隨着業務的持續快速增長，傳統質檢方式的弊端也越來越明顯。爲了進一步提升服務質量，更全面、及時地發現服務問題，減少服務投訴率與輿情風險，我們需要對服務對話數據進行多維度分析。通過制定靈活多變的規則，分析篩選出特定的業務場景，識別有價值的服務對話數據。

智能語音質檢

VAA先鋒音訊智能語音質檢系統應用語音識別、靜音識別、關鍵詞檢索、聲紋識別、場景分割、情緒分析、語義理解等技術，可以將非結構化的語音數據轉換爲可被查詢、檢索、分析的結構化文本數據，進而有效地對客服語音數據中包含的交互內容進行深層次的分析。可應用於自動客服質檢和語音大數據挖掘兩個方向，能夠解決目前大部分呼叫中心存在的錄音質檢覆蓋面不足、客戶流失、客戶投訴、錯失營銷機會、產品反饋不及時等問題。

自動客服質檢方面，通過本系統可以針對坐席人員的服務質量進行自動分析、彙總、統計和分析，從而幫助運營商改善客戶滿意度，提升客戶體驗，降低運營成本。

語音大數據挖掘方面，通過本系統可以瞭解客戶對產品/市場活動的反饋，實現客戶行爲分析、業務熱點分析、有價值信息挖掘，從而有助於優化市場營銷。同時，該系統還可以進行欺詐人員和欺詐案件的識別，減少損失，提升競爭力。

一、智能語音質檢系統架構

智能語音質檢

1)應用層：

由系統展示和基礎服務兩部分組成，針對分析結果進行應用的展現，包含客服質檢、語音搜索、運營分析、營銷挖掘等功能，同時開放接口，提供數據推送能力，並能提供監控、日誌管理、參數配置和權限管理等基礎服務。

2)數據處理層：

通過業務數據接口從第三方系統獲取隨錄信息(包括錄音屬性信息、維度信息)和語音文件;針對獲取的隨錄信息和語音文件通過語音引擎進行處理，包括語音轉寫識別，文本分析處理，場景分割話者分離，以及靜音識別等核心處理，將語音文件轉化爲可分析的結構化數據，同時把處理結果通過ETL工具，抽取到數據倉庫中，並進行多維分析建模存放在數據庫和文件系統中供應用系統頁面分析模塊直接使用。

3)存儲層：

主要用於語音文件及維度信息存儲和語音解析結果庫(又稱“系統結構化索引”存儲);經過數據處理曾生成索引文件，這些結構化的索引文件中包含了語音中的所有信息，存儲在數據倉庫中。

4)接口層：

與錄音平臺實現錄音數據的傳輸，與CRM等外圍系統實現座席、客戶來電號碼、來電時間等隨路信息的同步。

二、智能語音質檢系統業務流程

智能語音質檢

對所有話務服務過程產生的數據進行全量的智能質檢，擺脫人員的限制，全面挖掘服務數據的價值，針對全量的服務數據進行自動化質檢，可以做到電話一掛斷，立刻觸發語音轉文本並做質檢，實時生成質檢結果，通過靈活的規則配置，覆蓋多個複雜的業務場景，數據質檢的成本低，質檢結果響應及時。

基於ASR語音分析技術，可快速將非結構化的語音文件轉化爲文本，並通過NLP自然語言理解算法對內容、通過更加多元化的自定義規則，實現對錄音或文本對話內容的智能分析，幫助企業優化服務策略，提升服務質量。

三、智能語音引擎性能指標

智能語音質檢

智能語音質檢