隨著通訊技術(shù)的不斷發(fā)展，呼叫中心的規(guī)模與日俱增，現(xiàn)階段國內(nèi)擁有上千席的呼叫中心不在少數(shù)，其每日所產(chǎn)生的語音數(shù)據(jù)體量難以想象，屬于典型的非結(jié)構(gòu)化大數(shù)據(jù)。這些數(shù)據(jù)中所蘊(yùn)含的客戶偏好、產(chǎn)品質(zhì)量、坐席技能等相關(guān)指標(biāo)是呼叫中心優(yōu)化服務(wù)質(zhì)量、提高運(yùn)營效率的重要參考因素，直接關(guān)系著營銷決策制定以及產(chǎn)品服務(wù)設(shè)計。 然而，語音數(shù)據(jù)作為呼叫中心一項重要的價值資產(chǎn)，在過去很長一段時間內(nèi)卻沒有受到足夠的重視。這是受限于傳統(tǒng)技術(shù)條件下，語音數(shù)據(jù)存儲成本過高，應(yīng)用難度過大，更難說從中挖掘核心價值以支持決策分析。但隨著大數(shù)據(jù)、云計算與人工智能技術(shù)的迅猛發(fā)展，使得海量數(shù)據(jù)存儲成本不斷降低，分布式并行計算效率不斷提高，打破了語音數(shù)據(jù)存儲及處理的技術(shù)壁壘，為呼叫中心提供了全新的運(yùn)營模式，其具體應(yīng)用場景如下： 1.分布式存儲海量語音數(shù)據(jù)成為主流 呼叫中心體量的不斷擴(kuò)張，導(dǎo)致大量的語音數(shù)據(jù)堆積，以某金融機(jī)構(gòu)呼叫中心為例，其坐席數(shù)量超過3000余個，每日產(chǎn)生的錄音文件量高達(dá)100G以上，年錄音文件總量超過50T，預(yù)計未來語音數(shù)據(jù)量的年平均增長率高達(dá)30%。如此海量的語音數(shù)據(jù)加劇了數(shù)據(jù)存儲的難度，雖然現(xiàn)有計算機(jī)存儲硬件的發(fā)展已經(jīng)非常迅猛，但其發(fā)展速度還遠(yuǎn)不及數(shù)據(jù)量的幾何式爆破增長，并且由于高性能的存儲硬件存在造價成本的問題，大多數(shù)企業(yè)對于日益增長的進(jìn)量數(shù)據(jù)以及原始積累的存量數(shù)據(jù)又愛又恨。 在現(xiàn)有職能體系下，多數(shù)企業(yè)還將呼叫中心評定為服務(wù)中心，一心旨在控制呼叫中心成本而并沒有期待其能夠產(chǎn)生收益。由此試圖通過提高計算機(jī)硬件配置來解決呼叫中心語音數(shù)據(jù)存儲的問題，并不具有一般可行性。 大數(shù)據(jù)技術(shù)的發(fā)展成功解決了呼叫中心語音數(shù)據(jù)量存儲的問題，其特有的分布式存儲技術(shù)能夠?qū)我惑w量巨大語音數(shù)據(jù)文件夾切分為多個小的區(qū)塊，并使其能夠存放于由多臺計算機(jī)所架構(gòu)的集群上。這些計算機(jī)之間通過某種方式相互通信，進(jìn)而將整個集群內(nèi)所有存儲空間資源整合、虛擬化并對外提供文件訪問服務(wù)的文件系統(tǒng)。 利用大數(shù)據(jù)技術(shù)存儲語音數(shù)據(jù)具有兩大突出的優(yōu)點： 其一，極大降低了數(shù)據(jù)存儲所需的硬件成本，由于大數(shù)據(jù)技術(shù)能對單一體量的數(shù)據(jù)集進(jìn)行切分、存儲、再整合，因此數(shù)據(jù)存儲就不再受限于高性能的計算機(jī)硬件，而只需要多個性能基本達(dá)標(biāo)的存儲硬件便能夠?qū)Ａ繑?shù)據(jù)進(jìn)行存儲和處理； 其二，所保存的數(shù)據(jù)不易丟失或破壞，由于大數(shù)據(jù)技術(shù)會將單條語音數(shù)據(jù)重復(fù)分配到集群中多個計算機(jī)上，因此在數(shù)據(jù)提取時，若某個計算機(jī)的數(shù)據(jù)不慎丟失或其本身遭受破壞，我們也能正常的從集群中提取到完整的數(shù)據(jù)。 現(xiàn)階段大多數(shù)呼叫中心運(yùn)營高層都逐漸意識到日常語音數(shù)據(jù)的價值，也紛紛表示分布式存儲技術(shù)確實能夠幫助其解決語音數(shù)據(jù)體量過大的問題。由此如今眾多呼叫中心都致力于從抽取部分語音進(jìn)行存儲變革為全量語音存儲，從真正意義上使得分布式存儲海量語音數(shù)據(jù)成為主流趨勢。 2.實現(xiàn)機(jī)器質(zhì)檢泛聽+人工質(zhì)檢精聽新模式 呼叫中心是人力密集型行業(yè)，其質(zhì)量監(jiān)控管理一直是一項浩瀚的工程，如果都通過傳統(tǒng)的人工監(jiān)聽進(jìn)行質(zhì)檢管理，其所需的人力物力難以估計。因此在過去很長一段時間內(nèi)，呼叫中心都利用抽聽的方法進(jìn)行質(zhì)量監(jiān)控管理，該方法一方面從業(yè)務(wù)角度而言，可能導(dǎo)致坐席人員工作的投機(jī)性，另一方面從統(tǒng)計學(xué)角度而言，簡單的隨機(jī)抽樣所得出的結(jié)果并不能完整反映該坐席普遍的日常工作狀態(tài)。 質(zhì)量監(jiān)控工作對于呼叫中心而言具有重要的意義，其通過對坐席人員服務(wù)質(zhì)量的檢測和監(jiān)控，確保坐席通話過程中的規(guī)范性、完整性和準(zhǔn)確性，提升坐席人員日常的營銷技能和服務(wù)水平，保證業(yè)務(wù)一線人員高水平服務(wù)的持續(xù)性。然而，傳統(tǒng)質(zhì)檢人員每天面對大量的錄音，常用方法都是通過聽錄音進(jìn)行合規(guī)性檢查，無法識別批量錄音中所蘊(yùn)含的重要信息，例如客戶投訴信息中，有多少客戶是不滿意坐席服務(wù)態(tài)度，有多少客戶是不滿意產(chǎn)品價格。又假設(shè)面對業(yè)務(wù)量陡然激增，管理者是否能在第一時間洞察背后原因，從而及時制定應(yīng)對策略？ 隨著大數(shù)據(jù)技術(shù)實現(xiàn)呼叫中心語音數(shù)據(jù)全量存儲，質(zhì)檢系統(tǒng)也由傳統(tǒng)人工抽檢轉(zhuǎn)變?yōu)闄C(jī)器錄音質(zhì)檢100%全覆蓋。借助深度學(xué)習(xí)方法所構(gòu)建的聲學(xué)模型和語言模型，語音分析系統(tǒng)能夠更精確的將海量通話內(nèi)容轉(zhuǎn)化為錄音文本文件。在此基礎(chǔ)上，加入全面的質(zhì)檢評分規(guī)則：通過設(shè)置業(yè)務(wù)術(shù)語、禮貌用語、禁忌用語、靜默時長等質(zhì)檢點計算機(jī)能夠自動地對所有坐席人員的業(yè)務(wù)熟練度進(jìn)行打分，從而篩選出評分較低的通話供質(zhì)檢人員調(diào)聽，在全方位覆蓋每通錄音的同時，大幅降低了人工質(zhì)檢所需的成本。如此系統(tǒng)篩選與人工調(diào)聽相結(jié)合的質(zhì)檢方式，形成了機(jī)器質(zhì)檢泛聽+人工質(zhì)檢精聽的新模式，進(jìn)而有利于全面把握呼叫中心人工坐席服務(wù)質(zhì)量，提高呼叫中心運(yùn)營效率。 3.文本分析結(jié)合機(jī)器學(xué)習(xí)深度挖掘客戶價值 現(xiàn)階段，大多數(shù)呼叫中心仍被定義為成本中心，那么如何充分利用呼叫中心數(shù)據(jù)資源，將呼叫中心打造為利潤中心，是傳統(tǒng)呼叫中心轉(zhuǎn)型升級的關(guān)鍵。呼叫中心現(xiàn)有系統(tǒng)及分析報告中所包含的通話時長、響應(yīng)率、成單量、投訴率等指標(biāo)計算已經(jīng)相當(dāng)成熟，并且在關(guān)于構(gòu)建客戶群體劃分、產(chǎn)品競爭分析、業(yè)務(wù)風(fēng)險評估等機(jī)器學(xué)習(xí)模型上也小有建樹，但僅此還無法完成呼叫中心由成本中心轉(zhuǎn)向價值中心，最后成為利潤中心的轉(zhuǎn)型。這是由于單一結(jié)構(gòu)化數(shù)據(jù)所構(gòu)建的機(jī)器學(xué)習(xí)模型還無法全方位精準(zhǔn)的預(yù)測客戶行為，由此我們在構(gòu)建機(jī)器學(xué)習(xí)模型時還需要添加諸如客戶情緒等非結(jié)構(gòu)化數(shù)據(jù)，以保證學(xué)習(xí)過程的完整性。 消費(fèi)者金融保護(hù)局（CFPB）曾經(jīng)就利用文本分析搭配機(jī)器學(xué)習(xí)的方法來探索自身的數(shù)據(jù)情況。他們的數(shù)據(jù)主要記錄了客戶對銀行、信用卡公司和其他金融服務(wù)公司的投訴，其中包括客戶信息、產(chǎn)品信息等結(jié)構(gòu)化數(shù)據(jù)以及客戶評論、語音文本等非結(jié)構(gòu)化的數(shù)據(jù)。該分析方法首先使用文本分析技術(shù)來識別CFPB收集的自由形式數(shù)據(jù)中的負(fù)面情緒，然后利用機(jī)器學(xué)習(xí)算法建立一個預(yù)測模型，用來分析負(fù)面情緒程度與客戶是否收到違規(guī)銀行補(bǔ)償，以及這兩個變量之間的關(guān)系。 研究結(jié)果表明，客戶得到補(bǔ)償與負(fù)面情緒之間確實存在相關(guān)性，當(dāng)客戶評論表現(xiàn)出較強(qiáng)的負(fù)面情緒，違規(guī)銀行很大概率上會針對這部分客戶進(jìn)行補(bǔ)償，特別是當(dāng)有客戶使用偷或者與之類似的詞語時，其獲得補(bǔ)償?shù)母怕蕰?。這項數(shù)據(jù)分析工作充分展示了文本分析和機(jī)器學(xué)習(xí)結(jié)合的力量，一旦文本分析被引入機(jī)器學(xué)習(xí)的預(yù)測模型中，該模型就能在發(fā)現(xiàn)行為模式的同時，回答為什么會產(chǎn)生這種行為模式，以及如何解決這種行為模式所帶來的問題。 相對于其他部門而言，呼叫中心所特有的語音數(shù)據(jù)屬于典型的非結(jié)構(gòu)化數(shù)據(jù)，通過文本分析技術(shù)能夠?qū)@些非結(jié)構(gòu)化語音數(shù)據(jù)進(jìn)行淬煉，從中提取高價值、新維度的變量，例如客戶滿意度、客戶情緒、產(chǎn)品偏好系數(shù)等，進(jìn)而改進(jìn)現(xiàn)有機(jī)器學(xué)習(xí)模型。結(jié)合文本分析和機(jī)器學(xué)習(xí)所實現(xiàn)的智能數(shù)據(jù)挖掘系統(tǒng)，將突破呼叫中心傳統(tǒng)數(shù)據(jù)分析方法的局限性，更深層次、全方位的對客戶進(jìn)行掃描，使得呼叫中心與客戶之間關(guān)系由簡單交易到親密信賴，最終達(dá)到價值依托。 隨著大數(shù)據(jù)、云計算和人工智能技術(shù)的發(fā)展，海量語音數(shù)據(jù)存儲成本不斷下降，智能質(zhì)檢系統(tǒng)的精確度不斷提升，客戶價值獲得更深層次的挖掘，屆時呼叫中心將突破傳統(tǒng)業(yè)務(wù)邏輯，形成全新的運(yùn)營模式。 在該模式下，呼叫中心日常運(yùn)營將會主要圍繞如下四個方面： 1）全方位挖掘客戶需求，提升客戶感知及服務(wù)質(zhì)量； 2）關(guān)注員工發(fā)展，提高員工技能及日常工作滿意度； 3）聚焦中心實際需求，降低運(yùn)營成本，提高營銷收入； 4）收集高價值信息，降低信息預(yù)測風(fēng)險。 隨著新運(yùn)營模式的不斷深入，呼叫中心將真正從過去的被動服務(wù)轉(zhuǎn)向主動服務(wù)，由成本中心轉(zhuǎn)向企業(yè)核心利潤中心。