语音合成技术在卷烟销售智能客服系统中的应用

2023-10-10陈海勇陈子弘

海峡科学 2023年8期

陈海勇刘苏陈子弘

(1.福建省烟草公司漳州市公司,福建漳州 363000;2.中国烟草总公司福建省公司,福建福州 350000)

1 概述

客户服务作为卷烟销售企业与客户之间有效沟通的重要桥梁,要利用信息交互完成业务服务。根据近年来烟草行业的发展现状,人工座席服务向智能语音服务占比最大的信息交互方式依旧是语音,而多媒体交互方式在实践探索中逐步壮大。语音是一种常见的非结构化数据,从语音转换成结构化数据往往需要人工操作,实现大量信息的关联处理,人工操作的效率成为制约客户服务水平提高的瓶颈。大量研究聚焦在语音信息的智能化和自动化方面,这既能减少人力资源的投入,又能提升销售智能客服系统的工作效率,改善烟草行业的客户体验效果。因此,本文主要研究语音合成技术在卷烟销售智能客服系统方面的应用实践。

2 问题分析

随着在线业务的逐渐完善,烟草行业的智能客服系统信息数量越来越多,客户对服务功能的质量要求越来越高。传统的客服语音信息处理存在一定的局限性,具体体现在以下两方面:

一是服务效率低。这是由于时效性业务具有复杂性和多样性,大量的即时语音信息得不到及时处理,直接影响客户体验。随着移动业务数量持续增加,新业务的应用模式也随之发生变化,系统内部的知识库储存信息量越来越大,实践信息的更新速度越发频繁,服务人员要在庞大的知识库体系中搜索信息,需要消耗大量的时间和精力[1]。

二是运营难度大。这是由语音信息处理局限性直接造成的,如系统的数据主要源自标注来电和投诉内容等,但受客服人员的专业素质影响,难以及时将客户服务数据进行转换处理。文件属于非结构化数据,很难直接进行查询统计和整合分析;传统的质量管控模式属于事后检查分析,质量管控的及时性不高,难以在工作全过程中实现全生命周期的管控预警。

3 智能语音分析平台设计

3.1 设计目标

在了解烟草行业营销发展趋势的基础上,为智能客服系统设计语音分析平台设定以下目标:

①自动客服质检。一般来讲,客服中心抽检录音数据质量的概率在1%左右,人工很难对所有录音文件进行质量检查,而利用语音分析系统可以科学处理所有录音文件,并按照系统预先设定的关键词和规则自动选择出存在质量问题的录音文件,交给人工进行审查,以提高客服质量检查效率。

②录音分类。目前,客服中心的录音都是按照日期和编号进行储存,很难根据业务搜索[2]。本文通过语音分析技术将录音信息转变成结构化信息,并制定专属的自然语言处理模型,对所有录音按照业务类型分类处理,便于后续标准化储存和内容快速检索。同时,语言分析系统可以将所有办理业务流程转变成文字记录下来,方便后续用户检索抽取。

③沉淀服务数据。智能客服系统中储存的录音文件,涉及用户的行为特征、潜在需求、行业趋势、竞争对手等多项信息,这些海量的非结构化语音文件,很难用人工方式进行检测分析。而在运用语音分析技术挖掘整理用户的语音文件后,系统可以从这些非结构化数据中提炼出有价值的数据信息,如协助营销部门快速掌握当前卷烟销售领域中的热点和机会、为市场销售策略和市场监管提供有效数据支撑等。

3.2 系统功能

根据历年卷烟销售经验,在确定项目发展目标和语音分析流程后,明确整体系统功能需求。

①索引功能。先处理非结构化语音数据,通过清洗加工后转变成标准化的结构数据进行存储,方便后续的检索和分析。

②结构化检索功能。支撑服务不同场景及不同数据类型的内容检索需求。

③客服质检功能。系统要自动从每天储存的大量客服电话录音中筛选出违反规定的记录,并交给质量检查人员进行监测审核。

④通话分析功能。系统要深层挖掘大量的通话数据,快速发现服务环节存在的问题,明确客户提出的各项服务需求,全面掌握卷烟行业的发展动态。

⑤集群及负载均衡服务能力。结合云平台、中台等技术框架,充分提高客服系统的处理能力和扩展能力[3]。

3.3 系统框架

卷烟销售智能客服系统中的智能语音分析平台框架包含四层,如图1所示。第一层是应用开发接口层,主要利用定制化开发接口提供核心功能;第二层是语音分析引擎和相关工具,具有聚类分析、语音模式识别等基本功能;第三层是录音和数据接口层,能完成录音文件的抽取、业务类型、班组等参数的传递;第四层是操作系统的适配层,既可以屏蔽多操作系统的复杂性,又能为数据层分析提供有力支撑。

接口编辑管理如图2所示。

图2 接口编辑界面

3.4 分析流程

智能语音分析平台作为卷烟销售智能客服系统的组成部分,在人工客服介入后,将对用户、客服的语音对话进行记录和分析(图3)。

图3 卷烟销售智能客服系统

智能语音分析平台的关键技术在于智能化的语音分析流程,因此,必须制定相应的声音模型和语言模型,利用语音分析平台隔离用户录音和客服录音,解释分析不同录音文件。运用聚类分析等分类算法,构建语音解析模型标注录音文件,汇总整理最终获取的分析结果,并构建相应的索引储存。

3.4.1 构建声学模型和语言模型

在自然语义分析和处理过程中,需要借助声学模型和语言模型,将非结构化的语音数据处理成结构化数据。根据当前烟草行业的发展特征和业务内容,研究已有的电话录音数据,并对语音分析声学模型和语言模型进行针对性的优化处理,构建专属的模型,为后期信息抽取和主题分类提供有效依据。

3.4.2 建设语义解析系统

本文将客服主要业务作为分类目标,通过聚类分析卷烟销售客服的业务内容和业务频度,可以对文本语音录音进行有效标注,并按照关键词和常见用户等进行归纳总结,由此构建客户语义解析模型,提升实践分类检索的有效性[4]。

3.4.3 打造语音分析平台

根据当前卷烟销售智能服务系统,真正实现语音分析系统与录音系统、质检系统等的有效对接,如图4所示。可以运用语音分析技术实现以下功能:

图4 智能语音分析平台流程图

①话者分离。呼叫中心平台一般选用单通道录音,即将进入的用户录音通道和客服录音通道的数据混合在同一通道进行储存,以此减少储存空间的占有率,但在单通道录音下很难直接处理某一方的通话。客服质量检查的工作目标是评价客服人员的服务质量,深层挖掘语音数据包含的潜藏内容,由此掌握更多具有商业价值的信息。语音分析系统需要具备分离功能,以此来准确分离用户语音和客服语音。

②建立索引。这项功能是语音分析中非常关键的步骤,其中涉及语音分析、情绪识别、静音识别等,可以准确分析出语音中包含的各项内容信息,并集中储存在高性能的索引介质中。

③结构化检索。针对提出的检索请求,在大规模索引文件中进行快速分析,返回与之相关的所有语音文件并定位到准确的录音片段。质量检查人员可以对所有检索结果进行局部审听和回放,据此评估客服人员的工作质量,标注出重要的语音信息,如图5所示。

图5 语音分析过程

④客服质量检测。通过用户自定义违规规则,系统自动在大批量的客服电话录音中筛选出有问题的内容,交给质量检查人员进行审核,并严格按照规定要求进行统计分析,为业务部门的销售管理提供有效依据。

⑤通话分析。在实际通话过程中,除了常规化的业务信息外,还可能涉及其他更多信息,这些内容可能蕴含重要商业价值,需要深层挖掘通话数据所包含的内容,持续优化自身的服务水平,科学调整烟草行业的销售策略,以获取更多经济效益[5]。

4 技术创新及应用效果

4.1 技术创新

①智能质检。在利用语音分析技术构建智能系统前,烟草行业的客服质检覆盖率只能达到1%,但在系统建设之后可上升到10%。随着现代科技技术的不断发展,能对系统储存录音及文件进行百分百全面检查,有助于优化客服质量检查的监督能力,确保质检工作具有可信度和公正性。

②智能运营。将大批量录音文件进行本地化处理,从多维度统计分析重复来电、来电原因、通话时长等,可以为实现智能运营提供有效参考[6]。如通过对重复来电的研究,分析出重复来电数量较高的业务等信息,由此针对业务高频问题进行数据采集。在了解来电原因方面,由客服人员根据预先定义的服务请求,分类处理人工来电,形成标准化客服数据。

③智能语音检索。语音检索支持关键词等查询,快速筛选出用户或客服人员对话中的关键词,质量检查人员可以在查询服务禁词、服务评价后,对客服对话进行质量分析,以此监测用户的满意度,并在与客户的对话中发现新的商机。

4.2 应用成效

通过文本机器人、语音机器人承接咨询,实现平台一体化管理,多系统高效协同。通话结束后自动对人工座席通话进行会话分析,分析服务关键信息及违规信息。一是有效解决客户问题。根据数据分析,机器人客服对客户问题匹配率平均可达97.05%,问题有效解决率达83.65%以上。大量高频的咨询问题由机器人进行快速解决,人工工作量大幅降低,有助于客服部门将服务重心转向优化服务流程、客户价值体验等。

二是显著提升服务体验实现7×24h全天候智能客户服务,极速接通率(客户来电在5秒内的接通)达95%以上。由机器人解决部分简单业务问题,业务问题覆盖率达95%以上,服务效率提升,消费者服务体验提升。