ЦРТ: Speech Analytics Lab

Speech Analytics Lab - инструменты речевой аналитики.

Система предназначена для решения поисковых и аналитических задач на массивах неструктурированной речевой информации с помощью технологий распознавания слитной речи, анализа текстов и методов Data Mining.

Speech Analytics Lab позволяет проводить анализ работы контактного центра в совершенно новом и наиболее актуальном разрезе – в разрезе тематик клиентских обращений, определяемых с помощью технологии распознавания речи.

Скриншот окна ПО, (2013)

Это свойство определяет основную значимость системы для работы контактного центра и для всего бизнеса, в задачи которого входит активная и чуткая работа с аудиторией конечных пользователей продуктов и услуг.Витрина данных НОТА ВИЗОР для налогового мониторинга

Система ориентирована на специалистов корпоративных служб качества (оценки индикаторов продуктивности работы операторов и качества в разрезе тематик клиентских обращений), аналитиков (выявление потребностей клиентов, поиск точек роста бизнеса, выявление непрофильных обращений), тренеров (формирование тематических выборок для подготовки курсов обучения).

Функционал

• Для работы системы тематической кластеризации не требуется обучения движков распознавания речи, подбора словарей контролируемой лексики или других технологических процедур. Система приступит к анализу речевой информации сразу, как только получит доступ к фонограммам звонков.

• В основе технологического базиса системы лежат технологии распознавания слитной речи на большом словаре (LVCSR – Large Vocabulary Continuous Speech Recognition) и извлечения информации с помощью кластерного анализа данных (Data Mining clustering). В результате автоматического распознавания речь дикторов преобразуется в текстовый индексированный файл, пригодный для автоматического лексико-семантического анализа.

• Система проста в работе, имеет продуманный эргономичный интерфейс, основная задача которого дать корректное, полное и обобщенное представление результатов семантического анализа огромных массивов в тысячи и десятки тысяч звонков. Для этого используется представление данных в виде «семантического облака» или «облака тэгов». Легенда «облака» содержит информацию о мощности тематического кластера, частоте использования основных лексических единиц, определяющих тему.

• Возможно управление «облаком» на уровне переопределения смыслового центроида темы, вынесения отдельных слов в стоп-лист, отключения неинформативных для конкретного кейса отдельных частей речи (существительных, глаголов, числительных и др.). Также доступна контекстная сводка, представляющая дословное содержание ключевых фрагментов разговоров по выявленной теме. Возможен поиск тематического кластера в экспертном режиме, предусматривающем создание пользователем собственной темы с целевым набором ключевых слов, характеризующих, по мнению эксперта, тему разговора.

Речевая аналитика для служб безопасности

Система автоматического определения тематик способна:

• без участия эксперта сформировать выборки фонограмм по темам, требующим постоянного и пристального контроля со стороны специалистов служб безопасности
• в автоматическом режиме выявить кластеры телефонных разговоров, в которых происходит, например, обсуждение конфиденциальных вопросов и коммерческих интересов сторон, передача персональных данных или важных технологических особенностей
• выявить из многотысячного массива телефонных звонков предприятия переговоры сотрудников на бытовые темы и отбросить их при рассмотрении инцидентов производственного характера.

Для работы системы тематической кластеризации не требуется какого-либо обучения движков распознавания речи, подбора словарей контролируемой лексики или других технологических процедур. Система приступит к анализу речевой информации сразу, как только получит доступ к фонограммам звонков.

Эффективность внедрения

• Многократное сокращение времени поиска целевого контента в массивах неструктурированной речевой информации
• Повышение эффективности мероприятий посредством тотального автоматического мониторинга разговоров по целевым темам
• Профилактика и предупреждение инцидентов за счет выявления разговоров по новым и нехарактерным темам
• Повышение производительности обработки речевой информации выявлением кластеров разговоров по непродуктивным темам