Mga nadagdag:
- Kakayahang magbasa ng mga indibidwal at pinagsama-samang mga uso na may pagsusuri sa damdamin at pagsusuri sa pagsasalita at gumamit ng mga marka bilang mga senyales sa halip na mga ganap na katotohanan
- Kakayahang mag-scan ng 100% ng mga pag-uusap gamit ang isang layunin na scorecard at gumawa ng isang paunang pagsusuri na nakabatay sa ebidensya, habang ipinauubaya sa tao ang panghuling desisyon
- Kakayahang magtatag ng sistema ng kalidad na may transparency at malayo sa kultura ng penal para sa layunin ng pag-unlad at pagpapabuti ng karanasan
Mayroong libu-libong mga pag-uusap araw-araw sa isang call center, ngunit sa klasikal na pamamaraan, ang pangkat ng kalidad ay maaari lamang makinig at suriin ang isang maliit na bahagi ng mga ito (1-2% sa karamihan ng mga lugar). Nangangahulugan iyon na 98% ng mga pag-uusap ay nawala nang hindi sinusuri; Kahit na ang isang customer ay minamaltrato o ang isang kinatawan ay paulit-ulit na nagbibigay ng maling impormasyon, walang sinuman ang maaaring makapansin. Ang artificial intelligence ay radikal na nagbabago sa larawang ito: maaari nitong basahin at suriin ang bawat pag-uusap. Sa yunit na ito, tatalakayin namin ang dalawang nauugnay na paksa: pagsusuri ng damdamin (pagsusukat sa emosyonal na tono ng customer at ng kinatawan) at pamamahala sa kalidad (QA - Quality Assurance; pagtatasa sa pagsunod ng mga pag-uusap sa mga pamantayan).
Unang dalawang termino. Ang pagsusuri ng damdamin ay ang positibo, negatibo o neutral na emosyonal na tono ng isang teksto o pananalita; Ito ay upang awtomatikong makita ang mga sitwasyon tulad ng galit, kasiyahan at pagkabalisa. Ang speech analytics (interaction analytics) ay upang pag-aralan ang lahat ng mga pag-uusap nang sama-sama at kunin ang mga uso, madalas na paksa, panganib at pagkakataon. Sama-sama, binibigyan nila ang call center ng "hearing ears": pagbuo ng kahulugan mula sa libu-libong pag-uusap na hindi maaaring pakinggan ng manager nang paisa-isa.
Pagsusuri ng damdamin: pinapanatili ang pulso
Gumagana ang pagsusuri ng damdamin sa dalawang antas. Isahan na antas: nagpapakita ng pangkalahatang tono ng isang pag-uusap ("nagsimulang magalit ang customer, kalaunan ay huminahon") at mga pagbabago. Pinagsama-samang antas: kinukuha ang mga trend tulad ng "negatibong sentimento na tumaas ng 18% ngayong linggo, karamihan ay tungkol sa 'bill'" mula sa libu-libong mga pag-uusap. Ang impormasyong ito ay ginintuang: nakakakuha ito ng pagtaas ng galit, isang isyu sa produkto, o pagkalito tungkol sa isang bagong kampanya nang maaga.
Gayunpaman, ang pagsusuri ng damdamin ay hindi perpekto. Sa Turkish, ang panunuya, irony at idyoma ay maaaring iligaw ang modelo (ang pangungusap na "Maraming salamat, mahusay na serbisyo!" ay maaaring sinabi sa galit). Gayundin, ang marka ng damdamin ay isang senyales, hindi ang tiyak na katotohanan. Kaya gamitin ang pagsusuri ng damdamin hindi para parusahan ang indibidwal na kinatawan, ngunit para makita ang mga uso at i-highlight ang mga pag-uusap na nangangailangan ng pansin.
Tip: Gamitin ang pagsusuri ng damdamin bilang "alerto," hindi "paghuhusga." Ang isang negatibong marka ay hindi kinokondena ang isang kinatawan; ngunit ang tumataas na negatibiti trend ay nagpapahiwatig ng isang lugar na kailangang suriin. I-verify ang signal sa tao.
Pamamahala ng kalidad: 100% na pagsusuri sa halip na 1%
Sa classic na QA, ang isang dalubhasa sa kalidad ay nag-iskor ng ilang random na piniling mga tawag gamit ang isang form ng pagsusuri (scorecard—mga item gaya ng "ibinigay ba ang pagbati, na-verify ang pagkakakilanlan, ang inaalok na solusyon, ang naaangkop sa pagsasara"). Ang pamamaraang ito ay dumaranas ng maliit na laki ng sample, pagiging subject, at mga isyu sa pagkaantala. Sa QA na suportado ng artificial intelligence, awtomatikong sinusuri ng modelo ang lahat ng pag-uusap ayon sa mga item ng scorecard; Aling artikulo ang nawawala, aling mga talumpati ang mapanganib, aling kinatawan ang dapat suportahan sa aling isyu - ipinapakita nito ang lahat.
Kritikal na punto: Ang marka ng QA ng AI ay isang paunang screening at indikasyon, hindi isang panghuling pagsusuri. Sinasabi ng AI "ang pag-uusap na ito ay tila nilaktawan ang hakbang sa pagpapatunay"; Sinusuri ng eksperto sa kalidad ang mga markadong pag-uusap na ito at gagawa ng pangwakas na desisyon. Kaya, sa halip na makinig sa libu-libong mga pag-uusap, ang eksperto ay tumutuon sa mga mapanganib/huwarang pag-uusap na bina-flag ng AI — parehong mas patas at mas komprehensibo.
Inihahambing ng sumusunod na talahanayan ang dalawang diskarte:
Sukat
Klasikong QA
QA na pinapagana ng AI
Saklaw
1-2% ng mga pag-uusap
100% na-scan
Tagal
Mabagal, nakikinig ng kamay
Instant scan
Consistency
Nag-iiba depende sa eksperto
Patuloy na inilapat sa pamantayan
pagiging subjectivity
mataas
Ang criterion ay malinaw, signal + tao
pangwakas na desisyon
dalubhasa
Eksperto (nakatuon sa AI)
Panganib
Pagtakas sa mga problema
False sign (dapat ma-verify)
Hakbang-hakbang: Dekalidad na programang pinapagana ng AI
- Linawin ang scorecard: Sumulat ng mga item sa pagsusuri nang may layunin at nasusukat (hindi malabo tulad ng "kumilos nang magalang", ngunit malinaw tulad ng "binati ang customer sa pamamagitan ng pangalan/naaangkop na address").
- Bigyan ang AI ng pamantayan: I-rate ang bawat pag-uusap bilang "tapos na/hindi tapos/hindi malinaw" ayon sa mga item na ito; Ipinakita mo ang proof sentence.
- I-highlight ang mga mapanganib: Magdala ng mga pag-uusap na mababa ang marka, galit, o may panganib sa pagsunod sa eksperto.
- Kinukumpirma ng eksperto: Ang huling marka at feedback ay pag-aari ng tao; Ang mga lugar na tinatawag ng AI na "hindi sigurado" ay tiyak na magagamit ng mga tao.
- Gawing coaching: Gamitin ang mga natuklasan para sa pagpapaunlad ng ahente — nakatutok sa pagpapabuti, hindi sa parusa.
Apat na maaaring kopyahin na mga template
1) Rating ng Scorecard:
Suriin ang sumusunod na hindi kilalang pag-uusap ayon sa mga sumusunod na item. Para sa bawat item: magbigay ng status=[done/not done/unclear] at isang EVIDENCE sentence (quote mula sa usapan). Kung walang ebidensya, sabihing "unclear"; paghula.Mga aytem: 1) Angkop na pagbati 2) Pagpapatunay 3) Pag-unawa sa problema4) Tamang impormasyon/solusyon 5) Sapilitan na impormasyon 6) Magalang na pagsasara. Talumpati: <<deciphering>>
2) Pagsusuri ng damdamin at pagbabago:
Iguhit ang emosyonal na pinagdaanan ng hindi nakikilalang pag-uusap sa ibaba.- Panimulang tono, pangwakas na tono (kalmado/galit/balisa/kuntento),- Sandaling NAGBAGO ang emosyon at bakit (kasama ang sipi),- May mga senyales ba ng galit/krisis, paano ito hinarap ng ahente? Pansinin ang posibleng irony/sarkasmo; Kung hindi ka sigurado, sabihin ang "hindi malinaw". Pagsasalita: <<transkripsyon>>
3) Pinagsama-samang ulat ng trend:
Nasa ibaba ang mga anonymous na tag ng pag-uusap at mga marka ng damdamin ngayong linggo. (1) Ang pinaka-tumataas na negatibong-emosyon na paksa, (2) posibleng ugat na sanhi ng hypothesis (patunayan), (3) 3 paksang inirerekomendang suriin. Kunin ang mga numero mula sa data, huwag gawin ang mga ito; markahan ang mga hypotheses bilang "dapat kumpirmahin".Data: <<summary table>>
4) Buod ng pagtuturo (pagbuo ng ahente):
Gumawa ng tala ng pagtuturo na nakatuon sa pag-unlad, walang parusa para sa ISANG kinatawan batay sa mga sumusunod na nasuri na pag-uusap. - Mga Lakas (2), - Lugar para sa pagpapabuti (2, na may mga konkretong halimbawa), - 1 iminungkahing micro-goal. Personal na paghuhusga/paggamit ng mga label.Data: <<speech ratings>>
Mahinang prompt / Malakas na prompt
Mahinang prompt:
I-rate kung mabuti o masama ang kinatawan na ito.
Subjective, walang pamantayan, walang ebidensya, nagpaparusa; Nagbubunga ito ng hindi makatarungan at hindi mapagtatanggol na "paghuhukom".
Napakahusay na prompt:
Suriin ang hindi kilalang pag-uusap na ito ayon sa 6-item scorecard; Para sa bawat item, quote tapos na/hindi tapos/hindi malinaw + EBIDENSIYA mula sa talumpati. Kung walang ebidensya, sabihing "unclear". Ako (ang eksperto sa kalidad) ang gagawa ng pangwakas na desisyon; gumawa ka na lang ng preliminary evaluation with evidence.
Ang pagkakaiba: ang criterion ay malinaw, ang ebidensya ay sapilitan, ang kawalan ng katiyakan ay tapat, ang pangwakas na desisyon ay nasa tao.
tatlong mini case
Case 1 — Ang kapangyarihan ng 100% coverage. Sa isang bangko, maaaring makinig ang QA team sa ~1,200 pag-uusap bawat buwan (1.5% ng kabuuan). Lahat ng 80,000 pag-uusap ay na-scan gamit ang AI; Lumalabas na ang hakbang sa pagpapatotoo ay nilaktawan nang 6% ng oras — isang panganib sa pagsunod na hindi kailanman makikita sa classic na sampling. Sa naka-target na coaching, bumaba ang rate sa mas mababa sa 1% sa loob ng 2 buwan.
Kaso 2 — Irony bitag. Sa isang e-commerce center, itinuturing ng modelo ng emosyon ang mga ironic na pangungusap gaya ng "magaling ka, 3 araw na akong naghihintay" bilang "positibo"; kaya parang "satisfied" ang ilang galit na customer. Kapag ang modelo ay hindi ginawang nag-iisang gumagawa ng desisyon at ang mga marka ay na-verify sa pamamagitan ng sampling gamit ang mata ng tao, minarkahan ng team ang mga kaso ng irony nang hiwalay at ang pagiging maaasahan ng mga ulat ay tumaas. Aral: ang marka ng damdamin ay isang senyales, hindi isang ganap na katotohanan.
Kaso 3 — Maagang babala. Ang speech analytics sa isang telecom ay nagpakita na ang negatibong sentimyento tungkol sa "bill" ay tumaas ng 40% sa loob ng 3 araw, simula noong Martes. Ang pagsisiyasat ay nagsiwalat na ang mga invoice ay hindi wastong naipakita sa paglipat sa isang bagong taripa. Ang problema ay nahuli at naayos sa pamamagitan ng isang maagang senyales ng emosyon bago naipon ang libu-libong reklamo. Ang Analytics ay naging isang sistema ng maagang babala pati na rin ang isang kalidad na tool.
Mga karaniwang pagkakamali
- Isinasaalang-alang ang marka ng emosyon bilang ganap na katotohanan. Ang kabalintunaan, idyoma, at konteksto ay nanlilinlang sa modelo; Gamitin ang marka bilang signal, i-verify sa tao.
- Gawing panghuling desisyon ang marka ng AI. Sa QA, ang panghuling pagsusuri at puna ay pagmamay-ari ng tao; Umaasenso ang AI.
- Malabong scorecard item. "He behaved well" ay hindi masusukat; Sumulat ng layunin, nabe-verify na mga item.
- Ginagawang kasangkapan ang QA para sa parusa. Ang layunin ay pag-unlad at karanasan ng customer; Pinapatahimik ng kultura ng parusa ang ahente at sinisira ang data.
- Pagsusuri nang walang ebidensya. Ang bawat paghahanap ay dapat na suportado ng isang quote mula sa talumpati; Kung hindi, dapat itong tawaging "hindi malinaw".
Babala: Ang pagsukat sa lahat ng pag-uusap gamit ang AI ay malakas ngunit sensitibo. Ang paggawa nito sa isang sistema na patuloy na sumusubaybay at nagpaparusa sa mga empleyado ay parehong hindi etikal at sinisira ang tiwala ng koponan. Ang layunin ay upang mapabuti ang karanasan ng customer at pag-unlad ng ahente; Mahalaga ang transparency at development focus.
Sa buod
Ang pagsusuri ng sentimento at pamamahala ng kalidad na pinapagana ng AI ay nagbibigay sa call center ng mga tainga na makarinig ng libu-libong pag-uusap: pag-scan ng 100% ng sample sa halip na 1%, maagang nakakakuha ng mga uso at pinapanatili ang pare-pareho ang pagtatasa ng kalidad. Ngunit ang marka ng damdamin ay isang senyales, hindi ang ganap na katotohanan; Sa QA, ang huling desisyon ay pag-aari ng tao. Isulat ang scorecard nang may layunin, ipatungkol ang bawat natuklasan sa katibayan, iwanan ang kawalan ng katiyakan sa mga tao, at itatag ang buong sistema nang may transparency, na may layuning umunlad at makaranas ng pagpapabuti, hindi parusa.
Gawain ng aplikasyon
Magdisenyo ng layunin na scorecard na may 6 na aytem (bawat item ay dapat na masusukat at mapapatunayan). Kumuha ng fictitious/anonymous na transcript at ilapat ang mga template na "1) Scorecard evaluation" at "2) Sentiment analysis. I-highlight ang mga lugar kung saan ang modelo ay nagsasabing "ambiguous" o kung saan maaaring may kabalintunaan at isulat kung paano dapat i-verify ng isang dalubhasa ng tao ang mga ito. Panghuli, gumawa ng memo na nakatuon sa pag-unlad na may "4) Buod ng Pagtuturo."
checklist
- [ ] Ang aking mga item sa scorecard ay layunin, masusukat at mabe-verify.
- [ ] AI evaluation paunang screening; Nasa tao ang huling desisyon at feedback ng QA.
- [ ] Ginagamit ko ang mga marka ng damdamin bilang mga senyales, hindi bilang ganap na katotohanan.
- [ ] Ang bawat paghahanap ay sinusuportahan ng isang sipi ng ebidensya mula sa pag-uusap; kung hindi ay "hindi malinaw".
- [ ] Itinayo ko ang sistema para sa layunin ng pag-unlad at pagpapabuti ng karanasan, hindi para sa parusa.
- [ ] Ang layunin at saklaw ng pagsusuri ay malinaw na ipinaliwanag sa mga empleyado.