畅想电话银行的语音价值

    |     2020年1月17日   |   客世原创   |     评论已关闭   |    207

在如火如荼的人工智能+大数据时代,“云计算”、“互联网+”早已成为耳熟能详的名词,影响并改变着我们的生活和工作。近年来快速发展的语音转文本技术,其运用也日渐广泛:轻触iphone手机的home键,则可和siri对话,对话可以包罗万象,小到设置闹钟、定制日程,大至导航、搜索相关网页、打车、实时发送微信等,语音转换为文字的识别度、精准度都较高,几秒钟之内轻松完成。作为存在大量人工语音的电话银行或客服中心,语音的价值也正在被逐步挖掘。

在电话银行或客服中心,将客户与客服的语音对话及时进行文本转换,转换后的文本提供给质检部门进行评分的同时,上传至数据库中进行数据比对、关键字提取、录音分析,并与数据库中海量客户数据进行融合,当某个数据达到既定的数据阀值后系统自动将数据总结归纳后提交至业务或营销部门。业务或营销部门根据数据分类,筛选出最近的冷、热门产品,进行产品的改进和优化,进行相似客户画像,制定不同的产品和营销方案,营销部门根据同一客户的来电次数、咨询业务的频率及时跟进处理客户的问题,高效进行产品的营销。

在银行的电话银行或客服中心,有着海量客户通话记录的流水数据,且客户的通话记录有独特的数据价值。因此,通过这些数据的有效挖掘管理,对银行业务的开拓和营销发挥更为重要的作用:

一、精准划分客户群体

根据电话银行客户的典型特征、行为偏好形成客户个体画像,判断客户的低、中、高价值分类,并可根据客户的金融产品库、营销活动等的参与度,来计算分析相似客户群。如客户拨打客服电话,可以通过其它渠道不能获取的客户言语、态度等独特数据,来分析客户的行为特征;也可通过客户咨询、投诉等问题来提取、归纳、分析相关金融产品和服务。据此,可以有效的对客户群体进行分类、聚类,对客户群体进行精准划分。

二、金融产品的精准开发、优化和细化

不同的年龄阶段、不同的职业、不同的收入、不同的资产配备对银行产品、服务的需求都是有所不同的,银行推出的产品和服务不会满足所有客户的需求,而银行可以根据相似客户群体的特征,开发、优化、细化不同的金融产品,为不同的客户群体提供不同的产品和服务。当然,电话银行的语音转文本分析数据可以有效的用于其它渠道,在银行内部跨渠道协同,形成更加全面的客户个体画像。如通过全渠道挖掘的海量数据,形成客户个体画像,可运用于年度账单的展示。

三、精准锁定重点营销产品的目标客户

银行有着较大的客户群体,有的客户追逐高风险,有的客户安于低风险,有的客户追求服务质量,有的客户趋于实惠多,因此在重点营销银行产品或宣传活动时,可以先分析并筛选出目标客户群,然后再根据客户画像来甄别出客户群体的相似性,进行有针对性的产品和服务营销,提高营销成功率。

四、智能化的运用,在线提升客户满意度

利用语音转文本的技术,形成海量的训练样本,训练样本可应用于神经网络等深度学习,提高智能机器人快速识别客户需求的能力。当训练样本足够大时,训练的智能机器人的精准识别度则可提高。当客户向智能机器人直接发出指令时,智能机器人可精准判断客户意愿并能准确、快速回应,通过在线对话告知客户的业务需求,并可快速为客户办理相关业务,提高自助的服务效率,有效提升客户满意度。

电话银行或客服中心对语音价值的运用已在逐步推广,有关大数据挖据、语音转换为文本的需求也已提上开发日程。毫无疑问,凭借大数据、云存储等技术,很多公司在语音转文本的识别技术上已取得了巨大的成绩。国内语音技术领军者某公司,在发音标准清晰的中文或英文、无背景噪音的前提下,语音识别准确率最高可达95%以上。但目前就了解到的当前语音信息价值提取过程中仍存在以下主要难点。

在技术方面,方言、口音的差异和背景噪音的环境影响:在电话银行或客服中心,客户来自天南地北,语音转文本识别最大的难题就是方言、口音。且不说各地的方言(例:粤语、四川话、闽南语等)千差万别,就每个人的口音,说话风格都不尽相同。同一个人在不同时期、不同状态(产生不良情绪或心理上的变化)都会有发音的音调和语速变化,造成一定的语音转译失真。而语音识别系统在嘈杂背景环境下使用也会受到严重影响,导致识别率较低。如何在不受外界持续不断的声音干扰下正常识别语音尤为重要。若能突破方言、口音差异和背景噪音环境影响的技术难题,那对于语音转文本的识别技术将是一个质的飞跃。

在业务方面,语料库的完善和精准关键词的提取:银行业的语音识别需要银行专业的语料库,只有设计出一个科学且完备的语料库,训练出有效数据才能为各种需求的客户服务。基于此,首先,要确保语音文件的完整性、语音相关维度信息的完善性。其次,机器深度学习是需要有人工标注的,也就是由专家标注部分数据的分析结果,生产大量可供机器学习的训练样本,从而让机器学习有据可依。最后,深度学习的本质就是模拟人的学习机制,学习的样本量越大,得出的结果就越精确。所以,在初建语料库和关键字词时,为确保足够大的样本量,需要收集大量的历史数据,应避免为节约公司成本而清理宝贵的历史数据的行为。

金融科技是这两年炙手可热的发展方向,借助科技的力量,相信会很快解决这些难点,语音价值的有效利用及有关大数据的挖据,加上人工智能的广泛运用将推动电话银行或客服中心的发展进入一个新的时代。

 

作者窦莉;单位为中国建设银行远程智能银行中心;

本文刊载于《客户世界》2019年12月刊。

转载请注明来源:畅想电话银行的语音价值

相关文章

噢!评论已关闭。