Pony Express внедрила речевую аналитику

VSRoboticsвнедрил речевую аналитику для контроля качества обслуживания клиентов в контактном центре компании PonyExpress. Автоматизированное решение даст новые возможности для поиска и анализа записей звонков со 100%-м охватом всей фонотеки, исключив необходимость их выборочного прослушивания. Кроме того, инструмент позволит быстро и точно находить точки роста в диалогах операторов с абонентами, повысить качество коммуникации и удовлетворенность клиентов без существенных временных затрат. По словам руководителя департамента клиентского сервиса Pony Express Марины Косякиной, на звонки в контактный центр приходится порядка 60% от всего объема обращений. "Внедрение системы речевой аналитики позволит изучать все диалоги клиентов и операторов, в автоматизированном режиме оценивать такие параметры, как длительность диалога, количество пауз в разговоре, процент соотношения речи клиента иоператора. На основании этих данных мы будем эффективнее выявлять "точки роста", анализировать кейсы и развивать систему обучения в компании", — говорит Марина Косякина. "PonyExpressизвестны на рынке своим качеством клиентского сервиса и внедрение речевой аналитики – это стратегически важный шаг, который поможет усилить ключевое конкурентное преимущество компании. VSRoboticsосуществляет собственные разработки, и поэтому мы умеем отвечать сложным с технической точки зрения запросам клиентов. Например, мы отказались от интеграции с телефонией PonyExpress, сэкономив существенную часть бюджета и время на внедрение решения", - рассказал глава VSRobotics Дмитрий Теплицкий. В основе системы лежит несколько технологий, таких как распознавание речи, диаризация, определение роли спикера, определение тематик входящих обращений и другие. Технология Speech To Text позволяет осуществлять транскрипцию речи оператора и абонента и работать с поступающими звонками без задержек, что сопоставимо с режимом онлайн. Сервис диаризации решил вопросы, связанные с особенностями используемой телефонии, разделяя входящий аудипоток на несколько сегментов в соответствии с принадлежностью к каждому спикеру. После распознавания речи и диаризации важно понимать, кто из спикеров является оператором, и кто абонентом. Для этого был использована технология определения роли спикера. А сервис составных запросов (и, или, не, предшествование) позволяет не только выявлять несоответствие диалога оператора скрипту, но и скрытые закономерности в коммуникациях с абонентами, использование которых значительно повышает конверсию в сделку. "Один из факторов, в значительной степени повлиявший на скорость реализации проекта, - короткая релизная политика, основанная на принципах и подходах Agile. С учетом кастомизации под клиента и благодаря слаженной работе наших команд техническая фаза проекта была реализована в рекордно короткие сроки – в течение месяца с момента первых переговоров и до финального релиза решения. Так же нам удалось существенно сократить сроки настройки и автоматическое развертывание ПО в инфраструктуре клиента – теперь этот процесс можно свести всего лишь к 2 часам", — отмечает Дмитрий Теплицкий. Команда проекта нашла архитектурные решения, которые позволили упростить требования к инфраструктуре клиента. Для работы речевой аналитики от VS Robotics не требуется больших объемов серверных мощностей. Ссылка на источник