CTI论坛(ctiforum.com) （编译/老秦）： 呼叫分析可以是实时的，也可以是呼叫后的，以提取相关数据或进行审查，以确保座席说"正在记录此呼叫以用于指导目的"或"价格可能会在您预订之前波动"。数据分析可以查看客户说了多少次"停止我的服务"、使用脏话、生气、高兴或使用表明客户流失的词语。从积极的方面来看，分析可以看到销售人员推荐附加服务、提供免费促销商品、说话少于客户或心情愉快的次数。
此过程首先从客户和座席记录和收集音频，通常在两个通道上，然后将其发送到将音频转换为文本的语音到文本的解决方案。语音转文本平台还可以发送其他元数据来帮助自然语言处理/理解解决方案确定对话的意图。
NLP/NLU 解决方案获取文本并尝试找到对话的意图和情绪。谈话是关于产品销售还是产品问题？客户和座席是高兴还是生气？该数据被输入数据集成器，该数据集成器将文本和元数据（如情绪）组织到可以查询的数据库中。最终用户商业智能 (BI) 应用程序使用数据查询来创建仪表板，以监督和管理所有呼叫。
呼叫分析的总体目标是改善客户体验、改善客户支持、增加销售额或降低成本。
音频和元数据收集
音频捕获通常使用现有基础设施完成；UCaaS、CCaaS、设备端应用程序、智能扬声器、PBX 或 VOIP。根据语音转文本 (STT) 解决方案，可能需要将音频捕获转换为不同的文件格式，以便实时流式传输到 STT。更复杂的系统可以捕获音频模式、音调和频率。
语音转文本
Speech-to-text 将音频捕获中的语音转录成文本，供 NLU/NLP 解析和使用。 STT 越准确，NLU/NLP 的结果就越好。此外，一些 STT 系统还提供分类、音频情感、说话者 ID、说话者隔离、降噪以及关于音高、步速、音调和话语的元数据。这通常是单独的同类最佳供应商。 STT 提供商包括Deepgram、Google 语音到文本、Amazon Transcribe、Nuance 和 IBM Watson。
自然语言处理与理解
NLU/NLP 是将单词、句子、情感、音频元数据转化为意图和情感的主要处理。说话者想表达什么？它将单词与意图相匹配，因此数据集成引擎可以组织数据并在扬声器上提供额外的标签。这可以是完整的销售或支持解决方案的一部分，也可以是单独的同类最佳供应商，例如 OneReach.ai、Rasa 或 Cognigy.ai。
数据集成
数据集成获取所有文本并对其进行组织，以便您可以对数据执行查询。它还组织元数据以便能够查询。客户是快乐的、中立的还是悲伤的？这是销售咨询还是支持电话？这一步将对话分为这些部分。
数据查询
数据查询引擎负责为商业智能应用程序提取正确的数据。最终用户可能会要求商业智能应用程序向他显示所有有不雅内容的呼叫，并且数据查询将拉回结果。
商业智能
这个商业智能最终用户应用程序是您查看分析并深入了解业务以做出正确决策的地方。也许存在合规性问题，BI 可以搜索所有呼叫以查看哪些呼叫以及谁没有提供可能导致罚款的合规性消息。或者 BI 可以创建一个图表来查看哪个销售人员总是提到新的附加服务以及这些销售的成功率。
在查看呼叫分析解决方案时，最重要的是在一个解决方案中处理流程的所有部分，其中一些还处理音频收集。一体化提供商包括 Calabrio、Call Tracking Metrics、Five9、Genesys、Sharpen、Talkdesk和Tethr。
选择开发路径的提示
要回答的问题--在寻找呼叫分析解决方案之前，您应该非常清楚希望 BI 回答的问题。您是否将其用于合规性？用它来增加销售额？员工管理、辅导或排名？试图将支持电话与流失联系起来？寻找新产品或服务的想法？
提示--在审查供应商之前写下这些问题，这样您就已经有了希望 BI 回答的最优先问题的列表。这也将防止您被不提供可操作见解的出色 UI 弄得眼花缭乱。您的一些问题可能无法用传统逻辑来回答，需要人工智能来寻找模式。
实时或通话后--目前您会发现比实时解决方案更多的通话后分析解决方案。主要是因为实时不是实时分析，但最近随着供应商添加了真正的流式 STT、NLU 和 BI，这种情况发生了变化，更新分析可能需要几秒钟的时间。
提示--当您确定要回答哪些问题时，您可以确定您希望得到答案的速度。您是否需要实时分析来提升听起来可能会流失的客户？或者你能等一两天吗？您想提供即时反馈和指导吗？还是想寻找更多模式？此外，您应该询问您的供应商是否对他们的路线图进行了实时分析，以及他们认为什么是"实时的"（毫秒、秒、分钟、第二天）？
采样或全部使用--您只想对音频进行采样或录制并全部分析吗？不到 5 年前，这还不是问题，因为记录、转录和分析您的所有音频数据非常昂贵，计算资源密集，并且需要数天才能转录一天的通话。随着端到端深度学习神经网络、更便宜的计算和更好的优化的出现，分析所有呼叫数据并在同一天获得可操作的见解变得可以负担得起。
提示--没有数据科学家说过，"你知道吗，我有足够的数据来分析，而且我知道它不会改变。"随着员工群的不断流失和不断变化的客户需求，您应该找到一种解决方案，可以以可承受的价格为您提供所有呼叫数据。抽样 5-10% 的电话可能会影响您的决定。当您可以更全面地了解您的客户群时，为什么要停下来呢？
我们希望这能为您提供开始从呼叫分析数据中获取更多信息所需的洞察力。我们想强调的是，这项技术正在迅速变化，因此拥有一个与它并根据您的需求积极发展的合作伙伴，而不是采用一刀切的方法的供应商是必不可少的。他们应该有一个包含由人工智能驱动的实时分析的产品，它会发现你错过的洞察力。在我们的实时世界中等待数据和洞察力采取行动可能会损失您的收入和客户。
声明：版权所有 非合作媒体谢绝转载
作者：KEITH LAM
原文网址：https://deepgram.com/blog/tips-on-choosing-a-call-analytics-development-path/
