ਲਾਭ:
- ਭਾਵਨਾ ਵਿਸ਼ਲੇਸ਼ਣ ਅਤੇ ਭਾਸ਼ਣ ਵਿਸ਼ਲੇਸ਼ਣ ਦੇ ਨਾਲ ਵਿਅਕਤੀਗਤ ਅਤੇ ਕੁੱਲ ਰੁਝਾਨਾਂ ਨੂੰ ਪੜ੍ਹਨ ਦੀ ਸਮਰੱਥਾ ਅਤੇ ਸੰਪੂਰਨ ਤੱਥਾਂ ਦੀ ਬਜਾਏ ਸਿਗਨਲ ਵਜੋਂ ਅੰਕਾਂ ਦੀ ਵਰਤੋਂ ਕਰੋ
- ਇੱਕ ਉਦੇਸ਼ ਸਕੋਰਕਾਰਡ ਦੇ ਨਾਲ 100% ਗੱਲਬਾਤ ਨੂੰ ਸਕੈਨ ਕਰਨ ਅਤੇ ਇੱਕ ਸਬੂਤ-ਆਧਾਰਿਤ ਮੁਢਲੇ ਮੁਲਾਂਕਣ ਪੈਦਾ ਕਰਨ ਦੀ ਸਮਰੱਥਾ, ਅੰਤਮ ਫੈਸਲਾ ਮਨੁੱਖ 'ਤੇ ਛੱਡਦੇ ਹੋਏ
- ਵਿਕਾਸ ਅਤੇ ਤਜਰਬੇ ਵਿੱਚ ਸੁਧਾਰ ਦੇ ਉਦੇਸ਼ ਲਈ ਪਾਰਦਰਸ਼ਤਾ ਅਤੇ ਦੰਡ ਸੱਭਿਆਚਾਰ ਤੋਂ ਦੂਰ ਗੁਣਵੱਤਾ ਪ੍ਰਣਾਲੀ ਨੂੰ ਸਥਾਪਿਤ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
ਇੱਕ ਕਾਲ ਸੈਂਟਰ ਵਿੱਚ ਹਰ ਰੋਜ਼ ਹਜ਼ਾਰਾਂ ਵਾਰਤਾਲਾਪ ਹੁੰਦੇ ਹਨ, ਪਰ ਕਲਾਸੀਕਲ ਵਿਧੀ ਨਾਲ, ਗੁਣਵੱਤਾ ਟੀਮ ਉਹਨਾਂ ਦੇ ਇੱਕ ਛੋਟੇ ਜਿਹੇ ਹਿੱਸੇ ਨੂੰ ਸੁਣ ਅਤੇ ਮੁਲਾਂਕਣ ਕਰ ਸਕਦੀ ਹੈ (ਜ਼ਿਆਦਾਤਰ ਸਥਾਨਾਂ ਵਿੱਚ 1-2%). ਇਸਦਾ ਮਤਲਬ ਹੈ ਕਿ 98% ਗੱਲਬਾਤ ਬਿਨਾਂ ਜਾਂਚ ਕੀਤੇ ਖਤਮ ਹੋ ਜਾਂਦੀ ਹੈ; ਭਾਵੇਂ ਕਿਸੇ ਗਾਹਕ ਨਾਲ ਦੁਰਵਿਵਹਾਰ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਜਾਂ ਕੋਈ ਪ੍ਰਤੀਨਿਧੀ ਵਾਰ-ਵਾਰ ਗਲਤ ਜਾਣਕਾਰੀ ਦਿੰਦਾ ਹੈ, ਕੋਈ ਵੀ ਧਿਆਨ ਨਹੀਂ ਦੇ ਸਕਦਾ। ਨਕਲੀ ਬੁੱਧੀ ਇਸ ਤਸਵੀਰ ਨੂੰ ਮੂਲ ਰੂਪ ਵਿੱਚ ਬਦਲਦੀ ਹੈ: ਇਹ ਹਰ ਗੱਲਬਾਤ ਨੂੰ ਪੜ੍ਹ ਅਤੇ ਮੁਲਾਂਕਣ ਕਰ ਸਕਦੀ ਹੈ। ਇਸ ਯੂਨਿਟ ਵਿੱਚ, ਅਸੀਂ ਦੋ ਸਬੰਧਤ ਵਿਸ਼ਿਆਂ ਨੂੰ ਕਵਰ ਕਰਾਂਗੇ: ਭਾਵਨਾ ਵਿਸ਼ਲੇਸ਼ਣ (ਗਾਹਕ ਅਤੇ ਪ੍ਰਤੀਨਿਧੀ ਦੇ ਭਾਵਨਾਤਮਕ ਟੋਨ ਨੂੰ ਮਾਪਣਾ) ਅਤੇ ਗੁਣਵੱਤਾ ਪ੍ਰਬੰਧਨ (QA - ਗੁਣਵੱਤਾ ਭਰੋਸਾ; ਮਿਆਰਾਂ ਨਾਲ ਗੱਲਬਾਤ ਦੀ ਪਾਲਣਾ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨਾ)।
ਪਹਿਲੇ ਦੋ ਸ਼ਬਦ। ਭਾਵਨਾ ਵਿਸ਼ਲੇਸ਼ਣ ਇੱਕ ਪਾਠ ਜਾਂ ਭਾਸ਼ਣ ਦਾ ਸਕਾਰਾਤਮਕ, ਨਕਾਰਾਤਮਕ ਜਾਂ ਨਿਰਪੱਖ ਭਾਵਨਾਤਮਕ ਟੋਨ ਹੈ; ਇਹ ਆਪਣੇ ਆਪ ਹੀ ਸਥਿਤੀਆਂ ਜਿਵੇਂ ਕਿ ਗੁੱਸੇ, ਸੰਤੁਸ਼ਟੀ ਅਤੇ ਚਿੰਤਾ ਦਾ ਪਤਾ ਲਗਾਉਣਾ ਹੈ। ਸਪੀਚ ਐਨਾਲਿਟਿਕਸ (ਇੰਟਰੈਕਸ਼ਨ ਐਨਾਲਿਟਿਕਸ) ਸਮੂਹ ਗੱਲਬਾਤ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨਾ ਹੈ ਅਤੇ ਰੁਝਾਨਾਂ, ਅਕਸਰ ਵਿਸ਼ਿਆਂ, ਜੋਖਮਾਂ ਅਤੇ ਮੌਕਿਆਂ ਨੂੰ ਐਕਸਟਰੈਕਟ ਕਰਨਾ ਹੈ। ਇਕੱਠੇ ਮਿਲ ਕੇ, ਉਹ ਕਾਲ ਸੈਂਟਰ ਨੂੰ "ਸੁਣਨ ਵਾਲੇ ਕੰਨ" ਦਿੰਦੇ ਹਨ: ਹਜ਼ਾਰਾਂ ਵਾਰਤਾਲਾਪਾਂ ਤੋਂ ਅਰਥ ਪੈਦਾ ਕਰਦੇ ਹਨ ਜਿਨ੍ਹਾਂ ਨੂੰ ਮੈਨੇਜਰ ਵਿਅਕਤੀਗਤ ਤੌਰ 'ਤੇ ਨਹੀਂ ਸੁਣ ਸਕਦਾ।
ਭਾਵਨਾ ਵਿਸ਼ਲੇਸ਼ਣ: ਨਬਜ਼ ਰੱਖਣਾ
ਭਾਵਨਾ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਦੋ ਪੱਧਰਾਂ 'ਤੇ ਕੰਮ ਕਰਦਾ ਹੈ। ਇਕਵਚਨ ਪੱਧਰ: ਗੱਲਬਾਤ ਦਾ ਆਮ ਟੋਨ ਦਿਖਾਉਂਦਾ ਹੈ ("ਗਾਹਕ ਗੁੱਸੇ ਵਿੱਚ ਆ ਗਿਆ, ਆਖਰਕਾਰ ਸ਼ਾਂਤ ਹੋ ਗਿਆ") ਅਤੇ ਮੋੜ ਪੁਆਇੰਟ। ਸਮੁੱਚੀ ਪੱਧਰ: ਹਜ਼ਾਰਾਂ ਵਾਰਤਾਲਾਪਾਂ ਵਿੱਚੋਂ "ਨਕਾਰਾਤਮਕ ਭਾਵਨਾਵਾਂ 18% ਵਧੀਆਂ, ਜਿਆਦਾਤਰ 'ਬਿੱਲ'" ਵਰਗੇ ਰੁਝਾਨਾਂ ਨੂੰ ਕੱਢਦਾ ਹੈ। ਇਹ ਜਾਣਕਾਰੀ ਸੁਨਹਿਰੀ ਹੈ: ਇਹ ਗੁੱਸੇ ਦੀ ਵਧਦੀ ਲਹਿਰ, ਉਤਪਾਦ ਦੇ ਮੁੱਦੇ, ਜਾਂ ਨਵੀਂ ਮੁਹਿੰਮ ਬਾਰੇ ਉਲਝਣ ਨੂੰ ਜਲਦੀ ਫੜਦੀ ਹੈ।
ਹਾਲਾਂਕਿ, ਭਾਵਨਾ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਸੰਪੂਰਨ ਨਹੀਂ ਹੈ. ਤੁਰਕੀ ਵਿੱਚ, ਵਿਅੰਗ, ਵਿਅੰਗਾਤਮਕ ਅਤੇ ਮੁਹਾਵਰੇ ਮਾਡਲ ਨੂੰ ਗੁੰਮਰਾਹ ਕਰ ਸਕਦੇ ਹਨ (ਵਾਕ "ਤੁਹਾਡਾ ਬਹੁਤ ਬਹੁਤ ਧੰਨਵਾਦ, ਮਹਾਨ ਸੇਵਾ!" ਸ਼ਾਇਦ ਗੁੱਸੇ ਵਿੱਚ ਕਿਹਾ ਗਿਆ ਹੋਵੇ)। ਨਾਲ ਹੀ, ਭਾਵਨਾ ਸਕੋਰ ਇੱਕ ਸੰਕੇਤ ਹੈ, ਨਿਸ਼ਚਿਤ ਸੱਚਾਈ ਨਹੀਂ। ਇਸ ਲਈ ਭਾਵਨਾਤਮਕ ਵਿਸ਼ਲੇਸ਼ਣ ਦੀ ਵਰਤੋਂ ਵਿਅਕਤੀਗਤ ਪ੍ਰਤੀਨਿਧੀ ਨੂੰ ਸਜ਼ਾ ਦੇਣ ਲਈ ਨਹੀਂ, ਪਰ ਰੁਝਾਨਾਂ ਨੂੰ ਵੇਖਣ ਅਤੇ ਗੱਲਬਾਤ ਨੂੰ ਉਜਾਗਰ ਕਰਨ ਲਈ ਕਰੋ ਜਿਨ੍ਹਾਂ ਨੂੰ ਧਿਆਨ ਦੇਣ ਦੀ ਲੋੜ ਹੈ।
ਸੰਕੇਤ: ਭਾਵਨਾ ਵਿਸ਼ਲੇਸ਼ਣ ਦੀ ਵਰਤੋਂ "ਸੁਚੇਤਨਾ" ਵਜੋਂ ਕਰੋ, ਨਾ ਕਿ "ਨਿਰਣੇ" ਵਜੋਂ। ਇੱਕ ਸਿੰਗਲ ਨਕਾਰਾਤਮਕ ਸਕੋਰ ਇੱਕ ਪ੍ਰਤੀਨਿਧੀ ਦੀ ਨਿੰਦਾ ਨਹੀਂ ਕਰਦਾ; ਪਰ ਇੱਕ ਵੱਧ ਰਹੀ ਨਕਾਰਾਤਮਕਤਾ ਦਾ ਰੁਝਾਨ ਇੱਕ ਅਜਿਹੇ ਖੇਤਰ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ ਜਿਸਦੀ ਜਾਂਚ ਕਰਨ ਦੀ ਲੋੜ ਹੈ। ਮਨੁੱਖ ਨਾਲ ਸਿਗਨਲ ਦੀ ਪੁਸ਼ਟੀ ਕਰੋ.
ਗੁਣਵੱਤਾ ਪ੍ਰਬੰਧਨ: 1% ਦੀ ਬਜਾਏ 100% ਮੁਲਾਂਕਣ
ਕਲਾਸਿਕ QA ਵਿੱਚ, ਇੱਕ ਗੁਣਵੱਤਾ ਮਾਹਰ ਇੱਕ ਮੁਲਾਂਕਣ ਫਾਰਮ ਦੇ ਨਾਲ ਕੁਝ ਬੇਤਰਤੀਬੇ ਤੌਰ 'ਤੇ ਚੁਣੀਆਂ ਗਈਆਂ ਕਾਲਾਂ ਨੂੰ ਸਕੋਰ ਕਰਦਾ ਹੈ (ਸਕੋਰਕਾਰਡ—ਆਈਟਮਾਂ ਜਿਵੇਂ ਕਿ "ਕੀ ਦਿੱਤੀ ਗਈ ਨਮਸਕਾਰ ਸੀ, ਪਛਾਣ ਦੀ ਪੁਸ਼ਟੀ ਕੀਤੀ ਗਈ ਸੀ, ਪੇਸ਼ ਕੀਤਾ ਗਿਆ ਹੱਲ ਸੀ, ਸਮਾਪਤੀ ਉਚਿਤ ਸੀ")। ਇਹ ਵਿਧੀ ਛੋਟੇ ਨਮੂਨੇ ਦੇ ਆਕਾਰ, ਵਿਅਕਤੀਗਤਤਾ ਅਤੇ ਦੇਰੀ ਦੇ ਮੁੱਦਿਆਂ ਤੋਂ ਪੀੜਤ ਹੈ। ਨਕਲੀ ਬੁੱਧੀ-ਸਮਰਥਿਤ QA ਵਿੱਚ, ਮਾਡਲ ਸਕੋਰਕਾਰਡ ਆਈਟਮਾਂ ਦੇ ਅਨੁਸਾਰ ਸਾਰੀਆਂ ਗੱਲਬਾਤਾਂ ਦਾ ਆਪਣੇ ਆਪ ਮੁਲਾਂਕਣ ਕਰਦਾ ਹੈ; ਕਿਹੜਾ ਲੇਖ ਗਾਇਬ ਹੈ, ਕਿਹੜੇ ਭਾਸ਼ਣ ਜੋਖਮ ਭਰੇ ਹਨ, ਕਿਹੜੇ ਨੁਮਾਇੰਦੇ ਨੂੰ ਕਿਸ ਮੁੱਦੇ 'ਤੇ ਸਮਰਥਨ ਦੇਣਾ ਚਾਹੀਦਾ ਹੈ - ਇਹ ਸਭ ਕੁਝ ਦਿਖਾਉਂਦਾ ਹੈ।
ਨਾਜ਼ੁਕ ਬਿੰਦੂ: AI ਦਾ QA ਸਕੋਰ ਇੱਕ ਸ਼ੁਰੂਆਤੀ ਸਕ੍ਰੀਨਿੰਗ ਅਤੇ ਸੰਕੇਤ ਹੈ, ਅੰਤਿਮ ਮੁਲਾਂਕਣ ਨਹੀਂ। AI ਕਹਿੰਦਾ ਹੈ "ਇਸ ਗੱਲਬਾਤ ਨੇ ਪ੍ਰਮਾਣਿਕਤਾ ਦੇ ਪੜਾਅ ਨੂੰ ਛੱਡ ਦਿੱਤਾ ਹੈ"; ਗੁਣਵੱਤਾ ਮਾਹਰ ਇਹਨਾਂ ਚਿੰਨ੍ਹਿਤ ਗੱਲਬਾਤ ਦੀ ਜਾਂਚ ਕਰਦਾ ਹੈ ਅਤੇ ਅੰਤਮ ਫੈਸਲਾ ਲੈਂਦਾ ਹੈ। ਇਸ ਲਈ, ਹਜ਼ਾਰਾਂ ਵਾਰਤਾਲਾਪਾਂ ਨੂੰ ਸੁਣਨ ਦੀ ਬਜਾਏ, ਮਾਹਰ ਜੋਖਮ ਭਰੀਆਂ/ਮਿਸਾਲਦਾਰ ਗੱਲਬਾਤਾਂ 'ਤੇ ਕੇਂਦ੍ਰਤ ਕਰਦਾ ਹੈ ਜੋ AI ਫਲੈਗ ਕਰਦਾ ਹੈ - ਦੋਵੇਂ ਵਧੀਆ ਅਤੇ ਵਧੇਰੇ ਵਿਆਪਕ।
ਹੇਠ ਦਿੱਤੀ ਸਾਰਣੀ ਦੋ ਤਰੀਕਿਆਂ ਦੀ ਤੁਲਨਾ ਕਰਦੀ ਹੈ:
ਆਕਾਰ
ਕਲਾਸਿਕ QA
AI ਦੁਆਰਾ ਸੰਚਾਲਿਤ QA
ਸਕੋਪ
1-2% ਗੱਲਬਾਤ
100% ਸਕੈਨ ਕੀਤਾ ਗਿਆ
ਮਿਆਦ
ਹੌਲੀ, ਹੱਥ ਸੁਣਨਾ
ਤੁਰੰਤ ਸਕੈਨ
ਇਕਸਾਰਤਾ
ਮਾਹਰ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ
ਮਾਪਦੰਡ 'ਤੇ ਲਗਾਤਾਰ ਲਾਗੂ ਕੀਤਾ ਜਾਂਦਾ ਹੈ
ਅਧੀਨਤਾ
ਉੱਚ
ਮਾਪਦੰਡ ਸਪੱਸ਼ਟ ਹੈ, ਸੰਕੇਤ + ਮਨੁੱਖੀ
ਅੰਤਿਮ ਫੈਸਲਾ
ਮਾਹਰ
ਮਾਹਰ (AI 'ਤੇ ਧਿਆਨ ਕੇਂਦ੍ਰਤ ਕਰਦਾ ਹੈ)
ਜੋਖਮ
ਸਮੱਸਿਆਵਾਂ ਤੋਂ ਬਚਣਾ
ਗਲਤ ਚਿੰਨ੍ਹ (ਤਸਦੀਕ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ)
ਕਦਮ ਦਰ ਕਦਮ: ਏਆਈ-ਸੰਚਾਲਿਤ ਗੁਣਵੱਤਾ ਪ੍ਰੋਗਰਾਮ
- ਸਕੋਰਕਾਰਡ ਨੂੰ ਸਪੱਸ਼ਟ ਕਰੋ: ਮੁਲਾਂਕਣ ਆਈਟਮਾਂ ਨੂੰ ਨਿਰਪੱਖ ਅਤੇ ਮਾਪਦੰਡ ਤੌਰ 'ਤੇ ਲਿਖੋ (ਅਸਪਸ਼ਟ ਨਹੀਂ ਜਿਵੇਂ ਕਿ "ਨਿਮਰਤਾ ਨਾਲ ਕੰਮ ਕੀਤਾ", ਪਰ ਸਪਸ਼ਟ ਹੈ ਜਿਵੇਂ "ਨਾਮ/ਉਚਿਤ ਪਤੇ ਦੁਆਰਾ ਗਾਹਕ ਦਾ ਸਵਾਗਤ")।
- AI ਨੂੰ ਮਾਪਦੰਡ ਦਿਓ: ਇਹਨਾਂ ਆਈਟਮਾਂ ਦੇ ਅਨੁਸਾਰ ਹਰੇਕ ਗੱਲਬਾਤ ਨੂੰ "ਕੀਤਾ/ਨਹੀਂ ਕੀਤਾ/ਅਸਪਸ਼ਟ" ਵਜੋਂ ਦਰਜਾ ਦਿਓ; ਤੁਸੀਂ ਸਬੂਤ ਵਾਕ ਦਿਖਾਇਆ।
- ਖ਼ਤਰਨਾਕ ਲੋਕਾਂ ਨੂੰ ਉਜਾਗਰ ਕਰੋ: ਮਾਹਿਰ ਕੋਲ ਘੱਟ ਸਕੋਰ, ਗੁੱਸੇ, ਜਾਂ ਪਾਲਣਾ-ਜੋਖਮ ਵਾਲੀ ਗੱਲਬਾਤ ਲਿਆਓ।
- ਮਾਹਰ ਪੁਸ਼ਟੀ ਕਰਦਾ ਹੈ: ਅੰਤਮ ਸਕੋਰ ਅਤੇ ਫੀਡਬੈਕ ਮਨੁੱਖ ਨਾਲ ਸਬੰਧਤ ਹੈ; ਉਹ ਸਥਾਨ ਜਿਨ੍ਹਾਂ ਨੂੰ AI "ਅਨਿਸ਼ਚਿਤ" ਕਹਿੰਦਾ ਹੈ ਨਿਸ਼ਚਤ ਤੌਰ 'ਤੇ ਮਨੁੱਖਾਂ ਲਈ ਉਪਲਬਧ ਹਨ।
- ਇਸਨੂੰ ਕੋਚਿੰਗ ਵਿੱਚ ਬਦਲੋ: ਏਜੰਟ ਵਿਕਾਸ ਲਈ ਖੋਜਾਂ ਦੀ ਵਰਤੋਂ ਕਰੋ - ਸੁਧਾਰ 'ਤੇ ਕੇਂਦ੍ਰਿਤ, ਸਜ਼ਾ 'ਤੇ ਨਹੀਂ।
ਚਾਰ ਕਾਪੀ ਕਰਨ ਯੋਗ ਟੈਂਪਲੇਟ
1) ਸਕੋਰਕਾਰਡ ਰੇਟਿੰਗ:
ਹੇਠ ਲਿਖੀਆਂ ਆਈਟਮਾਂ ਦੇ ਅਨੁਸਾਰ ਅਗਿਆਤ ਗੱਲਬਾਤ ਦਾ ਮੁਲਾਂਕਣ ਕਰੋ। ਹਰੇਕ ਆਈਟਮ ਲਈ: ਸਥਿਤੀ=[ਕੀਤੀ/ਨਹੀਂ ਕੀਤੀ/ਅਸਪਸ਼ਟ] ਅਤੇ ਇੱਕ ਸਬੂਤ ਵਾਕ (ਗੱਲਬਾਤ ਦਾ ਹਵਾਲਾ) ਦਿਓ। ਜੇ ਕੋਈ ਸਬੂਤ ਨਹੀਂ ਹੈ, ਤਾਂ "ਅਸਪਸ਼ਟ" ਕਹੋ; guessing.Items: 1) ਢੁਕਵੀਂ ਨਮਸਕਾਰ 2) ਪ੍ਰਮਾਣਿਕਤਾ 3) ਸਮੱਸਿਆ ਨੂੰ ਸਮਝਣਾ4) ਸਹੀ ਜਾਣਕਾਰੀ/ਹੱਲ 5) ਲਾਜ਼ਮੀ ਜਾਣਕਾਰੀ 6) ਸ਼ਿਸ਼ਟ ਸਮਾਪਤੀ। ਭਾਸ਼ਣ: <<deciphering>>
2) ਭਾਵਨਾ ਅਤੇ ਮੋੜ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ:
ਹੇਠਾਂ ਅਗਿਆਤ ਗੱਲਬਾਤ ਦੇ ਭਾਵਨਾਤਮਕ ਚਾਲ ਨੂੰ ਖਿੱਚੋ। - ਸ਼ੁਰੂਆਤੀ ਸੁਰ, ਸਮਾਪਤੀ ਟੋਨ (ਸ਼ਾਂਤ/ਗੁੱਸੇ/ਚਿੰਤਤ/ਸੰਤੁਸ਼ਟ), - ਉਹ ਪਲ ਜਦੋਂ ਭਾਵਨਾ ਬਦਲ ਗਈ ਅਤੇ ਕਿਉਂ (ਹਵਾਲੇ ਦੇ ਨਾਲ), - ਕੀ ਗੁੱਸੇ/ਸੰਕਟ ਦੇ ਕੋਈ ਸੰਕੇਤ ਸਨ, ਏਜੰਟ ਨੇ ਇਸ ਨੂੰ ਕਿਵੇਂ ਸੰਭਾਲਿਆ? ਨੋਟ ਕਰੋ ਸੰਭਵ ਵਿਅੰਗਾਤਮਕ; ਜੇਕਰ ਤੁਸੀਂ ਯਕੀਨੀ ਨਹੀਂ ਹੋ, ਤਾਂ "ਅਸਪਸ਼ਟ" ਕਹੋ। ਸਪੀਚ: << ਪ੍ਰਤੀਲਿਪੀ>>
3) ਕੁੱਲ ਰੁਝਾਨ ਰਿਪੋਰਟ:
ਹੇਠਾਂ ਇਸ ਹਫ਼ਤੇ ਦੇ ਅਗਿਆਤ ਗੱਲਬਾਤ ਟੈਗ ਅਤੇ ਭਾਵਨਾ ਸਕੋਰ ਹਨ। (1) ਸਭ ਤੋਂ ਵੱਧ ਵਧ ਰਿਹਾ ਨਕਾਰਾਤਮਕ-ਭਾਵਨਾ ਦਾ ਵਿਸ਼ਾ, (2) ਸੰਭਾਵਿਤ ਮੂਲ ਕਾਰਨ ਪਰਿਕਲਪਨਾ (ਸਾਬਤ), (3) 3 ਵਿਸ਼ਿਆਂ ਦੀ ਜਾਂਚ ਕਰਨ ਦੀ ਸਿਫਾਰਸ਼ ਕੀਤੀ ਗਈ ਹੈ। ਡੇਟਾ ਤੋਂ ਨੰਬਰ ਲਓ, ਉਹਨਾਂ ਨੂੰ ਨਾ ਬਣਾਓ; ਅਨੁਮਾਨਾਂ ਨੂੰ "ਪੁਸ਼ਟੀ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ" ਵਜੋਂ ਚਿੰਨ੍ਹਿਤ ਕਰੋ। ਡੇਟਾ: <<ਸਾਰੀ ਸਾਰਣੀ>>
4) ਕੋਚਿੰਗ ਸੰਖੇਪ (ਏਜੰਟ ਵਿਕਾਸ):
ਨਿਮਨਲਿਖਤ ਮੁਲਾਂਕਣ ਕੀਤੀਆਂ ਗੱਲਬਾਤਾਂ ਦੇ ਆਧਾਰ 'ਤੇ ਇੱਕ ਪ੍ਰਤੀਨਿਧੀ ਲਈ ਵਿਕਾਸ-ਕੇਂਦ੍ਰਿਤ, ਗੈਰ-ਦੰਡਕਾਰੀ ਕੋਚਿੰਗ ਨੋਟ ਤਿਆਰ ਕਰੋ। - ਤਾਕਤ (2), - ਸੁਧਾਰ ਲਈ ਖੇਤਰ (2, ਠੋਸ ਉਦਾਹਰਣਾਂ ਦੇ ਨਾਲ), - 1 ਸੂਚਿਤ ਮਾਈਕ੍ਰੋ-ਟੀਚਾ। ਨਿੱਜੀ ਨਿਰਣਾ/ਲੇਬਲਾਂ ਦੀ ਵਰਤੋਂ। ਡੇਟਾ: <<ਸਪੀਚ ਰੇਟਿੰਗ>>
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ / ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ:
ਰੇਟ ਕਰੋ ਕਿ ਇਹ ਪ੍ਰਤੀਨਿਧੀ ਚੰਗਾ ਹੈ ਜਾਂ ਮਾੜਾ।
ਵਿਸ਼ਾ-ਵਸਤੂ, ਮਾਪਦੰਡ ਤੋਂ ਬਿਨਾਂ, ਸਬੂਤ ਤੋਂ ਬਿਨਾਂ, ਦੰਡਕਾਰੀ; ਇਹ ਇੱਕ ਬੇਇਨਸਾਫ਼ੀ ਅਤੇ ਅਸੁਰੱਖਿਅਤ "ਨਿਰਣਾ" ਪੈਦਾ ਕਰਦਾ ਹੈ।
ਸ਼ਕਤੀਸ਼ਾਲੀ ਪ੍ਰਾਉਟ:
6-ਆਈਟਮ ਸਕੋਰਕਾਰਡ ਦੇ ਅਨੁਸਾਰ ਇਸ ਅਗਿਆਤ ਗੱਲਬਾਤ ਦਾ ਮੁਲਾਂਕਣ ਕਰੋ; ਹਰੇਕ ਆਈਟਮ ਲਈ, ਭਾਸ਼ਣ ਤੋਂ ਹਵਾਲਾ ਕੀਤਾ/ਨਹੀਂ ਕੀਤਾ/ਅਸਪਸ਼ਟ + ਸਬੂਤ। ਜੇ ਕੋਈ ਸਬੂਤ ਨਹੀਂ ਹੈ, ਤਾਂ "ਅਸਪਸ਼ਟ" ਕਹੋ. ਮੈਂ (ਗੁਣਵੱਤਾ ਮਾਹਰ) ਅੰਤਿਮ ਫੈਸਲਾ ਲਵਾਂਗਾ; ਤੁਸੀਂ ਸਿਰਫ਼ ਸਬੂਤ ਦੇ ਨਾਲ ਇੱਕ ਮੁਢਲਾ ਮੁਲਾਂਕਣ ਕਰੋ।
ਅੰਤਰ: ਮਾਪਦੰਡ ਸਪੱਸ਼ਟ ਹੈ, ਸਬੂਤ ਲਾਜ਼ਮੀ ਹੈ, ਅਨਿਸ਼ਚਿਤਤਾ ਇਮਾਨਦਾਰ ਹੈ, ਅੰਤਮ ਫੈਸਲਾ ਵਿਅਕਤੀ ਦੇ ਕੋਲ ਹੈ।
ਤਿੰਨ ਛੋਟੇ ਕੇਸ
ਕੇਸ 1 — 100% ਕਵਰੇਜ ਦੀ ਸ਼ਕਤੀ। ਇੱਕ ਬੈਂਕ ਵਿੱਚ, QA ਟੀਮ ਪ੍ਰਤੀ ਮਹੀਨਾ ~1,200 ਵਾਰਤਾਲਾਪ ਸੁਣ ਸਕਦੀ ਹੈ (ਕੁੱਲ ਦਾ 1.5%)। ਸਾਰੀਆਂ 80,000 ਗੱਲਬਾਤਾਂ ਨੂੰ AI ਨਾਲ ਸਕੈਨ ਕੀਤਾ ਗਿਆ ਸੀ; ਇਹ ਪਤਾ ਚਲਦਾ ਹੈ ਕਿ ਪ੍ਰਮਾਣਿਕਤਾ ਪੜਾਅ ਨੂੰ 6% ਸਮੇਂ ਛੱਡ ਦਿੱਤਾ ਗਿਆ ਸੀ - ਇੱਕ ਪਾਲਣਾ ਜੋਖਮ ਜੋ ਕਲਾਸਿਕ ਸੈਂਪਲਿੰਗ ਨਾਲ ਕਦੇ ਨਹੀਂ ਦੇਖਿਆ ਜਾਵੇਗਾ। ਨਿਸ਼ਾਨਾ ਕੋਚਿੰਗ ਦੇ ਨਾਲ, ਦਰ 2 ਮਹੀਨਿਆਂ ਵਿੱਚ 1% ਤੋਂ ਘੱਟ ਹੋ ਗਈ।
ਕੇਸ 2 - ਵਿਅੰਗਾਤਮਕ ਜਾਲ। ਇੱਕ ਈ-ਕਾਮਰਸ ਸੈਂਟਰ ਵਿੱਚ, ਭਾਵਨਾ ਮਾਡਲ ਨੇ ਵਿਅੰਗਾਤਮਕ ਵਾਕਾਂ ਜਿਵੇਂ ਕਿ "ਤੁਸੀਂ ਮਹਾਨ ਹੋ, ਮੈਂ 3 ਦਿਨਾਂ ਤੋਂ ਉਡੀਕ ਕਰ ਰਿਹਾ ਹਾਂ" ਨੂੰ "ਸਕਾਰਾਤਮਕ" ਸਮਝਿਆ; ਇਸ ਲਈ ਕੁਝ ਗੁੱਸੇ ਵਾਲੇ ਗਾਹਕ "ਸੰਤੁਸ਼ਟ" ਜਾਪਦੇ ਸਨ। ਜਦੋਂ ਮਾਡਲ ਨੂੰ ਇਕੱਲਾ ਫੈਸਲਾ ਕਰਨ ਵਾਲਾ ਨਹੀਂ ਬਣਾਇਆ ਗਿਆ ਸੀ ਅਤੇ ਮਨੁੱਖੀ ਅੱਖ ਨਾਲ ਨਮੂਨੇ ਲੈ ਕੇ ਸਕੋਰਾਂ ਦੀ ਪੁਸ਼ਟੀ ਕੀਤੀ ਗਈ ਸੀ, ਟੀਮ ਨੇ ਵਿਅੰਗਾਤਮਕ ਦੇ ਮਾਮਲਿਆਂ ਨੂੰ ਵੱਖਰੇ ਤੌਰ 'ਤੇ ਚਿੰਨ੍ਹਿਤ ਕੀਤਾ ਅਤੇ ਰਿਪੋਰਟਾਂ ਦੀ ਭਰੋਸੇਯੋਗਤਾ ਵਧ ਗਈ। ਸਬਕ: ਭਾਵਨਾ ਸਕੋਰ ਇੱਕ ਸੰਕੇਤ ਹੈ, ਇੱਕ ਪੂਰਨ ਸੱਚ ਨਹੀਂ।
ਕੇਸ 3 - ਸ਼ੁਰੂਆਤੀ ਚੇਤਾਵਨੀ। ਇੱਕ ਟੈਲੀਕਾਮ 'ਤੇ ਭਾਸ਼ਣ ਵਿਸ਼ਲੇਸ਼ਣ ਨੇ ਦਿਖਾਇਆ ਕਿ "ਬਿੱਲ" ਦੇ ਆਲੇ ਦੁਆਲੇ ਨਕਾਰਾਤਮਕ ਭਾਵਨਾ 3 ਦਿਨਾਂ ਵਿੱਚ 40% ਵਧ ਗਈ ਹੈ, ਮੰਗਲਵਾਰ ਤੋਂ ਸ਼ੁਰੂ ਹੋ ਕੇ. ਜਾਂਚ ਤੋਂ ਪਤਾ ਲੱਗਾ ਹੈ ਕਿ ਇਨਵੌਇਸ ਨਵੇਂ ਟੈਰਿਫ ਵਿੱਚ ਤਬਦੀਲੀ ਵਿੱਚ ਗਲਤ ਢੰਗ ਨਾਲ ਪ੍ਰਤੀਬਿੰਬਿਤ ਹੋਏ ਸਨ। ਹਜ਼ਾਰਾਂ ਸ਼ਿਕਾਇਤਾਂ ਇਕੱਠੀਆਂ ਹੋਣ ਤੋਂ ਪਹਿਲਾਂ ਸਮੱਸਿਆ ਨੂੰ ਇੱਕ ਸ਼ੁਰੂਆਤੀ ਭਾਵਨਾਤਮਕ ਸੰਕੇਤ ਦੁਆਰਾ ਫੜਿਆ ਅਤੇ ਹੱਲ ਕੀਤਾ ਗਿਆ ਸੀ। ਵਿਸ਼ਲੇਸ਼ਣ ਇੱਕ ਸ਼ੁਰੂਆਤੀ ਚੇਤਾਵਨੀ ਪ੍ਰਣਾਲੀ ਦੇ ਨਾਲ-ਨਾਲ ਇੱਕ ਗੁਣਵੱਤਾ ਸਾਧਨ ਬਣ ਗਿਆ ਹੈ।
ਆਮ ਗਲਤੀਆਂ
- ਭਾਵਨਾ ਸਕੋਰ ਨੂੰ ਪੂਰਨ ਸੱਚ ਮੰਨਣਾ। ਵਿਅੰਗਾਤਮਕ, ਮੁਹਾਵਰੇ ਅਤੇ ਸੰਦਰਭ ਮਾਡਲ ਨੂੰ ਗੁੰਮਰਾਹ ਕਰਦੇ ਹਨ; ਸਿਗਨਲ ਵਜੋਂ ਸਕੋਰ ਦੀ ਵਰਤੋਂ ਕਰੋ, ਮਨੁੱਖੀ ਨਾਲ ਪੁਸ਼ਟੀ ਕਰੋ।
- AI ਸਕੋਰ ਬਣਾਉਣਾ ਅੰਤਿਮ ਫੈਸਲਾ। QA ਵਿੱਚ, ਅੰਤਿਮ ਮੁਲਾਂਕਣ ਅਤੇ ਫੀਡਬੈਕ ਮਨੁੱਖ ਨਾਲ ਸਬੰਧਤ ਹੈ; AI ਤਰੱਕੀ।
- ਅਸਪਸ਼ਟ ਸਕੋਰਕਾਰਡ ਆਈਟਮਾਂ। "ਉਸ ਨੇ ਚੰਗਾ ਵਿਹਾਰ ਕੀਤਾ" ਨੂੰ ਮਾਪਿਆ ਨਹੀਂ ਜਾ ਸਕਦਾ; ਉਦੇਸ਼, ਪ੍ਰਮਾਣਿਤ ਆਈਟਮਾਂ ਲਿਖੋ।
- QA ਨੂੰ ਸਜ਼ਾ ਦੇ ਸਾਧਨ ਵਿੱਚ ਬਦਲਣਾ। ਉਦੇਸ਼ ਵਿਕਾਸ ਅਤੇ ਗਾਹਕ ਅਨੁਭਵ ਹੈ; ਸਜ਼ਾ ਦਾ ਸੱਭਿਆਚਾਰ ਏਜੰਟ ਨੂੰ ਚੁੱਪ ਕਰਾਉਂਦਾ ਹੈ ਅਤੇ ਡੇਟਾ ਨੂੰ ਖਰਾਬ ਕਰਦਾ ਹੈ।
- ਬਿਨਾਂ ਸਬੂਤ ਦੇ ਮੁਲਾਂਕਣ. ਹਰੇਕ ਖੋਜ ਨੂੰ ਭਾਸ਼ਣ ਦੇ ਹਵਾਲੇ ਦੁਆਰਾ ਸਮਰਥਨ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ; ਨਹੀਂ ਤਾਂ ਇਸਨੂੰ "ਅਸਪਸ਼ਟ" ਕਿਹਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ.
ਸਾਵਧਾਨ: AI ਨਾਲ ਸਾਰੀਆਂ ਗੱਲਬਾਤਾਂ ਨੂੰ ਮਾਪਣਾ ਸ਼ਕਤੀਸ਼ਾਲੀ ਪਰ ਸੰਵੇਦਨਸ਼ੀਲ ਹੈ। ਇਸ ਨੂੰ ਇੱਕ ਅਜਿਹੀ ਪ੍ਰਣਾਲੀ ਵਿੱਚ ਬਦਲਣਾ ਜੋ ਕਰਮਚਾਰੀਆਂ ਦੀ ਨਿਰੰਤਰ ਨਿਗਰਾਨੀ ਕਰਦਾ ਹੈ ਅਤੇ ਸਜ਼ਾ ਦਿੰਦਾ ਹੈ, ਦੋਵੇਂ ਅਨੈਤਿਕ ਹਨ ਅਤੇ ਟੀਮ ਦੇ ਵਿਸ਼ਵਾਸ ਨੂੰ ਨਸ਼ਟ ਕਰਦੇ ਹਨ। ਟੀਚਾ ਗਾਹਕ ਅਨੁਭਵ ਅਤੇ ਏਜੰਟ ਵਿਕਾਸ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣਾ ਹੈ; ਪਾਰਦਰਸ਼ਤਾ ਅਤੇ ਵਿਕਾਸ ਫੋਕਸ ਜ਼ਰੂਰੀ ਹਨ।
ਸੰਖੇਪ ਵਿੱਚ
ਭਾਵਨਾ ਵਿਸ਼ਲੇਸ਼ਣ ਅਤੇ AI-ਸੰਚਾਲਿਤ ਗੁਣਵੱਤਾ ਪ੍ਰਬੰਧਨ ਕਾਲ ਸੈਂਟਰ ਨੂੰ ਹਜ਼ਾਰਾਂ ਵਾਰਤਾਲਾਪਾਂ ਨੂੰ ਸੁਣਨ ਲਈ ਦਿੰਦਾ ਹੈ: 1% ਦੀ ਬਜਾਏ 100% ਨਮੂਨੇ ਨੂੰ ਸਕੈਨ ਕਰਨਾ, ਰੁਝਾਨਾਂ ਨੂੰ ਜਲਦੀ ਫੜਨਾ ਅਤੇ ਗੁਣਵੱਤਾ ਮੁਲਾਂਕਣ ਨੂੰ ਇਕਸਾਰ ਰੱਖਣਾ। ਪਰ ਭਾਵਨਾ ਸਕੋਰ ਇੱਕ ਸੰਕੇਤ ਹੈ, ਨਾ ਕਿ ਪੂਰਨ ਸੱਚ; QA ਵਿੱਚ, ਅੰਤਿਮ ਫੈਸਲਾ ਮਨੁੱਖ ਦਾ ਹੁੰਦਾ ਹੈ। ਸਕੋਰਕਾਰਡ ਨੂੰ ਨਿਰਪੱਖ ਤੌਰ 'ਤੇ ਲਿਖੋ, ਹਰ ਖੋਜ ਨੂੰ ਸਬੂਤ ਦੇ ਨਾਲ ਜੋੜੋ, ਅਨਿਸ਼ਚਿਤਤਾ ਨੂੰ ਮਨੁੱਖਾਂ ਲਈ ਛੱਡੋ, ਅਤੇ ਪੂਰੇ ਸਿਸਟਮ ਨੂੰ ਪਾਰਦਰਸ਼ਤਾ ਨਾਲ ਸਥਾਪਿਤ ਕਰੋ, ਵਿਕਾਸ ਅਤੇ ਅਨੁਭਵ ਸੁਧਾਰ ਦੇ ਉਦੇਸ਼ ਨਾਲ, ਸਜ਼ਾ ਦੇ ਨਹੀਂ।
ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ
6 ਆਈਟਮਾਂ ਦੇ ਨਾਲ ਇੱਕ ਉਦੇਸ਼ ਸਕੋਰਕਾਰਡ ਡਿਜ਼ਾਈਨ ਕਰੋ (ਹਰੇਕ ਆਈਟਮ ਮਾਪਣਯੋਗ ਅਤੇ ਸਾਬਤ ਹੋਣ ਯੋਗ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ)। ਇੱਕ ਫਰਜ਼ੀ/ਅਗਿਆਤ ਪ੍ਰਤੀਲਿਪੀ ਲਓ ਅਤੇ "1) ਸਕੋਰਕਾਰਡ ਮੁਲਾਂਕਣ" ਅਤੇ "2) ਭਾਵਨਾ ਵਿਸ਼ਲੇਸ਼ਣ" ਟੈਂਪਲੇਟਸ ਨੂੰ ਲਾਗੂ ਕਰੋ। ਉਹਨਾਂ ਖੇਤਰਾਂ ਨੂੰ ਉਜਾਗਰ ਕਰੋ ਜਿੱਥੇ ਮਾਡਲ "ਅਸਪਸ਼ਟ" ਕਹਿੰਦਾ ਹੈ ਜਾਂ ਜਿੱਥੇ ਵਿਅੰਗਾਤਮਕ ਹੋ ਸਕਦਾ ਹੈ ਅਤੇ ਲਿਖੋ ਕਿ ਇੱਕ ਮਨੁੱਖੀ ਮਾਹਰ ਨੂੰ ਉਹਨਾਂ ਦੀ ਪੁਸ਼ਟੀ ਕਿਵੇਂ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ। ਅੰਤ ਵਿੱਚ, “4) ਕੋਚਿੰਗ ਸੰਖੇਪ ਦੇ ਨਾਲ ਇੱਕ ਵਿਕਾਸ-ਕੇਂਦ੍ਰਿਤ ਮੀਮੋ ਤਿਆਰ ਕਰੋ।
ਚੈੱਕਲਿਸਟ
- [ ] ਮੇਰੇ ਸਕੋਰਕਾਰਡ ਆਈਟਮਾਂ ਬਾਹਰਮੁਖੀ, ਮਾਪਣਯੋਗ ਅਤੇ ਪ੍ਰਮਾਣਿਤ ਹਨ।
- AI ਮੁਲਾਂਕਣ ਮੁੱਢਲੀ ਸਕ੍ਰੀਨਿੰਗ; ਅੰਤਮ QA ਫੈਸਲਾ ਅਤੇ ਫੀਡਬੈਕ ਮਨੁੱਖ ਦੇ ਕੋਲ ਹੈ।
- [ ] ਮੈਂ ਭਾਵਨਾ ਸਕੋਰਾਂ ਨੂੰ ਸੰਕੇਤਾਂ ਵਜੋਂ ਵਰਤਦਾ ਹਾਂ, ਪੂਰਨ ਸੱਚਾਈ ਵਜੋਂ ਨਹੀਂ।
- [ ] ਹਰੇਕ ਖੋਜ ਨੂੰ ਗੱਲਬਾਤ ਤੋਂ ਸਬੂਤ ਦੇ ਹਵਾਲੇ ਨਾਲ ਸਮਰਥਨ ਮਿਲਦਾ ਹੈ; ਨਹੀਂ ਤਾਂ "ਅਸਪਸ਼ਟ"।
- [ ] ਮੈਂ ਸਿਸਟਮ ਨੂੰ ਵਿਕਾਸ ਅਤੇ ਅਨੁਭਵ ਸੁਧਾਰ ਦੇ ਉਦੇਸ਼ ਲਈ ਸਥਾਪਿਤ ਕੀਤਾ ਹੈ, ਸਜ਼ਾ ਦੇਣ ਲਈ ਨਹੀਂ।
- [ ] ਵਿਸ਼ਲੇਸ਼ਣ ਦੇ ਉਦੇਸ਼ ਅਤੇ ਦਾਇਰੇ ਨੂੰ ਕਰਮਚਾਰੀਆਂ ਨੂੰ ਪਾਰਦਰਸ਼ੀ ਢੰਗ ਨਾਲ ਸਮਝਾਇਆ ਗਿਆ ਸੀ।