روش سریع آنالیز مکالمات غیر معمول در مرکز تماس

چکیده

پاسخگویی به درخواست ها و پرس و جوهای مشتری از طریق مرکز تماس (Contact center )فراهم گشته است. در اغلب موارد مکالمات صورت گرفته ما بین مشتریان و کارشناسان با هدف تحلیل آن ها و بهبود کارایی مراکز تماس ضبط می گردند. امروزه مکالمات ضبط شده به وسیله مسئولین مراکز تماس مورد بررسی و آنالیز قرار می گیرند. اگرچه عملا این روش به لحاظ پایین بودن دقت و زمانبر بودن آن کمتر مورد استفاده قرار می گیرد. علاوه بر این انسان ها قادرند تنها درصد کمی از تمامی مکالمات ضبط شده را مورد بررسی قرار دهند. در این مقاله یک روش بصری جهت تشخیص سریع مکالمات غیرمعمول مطرح شده است. در واقع هدف این است که در ابتدا تمامی مکالمات غیرمعمول غربال شده و سپس این مکالمات توسط انسان ها مورد بررسی قرار گیرند. در ابتدا مکالمات به صورت یک گراف جهت دار مدل و سپس ساختاری از یک تماس نرمال تعیین شده است. هر مکالمه ای که ساختاری مشابه ساختار یک تماس نرمال را نداشته باشد به عنوان یک مکالمه غیرنرمال دسته بندی می شود.

کلمات کلیدی – مکالمه، آنالیز بصری گفتار، مدل کردن، تجزیه و تحلیل گفتار،مرکز تماس،کانتکت سنتر

مقدمه

در مرکز تماس تعاملات تلفنی به منظور استخراج اطلاعات ارزشمند و کسب بینشی صحیح راجع به محصولات، استراتژی، سرویس ها و مشکلات، ضبط می شوند. تجزیه و تحلیل گفتار یک متد تجزیه و تحلیل اتوماتیک مکالمات می باشد. تجزیه و تحلیل دقیق مکالمات یک مرکزتماس می تواند اطلاعات قابل استفاده حیاتی را فراهم آورد. تجزیه و تحلیل داده ها به صورت دستی، علاوه بر پر هزینه بودن، از جامعیت نیز برخوردار نخواهند بود. معمولا به گوش دادن مختصری از مکالمات ضبط شده اکتفا خواهد شد، بنابراین در اغلب موارد مکالمات غیرنرمال ممکن است جزء تجزیه تحلیل ها نباشند.اگرچه، امروزه با ظهور تکنولوژی تشخیص گفتار اتوماتیک ، عمل تجزیه و تحلیل گفتار به تبدیل اتوماتیک گفتار به متن تقیل یافته و عبارات و کلمات موجود در متون مورد بررسی قرار می گیرند، اما روند تبدیل گفتار به متن حتی با استفاده از بروزترین تکنولوژی ها خیلی دقیق نمی-باشد و با حدود ۵۰ تا ۶۰ درصد دقت این عمل انجام میگیرد. از آنجایی که هیچ تکنولوژی تشخیص گفتار اتوماتیکی برای محاورات روزمره وجود ندارد، میزان دقت بدتر نیز خواهد شد. در بسیاری از موارد تبدیل گفتار به متن به دلیل اینکه مفهوم واقعی گفتار را به درستی بیان نمی کند، کافی نمی باشد. به عنوان مثال بیان کلمه “متشکرم” با نیش و کنایه را نمی توان به عنوان یک مکالمه غیر معمول در نظر گرفت، چون کلمه “متشکرم” یک مکالمه معمول و بدون مشکل می باشد.در این مقاله ما متدی را ارائه می دهیم که با استفاده از آن می توان بطور اتوماتیک و بدون نیاز به تبدیل گفتار به متن یک مکالمه غیرنرمال را تشخیص داد. ما از متد گراف جهت دار به منظور نشان دادن یک تماس نرمال استفاده می کنیم و هر تماسی که ساختار یک تماس نرمال را نداشته باشد، به عنوان یک تماس غیر نرمال در نظر گرفته خواهد شد. در واقع تماس ها به صورت گراف های جهت دار مدل شده و تماس های نرمال و غیر نرمال نیز با استفاده از آن گراف ها متمایز می شوند.مدل کردن مکالمات تلفنی یک مکالمه معمول در مرکز تماس یک دنباله ای از بخشهای گفتاری بین مشتری و کارشناس مرکز تماس می باشد. همانظور که در شکل ۱ نیز نشان داده شده است، می توان این مکالمات را به صورت یک گراف جهت دار نمایش داد. در این شکل پیکان قرمز نشان دهنده ابتدای تماس و پیکان آبی نشان دهنده پایان تماس است.

شکل۱- نمایش یک مکالمه به صورت گراف جهت دار

بطور معمول زمانی که تماس شروع می شود، کارشناس صحبت خود را با یک سلام و پیام خوش آمد گویی آغاز و با یک خداحافظ و پیام تشکر آن را به پایان می رساند. بقیه قسمت های مکالمه صحبت های به هم آمیخته بین مشتری و کارشناس می باشد که در شکل به صورت پیکان هایی با خطوط پیوسته نشان داده شده اند. پیکان های منقطع نیز نشان دهنده صحبت های همراه با مکث مشتری یا کارشناس را نشان می دهند. وزن هایی که به این پیکان ها به صورت PCC، PCA، PAC و PAA داده شده اند، نشان دهنده احتمال وقوع آن مکالکه می باشند. PCC احتمال صحبت های همراه با مکث مشتری (احتمال ادامه به صحبت مشتری بعد از خودش)، PCA احتمال صحبت کردن کارشناس بعد از مشتری، PAC احتمال صحبت کردن مشتری بعد از کارشناس و PAA احتمال صحبت های همراه با مکث کارشناس می باشد. درواقع اینگونه می توان انگاشت که شکل ۱ نشان دهنده مکالمه معمول یک مرکز تماس می-باشد و هر یک از احتمالات نسبت داده شده به پیکان ها نشان دهنده ماهیت مکالمه می باشند. به عنوان مثال PCC > PCA باشد، بدین مفهوم است که مشتری به طور پیوسته صحبت می کند و اجازه صحبت به کارشناس را نمی دهد و می تواند به این مساله اشاره کند که مشتری عصبی و یا ناراضی است. در حین یک مکالمه معمول بین مشتری و کارشناس، می توان انتظار داشت که PAC > PAA و PAC > PCC باشد یعنی کارشناس صحبت کند و اجازه دهد تا مشتری نیز صحبت کند.در یک مکالمه تلفنی واقع بینانه اما زمان انتظار نیز وجود دارد. زمانی که در آن کارشناس به منظور پاسخگو بودن به درخواست مشتری، وی را در حالت انتظار قرار می دهد. بنابراین همانطور که در شکل ۲ نیز نشان داده شده است، یک گره دیگر که نشان دهنده موزیک انتظار می باشد، در نظر گرفته شده است.

شکل۲- نمایش یک مکالمه همراه با موزیک انتظار به صورت گراف جهت دار

واضح است که اگر مکالمه برای مدت طولانی در حالت موزیک انتظار بماند، می تواند نشان دهنده این باشد که کارشناس ضعیف عمل می کند و یا درخواست مشتری چنان پیچیده است که زمانی بیش از حد معمول برای پاسخگویی به آن لازم است. در یک روش مشابهی اگر PAM > PAA یا PAM > PAC باشد، می توان چنین برداشت نمود که تعداد دفعات زیادی مشتری را در حالت HOLD قرار داده است و نمی تواند پاسخ مشتری را بدهد.در واقع این نحوه از مدل کردن مکالمات افراد را قادر می سازد تا به کارایی کارشناسان پی ببرند.

نکته: به منظور اینکه بتوان احتمالات را محاسبه نمود مکالمه باید به بخش هایی از مکالمات کارشناس و مشتری تقسیم شود. به منظور استفاده از این روش جهت تشخیص تماس های معمول و نامعمول، ۷۵ مکالمه به عنوان داده در نظر گرفته شده است. در قدم اول هر تماس به دو بخش مکالمه مشتری و مکالمه کارشناس تقسیم شده اند. سپس تعداد انتقال ها بین سه گره مشتری، کارشناس و حالت انتظار و همچنین طول مدت زمان صرف شده در هر گره محاسبه شده اند. نتیجه بدین صورت بود که در مکالمه تلفنی معمول PAC >> PCA (تقریبا دو برابر) می باشد یعنی احتمال اینکه کارشناس با مشتری صحبت کند تقریبا دو برابر احتمال صحبت مشتری با کارشناس است. همچنین احتمال اینکه کارشناس مشتری را در حالت انتظار قرار دهد (PAC >> PAM) خیلی کم می باشد. شکل های ۳ و ۴ به ترتیب نشان دهنده گراف جهت دار یک مکالمه نرمال و یک مکالمه غیر نرمال را می باشند.

شکل۳- نمایش یک مکالمه نرمال به صورت گراف جهت دار

شکل۴- نمایش یک مکالمه غیرنرمال به صورت گراف جهت دار

توجه داشته باشید که سایز گره مشتری در شکل ۴ بزرگتر از گره کارشناس است. بزرگ بودن این گره بدین مفهوم است که مشتری بیشتر از کارشناس صحبت می کند و این موضوع نشانه ای برای غیر معمول بودن مکالمه می باشد در حالی که در یک مکالمه نرمال سایز گره کارشناس بزرگتر از گره مشتری می باشد (شکل ۳).