【摘要】：在客户期望不断提升和人工成本压降的形势下，如何在人工智能带来生产力变革的浪潮下，做好热线服务的提质增效，并不断彰显渠道价值，是热线运营机构致力研究的重要课题。文章主要围绕话务服务数据挖掘、质量监控、生产支撑等方面，梳理运营痛点，研究全套的AI解决方案，实现服务质量管控的“信息化+系统化”、“数据化+智能化”升级，对内提升服务能力，对外提升客户感知，助力电信企业高质量发展。

【关键词】：智能质检;智能文本分析技术;服务质量监控;全流程一体化。

一、智能质检应用的总体概述

依托强大的人工智能技术和云计算能力加持，智能质检颠覆传统人工质检模式，实现语音数据自动化全量质检。热线作为企业客户服务的品牌窗口，拥有海量客户服务信息，如何高效“倾听”客户心声驱动全流程服务升级？如何敏锐“洞察”客户需求带动渠道生产赋能？这是生产力变革下，千万级客户服务规模背后所隐藏的巨大潜力和需直面的问题。随着语音识别、语义理解等技术的发展和成熟，基于文本分析的智能质检技术在热线运营中发挥越来越重要的作用。

（一）数据挖掘方面

利用智能语音识别转写技术将非结构化的录音数据转换为结构化的文本数据，并利用自然语言理解技术，将文本数据标签化，实现服务风险和业务热点的精准挖掘，快速定位企业层面问题，从而改善用户体验，树立品牌形象。

（二）质量监控效率方面

在互联网+背景下，为了满足当前服务质量管控的需要，必须对传统质检生产方式进行变革。紧抓传统质检的痛点，深耕服务注智，基于语音识别转写（ASR）技术和自然语言理解技术（NLP），打造全量系统自动质检能力，并丰富人工质检手段，提升人工质检效率，通过技术革新，实现不新增一兵一卒，质检覆盖面从不足1%跃升至80%，也为及时发现共性问题提供了必要条件。

（三）质检生产支撑方面

以还原客户渠道服务轨迹为原则，汇聚各系统相关数据源，并根据传统人工质检操作流程，引入系统自动质检能力，打造全流程一体化的智能质检平台，实现质检生产工作100%系统化，服务质量全流程闭环管控。

（四）服务质量监控方面

在汇聚服务质量关联数据的基础上，应用大数据和文本挖掘技术，将成熟的统计分析策略进行固化，实现系统的自动监控和结论输出，可无缝对接智能质检系统，及时启动原因核实和影响评估工作，提升热线的应变能力;利用“晴雨表”、“热力图”等方式进行直观展现，自动触发短信预警，支持移动APP的便捷化查询，打造AI服务质量监控能力。

二、智能质检的实施原理

以提升客户感知和服务效能为导向，打造全流程一体化智能质检平台和应用生态链，实现服务质量全面、闭环管控，从质检抽检转型到智慧化质量管理。热线服务近年来注重深耕服务注智，以“智慧运营”为抓手，跨系统整合客户数据、业务数据、渠道资源，在此基础上，融入大数据、文本挖掘、人工智能等前沿技术，结合人工一线生产经验打造全新的全流程一体化智能质检平台，支撑客户服务问题快速聚焦，真正做到以客户为导向，以质检结果为依据，从而改进服务过程薄弱环节，切实提升客户服务能力，将传统质检升级扩展为智慧质量管控。同时，将服务质量智能监控能力、智能文本分析模型能力等封装成能力集对外开放，提供给各条线调用，对外提升客户服务感知，对内提升企业管控能力，助力企业智慧培训建设、分公司发展营销及经营决策等工作。

三、智能质检的核心技术

（一）全流程一体化智能质检平台

应用HBase技术汇聚各业务系统数据，打造涵盖质检策略智能定制、任务智能分配、可视化质检、闭环辅导等质检生产全流程，支持可视化个性定制。在统建质检全流程架构的基础上，支持可视化配置，可契合不同的质检需求和生产运营实际，快速支撑一线生产;质检策略维度丰富，组合多变，并可灵活扩展和阈值配置，将原本繁复的策略制定过程简易化，秒级设置，即刻生效;质检任务由系统端到端自动分配，无需人为干预，并可自动根据人员上班情况进行智能调配;人工质检告别“盲听”时代，录音和转写文本同屏展现，边听边看，关键词凸显，还支持搜索定位，大大提升听音效率;针对质检差错问题，实行辅导任务工单化，系统固化辅导关键动作，遵循“谁发起，谁签收”原则进行辅导质量闭环管控。

（二）神经网络式模型库

基于文本挖掘和音频特征分析技术，打造应用场景网格化模型库，实现信息精准检索和模型图谱化管理。从产品内容、服务属性和流程闭环的全链路中采集数据，人工提取AI模型特征值，根据“角色、静音、关键词、位置、音量、情绪”六大属性，通过“与、或、非”等逻辑因子关系组合，构建AI模型。创建“双标平衡法则”—准确率和覆盖率，评估模型精度，形成模型管理评价体系。同时应用QC活动中“PDCA法则”，通过应用回馈，反哺AI模型优化，实现螺旋式迭代优化。搜集海量语料后，由机器自学聚类标注，实现HI+AI（人机分工）--人机协同--AI+HI（机器主导，人工统领）的三重突破。打造应用场景网格化模型库，仿照模型路由，实现信息精准检索和模型图谱化管理。

（三）百万级AI自动质检

基于HMM-DNN框架，应用语音识别转写（ASR）技术和自然语言处理（NLP）技术，打造集团最强的转写能力，有机结合智能文本分析模型，实现全量普语录音的AI自动质检。语音识别转写能力是实现语音分析、智能质检的技术基础，需根据业务要求配置相应的转写能力以保证转写及时性。对转写后的文本进行语音分析模型打标，再应用质检考评策略，最终实现对录音的AI自动质检。自动质检准确率可达90%，质检结果可信赖，尺度统一，不受人为主观判断影响。

（四）一站式服务质量监控

依托智慧运营支撑平台，汇聚多维度服务质量指标数据，划小监控颗粒度至最小单位，构建动态的人员质量画像，多维度、立体化反映服务质量水平。搭建全面质量评价模型，模型因子组合自由、监控阈值灵活配置，在支撑自动监控和实时预警的基础上，可无缝对接智能质检系统，及时启动原因核查和影响评估。

四、结束语

基于语音识别转写技术、自然语言理解技术，打造了具有极强转写能力、一体化流程的智能质检平台，整合了语音转写能力和文本分析能力，实现了对百万级录音的系统全量自动质检和信息挖掘，给热线运营的质检生产力带来重大变革，助力企业服务质量的改善。

【参考文献】：

[1]关浩华.基于智能分解的智能质检关键词提取方法设计[J].自动化与仪器仪表，2017（07）：106-108.

[2]刘小艳.基于智能客服的A公司客服中心客户满意度提升策略研究[D].电子科技大学，2021.

[3]于汇涓.给你最硬的“鳞”人机耦合在客服管理中的应用[J].通信企业管理，2021（12）：60-62.

作者简介：曹晓威（1976.7-），女 ，籍贯：吉林通化 ，汉 ，硕士 ，研究方向：人工智能。