تحلیل مکالمات تلفنی با هوش مصنوعی؛ راهنمای کنترل کیفیت

تحلیل مکالمات تلفنی با هوش مصنوعی یعنی تبدیل تماس به متن و استخراج اطلاعاتی مثل موضوع، نتیجه، درخواست مشتری و شواهد رعایت معیارهای پاسخ‌گویی. هدف کنترل کیفیت این است که مدیر بتواند خطاها و مسائل پرتکرار را پیدا کند و برای رسیدگی تصمیم بگیرد. خروجی مدل باید به متن یا صوت تماس قابل ارجاع باشد.

ضبط تماس به‌تنهایی مشخص نمی‌کند مشکل مشتری حل شده یا اپراتور پاسخ درستی داده است. این راهنما روش طراحی ارزیابی و سنجش کیفیت آن را توضیح می‌دهد. برای امکانات محصول، صفحه تحلیل تماس پشتیبانی گویا را ببینید.

تحلیل تماس چگونه از صوت به گزارش می‌رسد؟

  1. آماده‌سازی فایل: شناسه تماس، زمان، شناسه کارشناس و مسیر دسترسی مجاز به صوت ثبت می‌شود. فایل ناقص یا نامفهوم باید وضعیت جدا داشته باشد.
  2. رونویسی: گفتار به متن تبدیل می‌شود. نام، عدد، اصطلاح محصول و هم‌پوشانی صدای افراد را در بازبینی بررسی کنید.
  3. استخراج ساختاریافته: موضوع، نتیجه تماس، درخواست پیگیری و پاسخ به معیارهای ارزیابی استخراج می‌شود.
  4. ثبت شواهد: برای امتیاز یا هشدار، بخش مرتبط از مکالمه نگهداری شود تا ناظر بتواند نتیجه را بررسی کند.
  5. اقدام: شکایت، نیاز آموزشی یا مشکل محصول به مسئول مشخص تحویل داده شود.

وجود همه فایل‌ها در صف پردازش با تحلیل موفق همه تماس‌ها فرق دارد. گزارش پوشش باید تعداد فایل دریافتی، پردازش‌شده، ناموفق و نیازمند بازبینی را جدا نشان دهد. تحلیل می‌تواند پس از پایان تماس انجام شود؛ زمان تحویل خروجی را برای همان سرویس اندازه بگیرید و فرض نکنید هر سامانه‌ای تحلیل زنده دارد.

نمونه فرم ارزیابی کیفیت تماس پشتیبانی

معیارهایی بنویسید که از مکالمه قابل تشخیص باشند. برای هر معیار، تعریف پاسخ مثبت، منفی و نامشخص را مشخص کنید. نمونه زیر الگوی پیشنهادی است و نتیجه یک اجرای واقعی محسوب نمی‌شود.

معیارشاهد مورد انتظاروقتی داده کافی نیست
درک مسئلهبازگویی یا تأیید مسئله اصلی مشترینامشخص؛ نیازمند بازبینی
پاسخ متناسبپاسخ مرتبط با سوال و سیاست مجاز کسب‌وکارتطبیق با دانش معتبر یا ارجاع
وعده پیگیریبیان اقدام بعدی و زمان، اگر واقعاً تعهد شدهنبود زمان را حدس نزنید
پایان تماسروشن‌بودن وضعیت مسئله و قدم بعدیحل‌شدن را از خداحافظی نتیجه نگیرید
رفتار نامناسبعبارت یا رفتار مشخص همراه با شاهدبرچسب قطعی بدون شاهد ندهید

«مشتری راضی بود» با «مسئله حل شد» یکسان نیست. ممکن است مشتری آرام صحبت کند اما درخواستش همچنان باز باشد. امتیاز اعلام‌شده در نظرسنجی نیز باید از برداشت مدل از متن یا لحن جدا نگهداری شود. درباره طراحی سوال مستقل، راهنمای نظرسنجی تلفنی با نمونه سوال را بخوانید.

ارزیابی انسانی و خودکار چه تفاوتی دارند؟

جنبهبازبینی انسانیتحلیل با هوش مصنوعی
دامنه بررسیوابسته به زمان و برنامه ناظروابسته به فایل قابل پردازش و ظرفیت سرویس
یکسانی معیارنیازمند آموزش و توافق ناظراننیازمند تعریف معیار، نمونه و کنترل تغییر نسخه
شواهد نتیجهثبت نکته و بخش مکالمهباید متن یا ارجاع قابل بررسی تحویل دهد
تصمیم حساسبررسی بافت و استثناهانیازمند بازبینی انسانی پیش از اقدام حساس

نقش مناسب ابزار، اولویت‌بندی بررسی و کم‌کردن کار تکراری است. نتیجه مدل را بدون فرایند بازبینی به مبنای قطعی تنبیه کارکنان یا تصمیم درباره مشتری تبدیل نکنید. همچنین کلیدواژه‌ای مانند «گرون» به‌تنهایی برای تشخیص نارضایتی کافی نیست؛ معنای جمله و ادامه گفت‌وگو اهمیت دارد.

دقت تحلیل مکالمات را چگونه بسنجیم؟

  1. از انواع واقعی تماس، نمونه‌ای با موضوع، کارشناس، کیفیت صدا و نتیجه متفاوت انتخاب کنید؛ فقط تماس‌های کوتاه و واضح را نسنجید.
  2. دو ناظر با معیار یکسان، بخشی از نمونه را مستقل بررسی کنند و اختلاف تعریف‌ها را پیش از ارزیابی مدل حل کنند.
  3. متن رونویسی و برچسب تحلیلی را جدا ارزیابی کنید؛ تشخیص اشتباه یک عدد می‌تواند نتیجه تماس را عوض کند.
  4. هم هشدار اشتباه و هم مورد مهم ازدست‌رفته را بشمارید. تعداد هشدار زیاد به معنی کیفیت بهتر نیست.
  5. پس از تغییر معیار یا مدل، همان مجموعه مرجع را دوباره بررسی و نسخه خروجی را ثبت کنید.

برای مثال آموزشی، اگر ۲۰ تماس به‌عنوان نیازمند پیگیری علامت خورده و ناظر فقط ۱۵ مورد را تأیید کند، دقت مثبت این هشدار در همان نمونه ۷۵٪ است. هنوز باید تماس‌های علامت‌نخورده بررسی شوند تا بفهمید چند مورد مهم از دست رفته است. این عدد نتیجه گویا و برآورد عملکرد عمومی سامانه نیست.

نمونه گزارش قابل اقدام چه فیلدهایی دارد؟

  • شناسه تماس، تاریخ، کارشناس و وضعیت پردازش؛
  • موضوع اصلی، نتیجه تماس و متن خلاصه؛
  • معیار ارزیابی، امتیاز یا وضعیت نامشخص و شاهد مرتبط؛
  • نوع اقدام بعدی، تیم مسئول و وضعیت پیگیری.

مثال فرضی: مشتری از دریافت کالای اشتباه می‌گوید و کارشناس درخواست بررسی ثبت می‌کند. گزارش باید «درخواست بررسی ثبت شد» را بنویسد، نه «مشکل حل شد». موضوع برای عملیات ارسال، اقدام برای تیم پیگیری و شناسه تماس برای بازبینی ثبت می‌شود. ارزش گزارش در روشن‌شدن مسئول و قدم بعدی است.

برای شروع چه اطلاعاتی آماده کنیم؟

نوع فایل، حجم ماهانه، زبان و کیفیت صوت، معیار ارزیابی و محل تحویل گزارش را مشخص کنید. درباره دسترسی، مدت نگهداری و حذف داده‌ها توافق کنید. برای برآورد هزینه و دامنه خدمت، تعرفه تحلیل تماس پشتیبانی را بررسی کنید. نتیجه تحلیل نظرسنجی را نیز می‌توان در فرایند پیگیری بازخورد پس از خرید به اقدام متصل کرد.

سوالات متداول

آیا تحلیل احساسات میزان رضایت واقعی را نشان می‌دهد؟

برآورد احساسات می‌تواند نشانه‌ای برای بررسی باشد؛ پاسخ صریح مشتری و وضعیت حل مسئله اطلاعات جدا هستند. برای سنجش رضایت، سوال و مقیاس روشن طراحی کنید.

آیا دقت رونویسی فارسی همیشه یکسان است؟

خیر. کیفیت صوت، لهجه، نام‌ها و اصطلاحات تخصصی اثر دارند. نمونه‌های مرتبط با کسب‌وکار خود را در ارزیابی بیاورید.

آیا به اتصال مستقیم به مرکز تماس نیاز داریم؟

به مسیر دریافت فایل و گزارش بستگی دارد. بارگذاری فایل و اتصال خودکار دو دامنه متفاوت‌اند و باید پشتیبانی هرکدام بررسی شود.

آیا می‌توان گزارش را به CRM وصل کرد؟

در صورت وجود API و توافق بر فیلدها و مجوزها، امکان اتصال بررسی می‌شود. ابتدا مشخص کنید چه نتیجه‌ای باید برای چه تیمی ثبت شود.


Comments

Leave a Reply

Your email address will not be published. Required fields are marked *