भावना विश्लेषण और गुणवत्ता प्रबंधन: भाषण विश्लेषण के साथ क्यूए

लाभ:

• भावना विश्लेषण और भाषण विश्लेषण के साथ व्यक्तिगत और समग्र रुझानों को पढ़ने और पूर्ण तथ्यों के बजाय संकेतों के रूप में स्कोर का उपयोग करने की क्षमता
• वस्तुनिष्ठ स्कोरकार्ड के साथ 100% बातचीत को स्कैन करने और साक्ष्य-आधारित प्रारंभिक मूल्यांकन करने की क्षमता, जबकि अंतिम निर्णय मानव पर छोड़ दिया जाता है
• विकास और अनुभव सुधार के उद्देश्य से दंडात्मक संस्कृति से दूर और पारदर्शिता के साथ गुणवत्ता प्रणाली स्थापित करने की क्षमता

कॉल सेंटर में हर दिन हजारों बातचीत होती हैं, लेकिन शास्त्रीय पद्धति से, गुणवत्ता टीम उनमें से केवल एक छोटा सा हिस्सा ही सुन और मूल्यांकन कर सकती है (अधिकांश स्थानों पर 1-2%)। इसका मतलब है कि 98% बातचीत बिना जांचे ही खो जाती है; यहां तक ​​कि अगर किसी ग्राहक के साथ दुर्व्यवहार किया जाता है या कोई प्रतिनिधि बार-बार गलत जानकारी देता है, तो भी किसी को पता नहीं चलेगा। कृत्रिम बुद्धिमत्ता इस तस्वीर को मौलिक रूप से बदल देती है: यह हर बातचीत को पढ़ और उसका मूल्यांकन कर सकती है। इस इकाई में, हम दो संबंधित विषयों को कवर करेंगे: भावना विश्लेषण (ग्राहक और प्रतिनिधि के भावनात्मक स्वर को मापना) और गुणवत्ता प्रबंधन (क्यूए - गुणवत्ता आश्वासन; मानकों के साथ बातचीत के अनुपालन का आकलन करना)।

पहले दो पद. भावना विश्लेषण किसी पाठ या भाषण का सकारात्मक, नकारात्मक या तटस्थ भावनात्मक स्वर है; यह क्रोध, संतुष्टि और चिंता जैसी स्थितियों का स्वचालित रूप से पता लगाने के लिए है। स्पीच एनालिटिक्स (इंटरैक्शन एनालिटिक्स) सभी वार्तालापों का सामूहिक रूप से विश्लेषण करना और रुझान, लगातार विषयों, जोखिमों और अवसरों को निकालना है। साथ में, वे कॉल सेंटर को "सुनने वाले कान" देते हैं: हजारों वार्तालापों से अर्थ उत्पन्न करते हैं जिन्हें प्रबंधक व्यक्तिगत रूप से नहीं सुन सकता है।

भावना विश्लेषण: नाड़ी को ध्यान में रखते हुए

भावना विश्लेषण दो स्तरों पर काम करता है। एकवचन स्तर: बातचीत का सामान्य स्वर ("ग्राहक गुस्सा करने लगा, अंततः शांत हो गया") और महत्वपूर्ण मोड़ दिखाता है। समग्र स्तर: हजारों वार्तालापों से "इस सप्ताह नकारात्मक भावना 18% बढ़ी, ज्यादातर 'बिल' के बारे में" जैसे रुझान निकाले गए। यह जानकारी सुनहरी है: यह गुस्से के बढ़ते ज्वार, किसी उत्पाद के मुद्दे या किसी नए अभियान के बारे में भ्रम को पहले ही पकड़ लेती है।

हालाँकि, भावना विश्लेषण सही नहीं है। तुर्की में, व्यंग्य, व्यंग्य और मुहावरे मॉडल को गुमराह कर सकते हैं (वाक्य "बहुत बहुत धन्यवाद, बहुत अच्छी सेवा!" गुस्से में कहा गया हो सकता है)। साथ ही, सेंटीमेंट स्कोर एक संकेत है, अंतिम सत्य नहीं। इसलिए भावना विश्लेषण का उपयोग व्यक्तिगत प्रतिनिधि को दंडित करने के लिए नहीं, बल्कि रुझानों को देखने और उन वार्तालापों को उजागर करने के लिए करें जिन पर ध्यान देने की आवश्यकता है।

युक्ति: भावना विश्लेषण का उपयोग "चेतावनी" के रूप में करें, न कि "निर्णय" के रूप में। एक भी नकारात्मक अंक किसी प्रतिनिधि की निंदा नहीं करता; लेकिन बढ़ती नकारात्मकता की प्रवृत्ति एक ऐसे क्षेत्र की ओर इशारा करती है जिसकी जांच की जरूरत है। मानव के साथ सिग्नल को सत्यापित करें.

गुणवत्ता प्रबंधन: 1% के बजाय 100% मूल्यांकन

क्लासिक क्यूए में, एक गुणवत्ता विशेषज्ञ मूल्यांकन फॉर्म के साथ कुछ यादृच्छिक रूप से चयनित कॉलों को स्कोर करता है (स्कोरकार्ड-आइटम जैसे "क्या अभिवादन दिया गया था, पहचान सत्यापित थी, क्या समाधान पेश किया गया था, क्या समापन उपयुक्त था")। यह विधि छोटे नमूना आकार, व्यक्तिपरकता और विलंब संबंधी समस्याओं से ग्रस्त है। कृत्रिम बुद्धिमत्ता-समर्थित QA में, मॉडल स्वचालित रूप से स्कोरकार्ड आइटम के अनुसार सभी वार्तालापों का मूल्यांकन करता है; कौन सा लेख गायब है, कौन से भाषण जोखिम भरे हैं, किस मुद्दे पर किस प्रतिनिधि का समर्थन करना चाहिए - यह सब दिखाता है।

महत्वपूर्ण बिंदु: एआई का क्यूए स्कोर एक प्रारंभिक स्क्रीनिंग और संकेत है, अंतिम मूल्यांकन नहीं। एआई का कहना है, "ऐसा लगता है कि इस बातचीत ने प्रमाणीकरण चरण को छोड़ दिया है"; गुणवत्ता विशेषज्ञ इन चिह्नित वार्तालापों की जांच करता है और अंतिम निर्णय लेता है। इसलिए, हजारों वार्तालापों को सुनने के बजाय, विशेषज्ञ उन जोखिम भरी/अनुकरणीय वार्तालापों पर ध्यान केंद्रित करता है जिन्हें एआई ध्वजांकित करता है - निष्पक्ष और अधिक व्यापक दोनों।

निम्न तालिका दो दृष्टिकोणों की तुलना करती है:

आकार

क्लासिक क्यूए

एआई-संचालित क्यूए

दायरा

1-2% बातचीत

100% स्कैन किया गया

अवधि

धीमे, हाथ से सुनना

तुरंत स्कैन

संगति

विशेषज्ञ के आधार पर भिन्न होता है

लगातार कसौटी पर कसते रहे

आत्मपरकता

उच्च

कसौटी स्पष्ट है, संकेत+मानव

अंतिम निर्णय

विशेषज्ञ

विशेषज्ञ (एआई पर ध्यान केंद्रित)

जोखिम

समस्याओं से बचना

गलत संकेत (सत्यापित किया जाना चाहिए)

चरण दर चरण: एआई-संचालित गुणवत्ता कार्यक्रम

1. स्कोरकार्ड स्पष्ट करें: मूल्यांकन आइटम वस्तुनिष्ठ और मापनपूर्वक लिखें (अस्पष्ट नहीं जैसे "विनम्रतापूर्वक व्यवहार किया", लेकिन स्पष्ट जैसे "नाम/उपयुक्त पते से ग्राहक का स्वागत किया")।
2. एआई को मानदंड दें: इन वस्तुओं के अनुसार प्रत्येक बातचीत को "पूर्ण/नहीं किया/अस्पष्ट" के रूप में रेट करें; आपने प्रमाण वाक्य दिखाया.
3. जोखिम भरे वार्तालापों को हाइलाइट करें: कम स्कोरिंग, गुस्से वाली, या अनुपालन-जोखिम वाली बातचीत को विशेषज्ञ के पास लाएँ।
4. विशेषज्ञ पुष्टि करते हैं: अंतिम स्कोर और फीडबैक मानव का है; जिन स्थानों को एआई "अनिश्चित" कहता है वे निश्चित रूप से मनुष्यों के लिए उपलब्ध हैं।
5. इसे कोचिंग में बदलें: एजेंट विकास के लिए निष्कर्षों का उपयोग करें - सुधार पर ध्यान केंद्रित करें, सजा पर नहीं।

चार प्रतिलिपि योग्य टेम्पलेट

1) स्कोरकार्ड रेटिंग:

निम्नलिखित मदों के अनुसार निम्नलिखित अनाम वार्तालाप का मूल्यांकन करें। प्रत्येक आइटम के लिए: status=[किया गया/नहीं किया गया/अस्पष्ट] और एक साक्ष्य वाक्य (बातचीत से उद्धरण) दें। यदि कोई सबूत नहीं है, तो "अस्पष्ट" कहें; अनुमान लगाना। आइटम: 1) उचित अभिवादन 2) प्रमाणीकरण 3) समस्या को समझना 4) सही जानकारी/समाधान 5) अनिवार्य जानकारी 6) विनम्र समापन।भाषण: <<समझाना>>

2) भावना और निर्णायक विश्लेषण:

नीचे दी गई अनाम बातचीत का भावनात्मक प्रक्षेप पथ बनाएं। - प्रारंभिक स्वर, अंतिम स्वर (शांत/क्रोधित/चिंतित/संतुष्ट), - वह क्षण जब भावना बदल गई और क्यों (उद्धरण के साथ), - क्या क्रोध/संकट के कोई संकेत थे, एजेंट ने इसे कैसे संभाला? संभव विडंबना/व्यंग्य पर ध्यान दें; यदि आप निश्चित नहीं हैं, तो "अस्पष्ट" कहें। भाषण: <<प्रतिलेखन>>

3) समग्र प्रवृत्ति रिपोर्ट:

इस सप्ताह के गुमनाम वार्तालाप टैग और भावना स्कोर नीचे दिए गए हैं। (1) सबसे अधिक बढ़ने वाला नकारात्मक-भावना विषय, (2) संभावित मूल कारण परिकल्पना (साबित), (3) 3 विषयों की जांच की सिफारिश की गई है। डेटा से संख्याएँ लें, उन्हें गढ़ें नहीं; परिकल्पनाओं को "पुष्टि होनी चाहिए" के रूप में चिह्नित करें। डेटा: <<सारांश तालिका>>

4) कोचिंग सारांश (एजेंट विकास):

निम्नलिखित मूल्यांकन की गई बातचीत के आधार पर एक प्रतिनिधि के लिए विकास-केंद्रित, गैर-दंडात्मक कोचिंग नोट तैयार करें। - ताकत (2), - सुधार का क्षेत्र (2, ठोस उदाहरणों के साथ), - 1 सुझाया गया सूक्ष्म लक्ष्य। व्यक्तिगत निर्णय/लेबल का उपयोग। डेटा: <<भाषण रेटिंग>>

कमजोर संकेत/मजबूत संकेत

कमजोर संकेत:

मूल्यांकन करें कि यह प्रतिनिधि अच्छा है या बुरा।

व्यक्तिपरक, बिना मापदंड के, बिना सबूत के, दंडात्मक; यह एक अन्यायपूर्ण और अक्षम्य "निर्णय" उत्पन्न करता है।

शक्तिशाली संकेत:

6-आइटम स्कोरकार्ड के अनुसार इस गुमनाम बातचीत का मूल्यांकन करें; प्रत्येक आइटम के लिए, उद्धरण किया गया/नहीं किया गया/अस्पष्ट + भाषण से साक्ष्य। यदि कोई सबूत नहीं है, तो "अस्पष्ट" कहें। मैं (गुणवत्ता विशेषज्ञ) अंतिम निर्णय लूंगा; आप बस सबूतों के साथ प्रारंभिक मूल्यांकन करें।

अंतर: मानदंड स्पष्ट है, साक्ष्य अनिवार्य है, अनिश्चितता ईमानदार है, अंतिम निर्णय व्यक्ति पर निर्भर करता है।

तीन मिनी मामले

केस 1 - 100% कवरेज की शक्ति। एक बैंक में, QA टीम प्रति माह ~1,200 बातचीत (कुल का 1.5%) सुन सकती है। सभी 80,000 वार्तालापों को AI से स्कैन किया गया; यह पता चला है कि प्रमाणीकरण चरण को 6% बार छोड़ दिया गया था - एक अनुपालन जोखिम जिसे क्लासिक नमूने के साथ कभी नहीं देखा जाएगा। लक्षित कोचिंग के साथ, दर 2 महीनों में 1% से भी कम हो गई।

केस 2 - विडंबना जाल। एक ई-कॉमर्स केंद्र में, इमोशन मॉडल ने "आप महान हैं, मैं 3 दिनों से इंतजार कर रहा हूं" जैसे व्यंग्यात्मक वाक्यों को "सकारात्मक" माना; इसलिए कुछ नाराज ग्राहक "संतुष्ट" दिखे। जब मॉडल को एकमात्र निर्णय निर्माता नहीं बनाया गया और मानव आंख से नमूना लेकर स्कोर सत्यापित किए गए, तो टीम ने विडंबना के मामलों को अलग से चिह्नित किया और रिपोर्ट की विश्वसनीयता बढ़ गई। पाठ: भावना स्कोर एक संकेत है, पूर्ण सत्य नहीं।

केस 3 - प्रारंभिक चेतावनी। एक टेलीकॉम पर भाषण विश्लेषण से पता चला कि मंगलवार से शुरू होने वाले 3 दिनों में "बिल" के आसपास नकारात्मक भावना 40% बढ़ गई। जांच से पता चला कि नए टैरिफ में परिवर्तन में चालान गलत तरीके से दर्शाए गए थे। हजारों शिकायतें जमा होने से पहले ही समस्या को शुरुआती भावना संकेत द्वारा पकड़ लिया गया और ठीक कर दिया गया। एनालिटिक्स एक प्रारंभिक चेतावनी प्रणाली के साथ-साथ एक गुणवत्ता उपकरण भी बन गया है।

सामान्य गलतियाँ

• भावना अंक को पूर्ण सत्य मानना। विडंबना, मुहावरे और संदर्भ मॉडल को गुमराह करते हैं; स्कोर को संकेत के रूप में उपयोग करें, मानव से सत्यापित करें।
• एआई स्कोर को अंतिम निर्णय बनाना। क्यूए में, अंतिम मूल्यांकन और प्रतिक्रिया मानव की होती है; एआई आगे बढ़ता है।
• अस्पष्ट स्कोरकार्ड आइटम. "उसने अच्छा व्यवहार किया" को मापा नहीं जा सकता; वस्तुनिष्ठ, सत्यापन योग्य आइटम लिखें।
• क्यूए को सज़ा के उपकरण में बदलना। उद्देश्य विकास और ग्राहक अनुभव है; सज़ा की संस्कृति एजेंट को चुप करा देती है और डेटा को दूषित कर देती है।
• बिना सबूत के मूल्यांकन. प्रत्येक निष्कर्ष को भाषण के एक उद्धरण द्वारा समर्थित किया जाना चाहिए; अन्यथा इसे "अस्पष्ट" कहा जाना चाहिए।

सावधानी: एआई के साथ सभी वार्तालापों को मापना शक्तिशाली लेकिन संवेदनशील है। इसे एक ऐसी प्रणाली में बदलना जो कर्मचारियों की लगातार निगरानी करती है और उन्हें दंडित करती है, दोनों अनैतिक है और टीम के विश्वास को नष्ट कर देती है। लक्ष्य ग्राहक अनुभव और एजेंट विकास में सुधार करना है; पारदर्शिता और विकास पर ध्यान देना जरूरी है।

संक्षेप में

भावना विश्लेषण और एआई-संचालित गुणवत्ता प्रबंधन कॉल सेंटर को हजारों वार्तालाप सुनने की सुविधा देता है: 1% के बजाय 100% नमूने को स्कैन करना, रुझानों को जल्दी पकड़ना और गुणवत्ता मूल्यांकन को सुसंगत रखना। लेकिन सेंटीमेंट स्कोर एक संकेत है, पूर्ण सत्य नहीं; QA में, अंतिम निर्णय मानव का होता है। स्कोरकार्ड को निष्पक्ष रूप से लिखें, प्रत्येक निष्कर्ष को साक्ष्य के रूप में प्रस्तुत करें, मनुष्यों पर अनिश्चितता छोड़ें, और पूरे सिस्टम को पारदर्शिता के साथ स्थापित करें, जिसका उद्देश्य विकास और अनुभव में सुधार करना है, न कि सजा देना।

आवेदन कार्य

6 आइटमों के साथ एक वस्तुनिष्ठ स्कोरकार्ड डिज़ाइन करें (प्रत्येक आइटम मापने योग्य और सिद्ध करने योग्य होना चाहिए)। एक काल्पनिक/अनाम प्रतिलेख लें और "1) स्कोरकार्ड मूल्यांकन" और "2) भावना विश्लेषण" टेम्पलेट लागू करें। उन क्षेत्रों को हाइलाइट करें जहां मॉडल "अस्पष्ट" कहता है या जहां विडंबना हो सकती है और लिखें कि एक मानव विशेषज्ञ को उन्हें कैसे सत्यापित करना चाहिए। अंत में, "4) कोचिंग सारांश" के साथ एक विकास-केंद्रित मेमो तैयार करें।

चेकलिस्ट

• [ ] मेरे स्कोरकार्ड आइटम वस्तुनिष्ठ, मापने योग्य और सत्यापन योग्य हैं।
• [ ] एआई मूल्यांकन प्रारंभिक स्क्रीनिंग; अंतिम QA निर्णय और फीडबैक मानव पर निर्भर है।
• [ ] मैं भावना स्कोर का उपयोग संकेत के रूप में करता हूं, पूर्ण सत्य के रूप में नहीं।
• [ ] प्रत्येक निष्कर्ष बातचीत के साक्ष्य के उद्धरण द्वारा समर्थित है; अन्यथा "अस्पष्ट"।
• [ ] मैंने विकास और अनुभव सुधार के उद्देश्य से प्रणाली स्थापित की है, सज़ा देने के लिए नहीं।
• [ ] विश्लेषण का उद्देश्य और दायरा कर्मचारियों को पारदर्शी रूप से समझाया गया था।