Контактный центр 2021 года – это платформа «всё в одном», в которой все системы должны быть связаны между собой. Современные боты могут получать и передавать данные в смежные системы, благодаря чему расширяется набор операций, которые могут быть автоматизированы. Рассказывает Александр Сидоров, ведущий инженер отдела контакт-центров АМТ-ГРУП.

В настоящее время отчётливо видны ключевые тенденции рынка речевых технологий. Почти все компании уже внедрили речевую аналитику и голосовых помощников в свои контактные центры. Многие активно используют также текстовые боты, размещая их на своих сайтах или в мессенджерах. Текстовая аналитика, аналогично речевой, позволяет отслеживать новые темы обращений клиентов, распределение их по категориям, и оперативно отслеживать технические сбои.

Для анализа таких взаимодействий мы рекомендуем использовать специализированные системы текстовой аналитики. В текстовых и голосовых каналах для выражения одного и того же смыслового значения люди используют разные слова и стиль речи, поэтому и анализировать их рекомендуется с помощью разных моделей.

Системы речевой аналитики совместно с системами агентских сценариев (agent scripting) могут помогать операторам контактных центров быстро находить информацию в базе знаний, опираясь на тематику обращения, автоматически заполнять полученными данными карточку клиента и, взаимодействуя с системой биометрии, помогать авторизовать клиента, отсеивая при этом мошенников. Всё это позволяет существенно сократить продолжительность разговора клиента с оператором.

Не секрет, что у клиентов иногда возникает неудовлетворенность результатами работы решений с использованием речевых технологий (речь, в первую очередь, идёт о голосовых ботах).

Причинами чаще всего служат следующие факторы:

1. Плохо настроенные наборы данных для обучения модели голосового бота, из-за чего система интерактивного голосового меню некорректно «маршрутизирует» клиента.

Например, при подготовке входного набора данных была допущена ошибка, из-за которой фраза “кредитная карта” попала в намерение (intent) “кредиты”, в результате чего клиенту предоставили некорректную информацию относительно ставок, условий и т.п.

2. Качество синтеза голоса робота.

Если не провести тонкую настройку системы преобразования текста в речь перед внедрением, то в большинстве случаев система будет запинаться, слишком быстро произносить слова, некорректно ставить ударения.

Такое поведение сразу даёт понять клиенту, что общение происходит с ботом, и отталкивает от дальнейшей коммуникации.

3. Плохо настроенная модель для речевой аналитики.

Если система речевой аналитики не настроена должным образом, то категоризация будет происходить неправильно, что не позволит отследить повторные обращения клиентов и уладить конфликтные ситуации с ними.

4. Отсутствие возможности перевода клиента на оператора из виртуального помощника.

Бывают случаи, когда вопрос клиента носит личный характер и необходимо полное погружение сотрудника в проблему. Виртуальный помощник, к сожалению, не всегда может помочь, поэтому целесообразно организовать возможность перевода взаимодействия на живого оператора.

Для исправления ситуации мы рекомендуем использовать решения проверенных производителей средств речевой аналитики и голосовых ботов, привлекать экспертов для проектирования, внедрения и поддержки, а также выделять кадровые ресурсы внутри компании для постоянного обогащения и разметки наборов данных.

Следующим этапом развития рынка речевой аналитики будет модернизация данных систем до аналитики в режиме реального времени, автоматического контроля качества обслуживания на её базе и внедрение нейронных сетей для обучения ботов.

Текст: Александр Сидоров, ведущий инженер отдела контакт-центров АМТ-ГРУП

Материал также опубликован в печатной версии Национального банковского журнала №202 (июль-август 2021).