金融業(yè)客服中心發(fā)展聯(lián)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(lián)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(lián)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(yè)客服中心發(fā)展聯(lián)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(yè)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(tǒng)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(tǒng)，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(guī)則的隨機分配，并且實施專項業(yè)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(yè)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(tǒng)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(yè)務撥測、實現全量質檢、解決評分困難、語言多樣化、無法統(tǒng)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(tǒng)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(guī)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(tǒng)及管理統(tǒng)一服務水平
希望提高并且能夠統(tǒng)一服務水平和服務質量；希望合規(guī)性檢查來幫助客服降低客服人員服務差異性，從而統(tǒng)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(tǒng)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(guī)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(yè)務，直接幫助客戶業(yè)務增長、運營加速。呼叫中心的業(yè)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(yè)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(yè)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(yè)的完善與發(fā)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！
