Hjem Lyd Hvordan kan maskinlæringsværktøjer til evaluering af følelser hjælpe med callcenter-problemer?

Hvordan kan maskinlæringsværktøjer til evaluering af følelser hjælpe med callcenter-problemer?

Anonim

Q:

Hvordan kan maskinlæringsværktøjer til evaluering af følelser hjælpe med callcenter-problemer?

EN:

På mange måder er de virtuelle assistance og interaktive stemmesvar (IVR) -systemer i dagens callcentre stadig temmelig primitive.

Imidlertid følger helt nye teknologier, der lover at virkelig revolutionere telefonopkaldet som et følelsesmæssigt kommunikationsmiddel. Det kan have store effekter for alle mulige kunder og andre opkald, der forsøger at interagere med en virksomhed over telefonen.

Gratis download: Machine Learning og Why It Matters

Det er svært at firkante nogle af disse nye teknologier med det nuværende system, der dominerer, hvor robotstemmen på din telefon virkelig ikke foretager nogen analyse af din afslutning af opkaldet, ud over at håndtere den grundlæggende naturlige sprogbehandling, der adskiller en målsætning fra en anden.

Når du ser på, hvad der kommer ned af geddet, ser det ud til, at vi er på grund af en hurtig eksplosion af moderne kunstig intelligensbistand, der vil gøre IVR-systemer meget mere lydhør.

En kablet artikel kaldet “Dette opkald kan overvåges for tone og følelser” krøniker fremkomsten af ​​et program kaldet Cogito, der er et fremragende eksempel på, hvordan stemmeanalysesoftware er ved at blive meget bedre.

En af de største takeaways for dem, der er interesseret i kundeservice, er at Cogito kan hjælpe med at skelne et opkalds sind og mentalitet. Det kan hjælpe virksomheder med at betjene dem, der allerede er frustrerede eller irriterede, bedre, og som sandsynligvis bliver mere frustrerede og irriterede, når de håndterer stemmemenuer. For eksempel adresserer forfatter Tom Simonite brugen af ​​evaluering af sætninger som "dette er latterligt", som klart kan vise teknologier, om en opkald forværres af det interface, som han eller hun bruger.

I en lidt mere uhyggelig brug kan softwaren også registrere de følelsesmæssige mønstre hos medarbejderne. Dette kan også forbedre kundeservicen, selvom det har en tendens til at gøre det på bekostning af den menneskelige arbejdstager - med andre ord, software, der tvinger dig til at sidde op og tale mere behageligt, vil sandsynligvis ikke være en stor fagforening.

Imidlertid er potentialet her tydeligt - ved at se på den følelsesmæssige sammensætning af den, der ringer op, stemmer og ikke kun det naturlige sprog, kan callcentre blive verdener mere lydhør og virkelig tjene kunder, der ønsker at finde ud af deres regning, bedre forstå produktudvikling, eller still sikkerhedsspørgsmål.

I sidste ende handler det her om at tage en grænseflade, der er fastgjort i skjult arkitektur og gøre det til noget, der er let for folk at bruge. Interface desorientering er en enorm udfordring i nutidens techverden - din kundeoplevelse er kun så god som din interface. Når disse nye værktøjer virkelig kommer på markedet, vil virksomhederne kæmpe for at vedtage dem, fordi den bedre brugeroplevelse vil give dem en enorm konkurrencefordel. Vi vil sandsynligvis se et hav ændre sig mod disse nye teknologier, der er meget hurtigere og mere afgørende end, for eksempel, skyoptagelse, fordi i sidste ende giver nye stemmesvarsteknologier meget mening.

Hvordan kan maskinlæringsværktøjer til evaluering af følelser hjælpe med callcenter-problemer?