智能质检系统在热线服务质检中的应用探讨

客户世界 | 2021年9月6日 | 2021年, 客世原创 | 评论已关闭 | 1903

摘要：客服语音质检是热线服务运营过程中非常重要的一个品质管控环节。传统的质检主要依托人工抽检的方式开展，此种模式效率低且覆盖面有限。随着人工智能技术的不断发展，智能质检系统的出现可以弥补以上不足，但其本身也存在智能化不足等缺陷。从产品运营角度探讨了热线服务中智能质检方案的设计，分析了目前智能质检系统存在的问题，并提出了相应的优化措施。

引言

热线服务作为企业与客户之间沟通交流重要渠道，相较于其他方式客服能更直接地了解到客户意图，因此客服语音质检就是热线服务运营过程中非常重要的一个品质管控环节。传统的人工质检体系采用的是全面的人工参与判断、测评整个流程，已经很难满足庞大的客服体系和用户需求，其存在的问题主要有以下几点：

(1) 人工抽检覆盖面小；

(2) 人工抽检效率低；

(3) 质检人员判断具备主观性，难以客观有效地对整体服务质量进行合理评价；

(4) 对质检员业务能力要求较高。

智能质检系统是人工智能技术与传统热线服务中人工质检相结合的产物，首先通过语音识别技术将录音转换成文本，然后通过自然语言处理对转换后的录音文本进行理解，其次采用预设的质检规则模式对服务热线客服人员的座席文本数据进行监测与评分，最后通过人工进行归类选择质检。智能质检系统可以在很多大程度上弥补传统质检的不足。

智能质检系统方案设计

产品运营是链接质检产品和运营的中介，负责跟进产品运营过程中出现的状况，通过收集用户反馈的问题，将优化建议反馈给产品和技术，不断推进产品与用户之间的体验互动。从产品运营角度讲，智能质检系统方案的设计与实现主要包括以下几部分：建立质检业务场景、数据处理、质检规则模式设计。

1、建立质检业务场景

智能质检系统的主要任务是质检热线服务中座席的服务礼仪、服务规范、业务能力、技能技巧等问题。面对客户不同业务需求，产品运营主要从以下几个方面入手，建立一套符合业务需求的质检场景。

1）确定质检业务场景。质检业务场景可分为呼入/呼出场景，不同场景考察侧重点不一样，比如呼入场景中重点关注业务解答规范及技能技巧，呼出场景中又因为行业不同，场景考察指标也不同，比如保险行业有险种回访、保险电销、续期提醒等等场景重点关注座席回访的问题是否全面且符合业务规范，金融行业有催收场景、理财销售、满意度回访、在线客服等场景更多关注的是座席解答流程是否合规，销售技能是否达标。

2）明确业务场景对应的质检项，即机器质检过程中需要抓取的质检规则。例如呼入场景质检项集中在回访话术是否严谨、服务态度是否规范，当客户对个人提出表扬、质疑时，应礼貌时是否合理回应等；呼出场景则主要集中在业务流程办理是否合规，是否有伪冒公检法等威胁恐吓、夸大事实的行为，是否有使用销售技巧等质检项。

3）判断质检项类型及质检条件。在明确业务场景及场景对应质检项同时，需要快速判断质检项属于常规质检或专项质检。常规质检主要质检通话过程中座席服务礼仪、服务规范、客户感受等服务类规则，专项质检则是根据业务要求质检业务流程、业务技能、销售能力等业务规则。一般情况专项质检都需要进行质检条件的判断，比如险种回访场景A险种需要质检座席是否告知客户险种的责任与风险而B险种不需要质检此项；再比如北京分公司业务不需要质检是否本人签收合同而河北分公司需要质检此项。我们就需要根据质检项类型来明确哪些录音需要设置质检条件。

4）设计符合业务考核标准的评分逻辑。因为业务特殊性，单一的质检评分逻辑无法满足多样化的业务考核标准，我们需要运用多元化的评分规则逻辑，目前常用到的评分逻辑有，违规扣分、合规加分、阶梯评分等。比如保险行业的新契约回访，可以通过“违规扣分”方式实现，即没有明确告知条款内容就违规，违规就扣分。通话过程中客户主动表扬座席时，可以通过设置“合规加分”满足业务需求。在业务不断发展过程中，还会遇到 “错了不全扣分，对了只取逻辑中最高分”的情况。此时可以通过阶梯打分来实现客户需求。

2、数据处理

底层数据的处理是建立质检规则的基础。数据来源最好是行业历史及当前客服语音数据。数据的预处理主要包括两部分：第一通过语音转译引擎将获取的录音音频数据转化为结构化的文本格式数据，第二对获取到的原始文本、音频数据进行二次加工处理，找出搭建质检规则需要的重要数据。

3、质检规则模式设计

对预处理后的数据进行规则设计是智能质检方案设计最核心部分。智能质检系统中录音定位、问题检出，报表输出等功能都是通过对质检规则的学习得以实现。一般业务场景会建立一套常规质检+多套专项质检规则，在实际应用中质检规则需灵活配置以满足多种业务场景需求。下面介绍几种行业通用质检规则模式，

质检规则模式一：“语义”。针对某些场景客户发散式的提问，单纯的通过关键词或者正则表达式规则模式，会出现违规点“找不全”的情况，从而影响机器质检效果。而语义可以通过对句子上下文的理解，判断客户真实意图之后，再确定座席业务解答是否规范。比如客户询问产品如何购买，业务怎么办理等，需要针对客户具体问题进行解答，这类业务可以选择此规则模式可以大大提高机器质检正确率及人工复检效率。

质检规则模式二：“语义+关键词”。“语义+关键词”规则是语义规则的一种补充，例如某些业务场景中需判断座席是否按照知识库中已有明确答案进行解答，解答话术较长且需要涉及专业名词，这种情况仅仅配置语义规则进行质检不够精细化，可以通过设置语义+多个关键词信息来辅助机器质检座席业务规范。

质检规则模式三：“关键词或正则表达式”。几乎80%业务场景需求都需要质检座席是否使用规范的礼貌服务用语，录音中是否出现违禁词。比如当客户配合操作或提供信息时，是否正确使用请、您好、谢谢、不客气等礼貌用语，保险回访场景中，座席是否出现“存、取”等违禁词，可以通过配置“关键词或正则表达式”的质检规则来实现，但如果客户姓名中包含“存”“取”两个字，机器误判违规则不符合业务需求，此时可以通过关键字+正则表达式规则可以设置例外情况，降低机器误判率，从而提高机器质检正确率。

无论是关键词、正则、语义哪一种质检规则设计模式，都是有它可取之处，但语言的表达方式多种多样，多种质检规则组合以提升质检效果是必然趋势。另外，尽管可以通过多种规则设计模式来满足业务质检需求，但是随着企业在质检效果和效率上的精细化需求，针对一些高风险的业务还需要增加人工再次复核环节，以免给客户造成损失。

目前质检系统存在的不足及优化措施

1、目前质检系统存在的不足

智能质检系统的应用作为行业趋势，尽管其存在诸多优势，但随着其在不同的业务场景中的广泛应用，也暴露了它目前存在的一些问题。

1）语音识别能力有待提升。语音识别技术是智能客服系统与客户进行交互的重要环节。语音转译的好差会直接影响质检数据的处理，从而使得智能质检结果、报表的统计、服务监控状态受到影响。虽然目前的语音识别技术准确率已经很高，但仍达到100%的正确率。

2）意图理解能力有待提升。中国文字不仅博大精深，语言也是百花争鸣，大到省市、小到各村之间，同一意图的表达更是多种多样，对智能质检意图理解能力的要求越来越高，通过对某保险行业使用质检系统运营分析来看，意图理解能力还需要不断提升。

3）运营成本过大。任何人工智能化产品都少不了运营人员对业务的维护、优化，运营人员需要懂产品，懂业务，懂需求，还需要熟练掌握系统操作，进行数据分析，规则设计，模型调优等工作，无论是人力还是时间成本都是不低的。
(1) 感知用户情绪的能力不足。目前智能质检系统大多是基于录音转译文本提供质检评分方案，无法在质检过程中通过对音频音高等变化幅度的检测，及时发现用户情绪变化等异常信息，实时提醒座席注意用词，及时安抚，灵活处理事务等协助座席及时解决问题。

2、质检系统设计及优化措施

对于智能质检系统存在的上述问题，主要通过以下几个方面进行优化：

1）建立数据库模型，意图特征提取精细化。收集大量行业服务用语，服务规范，业务流程，业务规范等评分数据集，对质检点进行更细化的分类处理，对更深层次的非结构化数据特征的提取，进行更深入的研究。通过不断优化质检模型，进一步提高质检系统意图识别能力。

2）优化质检系统设计及配置。当有业务知识需要新增、维护时，运营人员能够在质检系统一键配置业务规则，随时查看规则效果，节省企业学习及后期运营维护成本。

3）质检评分逻辑的精细化及多元化。通过加强对录音中座席音频音高等变化幅度的检测，实时预警录音中用户情绪的变化，建立更加细化及多元化的质检评分逻辑，可以不断提高座席通话质量。

总结

针对热线服务中的质检需求，从产品运营角度出发，详细阐述了智能质检系统的方案设计流程，具体包括质检业务场景的确立，数据处理和质检规则模型的设计。这对智能质检系统的搭建具有较大的指导和参考意义。总结了目前智能质检系统存在不足并提出了相应的优化措施，可进一步提高质检系统的精确度。

作者：彭凡；就职于竹间智能科技有限公司；

本文刊载于《客户世界》2021年8月刊。