金融業客服中心發展聯盟2016年系列專題研討會—質檢工作專題會議于8月30日在北京召開，中國工商銀行、中銀商務、交通銀行、中國郵政儲蓄銀行、銀聯商務、光大銀行、華夏銀行、中信銀行、北京農商銀行和農村信用社聯合社等十余家金融機構參會，參會大拿們圍繞語音質檢工作現狀，從成本、效率、營銷、風險控制等多個維度，深入探討了大數據語音轉文本技術對呼叫中心質檢的作用空間。

活動由《金融電子化》雜志旗下的中國金融業客服中心發展聯盟主辦

說到為什么大數據語音轉文本技術在呼叫中心領域這么被關注，我們先來看看參會銀行分享的幾個呼叫中心質檢關鍵數據：

1．質檢覆蓋率，最高的不足2%

10家銀行中，4家銀行分享了自身的呼叫中心質檢覆蓋率，分別是1%，1.7-1.9%，0.5%，1.1%；而天璣之前的呼叫中心大數據質檢項目中，客戶原始質檢覆蓋率幾乎都在2%以下，說明質檢覆蓋率低是呼叫中心質檢的一個普適難點。

2．質檢人員與坐席配比，平均1:40-1:50

10家銀行中，7家銀行分享了自身呼叫中心質檢人員與坐席的配比，其中1:30的3家，1:40的2家，1:50的1家，1：65的1家。而天璣呼叫中心大數據質檢項目中，客戶原始質檢人員配比率平均1:50，即每100坐席配置2個質檢人員，說明質檢人員對比坐席配比不高，同樣是行業慣例。

3．80%以上采用純人工質檢

10家銀行中，僅2家銀行表示曾采用或正在采用質檢工具，其中1家表示嘗試過語音轉文本技術改進質檢（并借此在不增加人員的基礎上實現了1：65的質檢與坐席配比，為此次10家銀行里的最高配比），但由于沒有語音轉文本后的大數據文本分析技術，效果有限。

4．90%希望借工具及大數據技術達成階段目標

10家分享銀行呼叫中心具體質檢現狀及期望如下(以下隱去銀行具體名稱)：

銀行A

坐席1000人，質檢人員配比1:50。

期望：借助新技術提高質檢的效率。

銀行B

質檢人員配比1:30。

期望：結合大數據，實現

（1） 大數據分析，價值信息挖掘；

（2） 降低運營成本；

（3） 新員工輔導。

銀行C

已采用系統和人工結合方式抽檢錄音，每月每坐席抽檢電話4通）。

期望：進一步通過工具/系統，給質檢工作提供便利。

銀行D

質檢人員配比1:30，覆蓋率1%，每月每坐席抽檢電話15-20通。

期望：（1）實現一定規則的隨機分配，并且實施專項業務的撥測；

（2）實時可視問題庫：把投訴、表揚內容抽取，上傳到知識庫，坐席能夠實時看到，暴露問題以及表揚；

（3）最大化質檢部門的能量，能夠最大化提高坐席人員質量以及服務水平。

銀行E

質檢人員配比1:30，質檢覆蓋率為1.7%-1.9%，實行質檢入組，質檢人員績效和一線坐席綁定，調聽內容隨入職年限變化。

期望：短視錢沒有大的期望，目前在同業已做的比較全面。

銀行F

參會銀行中唯一在使用語音轉文本進行質檢的，質檢人員配比1:65。

期望：目前的質檢系統仍不夠智能，希望進一步增加大數據分析功能，并解決專項業務撥測、實現全量質檢、解決評分困難、語言多樣化、無法統一標準等問題。

銀行G

質檢人員配比1:40，每月每坐席抽檢4-6通錄音。

期望：提升整體服務水平，提升客戶感受，但是沒有系統支撐。

銀行H

質檢人員配比1:40，根據新老、組別等策略分配，每個坐席每月10-15通，質檢覆蓋率為0.5%。

期望：（1） 改進手工派任務方式，制定分派原則非常浪費時間；

（2） 注重服務的同時進行營銷；

（3） 提升客服的服務水平；

（4） 提高質檢覆蓋率。

銀行I

質檢覆蓋率為1.1%，標桿錄音納入知識庫，分享給其他坐席。

期望：希望從制定質檢評分規則到實際評判都可以標準化，一線坐席人員，知識庫人員，質檢人員能互相配合。

銀行J

目前全人工質檢，人工分配。

期望：實現全媒體接入方式以及接入后的質檢和風控提示。

對照上述銀行期望，呼叫中心大拿眼中現階段最具既視感問題/難點，筆者總結如下：

1．既想提高質檢覆蓋率，又想降低成本

質檢平均覆蓋率不超過2%，但通過增加人工的方式提升覆蓋率在成本上不允許，成本的增加與覆蓋率的提升也不成比例（人員成本加倍時，覆蓋率可能只能提升1-2%）。

2．需要通過系統及管理統一服務水平

希望提高并且能夠統一服務水平和服務質量；希望合規性檢查來幫助客服降低客服人員服務差異性，從而統一客服服務水平。

3．信息挖掘將成為呼叫中心下一個競爭點

希望通過質檢挖掘有價值的信息，也就是大數據分析對營銷的幫助。

4．需要更好的方式降低交易風險

希望質檢系統能夠做到風險控制，如高風險交易客戶，疑難投訴客戶，欺詐客戶等。

綜上，考慮成本和效率提升的平衡，通過工具而非人工提升效率，成為銀行呼叫中心質檢的首要訴求；而加入大數據分析來進一步提升電話質量（尤其是外呼型電話、營銷型電話），降低交易風險，或提升管理效率（如上述B銀行提出的新坐席輔導，D銀行提出的大數據分析問題庫）則成為銀行的更深訴求。

針對這些問題，天璣科技基于大數據技術對非結構化數據（語音文件）的提取及分析，將使質檢效率達到質的飛躍，語音轉文本正確率可達到85%！

這意味著

-質檢結果做到完全即時可視

-實現100%的全文質檢

-風險規避能力極大提升

-質檢人力成本不變，質檢覆蓋率提升5倍以上

天璣呼叫中心語音質檢產品

天璣科技提供從呼叫中心組建、云客服租賃、語音轉文本質檢、多渠道客服信息對接、大數據建模分析等全方位呼叫中心業務，直接幫助客戶業務增長、運營加速。呼叫中心的業務特征，使得能否對語音這種非結構化數據進行高質量提取解析，成為質檢及大數據分析關鍵。

呼叫中心質檢關鍵點1：語音轉文本

天璣質檢產品的語音轉文本正確率可達85%，通過對語音文件等非結構化大數據的精確提取及多層分析，及行業化的質檢流程，幫助客戶實現高覆蓋率、高準確率的質檢，流程可參考下圖。

呼叫中心質檢關鍵點2：大數據分析

除了解決質檢的效率之外，天璣還關注大數據挖掘，通過呼叫中心龐大的語音文件，提取出對企業有價值的信息，并進行大數據分析，得出有價值的結果，為企業的完善與發展提供有力支持！下面是天璣客戶（某國有銀行）大數據挖掘的客服分析場景：

攜手大數據，天璣科技將助力更多銀行打開呼叫中心質檢新篇章！