Vytěžování dat – analýza nahrávek kontaktních center

Zveřejněno:

Drtivá většina kontaktních center dnes zaznamenává uskutečněnou komunikaci nejen na úrovni metadat – zejména kdy, kdo, s kým a jak dlouho jednal – ale také včetně samotného obsahu komunikace, která je nejčastěji hlasová. Důvodem k nahrávání přitom nejsou jen legislativní či smluvní povinnosti, ale také možnost analýzy hovorů, případně i poslechu a zpětného vyhodnocení jednotlivých záznamů i konkrétních operátorů. Toto zpracování může mít řadu podob, od ručního zhodnocení určité části komunikace na základě konkrétního podnětu, přes automatické označování hovorů k dalšímu zpracování pomocí snadněji odhalitelných prvků v komunikaci až po pokročilé metody založené na analytické práci s obsahem.

Základní analýzy

Automatizace analýz umožňuje, oproti ručnímu zpracování, pracovat se všemi záznamy, tj. analyzovat 100% komunikace (ručně přitom bývá zpracováno „náhodně“ max. 10 % záznamů).

Pro přesnost následujících procesů je velmi důležitá kvalita záznamu, ideálně bez komprimace (soubor.wav) se dvěma oddělenými kanály (stereo) – jedním pro volajícího a jedním pro operátora. Jednodušší analytické metody jsou obvykle založené na využívání zaznamenaných metadat a na detekci přítomnosti určitého hlasového prvku ve vlastní komunikaci. Tyto metody většinou pracují se záznamem v „reálném“ čase a aplikují na něj předem nastavené filtry. Jednoduše tak lze identifikovat například základní call skript, skákání do řeči, emoce, ticho v komunikaci, klíčová slova apod. Nevýhodou je nemožnost se jednoduše vrátit zpět v čase a záznamy opět analyzovat upravenými vstupními filtry. To totiž vyžaduje zachování záznamů v původní kvalitě (a velkou kapacitu pro uchování historických dat) a také vyšší výpočetní výkon, tak aby bylo možné zpracovávat nové a současně i přepočítávat historické interakce.

Příkladem interpretace základních analýz mohou být následující hodnocení:

Extrémní vzrušení zákazníka – pravděpodobné riziko nespokojenosti nebo naopak nadšení
Neaktivita operátora – únava, nedostatek znalostí,…
Neaktivita zákazníka – operátor neposkytuje správné informace
Skákání do řeči – upozornění na nesprávný průběh hovoru

Primární předvýběr poté musí zpravidla doplnit další analýza pro ověření, zda jde opravdu o hovor vyžadující pozornost. Ruku v ruce s tím tak stoupá i časová náročnost, která omezuje jejich využití ve velkých kontaktních centrech, kde působí stovky nebo tisíce operátorů a jsou zaznamenány tisíce hovorů.

Nestrukturovaná data

Nejpokročilejší metody eliminují nevýhody jednodušších variant tím, že se na obsah nahrávek dívají jako na ucelený zdroj umožňující komplexní analýzu nestrukturovaných dat. Základem pro tento typ analýzy je přepis hovoru do textové podoby. Výsledná textová podoba, ale i přes vysokou kvalitu záznamu a efektivitu metod pro převod hlasu, není a nemůže být stoprocentní. Nejedná se totiž o diktát ve sterilním prostředí, ale o proces ovlivněný mnoha externími ruchy, aktuálním způsobem intonace účastníků, kvalitou linek apod. Pro přepis se používá jazykový model a slovník, který je potřeba ve spolupráci se zákazníkem doladit pro konkrétní použití a tím zvýšit přesnost přepisů. Kvalita poté zpravidla dosahuje hranice 70 – 80 %.

Při výběru vhodných slov a spojení vychází systém z jisté pravděpodobnosti skutečného významu fonémů, a to na základě kontextu dané části hovoru. Přepis navíc může zahrnout i více variant doplněných o informace týkající se relevantnosti použití konkrétního slova. Výstupem přepisu tak bývá několik souborů s velkým množstvím textu a s metadaty, které se týkají například mluvčího, času a délky promluvy, relevantnosti detekovaných slov apod.

Po přepisu do textu je možné záznamy již komprimovat (např. soubor.mp3) a tím snížit nároky na kapacitu úložiště. Veškeré informace jsou uložené v databázi (call flow, emoce, metadata záznamu) a v textové podobě (obsah záznamu)

Nad touto textovou podobou hovorů pak probíhá analýza, podle nastavených priorit okamžitě nebo s časovým odstupem. Výsledkem jsou podrobné informace o tématu konkrétního hovoru. Analýza využívá různé vyhodnocovací funkce a pravidla, která jsou individuální a přizpůsobená prostředí každého konkrétního centra. Základem úspěchu jsou tak informace o zvyklostech provozovatele centra včetně upřesnění jednotlivých pojmů, typů hovorů (prodejní, reklamační, technický …), upřesnění standardizovaných výroků operátora apod. Vlastní analýzy a jejich dolaďování lze nad textem provádět opakovaně, neboť vlastní analýza textu je podstatně méně náročná na zpracování, než prvotní analýza call flow a přepis do textu.

Základem jsou témata

Využití a postup analytického zpracování ovlivňují tzv. témata (z anglického topics), pomocí kterých může kontaktní centrum definovat oblasti zájmu pro podrobnější šetření. Témata vždy souvisí s konkrétním kontextem, například prodejem praček, nabídkou služeb, reklamací výrobku apod. Jednotlivá témata se pak v rámci analytického zpracování mohou aplikovat nad všemi nebo vybranou skupinou nahrávek. Výsledkem zpracování nicméně nejsou jen hovory pro případné další hodnocení, ale především pro získání přesných informací o souvislostech vůči vybraným tématům. Analýza tak může být základem i pro vyhodnocení úspěšnosti reakcí na konkrétní krizovou událost, například při problémech s funkčností nového modelu výrobku, nebo reakce zákazníků na poslední marketingové aktivity, apod.

První pokusy s vytěžováním pomocí analýzy nestrukturovaných dat uskutečnila společnost Dimension Data již před více než osmi lety. Nicméně v té době byly technologie v počátečních fázích vývoje, a tak výsledky nenaplňovaly očekávání – přepis zkrátka neumožňoval pochopení obsahu hovoru člověkem, natož pak strojem. Dnešní možnosti jsou ale nesrovnatelně širší. V současnosti navíc nemusí jít jen o analýzu přepisu hlasového záznamu, ale také o sémantické zpracování textové komunikace včetně elektronické pošty a chatů. A zájem je také analyzovat i komunikaci mimo elektronické a telefonní prostředí, například rozhovory u bankovních přepážek.

Spolupráce s akademickou sférou

Dimension Data v oblasti analytické funkcionality pro kontaktní centra dlouhodobě spolupracuje jak se soukromými firmami, tak i akademickou sférou a má ve svém portfoliu několik ucelených řešení a technologií včetně značky RETIA. Svým zákazníkům tak nabízí řešení maximálně vyhovující jejich konkrétním aktuálním i budoucím požadavkům včetně integrace do dalších prvků podnikové informační architektury. Jinými slovy umožňuje využití všech technologií k tomu, aby mohli zákazníci se svými klienty komunikovat efektivně a reagovat na jejich potřeby proaktivně a ve správný okamžik.

Tomáš Waněk Senior Expert Dimension Data Působení v Dimension data zahájil v roce 1999 na pozici Support Expert pro pobočkové ústředny Alcatel. Od roku 2001 se zabýval záznamovými systémy pro kontaktní centra, především značek Nice a Retia. Nyní zastává pozici Senior Expert a je zodpovědný za návrhy řešení a integrace systémů pro záznam, hodnocení CC, hlasových analýz a analýz nestrukturovaných dat od firem Nice, Retia, Phonexia a Tovek.
Tomáš Waněk

Tomáš Waněk

Senior Expert
Dimension Data

Působení v Dimension data zahájil v roce 1999 na pozici Support Expert pro pobočkové ústředny Alcatel. Od roku 2001 se zabýval záznamovými systémy pro kontaktní centra, především značek Nice a Retia. Nyní zastává pozici Senior Expert a je zodpovědný za návrhy řešení a integrace systémů pro záznam, hodnocení CC, hlasových analýz a analýz nestrukturovaných dat od firem Nice, Retia, Phonexia a Tovek.

Téma aktuálního čísla

ZÁKAZNICKÁ ZKUŠENOST

Kontakt

Dimension Data Czech Republic s.r.o.
Na Hřebenech II 10
140 00 Praha 4
Tel: +420 255 770 111
Email: info.cz@dimensiondata.com
www.dimensiondata.com