三個(gè)方向：一是通過(guò)系統提供的平均通話(huà)時(shí)長(cháng)、搶插話(huà)時(shí)長(cháng)占比等數據類(lèi)指標，發(fā)現客服人員問(wèn)題；二是通過(guò)語(yǔ)音分析模型篩查專(zhuān)項錄音，縮小核聽(tīng)范圍，再由質(zhì)檢人員聽(tīng)檢；三是運用語(yǔ)音分析模型定性分析，重點(diǎn)對客服中心關(guān)心的業(yè)務(wù)（如營(yíng)銷(xiāo)）進(jìn)行反向分析，即確定人員名單，對已圈定人員范圍的電話(huà)錄音進(jìn)行分析，查找優(yōu)秀案例或優(yōu)秀話(huà)術(shù)。

　　目前，部分同業(yè)已經(jīng)開(kāi)始探索實(shí)時(shí)質(zhì)檢，在于客戶(hù)進(jìn)行交互的同時(shí)，開(kāi)展自動(dòng)質(zhì)檢評分、敏感詞告警以及話(huà)術(shù)及流程引導等。

　　對于信用卡客戶(hù)服務(wù)業(yè)務(wù)來(lái)說(shuō)，由于業(yè)務(wù)非常復雜，客戶(hù)一通來(lái)電往往會(huì )詢(xún)問(wèn)或辦理多個(gè)業(yè)務(wù)，在開(kāi)放的問(wèn)答場(chǎng)景中，識別和定位業(yè)務(wù)難度大。很多業(yè)務(wù)的交談內容相似度極高，例如客戶(hù)查詢(xún)已辦理完成的分期情況和是否能夠辦理分期，核身條件中核對最后一筆交易情況和掛失環(huán)節中核對最后一筆交易，關(guān)鍵詞匯使用幾乎是一致的，這也對業(yè)務(wù)定位的準確性帶來(lái)困難。

　　基于轉文本的質(zhì)檢系統，系統轉譯時(shí)自行補充或替換看似對語(yǔ)義沒(méi)有產(chǎn)生影響，但對智能質(zhì)檢的準確性會(huì )帶來(lái)干擾，同時(shí)對于專(zhuān)業(yè)名詞轉譯和新業(yè)務(wù)轉譯訓練需要一定周期，還需要大量的人為干預和訓練，增加了后續的運營(yíng)成本。

　　基于音素的質(zhì)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(jìn)行取舍，因此建模和做語(yǔ)音分析的難度加大，建模師的經(jīng)驗在建模中更加重要，因為這個(gè)平衡點(diǎn)是在一次次驗證中積累的。

　　經(jīng)過(guò)兩年的努力，我們通過(guò)一系列的實(shí)施方案，創(chuàng )建了適合我行信用卡的智能質(zhì)檢的方法論以及模型持續優(yōu)化的工作閉環(huán)，在強化服務(wù)質(zhì)量的同時(shí)，降低質(zhì)檢成本，實(shí)現了個(gè)人業(yè)務(wù)質(zhì)檢差錯的精確定位。目前我中心已完成對掛失、銷(xiāo)卡、證件有效期、分期營(yíng)銷(xiāo)等多項業(yè)務(wù)場(chǎng)景的質(zhì)檢模型監控，場(chǎng)景包括客戶(hù)服務(wù)的關(guān)鍵環(huán)節、高風(fēng)險業(yè)務(wù)、價(jià)值營(yíng)銷(xiāo)、客戶(hù)關(guān)懷等方面，專(zhuān)項業(yè)務(wù)質(zhì)檢模型，交付上線(xiàn)前準確率85%以上，過(guò)程調優(yōu)后覆蓋率和準確率可達到90%，基本達成了精確篩查專(zhuān)項業(yè)務(wù)質(zhì)檢差錯的目標。

　　通過(guò)關(guān)鍵數據組成象限圖，可以直觀(guān)了解所有客服人員基本服務(wù)行為的分布情況，為后續服務(wù)行為分析做基礎。通過(guò)基礎數據和智能質(zhì)檢結果，我們可以了解業(yè)務(wù)辦理情況，客服人員基本數據表現，同時(shí)，可以對個(gè)人進(jìn)行服務(wù)診斷，提出針對性的優(yōu)化方案。

　　通過(guò)智能質(zhì)檢通過(guò)基礎數據和智能質(zhì)檢結果，我們可以了解業(yè)務(wù)辦理情況，客服人員基本數據表現，可以對個(gè)人進(jìn)行服務(wù)診斷，提出針對性的優(yōu)化方案；專(zhuān)項業(yè)務(wù)的質(zhì)檢覆蓋率達到平均80%以上，專(zhuān)項質(zhì)檢效率提升16倍。由3名語(yǔ)音分析人員，準確定位百萬(wàn)電話(huà)量級的個(gè)人差錯，折合每年節約百萬(wàn)的質(zhì)檢成本，初步實(shí)現了從“客戶(hù)聽(tīng)見(jiàn)”到“系統聽(tīng)見(jiàn)”設想。智能質(zhì)檢讓服務(wù)過(guò)程更加透明化，同時(shí)能夠更加及時(shí)地掌握客服人員和客戶(hù)的反饋信息。相信隨著(zhù)智能質(zhì)檢模型的不斷豐富，項目的應用效果會(huì )更加明顯。

　　這是建模初期最常見(jiàn)的問(wèn)題，產(chǎn)生的原因除了業(yè)務(wù)復雜和定位詞重合度高之外。智能質(zhì)檢系統僅能將錄音作為質(zhì)檢范疇，缺少了錄屏的輔助，對操作類(lèi)的業(yè)務(wù)篩查將受到限制。

　　我們結合NICE系統情況，創(chuàng )立了模型建設定位方案，首先確認適合智能質(zhì)檢的業(yè)務(wù)場(chǎng)景，這是建模成功的前提；當確認業(yè)務(wù)后，對業(yè)務(wù)流程進(jìn)行詳細拆解，分解成可進(jìn)行建模的最小單位；第三，通過(guò)數據交叉等多種手段，盡可能精準業(yè)務(wù)定位；第四，建模完成后，建模師需要進(jìn)行覆蓋率和準確率的核檢，達到交付標準后才能交給業(yè)務(wù)團隊進(jìn)行后續使用。

　　第二個(gè)問(wèn)題是模型檢出范圍不準，產(chǎn)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并確認模型的構建思路。業(yè)務(wù)節點(diǎn)的智能質(zhì)檢往往需要多個(gè)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，圈定范圍后去除干擾錄音。二是化零為整，以疊加的方式進(jìn)行模型積累。這兩種方式各有優(yōu)缺點(diǎn)，雖然建立模型沒(méi)有固定的要求，多取決于語(yǔ)音分析建模師的工作習慣和既成的思路。

　　智能質(zhì)檢模型上線(xiàn)使用后，經(jīng)過(guò)一段時(shí)間準確性將會(huì )下降，在實(shí)際操作的過(guò)程中，我們發(fā)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(fā)音習慣，如果抽取的樣本錄音集的范圍并不具有代表性，則在整體錄音核查的時(shí)候就會(huì )不準；二是客服人員流動(dòng)性的影響，當新人注入時(shí)，他們的發(fā)音習慣尚未被系統識別。三是個(gè)體差異，雖然有明確的話(huà)術(shù)，但是每位客服人員的語(yǔ)義表達仍然略有不同。我們的做法是隔一段時(shí)間需要進(jìn)行模型的調優(yōu)，交付和使用兩個(gè)階段是持續循環(huán)往復的過(guò)程。

　　為了讓模型的準確率和覆蓋率保持在一個(gè)相對恒定的范圍，我中心制定了模型的持續反饋優(yōu)化機制。持續反饋優(yōu)化機制由服務(wù)分析團隊、質(zhì)檢團隊、業(yè)務(wù)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、后續篩查交接，核檢及反饋、再優(yōu)化四個(gè)環(huán)節，每個(gè)環(huán)節增加準確率和覆蓋率的審核保障。與此同時(shí)，在核檢和反饋環(huán)節，我們采取一事一議的方式，對每個(gè)實(shí)現智能質(zhì)檢的業(yè)務(wù)采取定制化核檢反饋，提高反饋效率。

　　結合以上內容，我們再來(lái)思考客戶(hù)聽(tīng)見(jiàn)和系統聽(tīng)見(jiàn)。系統聽(tīng)見(jiàn)從結果來(lái)說(shuō)，是系統聽(tīng)懂人在說(shuō)什么，從過(guò)程來(lái)講，系統經(jīng)過(guò)了大量語(yǔ)料內容的反復訓練，可能系統會(huì )比客戶(hù)更加明白坐席說(shuō)了什么。而客戶(hù)聽(tīng)見(jiàn)，是客戶(hù)不僅聽(tīng)到了客服人員的語(yǔ)言?xún)热荩�同時(shí)聽(tīng)到了客服人員傳遞給客戶(hù)的情緒和情感。所以，系統聽(tīng)見(jiàn)并不能完全代表客戶(hù)聽(tīng)見(jiàn)。從業(yè)務(wù)上來(lái)說(shuō)，當前的技術(shù)程度，智能質(zhì)檢不能完全替代人工質(zhì)檢，這是業(yè)務(wù)定位的問(wèn)題。從功能上來(lái)說(shuō)，質(zhì)檢系統本身有各自的局限性，我們對于智能質(zhì)檢系統的期望應在一個(gè)合理的區間。

　　我認為未來(lái)智能質(zhì)檢和語(yǔ)音分析的發(fā)展，將趨向個(gè)性化，更加突顯各行差異化特點(diǎn)。總的來(lái)說(shuō)，在智能質(zhì)檢方面，智能質(zhì)檢的進(jìn)一步發(fā)展，將實(shí)現質(zhì)檢量級的突破，促進(jìn)管理效率的奇點(diǎn)質(zhì)變，從管理者來(lái)講，由原來(lái)小組抽查為單元的管理模式，變成可了精確到個(gè)人，跟蹤其全量真實(shí)表現，從管理精細度的飛躍，也需要管理者在管理思維上進(jìn)行適應性的改變；對與客服人員來(lái)說(shuō)，智能質(zhì)檢降低了客服人員僥幸心理，更加注重個(gè)人的服務(wù)過(guò)程。在客戶(hù)體驗分析方面，語(yǔ)音分析提供了一個(gè)新的分析維度，改變以往靠專(zhuān)家頭腦風(fēng)暴的客戶(hù)體驗分析模式，通過(guò)多維度的數據分析方法進(jìn)一步量化客戶(hù)體驗。

-掃碼關(guān)注獲取更多精彩內容-

　　NICE（納斯達克股票代碼：NICE）是全球領(lǐng)先的云端和本地企業(yè)軟件解決方案提供商，幫助企業(yè)根據結構化和非結構化數據的高級分析做出更明智的決策。NICE幫助各種規模的企業(yè)提供更好的客戶(hù)服務(wù)，確保合規，打擊欺騙行為，保護公眾安全。全球150多個(gè)國家/地區的25，000多家組織正在使用NICE的解決方案，其中包括《財富》全球100強中的85家企業(yè)。www.nice.com