Улучшение качества обслуживания в системе центра обработки вызовов

Тенденция развития современного бизнеса настолько стремительна, что сегодня уже контакт или колл центрами никого не удивишь. Они повседневно вошли в обиход любой организации. Именно качества обслуживания в центрах обработки вызова являются важной составляющей для удовлетворения потребностей пользователей.

Сегодня мы поговорим об автоматизированных системах голосового самообслуживании и технологии адаптации к конкретному пользователю, на примере контакт центра в одном из коммерческих банков. Голосовое самообслуживание означает, что в системе применяется технология распознавания и синтеза речи, что, как известно, позволяет экономить на обслуживающем персонале, сокращает время ожидания, повышается уровень удовлетворенности пользователей и пр. Адаптация к конкретному пользователю это достаточно новый тренд в развитии голосового самообслуживания. Это как правило, аналитика каждого запроса пользователя, его ответов, гибкая настройка на любом уровне ведения диалога, при необходимости маршрутизация звонка и пр.

В автоматизированных системах обработки вызовов контакт-центров существуют ряд типичных проблем:

• ошибки при распознавании речи и как следствие неправильная интерпретация запроса пользователя;
• сложноформулируемые фразы при диалоге, не понимание смысла высказывания;
• неспособность системы управлять сложными запросами и эффективно функционировать в непредвиденных ситуациях.

Применение технологий адаптации к клиенту позволяет минимизировать проблемы вышеперечисленных групп и улучшить работу контакт-центра в целом, при использовании систем голосового самообслуживания. Далее рассмотрим более подробно систему и её составные части.

Структура и компоненты системы

В структуру системы входят следующие компоненты: сервер (RM), который является главным компонентом системы, модуль автоматического распознавания речи, модуль автоматического синтеза речи (RGA), маршрутизатор (RA) и модуль обработки данных пользователя.

Сервер обеспечивает взаимодействие всех компонентов системы. Он принимает входящий вызов и направляет запрос пользователя в соответствующий компонент системы. Сначала запрос поступает в модуль автоматического распознавания речи, а затем сервер выбирает нужный компонент в зависимости от сложности запроса. Так, если речь пользователя распознана и запрос понятен, сервер связывается с модулем автоматического синтеза речи, который отвечает на запрос пользователя. Если речь пользователя не распознана и запрос непонятен, сервер связывается с маршрутизатором, который соединяет пользователя с оператором.

Модуль автоматического распознавания речи распознает речевой запрос пользователя.

Модуль автоматического синтеза речи преобразует информацию из архива содержания ответа и архива данных пользователя в речь и отвечает синтезированным голосом на запрос пользователя.

Маршрутизатор переводит вызов на оператора в случае неспособности системы самостоятельно ответить на запрос.

Модуль обработки данных пользователя пополняет модели пользователей новой информацией из архива данных пользователя.

Архив содержания ответа и архив данных пользователя. Архив содержания ответа пополняется информацией из оперативной базы данных банка. В нашем случае в архив содержания ответа включена стандартная информация о клиенте а так же данные операций со счетами пользователей. Архив данных пользователя содержит информацию о пользователе (дата и место рождения, знание правил пользования системой, уровень удовлетворенности результатами работы системы и пр.) и входящих звонках (предыдущие запросы пользователя, количество соединений с оператором, количество раз, когда пользователь повесил трубку в ожидании соединения с оператором). Этот архив пополняется данными из информационного хранилища банка и при каждом звонке пользователя в контакт-центр банка.

Модели пользователя, оператора и предметной области

Для того чтобы персонализировать общение с пользователем модуль автоматического синтеза речи и маршрутизатор используют данные модели пользователя и оператора, и модели предметной области.

Модель пользователя представляет собой базу данных, в которой хранится информация о пользователе (возраст, дата рождения, пол, место рождения, знание правил пользования системой, знания в банковской сфере и др.). Данные, хранящиеся в модели, можно разделить на фактические и изменяемые. Фактические данные (дата и место рождения, пол) извлекаются из информационного хранилища банка. Изменяемые данные обновляются в ходе каждого взаимодействия пользователя с системой, например:

• знание правил пользования системой оценивается по количеству звонков пользователя в контакт-центр. Чем чаще пользователь звонил в контакт-центр, тем больше вероятность того, что он умеет общаться с системой;
• знания пользователя в банковской сфере оцениваются по наличию специфической лексики в запросе, по месту работы пользователя, уровню образования, если такие данные имеются в архиве данных пользователя. Так, если пользователь имеет экономическое образование, то, вероятнее всего, он владеет банковской терминологией;
• уровень удовлетворенности пользователя результатами работы системы оценивается исходя из количества запросов пользователя, на которые система не смогла дать ответ. Чем выше точность распознавания речи пользователя и, следовательно, его запроса, тем выше уровень удовлетворенности пользователя.

Данные модели оператора обновляются время от времени администратором контакт-центра. В ней хранится информация о возрасте, поле, месте рождения оператора, его опыте, знании своего дела, коммуникабельности, скорости ответа на запрос. Данные моделей операторов учитываются при маршрутизации звонка, т.е. система выбирает наиболее подходящего каждому конкретному пользователю оператора.

Модель предметной области содержит варианты запросов пользователя и ответов системы. Как уже было сказано, данная система установлена в контакт-центре одного из банков, поэтому модель содержит информацию, касающуюся лишь банковской сферы, а именно операций со счетами пользователей.

Автоматический ответ

Всякий раз, когда поступает звонок, сервер сравнивает номер телефона вызывающего абонента с номерами телефонов в архиве данных пользователя. Если номер не совпадает ни с одним номером из архива, вызывающий абонент классифицируется как новый пользователь. Если пользователь звонит не в первый раз и его номер телефона уже внесен в архив данных, система запрашивает пароль с целью его идентификации. После того, как система «узнала» пользователя, она выбирает соответствующую ему модель пользователя с целью персонализации дальнейшего общения.

Выбрав нужную модель пользователя, модуль автоматического синтеза речи использует данные этой модели для адаптации системы к конкретному пользователю. Так, учитывая возраст пользователя, выбирает стиль (формальный или неформальный) приветствия. Модуль автоматического синтеза речи также учитывает количество предыдущих звонков пользователя в контакт-центр для того, чтобы определить, знает ли пользователь, как общаться с системой. Так, когда пользователь звонит впервые, модуль автоматического синтеза речи знакомит его с правилами навигации по системе.

Далее пользователю предлагается сделать запрос. В случае, когда вызывающий абонент не является новым пользователем, с целью экономии времени система пытается предугадать запрос пользователя. Для этого модуль автоматического синтеза речи анализирует его предыдущие запросы и спрашивает, не хочет ли он сделать такой же запрос. В ходе диалога модуль автоматического синтеза речи выбирает и озвучивает из архива содержания ответа то предложение, содержание которого является наиболее точным ответом на запрос пользователя.

Модуль автоматического синтеза речи состоит из следующих частей:

• модуля, выбирающего из архива содержания ранее записанный вариант ответа на запрос пользователя;
• модуля, извлекающего ответ на вопрос пользователя из архива содержания ответа;
• модуля, использующего технологию синтеза речи (TTS) для генерации динамически изменяющей информации (имя пользователя, характеристики пользователя и др.) и добавляющего их в заранее записанные части предложения.

Всякий раз, когда пользователь делает запрос, его речь обрабатывается модулем автоматического распознавания речи, а результат распознавания оценивается сервером для того чтобы настроить работу системы в трех возможных ситуациях:

• запрос понятен и классифицируется как простой. В данном случае модуль автоматического синтеза речи извлекает и озвучивает нужную информацию из архива содержания ответа;
• запрос классифицируется как сложный. В данном случае сервер направляет вызов в маршрутизатор, который соединяет пользователя с оператором;
• модуль автоматического распознавания речи не распознает запрос. Модуль автоматического синтеза речи пытается интерпретировать запрос, переспрашивает, уточняет, что именно имелось в виду. Если пользователь повторил свой запрос дважды, а интерпретировать его так и не удалось, маршрутизатор переводит вызов на оператора.

Запрос пользователя обрабатывается модулем автоматического распознавания речи с помощью дикторонезависимого метода выделения ключевых слов из спонтанной речи. Пользователь делает свой запрос в произвольной форме, а система распознает только ключевые слова, включенные в грамматику распознавания.

Критерии адаптации

Главной целью применения технологий адаптации системы к конкретному пользователю является воспроизведение общения пользователя с человеком-оператором. То есть у клиента, позвонившего в контакт-центр, должно сложиться впечатление, что он общается с человеком. Так, модуль автоматического синтеза речи старается повлиять на последующий ответ пользователя и, следовательно, повысить точность его распознавания:

• формулируя вопросы таким образом, чтобы заставить пользователя дать ответ, точность распознавания которого будет очень высокой;
• используя слова, которые пользователь сможет понять, опираясь на свои знания в банковской сфере.

Для повышения уровня удовлетворенности пользователя усовершенствован речевой интерфейс системы, в частности уделено особое внимание таким показателям, как:

• разборчивость речевого ответа системы. Для улучшения качества речевого ответа системы записано звучание всех неизменяемых частей предложения, подобраны слова, произношение которых ясное и недвусмысленное. Для порождения изменяющихся частей предложения используется технология синтеза речи (TTS), при этом голос диктора остаётся неизменным;
• понятность содержания команд. Система может варьировать количество пояснений и наличие специфической лексики в ответе, учитывая знания пользователя в банковской сфере;
• голосовая навигация. Для того чтобы упростить навигацию, учитывается знание пользователем системы. Если пользователь уже знаком с системой, он может сразу делать запрос, а если нет, то вначале модуль автоматического синтеза речи «учит» его общаться с системой;
• стиль общения системы с пользователем. Система варьирует стиль общения (формальный, неформальный), старается избегать повторения вопросов, анализирует предыдущие звонки пользователя и пытается угадать его текущую потребность.

Заключение

Данная статья рассказывает о технологиях адаптации к клиенту, применяемых в контакт-центре одно из банков. Такая система анализирует каждый запрос пользователя, стараясь дать наиболее подходящий ответ, предоставляет пользователю получить квалифицированную поддержку оператора в случаях, когда система не справляется со своей задачей. Данный прототип системы имеет открытую архитектуру и повторно используемые модули, что позволяет переносить приложение в другие области деятельности.

Преимущества использования данной системы заключаются в снижении непонимания запросов пользователя и ответов системы, сокращении длительности звонков, повышение качества и скорости обслуживания, а, следовательно, и уровня удовлетворенности пользователя в целом.

Еще одним преимуществом является снижение уровня неудовлетворенности оператора в силу того, что типовые обращения обрабатываются автоматически, а оператор, благодаря маршрутизации звонка, отвечает лишь на сложные нестандартные запросы.

Источник: Federica Cena, Ilaria Torre «Adapting the interaction in a call centre system», Department of Computer Sciences, University of Torino

Компания ООО «Речевые Технологии» занимается разработкой наукоемкого программного обеспечения в части для автоматизации запросов в центре обработке вызовов. Наши системы синтеза и распознавания речи позволят любому Сall-центру улучшить качество обслуживания своих клиентов, а также сократить расходы на содержание персонала.

Использование системы поиска ключевых слов значительно ускорит процесс отслеживания информации в Call-центрах, службах безопасности, телекоммуникационных компаниях, радиокомпаниях и др. организациях.

Технологии адаптации к пользователям, и автоматическая оценка удовлетворённости клиентов позволят вывести ваш колл центр на новый более современный уровень обслуживания.