26 НОЯБРЯ, ВЕБИНАР 1 Р ЕЧЕВАЯ АНАЛИТИКА : ОПРЕДЕЛЕНИЯ, ТЕХНОЛОГИИ, РЫНКИ, ПРАКТИКИ 27 НОЯБРЯ, ВЕБИНАР 2 Р ЕЧЕВАЯ АНАЛИТИКА : ПРОДУКТЫ, ПРОЕКТЫ И УСЛУГИ. - презентация

1 26 НОЯБРЯ, ВЕБИНАР 1 Р ЕЧЕВАЯ АНАЛИТИКА : ОПРЕДЕЛЕНИЯ, ТЕХНОЛОГИИ, РЫНКИ, ПРАКТИКИ 27 НОЯБРЯ, ВЕБИНАР 2 Р ЕЧЕВАЯ АНАЛИТИКА : ПРОДУКТЫ, ПРОЕКТЫ И УСЛУГИ ЦРТ

2 В ЕБИНАР 1 Р ЕЧЕВАЯ АНАЛИТИКА : ОПРЕДЕЛЕНИЯ, ТЕХНОЛОГИИ, РЫНКИ, ПРАКТИКИ Б АЗОВЫЕ ОПРЕДЕЛЕНИЯ И КЛАССИФИКАЦИИ Т ЕХНОЛОГИЧЕСКИЕ ОСНОВЫ В ЧЕМ СИЛА И ЦЕННОСТЬ РЕЧЕВОЙ АНАЛИТИКИ ? В ОЗМОЖНОСТИ РЕЧЕВОЙ АНАЛИТИКИ И РОЛЬ АНАЛИТИКА М ИРОВОЙ РЫНОК РЕЧЕВОЙ АНАЛИТИКИ ДЛЯ КОНТАКТНЫХ ЦЕНТРОВ К ЕЙСЫ РЕЧЕВОЙ АНАЛИТИКИ И ОЦЕНКА ИХ ЭФФЕКТИВНОСТИ ПОЛЬЗОВАТЕЛЯМИ

3 Б АЗОВЫЕ ОПРЕДЕЛЕНИЯ И КЛАССИФИКАЦИИ

4 Б АЗОВЫЕ ОПРЕДЕЛЕНИЯ И КЛАССИФИКАЦИИ Я ЗЫК - знаковая система, соотносящая понятийное содержание и типовое звучание или написание. Р ЕЧЬ - исторически сложившаяся форма общения людей посредством языковых конструкций, создаваемых на основе определённых правил. Р ЕЧЬ - психолингвистический процесс, реализующий форму существования человеческого языка. ВИДЫ РЕЧИ УСТНАЯВНЕШНЯЯКИНЕТИЧЕСКАЯ ПИСЬМЕННАЯ ВНУТРЕНЯЯ ФОРМЫ УСТНОЙ РЕЧИ ДИАЛОГИЧЕСКАЯ МОНОЛОГИЧЕСКАЯ

5 ФУНКЦИИ РЕЧИ ВЫРАЖЕНИЕ СООБЩЕНИЕ ОБОЗНАЧЕНИЕ ВОЗДЕЙСТВИЕ С ООБЩЕНИЕ - обмен информацией О БОЗНАЧЕНИЕ - названия предметов и явлений В ЫРАЖЕНИЕ - отношение к объекту или явлению В ОЗДЕЙСТВИЕ - побуждение к действию или формирование точки зрения Б АЗОВЫЕ ОПРЕДЕЛЕНИЯ И КЛАССИФИКАЦИИ

6 УРОВНИ И ЕДИНИЦЫ ЯЗЫКА ЛЕКСИЧЕСКИЙ Лексемы: слова и словосочетания СИНТАКСИЧЕСКИЙ Словосочетания и предложения МОРФЕМНЫЙ Морфемы: единицы словообразования Б АЗОВЫЕ ОПРЕДЕЛЕНИЯ И КЛАССИФИКАЦИИ ФОНОЛОГИЧЕСКИЙ Фонемы: звуки речи Я ЗЫК - знаковая система, соотносящая понятийное содержание и типовое звучание или написание. Письменность индейцев Майя

7 7 О ПРЕДЕЛЕНИЕ РЕЧЕВОЙ АНАЛИТИКИ

8 8 О ПРЕДЕЛЕНИЕ РЕЧЕВОЙ АНАЛИТИКИ 8 Wikipedia 2009 Речевая аналитика – определение, используемое для обозначения автоматических методов анализа речи с целью извлечения полезной информации о содержании речи или самом дикторе. Speech Analytics is a term used to describe automatic methods of analyzing speech to extract useful information about the speech content or the speakers. Wikipedia 2013 Речевая аналитика – процесс анализа записей телефонных звонков для сбора информации, структурирования взаимодействия с клиентами и извлечения информации, получаемой в результате взаимодействия контактных центров с клиентами организации. Speech analytics is the is the process of analyzing recorded calls to gather information, brings structure to customer interactions and exposes information buried in customer contact center interactions with an enterprise.

9 9 Т ЕХНОЛОГИЧЕСКИЕ ОСНОВЫ РЕЧЕВОЙ АНАЛИТИКИ

10 О СОБЕННОСТИ ТЕКСТОВ РАСПОЗНАННОЙ РЕЧИ Два и более лингвистических потока, телефонный разговор это диалог Отсутствие типовых элементов организации структуры текста распознанной речи Отсутствие сопровождающих метаданных, способствующих понимаю информации Избыточность, синонимичность - общее свойство речи, особенно устной Стилистические особенности устной речи - фигуры речи, обороты, жаргонизмы, речевые жесты Влияние невербальных средств, используемых в устной речи для передачи смысла – интонация, темп, громкость Возможность преднамеренного кодирования истинного смысла высказывания (сарказм, ирония, эзопов язык) Нечеткие данные - неточности в распознавании речи

11 В ЛИЯНИЕ ТОЧНОСТИ РАСПОЗНАВАНИЯ НА ИНФОРМАЦИОННОЕ СОДЕРЖАНИЕ ТЕКСТА Британская консалтинговая компания Quacquarelli Symonds (QS) опубликовала всемирный рейтинг высших учебных заведений. Московский государственный университет имени М.В. Ломоносова (МГУ) занял первое место среди российских вузов он улучшил свои показатели на шесть позиций и поднялся на 114-е место. На втором месте среди отечественных высших учебных заведений находится Санкт-Петербургский государственный университет (СПбГУ): этот вуз QS поставила на 233-е место. в такт контрибуций расслабленная ювелирный крышах Мордовский авторитет абрикосовый нервное дожди пазов лучший подсказали амбиций 14 Агроном редис скисших приведений нейтралитет метод тесто хна ГРЭС сотни ос В ЫВОДЫ Для понимания текста человеком не требуется 100% точности распознавания. Для машинного анализа текста распознанной речи необходимо учитывать надежность распознавания и вероятность сочетаемости слов, например: учебных приведений - учебных заведений государственный нейтралитет (СПБГУ) – государственный университет (СПБГУ)

12 From Scripture, we learn of the miracle of restoration. You who have made me see many troubles and calamities will revive me again. From the depths of the earth you will bring me up again. You will increase my greatness and comfort me again. Secretary Hagel, General Dempsey, members of our Armed Forces and most of all, the survivors who bear the wounds of that day and the families of those we lost, it is an honor to be with you here again to remember the tragedy of twelve Septembers ago to honor the greatness of all who responded and to stand with those who still grieve and to provide them some measure of comfort once more. Together we pause and we pray and we give humble thanks as families and as a nation for the strength and the grace that from the depths of our despair has brought us up again, has revived us again, has given us strength to keep on. We pray for the memory of all those taken from us nearly 3,000 innocent souls. Our hearts still ache for the futures snatched away, the lives that might have been the parents who would have known the joy of being grandparents, the fathers and mothers who would have known the pride of a child's graduation, the sons and daughters who would have grown, maybe married and been blessed with children of their own. Those beautiful boys and girls just beginning to find their way who today would have been teenagers and young men and women looking ahead, imagining the mark they'd make on the world. They left this Earth. They slipped from our grasp. But it was written, What the heart has once owned and had, it shall never lose. What your families lost in the temporal, in the here and now, is now eternal. The pride that you carry in your hearts, the love that will never die, your loved ones everlasting place in America's heart. We pray for you, their families, who have known the awful depths of loss. And in the quiet moments we have spent together and from the stories that you've shared, I'm amazed at the will that you've summoned in your lives to lift yourselves up and to carry on, and to live and love and laugh again. Even more than memorials of stone and water, your lives are the greatest tribute to those that we lost. For their legacy shines on in you when you smile just like him, when you toss your hair just like her, when you foster scholarships and service projects that bear the name of those we lost and make a better world. When you join the firehouse or you put on the uniform or you devote yourself to a cause greater than yourself, just like they did, that's a testimony to them. And in your resilience you have taught us all there is no trouble we cannot endure and there is no calamity we cannot overcome. We pray for all those who have stepped forward in those years of war diplomats who serve in dangerous posts, as we saw this day last year in Benghazi, intelligence professionals, often unseen and unheralded who protect us in every way our men and women in uniform who defend this country that we love. Today we remember not only those who died that September day. We pay solemn tribute to more than 6,700 patriots who have given their full measure since military and civilians. We see their legacy in the friendships they forged, the attacks they prevented, the innocent lives they saved and in their comrades in Afghanistan who are completing the mission and who by the end of next year will have helped to end this war. This is the path that we've traveled together. These are the wounds that continue to heal. And this is the faith in God and each other that carries us through, that restores us and that we summon once more each time we come to hallowed ground beside this building or in a Pennsylvania field or where the towers once stood. Here, in such moments of grace, we are renewed. And it is here that we reaffirm the values and virtues that must guide us. Let us have the strength to face the threats that endure, different though they may be from 12 years ago, so that as long as there are those who would strike our citizens, we will stand vigilant and defend our nation. Let us have the wisdom to know that while force is at times necessary, force alone cannot build the world we seek. So we recommit to the partnerships and progress that builds mutual respect and deepens trust and allows more people to live in dignity, prosperity and freedom. Let us have the confidence in the values that make us American, which we must never lose, the shining liberties that make us a beacon of the world; the rich diversity that makes us stronger, the unity and commitment to one another that we sustain on this National Day of Service and Remembrance. And above all, let us have the courage like the survivors and families here today to carry on, no matter how dark the night or how difficult the day. You who have made me see many troubles and calamities will revive me again. And from the depths of the earth you will bring me up again. You will increase my greatness and you will comfort me again. May God bless the memory of those that we lost. May he comfort you and your families and may God bless these United States of America. П РИМЕР СТАТИСТИЧЕСКОГО АНАЛИЗА ТЕКСТА

13 О ГРАНИЧЕНИЯ СТАТИСТИЧЕСКИХ МЕТОДОВ АНАЛИЗА

14 14 Natural Language Processing Natural Language Processing (NLP) междисциплинарная область науки, решающая задачи понимания естественного языка с использованием технических средств и знаний в области информатики, искусственного интеллекта и лингвистики Data Mining совокупность методов обнаружения в данных ранее неизвестных, нетривиальных, практически полезных и доступных интерпретации знаний, необходимых для принятия решений в различных сферах человеческой деятельности. Data Mining Text Mining совокупность методов лингвистического, статистического анализа и машинного обучения, структурирующих информационное содержание текстов для решения аналитических и поисковых прикладных задач. Text Mining О СНОВНЫЕ НАУЧНЫЕ ОБЛАСТИ Automatic Speech Recognition(ASR) междисциплинарная область науки, решающая задачи компьютерного распознавания устной речи для ее преобразования в текст. Существуют два основных подхода к распознаванию речи: пофонемное распознавание – перевод устной речи в фонетическую транскрипцию распознавание на большом словаре

15 А НАЛИЗ НЕСТРУКТУРИРОВАННОГО ТЕКСТА LabelFragment M1 Lenta.ru Наука и техника 30 СЕНТЯБРЯ 2014, ВТОРНИК, 20:56 T1 МГУ поднялся на шесть позиций в рейтинге лучших мировых вузов P1 Британская консалтинговая компания Quacquarelli Symonds (QS) опубликовала всемирный рейтинг высших учебных заведений. Московский государственный университет имени М.В. Ломоносова (МГУ) занял первое место среди российских вузов: он улучшил свои показатели на шесть позиций и поднялся на 114-е место. На втором месте среди отечественных высших учебных заведений находится Санкт- Петербургский государственный университет (СПбГУ): этот вуз QS поставила на 233-е место. P2 Всего в рейтинг вошли 863 вуза, из них 21 российский. Впервые в него попали Национальный исследовательский ядерный университет МИФИ, Национальный исследовательский технологический университет «МИСиС» и Национальный исследовательский Саратовский государственный университет. TermsM1T1P1P2 Lenta1000 наука 1000 техника 1000 сентябрь 1000 МГУ0110 подняться 0110 на 0140 шесть 0100 позиция 0110 рейтинг 0111 лучший 0100 мировой 0100 ВУЗ0110 британский 0010 консалтинговый 0010 компания 0010 университет 0023

16 А НАЛИЗ НЕСТРУКТУРИРОВАННОГО ТЕКСТА TermsM1T1P1P2TF Lenta10001 наука техника сентябрь МГУ01102 подниматься на шесть позиция рейтинг лучший мировой ВУЗ01102 британский консалтинговый компания университет Привели слова к нормальной форме Выделили сущности: «МГУ» Исключили незначимые слова: «на» Определили синонимы: «университет» = «ВУЗ» Подсчитали частотность слов в тексте: TF – Term Frequency Построили векторную модель текста Вектор документа в заданном лексическом пространстве: (7, 2, 3, 2, 2)

17 Т ЕХНОЛОГИЧЕСКИЕ ОСНОВЫ РЕЧЕВОЙ АНАЛИТИКИ Natural Language Processing Приведение слов к нормальной форме Обработка синонимов и омонимов Выделение коллокаций - устойчивых словосочетаний Удаление незначимых слов etc. Text Mining Извлечение сущностей и фактов Аннотирование текстов Анализ тональности высказываний Поиск семантических связей и закономерностей etc.

18 А НАЛИЗ МАССИВОВ ТЕКСТОВЫХ ДОКУМЕНТОВ

19 О СНОВНЫЕ ЗАДАЧИ D ATA M INING Data Mining Классификация Кластеризация Выявление ассоциаций Выявление последовательностей Прогнозирование D ATA M INING 1 - это совокупность методов обнаружения в данных ранее неизвестных, нетривиальных, практически полезных и доступных интерпретации знаний, необходимых для принятия решений в различных сферах человеческой деятельности Классификация – поиск признаков, характеризующих однотипные группы (классы) объектов. Позволяет по известным значениям отнести новые объекты к тому или иному классу. Кластеризация - выделение признаков, по которым данные делятся на группы (кластеры). Выявление ассоциаций – поиск признаков, выявляющих связи между одновременно наступающими событиями. Выявление последовательностей – поиск признаков, характеризующих связи между событиями, разнесенными во времени. Прогнозирование – определение будущих значений определенных численных показателей на основе анализа особенностей поведения текущих и исторических данных оценивает.

20 D ATA M INING - КЛАССИФИКАЦИЯ ДОКУМЕНТОВ К ЛАССИФИКАЦИЯ ДОКУМЕНТОВ – отнесение документа к одному из предопределенных классов по заранее заданным критериям-классификаторам В АЖНО : задача тематической классификации документов предполагает классификацию «по правилам» – по ключевым словам или обучение системы речевой аналитики на предварительно размеченной обучающей выборке документов процедура классификации может быть проведена над единичным документом

21 П РИМЕРЫ КЛАССИФИКАЦИИ ТЕКСТОВ S ENTIMENT ANALYSIS – определение тональности текстов с помощью классификатора, обученного на заранее подготовленных выборках негативных, позитивных и нейтральных звонков.

22 1. Введем координаты пространства 2. Определим координаты каждого объекта 3. Определим расстояние между объектами 4. Введем метрику близости 5. Сгруппируем близкие объекты в кластеры D ATA M INING - КЛАСТЕРИЗАЦИЯ ДОКУМЕНТОВ К ЛАСТЕРИЗАЦИЯ ДОКУМЕНТОВ – выявление групп схожих документов на конечном множестве без какого-либо предопределенного набора критериев-классификаторов. В АЖНО : Кластеризация неоднозначна, результаты кластеризации зависят от состава выборки и заданной метрики

23 П РИМЕРЫ КЛАСТЕРИЗАЦИИ ТЕКСТОВ D EEP & STRUCTURE ANALYSIS – а) глубинный анализ тематик обращений клиентов с целью выявления причин обращения, б) анализ структуры массивов данных. Тема? Причина? Недостатки формализованных классификаторов не могут быть полными и всеобъемлющими не исключают ошибки ввода не позволяют определить то, что не задано в классификаторе устаревают не позволяют провести глубинную аналитику и выявить причину

24 Т ЕХНОЛОГИЧЕСКИЕ ОСНОВЫ РЕЧЕВОЙ АНАЛИТИКИ Natural Language Processing Приведение слов к нормальной форме Определение частей речи Обработка синонимов и омонимов Выделение устойчивых словосочетаний Поиск стоп-слов etc. Text Mining Извлечение сущностей и фактов Аннотирование текстов Анализ тональности высказываний Поиск семантических связей etc. Data Mining Классификация Кластеризация Выявление ассоциаций Выявление последовательностей Прогнозирование

25 Р ЕЧЕВЫЕ КОММУНИКАЦИИ В КОНТАКТНОМ ЦЕНТРЕ

26 26 Р ЕЧЕВАЯ АНАЛИТИКА В КОНТАКТНОМ ЦЕНТРЕ Call Flow Analysis Holds Transfers Mute Conference Repeated Calls Call tracking etc. Voice Analysis Речевая активность Детектирование эмоционального состояния Пол Возраст Язык etc. Speech Recognition Поиск ключевых слов и выражений на основе фонетического поиска Полнотекстовое распознавание слитной речи на большом словаре Natural Language Processing Специальные методы обработки естественного языка для проведения машинного анализа Text Mining Извлечение сущностей и фактов Аннотирование текстов Анализ тональности высказываний etc. Data Mining Классификация Кластеризация Выявление ассоциаций Выявление последовательн остей Прогнозировани е Р ЕЧЕВАЯ АНАЛИТИКА ( ОПРЕДЕЛЕНИЕ ЦРТ ) - совокупность технологий и методов, предназначенных для извлечения практически полезных знаний и ранее неизвестной информации, содержащихся в массивах или потоках речевой информации, а также в сопровождающих их данных. 26

27 В ЧЕМ СИЛА И ЦЕННОСТЬ РЕЧЕВОЙ АНАЛИТИКИ ?

28 К ЛЮЧЕВЫЕ ФАКТОРЫ РЕЧЕВОЙ АНАЛИТИКИ 1 Природа данных Источником аналитической информации является непосредственно речь клиентов и операторов. 2 Многоуровневый анализ Поиск ключевых слов, определение тематик и тональности обращений, диагностика эмоций etc. 3 Автоматизация Технологии распознавания и анализа речи позволяют провести анализ 100% обращений клиентов. Ганеша Индуистский Бог мудрости и благополучия

29 К ЛЮЧЕВЫЕ ФАКТОРЫ РЕЧЕВОЙ АНАЛИТИКИ Ганеша Индуистский Бог мудрости и благополучия 4 Новизна информации «Люди ищут только то, что знают … они не будут искать или не смогут выразить в запросе то, о чем не имеют представления» - Jim Nisbet, Semio. 5 Влияние на бизнес организации Информация, получаемая с помощью системы речевой аналитики, имеет значение для многих подразделений организации. 6 Развитие контакт-центра Речевая аналитика позволяет КЦ стать эффективным и важнейшим инструментом менеджмента в вопросах развития продуктов и услуг организации.

30 В ОЗМОЖНОСТИ РЕЧЕВОЙ АНАЛИТИКИ И РОЛЬ АНАЛИТИКА

31 В ОЗМОЖНОСТИ РЕЧЕВОЙ АНАЛИТИКИ Т РЕБОВАНИЯ К АНАЛИТИКУ Он должен быть Он должен обладать аналитическими способностями, навыками и знаниями О СОБЕННОСТИ РАБОТЫ АНАЛИТИКА Аналитик формулирует вопросы и получает ответы на «языке» системы Должен ли аналитик иметь собственные ответы и гипотезы? Обязательно! Ч ЕГО НЕ МОЖЕТ РЕЧЕВАЯ АНАЛИТИКА ? Ответить на незаданные вопросы Ответить на вопросы самостоятельно, без участия человека А НАЛИТИЧЕСКАЯ СИСТЕМА = К ОМПЬЮТЕР + Ч ЕЛОВЕК

32 Р ОЛЬ АНАЛИТИКА В РЕШЕНИИ АНАЛИТИЧЕСКИХ ЗАДАЧ …. отвечает за предоставление бизнесу информации по улучшению бизнес процессов, используя инструменты речевой аналитики …. анализирует большие объемы записей разговоров с клиентами, предлагает идеи управления бизнесом, улучшения процессов и выявляет зоны обучения сотрудников компании. Администрирование системы речевой аналитики, обеспечение полного охвата системой всех бизнес-процессов. Категоризация и выявления ключевых бизнес индикаторов клиентского сервиса, продаж по телефону и прямых продаж Мониторинг трендов клиентских обращений. Предоставление аналитической информации руководству для улучшения эффективности предприятия. Управление командой с фокусом на развитие лучших навыков сотрудника. Исследование бизнеса, выявление слабых мест и улучшение качества бизнеса на основании отзывов клиентов. Создание кратких и ясных отчетов. Понимание потребностей бизнеса, запуск новых аналитических процессов в ответ на потребности клиентов.

33 B EST P RACTICES ОТ DMG CONSULTING Заручитесь поддержкой топ-менеджера, поддерживающего инициативу внедрения речевой аналитики. Определите выгоды, которые дает речевая аналитика в масштабах всего предприятия. Включите в команду аналитиков сотрудников, которые глубоко понимают бизнес вашей организации. Соберите команду, состоящую из сотрудников различных подразделений. Это поможет вам создать систему речевой аналитики, востребованную на уровне всего предприятия. Активно общайтесь с пользователями речевой аналитики в различных подразделениях, чтобы получить от них поддержку на этапе принятия решения. Разработайте формализованный, контролируемый процесс и организуйте регулярную отчетность, доступную руководителям департаментов и топ-менеджерам компании. Установите KPI, которые могут быть включены в отчеты, получаемые с помощью средств речевой аналитики. Создайте механизм для отслеживания улучшений в каждом департаменте, использующем данные речевой аналитики. Добейтесь, чтобы лидер команды речевой аналитики имел полномочия влиять на руководителей других подразделений для реализации улучшений и решения проблем, выявляемых с помощью системы речевой аналитики. Внедрите процесс реализации улучшений на постоянной основе. Менеджеры, улучшающие показатели работы своих подразделений на основе данных речевой аналитики, должны поощряться.

34 М ИРОВОЙ РЫНОК РЕЧЕВОЙ АНАЛИТИКИ ДЛЯ КОНТАКТНЫХ ЦЕНТРОВ

35 Г ЛОБАЛЬНЫЙ РЫНОК РЕЧЕВОЙ АНАЛИТИКИ Рынок речевой аналитики увеличится почти в 3 раза за 5 лет Объем мирового рынка в 2019 – 1,3 млрд. $ Темпы роста 30 – 20 % в год Speech Analytics Worldwide Market Forecast

36 Р ЕЧЕВАЯ АНАЛИТИКА В КЦ США Зависимость проникновения speech & interaction analytics от размера КЦ The US Contact Center Decision-Makers Guide 2014 Contact Babel UK Questionnaire was answered by 204 contact center managers and directors between January and February % крупных КЦ используют в работе речевую аналитику 24% уровень проникновения речевой аналитики в КЦ США 15% - 20% малые и средних КЦ используют в работе технологии speech & interaction analytics

37 Р ЕЧЕВАЯ АНАЛИТИКА В США Отраслевое проникновение speech & interaction analytics в КЦ The US Contact Center Decision-Makers Guide 2014 Contact Babel UK Questionnaire was answered by 204 contact center managers and directors between January and February 2014 Лидеры по внедрениям: страхование, развлечения и отдых, телекоммуникации, аутсорсинг: % Среднее значение проникновения по всем отраслям в ближайшие 1 -2 года достигнет 50% В ближайшие 1 – 2 года доля проникновения речевой аналитики увеличится до 50% и более в КЦ торговых и финансовых организаций, а также в КЦ производственнных компаний и ЦОВ социальных служб

38 Р ЕЧЕВАЯ АНАЛИТИКА В США The US Contact Center Decision-Makers Guide 2014 Contact Babel UK Questionnaire was answered by 204 contact center managers and directors between January and February 2014 Технологическое проникновение speech & interaction analytics в КЦ Проникновение speech & interaction analytics в КЦ США оценивается 24% Проникновение речевых систем (Speech analytics & recognition) в КЦ США 51% Речевая аналитика в числе трех основных приоритетов технологического развития для КЦ. В течении ближайших 2 лет планируют внедрение: speech recognition & analytics – 50% web chat – 31% mobile app – 28%

39 К ЕЙСЫ РЕЧЕВОЙ АНАЛИТИКИ И ОЦЕНКА ИХ ЭФФЕКТИВНОСТИ

40 Speech Analytics Product and Market Report 2013, DMG consulting LLC Т ОП -10 КЕЙСОВ РЕЧЕВОЙ АНАЛИТИКИ 1. Определение причин и трендов обращений клиентов 2. Автоматизация контроля качества обслуживания 3. Улучшение FCR, сокращение трансферов и удержаний 4. Сокращение среднего времени обслуживания 5. Контроль скрипта обслуживания 6. Выявление потребностей в обучении агентов 7. Повышение эффективности возврата задолженности 8. Повышение эффективности продаж 9. Улучшение использование систем самообслуживания 10. Сокращение оттока клиентов

41 К ЕЙСЫ РЕЧЕВОЙ АНАЛИТИКИ И ИХ ЭФФЕКТИВНОСТЬ Контроль качества Выявление потребностей в обучении агентов Оценка удовлетворенности The US Contact Center Decision-Makers Guide 2014 Contact Babel UK Questionnaire was answered by 204 contact center managers

42 Выявление причин обращений клиентов Мониторинг информации о конкурентах Мониторинг отзывов о компании и продуктах The US Contact Center Decision-Makers Guide 2014 Contact Babel UK Questionnaire was answered by 204 contact center managers К ЕЙСЫ РЕЧЕВОЙ АНАЛИТИКИ И ИХ ЭФФЕКТИВНОСТЬ

43 Н АБЛЮДЕНИЕ : чем ближе решаемая задача к традиционным задачам службы качества КЦ, тем выше оценивается эффективность речевой аналитики участниками опроса. П РИЧИНЫ : человеческий фактор? ограничения технологии? неправильно выбрана аудитория опроса? отсутствие отработанных методик! Контроль качества Мониторинг отзывов о компании и продуктах The US Contact Center Decision-Makers Guide 2014 Contact Babel UK Questionnaire was answered by 204 contact center managers К ЕЙСЫ РЕЧЕВОЙ АНАЛИТИКИ И ИХ ЭФФЕКТИВНОСТЬ

44 З АВТРА ! 27 НОЯБРЯ В ВЕБИНАР 2 Р ЕЧЕВАЯ АНАЛИТИКА : ПРОДУКТЫ, ПРОЕКТЫ И УСЛУГИ ЦРТ И НСТРУМЕНТЫ И ПРОДУКТЫ РЕЧЕВОЙ АНАЛИТИКИ А НАЛИТИЧЕСКИЕ КЕЙСЫ, КОТОРЫЕ МЫ РЕШАЛИ Э ТАПЫ ТИПОВОГО ПРОЕКТА Р ЕЦЕПТЫ УСПЕШНОГО ПРОЕКТА В ОЗМОЖНЫЕ ВАРИАНТЫ ПРОЕКТОВ У СЛУГИ ЦРТ В ОБЛАСТИ РЕЧЕВОЙ АНАЛИТИКИ

45 И НФОРМАЦИОННЫЕ ПАРТНЕРЫ

46 В презентации использованы рисунки художника Юрия МАКАРЕНКО из книги Василия Дмитриевича ЗАХАРЧЕНКО «РАЗГОВОР С ЭЛЕКТРИЧЕСКИМ МОЗГОМ» Издательство: «Детская литература», 1975 год Благодарю за внимание! Готов ответить на Ваши вопросы. С уважением, Александр Белозерчик Skype: a.belozerchick +7(921)