论文部分内容阅读
【摘要】 文章主要分析了电力客服系统的质检现状，在此基础上讲解了语音分析技术和智能质检系统，最后探讨了智能质检系统的效益，望可以为有关人员提供一定的参考和帮助。
【关键字】 电力客服 语音分析 智能质检 服务质量
引言：
电力行业在国民经济发展中占据着重要地位，加强供电服务建设，直接关系着供电企业的形象和客户服务体验，作为与客户直接交流的服务窗口，电力客服的服务质量十分重要，但当前服务热线质检的范围及精准度存在很大的局限性，为此文章对如何有效解决其中存在问题展开了研究和分析。
一、业务质检存在的问题
传统业务质检采用人工抽检方式，质检覆盖率较低且无法准确定位问题工单。人工听录音的质检方式，需要长时间集中精力，听取大量的无效信息，人工成本高，效率低，工作强度大。同时大量未质检的工单中的有效内容如客户诉求信息、服务信息等未能得到充分挖掘利用。
二、语音分析
2.1语音检测
通过语音识别、语音活动检测和逻辑分析，将非线性语音片段转换为线性指示器，以实现知识挖掘和大量记录文件和音频文件的快速检索，检测重要语音节点，提取关键段落并结合语音检测，结合空间因素分析，可以有效地识别和区分语音中的各种声音，例如客户与客服的语音、噪音、静音，并标记这些声音因素的位置。
2.2语音增强
由于录音环境、录音设备、扬声器等因素的影响，会出现通话质量问题，例如音量小、背景噪音高、客服和客户音量不对称。为更好地理解通话内容，需要使用噪声抑制和音量调节来提取真正的原始声音。目前，低信噪比或低能量噪声的语音增强方法可以大大降低背景噪声，改善语音质量。质量系统采用的方法是基于谱减法、卡尔曼滤波和信号处理技术子空间组合，针对各种方法的优缺点，提出了规则融合方法用于提高语音的增强和鲁棒性。
2.3场景分割
话者分离技术可以自动分离通话记录中的客户语音和客服语音，有效语音挖掘是一个重要的支撑技术应用程序，场景分割技术是非双通道录音条件下呼叫中心语音挖掘不可缺少的技术条件。人耳能有效识别音频波动，提高听觉质量。按照人的生理特点，完整的场景分割主要分为以下几个步骤：1.在对原始语音进行数字语音信号处理的基础上，将语音转换成包含说话人信息的PLP特征，即说话人的可识别特征输入语音和语音分离;2.通过判断说话人语音的转折点，按照k均值对每个场景进行分割，对语音片段进行聚类，形成两个基本的语音片段集，由于此方法提供的算法准确性很高，因此分类会产生交叉误差，需要进一步的改进。将初始类别聚类以形成GMM模型的两个判断，然后对该决策进行重新评估以形成一个模型，可以获得更准确的两组信息，即情感检测、端点检测、特征提取。结合人类语音空间因素技术，研究声音行为，检测并记录说话人的情绪变化，检测密集的对话并结合关键字以实现客户满意度分析模型，检测和速度检测。
2.4语音转译
智能语音分析系统是利用智能语音识别技术对客服中心的全量录音进行文本转译，将非结构化数据转化为结构化数据，实现录音数据的全量质检分析工作，其核心技术为智能语音识别技术。智能语音识别技术是利用语音识别模型和语言模型，并利用大量的语音语料进行模型训练，提高了模型识别准确率。智能语音分析系统的语音识别模型和语言模型利用海量的客服中心录音语料进行定制化的训练，并将业务关键词、服务忌语、敏感词、关键信息、标准地址地名库等行业专业语音语料数据应用与模型训练中，不断提升行业语音转写准确率，形成了针对行业的定制化的语音转写引擎。此外，在后续的系统使用过程中，可针对语音转写引擎识别准确率较低的区域方言进行定向优化，不断提升整体转写准确率。
2.5语音检索
全文检索的对象包括语音转换生成的文本内容、静默语速情绪等检测结果、关键词和服务忌语的出现位置、来电号码时长等随路数据、语义分析得到的结果（如来电原因、投诉分类等）以及人工质检后得到的各项评分结果。语音检索功能主要针对用户输入的关键词信息、情绪检测信息和长时静音信息，从所有的索引文件中进行快速筛选，并返回用户关注的语音，用户可以对检索结果进行复听，从而对客服人员做相关质检，用户也可以输入关注的信息，由系统对关注的信息进行自动的统计，从而返回海量录音文件中包含的统计信息。
2.6语义理解
采用自然语言理解技术，利用DNN训练基础语义模型，结合语法规则及最大熵决策算法，从通话文本中提取业务信息及用户意图。质检分析模型采用深度神经网络（DNN）、深度卷积神经网络（DCNN）等先进的机器学习算法进行训练，保证了模型训练的效率和效果。
三、在呼叫中心的应用
语音挖掘系统在质量检测中的应用，可以扩大质量检测的范围，及时、全面地发现服务问题，提高服務差错的检出率，有效提高质检工作效率，提升客户服务质量。以电力行业的呼叫中心为例，通过每天6000小时的语音识别能力，将录音非结构化数据向文本结构化数据精准转译、自动质检和问题工单筛选，实现系统辅助全量质检与人工精准质检有机结合，全面管控业务风险;通过对业务关键信息的智能提取，有效开展来电原因、疑似投诉、客户行为等专项分析，有效提升了质检工作效率。根据目前质检员的质检流程及需求进行设计开发，对传统的听取通话录音然后评分的质检模式进行了优化，将录音波形进行展示，并在波形中对关键信息出现的位置进行标注，质检员可快速找到关键信息位置听录音内容，同时系统将录音转译为文本，在文本中也会将关键信息进行标注。实现听看结合，促进质检效率的大幅度提升，整体质量检查范围从不足2%增加到100%，质检的覆盖率提升了50倍，质检的效率提升了4倍。 四、语音挖掘技术的价值
打造智能语音质检分析系统平台，主要包括语音分析支撑功能、客服语音质检、运营管理分析三个方面。一方面可实现客服代表服务质量管理的智能化、自动化、便捷化，辅助呼叫中心运营管理，另一方面还可利用语音分析、转译的结果，给大数据分析提供基础数据，为精准营销、个性化服务提供支撑。以电力行业呼叫中心为例，提供客服中心全量录音的语音到文字的转译，定位录音中的异常情况，为业务管理提供数据支撑和应用基础供客服中心运营情况分析，挖掘客户实际诉求，与工单业务类型和受理内容进行比较，识别工单分类分级错误、客户重复来电等，为持续优化业务流程、服务话术，规范客服专员服务行为提供依据。通过挖掘分析录音中业务热词和关键敏感信息，精准研判客户诉求热点、关键敏感信息和业务趋势变化，为服务能力提升提供了有力支撑。
五、智能质检系统设计
智能语音分析系统的各项功能是基于呼叫中心标准的质检业务及流程设计开发的。質检人员可结合原质检流程，利用智能语音分析技术，实现录音的针对性抽取和自动质检工作，结合质检规则，由系统对问题录音进行自动推荐，此外，提供录音的同时，提供录音波形、文本、关键信息等多方面信息提示，不断优化质检工作，提升质检效率。业务人员可根据质检规则需要，以关键词、静默信息、语音重叠等条件自定义质检规则模板，提交并通过审核生效后，系统根据模版对全量录音进行质检推荐等级判定。系统根据录音中的关键词方案、静默信息、语音重叠信息、异常录音、服务忌语等内容，按照用户自定义的规则模板，筛选出质检规则需要的工单并进行精准质检，大幅减少时间及人力成本，提升质检结果的准确性。
六、智能质检系统的效益
智能质检系统的建设对呼叫中心质量管理和信息数据挖掘起到了促进作用，带来了巨大的经济、管理和社会效益。改变了传统质检方式，实现了人工随机质检向问题导向精准质检的转变，质检人工能效提升30%以上，实现了重点业务全过程覆盖、全流程跟踪的闭环管理，有效防范了客户服务风险。
七、智能语音分析的实现
7.1语音转写
基于非特定人的、连续自然语音的识别。可针对客服领域录音、及特定业务进行优化，实现通话内容自动转写成文字。将分离后的语音通过声学模型转换为对应的汉语音标符号，音标信息再通过超大词汇网络的语言模型识别出最终对应的文本内容。根据地方口音及说法特点，通过大量语料训练，不断优化声学模型及语言模型。
结合业务知识和服务范围，优化关注业务的识别效果，修正语音转写结果。
7.2关键词检出
通过分析指定语音段，检测到指定关键词，并返回该关键词所在整条语音中的位置。流程规范检查：对录音中的关键词顺序进行分析，检查客服人员是否按照流程规定的顺序说出合理话树，关键词是否完备服务忌语检查：检查客服人员对话中是否包含服务忌语。
7.3话者分离
是指在用户与坐席人员的语音交互录音文件中，将“用户”语音和“坐席人员”的语音进行分离，提供针对性分析应用基础。
7.4情绪检测
情绪检测，能够将客服领域通话录音中的异常情绪检测出来，得到包含发音人情绪异常的数据列表，给出对应的异常产生位置及可信度。用户可预先设置报警门限（基频相对变化程度、语速门限、变化持续时间）。1.成单录音分析，提高成单率：针对成单录音进行分析，找出关键因素，从而提高催收成功率;2.热点追踪：对海量的语音文件进行分析，找出客户客户关注的焦点;3.提高通话催收解决效率：确定并消除重复通话的驱动因素;4.减少平均处理时间：确定长时间通话的原因;5.改善客户满意度：了解客户为什么投诉;6.关键词抓取：关键词检索，统计分析，如预计还款率、风险控制;7.减少客户投诉：投诉风险控制;改善业务流8.程：利用客户互动过程，找到流程中的低效率环节;9.突发业务的预警：预警突发状态。
八、结束语
由上可知，通过建设语音分析为核心的智能质检系统能够有效解决当前电力客户服务质检工作中存在的问题，扩大了质检覆盖范围、降低了人工质检工作强度，提高差错检出率，提升了服务质量。
参 考 文 献
[1]陈辉， 饶海红， 温儒玲，等. 一种离线质检用智能语音分析方法及系统， 2020.
[2]张敏丽、郭红壮、于源华. 基于PID算法的语音智能小车设计[J]. 科技风， 2020， No.427（23）：29-30.
[3]李德弟， 苏兆安， 徐先栋，等. 基于语音识别技术的智能指控平台设计研究[C]// 第八届中国指挥控制大会论文集. 2020.
【关键字】 电力客服 语音分析 智能质检 服务质量
引言：
电力行业在国民经济发展中占据着重要地位，加强供电服务建设，直接关系着供电企业的形象和客户服务体验，作为与客户直接交流的服务窗口，电力客服的服务质量十分重要，但当前服务热线质检的范围及精准度存在很大的局限性，为此文章对如何有效解决其中存在问题展开了研究和分析。
一、业务质检存在的问题
传统业务质检采用人工抽检方式，质检覆盖率较低且无法准确定位问题工单。人工听录音的质检方式，需要长时间集中精力，听取大量的无效信息，人工成本高，效率低，工作强度大。同时大量未质检的工单中的有效内容如客户诉求信息、服务信息等未能得到充分挖掘利用。
二、语音分析
2.1语音检测
通过语音识别、语音活动检测和逻辑分析，将非线性语音片段转换为线性指示器，以实现知识挖掘和大量记录文件和音频文件的快速检索，检测重要语音节点，提取关键段落并结合语音检测，结合空间因素分析，可以有效地识别和区分语音中的各种声音，例如客户与客服的语音、噪音、静音，并标记这些声音因素的位置。
2.2语音增强
由于录音环境、录音设备、扬声器等因素的影响，会出现通话质量问题，例如音量小、背景噪音高、客服和客户音量不对称。为更好地理解通话内容，需要使用噪声抑制和音量调节来提取真正的原始声音。目前，低信噪比或低能量噪声的语音增强方法可以大大降低背景噪声，改善语音质量。质量系统采用的方法是基于谱减法、卡尔曼滤波和信号处理技术子空间组合，针对各种方法的优缺点，提出了规则融合方法用于提高语音的增强和鲁棒性。
2.3场景分割
话者分离技术可以自动分离通话记录中的客户语音和客服语音，有效语音挖掘是一个重要的支撑技术应用程序，场景分割技术是非双通道录音条件下呼叫中心语音挖掘不可缺少的技术条件。人耳能有效识别音频波动，提高听觉质量。按照人的生理特点，完整的场景分割主要分为以下几个步骤：1.在对原始语音进行数字语音信号处理的基础上，将语音转换成包含说话人信息的PLP特征，即说话人的可识别特征输入语音和语音分离;2.通过判断说话人语音的转折点，按照k均值对每个场景进行分割，对语音片段进行聚类，形成两个基本的语音片段集，由于此方法提供的算法准确性很高，因此分类会产生交叉误差，需要进一步的改进。将初始类别聚类以形成GMM模型的两个判断，然后对该决策进行重新评估以形成一个模型，可以获得更准确的两组信息，即情感检测、端点检测、特征提取。结合人类语音空间因素技术，研究声音行为，检测并记录说话人的情绪变化，检测密集的对话并结合关键字以实现客户满意度分析模型，检测和速度检测。
2.4语音转译
智能语音分析系统是利用智能语音识别技术对客服中心的全量录音进行文本转译，将非结构化数据转化为结构化数据，实现录音数据的全量质检分析工作，其核心技术为智能语音识别技术。智能语音识别技术是利用语音识别模型和语言模型，并利用大量的语音语料进行模型训练，提高了模型识别准确率。智能语音分析系统的语音识别模型和语言模型利用海量的客服中心录音语料进行定制化的训练，并将业务关键词、服务忌语、敏感词、关键信息、标准地址地名库等行业专业语音语料数据应用与模型训练中，不断提升行业语音转写准确率，形成了针对行业的定制化的语音转写引擎。此外，在后续的系统使用过程中，可针对语音转写引擎识别准确率较低的区域方言进行定向优化，不断提升整体转写准确率。
2.5语音检索
全文检索的对象包括语音转换生成的文本内容、静默语速情绪等检测结果、关键词和服务忌语的出现位置、来电号码时长等随路数据、语义分析得到的结果（如来电原因、投诉分类等）以及人工质检后得到的各项评分结果。语音检索功能主要针对用户输入的关键词信息、情绪检测信息和长时静音信息，从所有的索引文件中进行快速筛选，并返回用户关注的语音，用户可以对检索结果进行复听，从而对客服人员做相关质检，用户也可以输入关注的信息，由系统对关注的信息进行自动的统计，从而返回海量录音文件中包含的统计信息。
2.6语义理解
采用自然语言理解技术，利用DNN训练基础语义模型，结合语法规则及最大熵决策算法，从通话文本中提取业务信息及用户意图。质检分析模型采用深度神经网络（DNN）、深度卷积神经网络（DCNN）等先进的机器学习算法进行训练，保证了模型训练的效率和效果。
三、在呼叫中心的应用
语音挖掘系统在质量检测中的应用，可以扩大质量检测的范围，及时、全面地发现服务问题，提高服務差错的检出率，有效提高质检工作效率，提升客户服务质量。以电力行业的呼叫中心为例，通过每天6000小时的语音识别能力，将录音非结构化数据向文本结构化数据精准转译、自动质检和问题工单筛选，实现系统辅助全量质检与人工精准质检有机结合，全面管控业务风险;通过对业务关键信息的智能提取，有效开展来电原因、疑似投诉、客户行为等专项分析，有效提升了质检工作效率。根据目前质检员的质检流程及需求进行设计开发，对传统的听取通话录音然后评分的质检模式进行了优化，将录音波形进行展示，并在波形中对关键信息出现的位置进行标注，质检员可快速找到关键信息位置听录音内容，同时系统将录音转译为文本，在文本中也会将关键信息进行标注。实现听看结合，促进质检效率的大幅度提升，整体质量检查范围从不足2%增加到100%，质检的覆盖率提升了50倍，质检的效率提升了4倍。 四、语音挖掘技术的价值
打造智能语音质检分析系统平台，主要包括语音分析支撑功能、客服语音质检、运营管理分析三个方面。一方面可实现客服代表服务质量管理的智能化、自动化、便捷化，辅助呼叫中心运营管理，另一方面还可利用语音分析、转译的结果，给大数据分析提供基础数据，为精准营销、个性化服务提供支撑。以电力行业呼叫中心为例，提供客服中心全量录音的语音到文字的转译，定位录音中的异常情况，为业务管理提供数据支撑和应用基础供客服中心运营情况分析，挖掘客户实际诉求，与工单业务类型和受理内容进行比较，识别工单分类分级错误、客户重复来电等，为持续优化业务流程、服务话术，规范客服专员服务行为提供依据。通过挖掘分析录音中业务热词和关键敏感信息，精准研判客户诉求热点、关键敏感信息和业务趋势变化，为服务能力提升提供了有力支撑。
五、智能质检系统设计
智能语音分析系统的各项功能是基于呼叫中心标准的质检业务及流程设计开发的。質检人员可结合原质检流程，利用智能语音分析技术，实现录音的针对性抽取和自动质检工作，结合质检规则，由系统对问题录音进行自动推荐，此外，提供录音的同时，提供录音波形、文本、关键信息等多方面信息提示，不断优化质检工作，提升质检效率。业务人员可根据质检规则需要，以关键词、静默信息、语音重叠等条件自定义质检规则模板，提交并通过审核生效后，系统根据模版对全量录音进行质检推荐等级判定。系统根据录音中的关键词方案、静默信息、语音重叠信息、异常录音、服务忌语等内容，按照用户自定义的规则模板，筛选出质检规则需要的工单并进行精准质检，大幅减少时间及人力成本，提升质检结果的准确性。
六、智能质检系统的效益
智能质检系统的建设对呼叫中心质量管理和信息数据挖掘起到了促进作用，带来了巨大的经济、管理和社会效益。改变了传统质检方式，实现了人工随机质检向问题导向精准质检的转变，质检人工能效提升30%以上，实现了重点业务全过程覆盖、全流程跟踪的闭环管理，有效防范了客户服务风险。
七、智能语音分析的实现
7.1语音转写
基于非特定人的、连续自然语音的识别。可针对客服领域录音、及特定业务进行优化，实现通话内容自动转写成文字。将分离后的语音通过声学模型转换为对应的汉语音标符号，音标信息再通过超大词汇网络的语言模型识别出最终对应的文本内容。根据地方口音及说法特点，通过大量语料训练，不断优化声学模型及语言模型。
结合业务知识和服务范围，优化关注业务的识别效果，修正语音转写结果。
7.2关键词检出
通过分析指定语音段，检测到指定关键词，并返回该关键词所在整条语音中的位置。流程规范检查：对录音中的关键词顺序进行分析，检查客服人员是否按照流程规定的顺序说出合理话树，关键词是否完备服务忌语检查：检查客服人员对话中是否包含服务忌语。
7.3话者分离
是指在用户与坐席人员的语音交互录音文件中，将“用户”语音和“坐席人员”的语音进行分离，提供针对性分析应用基础。
7.4情绪检测
情绪检测，能够将客服领域通话录音中的异常情绪检测出来，得到包含发音人情绪异常的数据列表，给出对应的异常产生位置及可信度。用户可预先设置报警门限（基频相对变化程度、语速门限、变化持续时间）。1.成单录音分析，提高成单率：针对成单录音进行分析，找出关键因素，从而提高催收成功率;2.热点追踪：对海量的语音文件进行分析，找出客户客户关注的焦点;3.提高通话催收解决效率：确定并消除重复通话的驱动因素;4.减少平均处理时间：确定长时间通话的原因;5.改善客户满意度：了解客户为什么投诉;6.关键词抓取：关键词检索，统计分析，如预计还款率、风险控制;7.减少客户投诉：投诉风险控制;改善业务流8.程：利用客户互动过程，找到流程中的低效率环节;9.突发业务的预警：预警突发状态。
八、结束语
由上可知，通过建设语音分析为核心的智能质检系统能够有效解决当前电力客户服务质检工作中存在的问题，扩大了质检覆盖范围、降低了人工质检工作强度，提高差错检出率，提升了服务质量。
参 考 文 献
[1]陈辉， 饶海红， 温儒玲，等. 一种离线质检用智能语音分析方法及系统， 2020.
[2]张敏丽、郭红壮、于源华. 基于PID算法的语音智能小车设计[J]. 科技风， 2020， No.427（23）：29-30.
[3]李德弟， 苏兆安， 徐先栋，等. 基于语音识别技术的智能指控平台设计研究[C]// 第八届中国指挥控制大会论文集. 2020.