传统质量评估：
样本容量极其有限，且评估结果存在偏差
在传统质量评估模式下，企业需要每月随机抽取每名座席的少量通话样本，并由特定人员或团队按照以成本节约为中心的关键绩效指标，例如平均处理时间及首次接触解决率等，对样本进行审核评估。而较为复杂的评估可能会试图挖掘顾客对质量的感知。
这一流程存在的问题在于进行小样本调查根本无法得出具有统计学意义的有效结论。然而，在传统质量监测实践中，这一数据却被用于计算质量指数得分（Quality Index Score，又称QIS）。让我们来看这样一个情况，每个座席每天通话75次，每月工作22天。
- 每天通话75次，每月工作22天，月通话总量为1，650次。
- 每月监测每名座席的5次通话。
- QIS就是0.003%（5除以1，650）。
现在，我们将这一数据代入标准统计公式。如果企业愿意接受10％的错误率，置信水平为90％，则样本量应为66次通话。
然而，为了获取有价值的洞察力而抽取大量通话样本进行评估却又极其困难，这使大幅提升质量监测水平以真正增强客户体验面临着诸多挑战。下面，我们主要探讨三个方面的挑战：
人员配备——联络中心的人员配备不足，无法保持低错误率及高置信水平。进行大样本抽查成本极高，况且在实际应用中非常少见。
样本量——被迫接受培训及小样本抽查反馈的座席可能给随机抽样带来阻力，这理所当然。从统计学角度讲，样本量为5次通话的抽样产生的置信水平仅为16％，而置信水平的接受范围通常都在90％以上。
结果偏差——基于5次通话的小样本抽查可能会遗漏过长及过短通话，从而导致质量评估组织对样本进行预先选择，进而致使评估结果出现偏差。遗漏过长通话可能会导致联络中心忽略内部流程不完善或需要对座席进行进一步培训的情况。而遗漏过短通话可能导致分析结果出现偏差及错失将部分过短呼叫转向自助服务带来的潜在成本节约机会。
语音分析如何提供帮助
语音分析解决方案可助力企业由传统质量监测模式向更具针对性的质量管理计划转型，从而给企业带来巨大效益。例如，Verint®（慧锐）分析驱动型质量TM（Verint® Analytics-Driven Quality™ ）解决方案可帮助企业对大量通话进行自动归类及分析，通过给通话评估添加统计相关性助力企业跨越“质量鸿沟”。
该解决方案可以帮助企业基于两个标准进行通话评估：
- 行为：指座席的一系列言谈举止。
- 结果：指流程或行为问题所导致的结果，有时不受座席控制。
Verint分析驱动型质量解决方案能够根据企业所属行业对呼叫类型进行自动分类并生成报告，大幅提升当前质量管理报告的效率。可自动分类的呼叫类型示例如下：
充分利用数据及洞察力
通过自动评估所有通话，企业可获得具有统计学意义的有效抽样，并对座席及客户的行为形成360°全方位视角。此外，企业还可更加深入地了解客户与其打交道的便易度如何及导致非必要呼叫的流程问题所在。借助这方面的知识，企业不仅可以充分挖掘自助服务渠道的改善机会以降低客户成本，还能使管理人员及辅导人员教练获得关于员工绩效的数据
