覆盖率
目前行业的抽检比例大概在1-2%，意味着大量的录音被忽略，隐藏的价值或者风险并没有被有效地挖掘出来
业务价值
由于覆盖率比较低，无法对所有数据进行分析，无法准确把握客户需求抓住商机，质检人员的业务价值无法很好体现
质检延时
人工质检一般是事后定期抽检，这种方式无法在事件发生的第一时间定位到问题，更无法对风险进行及时响应
工作效率
质检客服针对每一通随机选择的电话，往往都需要反复进行复听，导致效率低下，在工作时间内发现的问题有限
质检标准
人工抽检受限于对业务的认知，不同的人对事件的判断，往往会有不同的结论，甚至相同的人在不同时间对同一事件的看法也会发生改变，这都造成了标准上的不统一
质检成本
质检工作重复性高，任务繁重，随着业务量的增加，在保证抽检比例的情况下，公司需要投入大量的人力物力来满足质检的需要
应用场景
随着人工智能技术的发展，通过智能语音识别、大数据挖掘等技术可以实时或离线地将海量录音数据转化为文本等非结构化的数据，实现了对语音文件的100%全覆盖，大幅降低了人工质检成本，通过对文本的分析和数据挖掘，可以实现对合规的检查、风险的预警、趋势的分析、商机的挖掘等
技术架构
系统架构
功能特性
- 录音存管
将大规模语音通话识别处理成文本索引，为长时间范围内的语音数据高速检索、调听和分析应用提供支持
- 全文本检索
系统提供丰富、灵活的检索条件进行全文本检索，可高亮显示检索关键词，清晰标记通话内容，来去话分颜色显示
- 可视化播放
通话声音、内容、时间轴可视化展示，来去话分离，一目了然
可通过点击关键语句，直接定位播放，提高效率
- 业务建模
通过应用角色设定、位置设定、范围设定和表达式组合，实现将符合标准作业流程的质检行为转化为系统可识别的规则，将规则的定义和系统的实现剥离出来，支持质检客服的灵活自定义
- 智能质检
根据设定质检规则（包含关键字、情绪指标、静音等指标），对人工坐席的业务能力、服务态度等进行全面自动评分，从而实现高覆盖率，解决人工质检覆盖率低的情况
- 人工质检
系统会将评分低的通话筛选出来供质检人员调听，让人工质检做到有的放矢，形成“智能质检泛听+质检员精听”的质检新模式，进而全面把握、提升客服/呼叫中心人工坐席服务质量
- 数据挖掘
通过报表引擎以及可由客户自行使用的报表设计器，为客户提供灵活、适应性强的报表内容，并改善报表显示与内容查询之间的关联，可实现由报表到内容查询的数据挖掘显示
