圖：美劇《了不起的麥瑟爾夫人》
很多企業(yè)擁有中大型電銷或客服中心，每天與客戶產(chǎn)生成千上萬次溝通。溝通的質(zhì)量，決定了企業(yè)的收入或客戶滿意度。企業(yè)監(jiān)督業(yè)務人員的溝通質(zhì)量和執(zhí)行力的過程，被稱為質(zhì)檢。
前兩篇文章，我們介紹了“關鍵詞+正則”質(zhì)檢方式和全新的“非正則”質(zhì)檢方式的區(qū)別，也介紹了兩種機器質(zhì)檢方式各自適配的場景。
雙模質(zhì)檢，各司其職?！胺钦齽t”質(zhì)檢方式通過引入深度學習算法模型，能夠更好地利用上下文語義來判斷一個句子是否命中了質(zhì)檢項，顯著提升找全率（術語“召回率”）和找準率（術語“準確率”）。同時，由于深度學習算法模型對訓練數(shù)據(jù)量有要求，因此“非正則”方式更適合目標通話量較多的質(zhì)檢項，而目標通話量過少的質(zhì)檢項，無法訓練出好的算法模型，需要繼續(xù)使用“關鍵詞+正則”的方式。
今天，我們進一步分析，如何對不同的質(zhì)檢項采取不同的優(yōu)化策略，使機器質(zhì)檢和人工復檢更好地平衡，提升整體質(zhì)檢工作的效率。
召回率和準確率的關系
我們希望每個質(zhì)檢項所命中的目標通話又全又準。這也是循環(huán)智能的質(zhì)檢產(chǎn)品引入“非正則”模式的原因。
但在優(yōu)化質(zhì)檢項的命中效果時，當召回率和準確率都達到了一定的高度，想要繼續(xù)提升，難免會遇到“二選一”的問題：召回率和準確率互相影響、此消彼長，一個指標增長，另一個指標通常就會下降。
圖：Designed by Creazilla*
在實際應用中，大部分企業(yè)的業(yè)務流程是“機器質(zhì)檢+人工復檢”：將機器質(zhì)檢的結果交給人工做復檢。因此，機器質(zhì)檢的召回率和準確率變化，會影響到人工復檢的成本：
-
提升召回率（適當犧牲準確率），意味著降低“漏檢”的風險，但可能會增加“誤檢”帶來的人工復檢成本；
-
提升準確率（適當犧牲召回率），意味著降低“誤檢”帶來的人工復檢成本，但可能會增加“漏檢”的風險。
那么對于不同的質(zhì)檢項而言，如果碰到“二選一”的問題，該如何做出選擇？
負向質(zhì)檢項：通?！罢倩芈省眱?yōu)先
負向質(zhì)檢，就是找出不合格、不合規(guī)的地方。通俗地說，在銷售、客服質(zhì)檢中，是指找出業(yè)務員“說了什么不該說的”。負向質(zhì)檢是企業(yè)比較常見的需求，尤其是在受監(jiān)管比較嚴格的領域。
在貸后資產(chǎn)管理（催收）領域，質(zhì)檢項以負向為主，例如恐嚇威脅、疑似私收錢款等。負向質(zhì)檢項通常有兩個特征，第一是違規(guī)量通常都不太大（大部分通話不會違規(guī)），第二是漏檢之后的風險相對比較大。因此，針對負向質(zhì)檢項，我們通常應該通過調(diào)整算法模型的參數(shù)或規(guī)則代碼，保證“召回率”優(yōu)先，將更多涉嫌違規(guī)的通話都找出來，然后增加人工成本去做復檢，“寧可錯殺一片，不可放過一個”。
正向質(zhì)檢項：通?！皽蚀_率”優(yōu)先
正向質(zhì)檢，是指對業(yè)務員符合規(guī)范的地方進行加分激勵。最近幾年，正向質(zhì)檢越來越受到企業(yè)重視，因為負向質(zhì)檢判斷的只是業(yè)務員有沒有犯錯，是一種“懲惡”的理念，而正向質(zhì)檢可以用來激勵業(yè)務員變得更加專業(yè)、更加規(guī)范，是一種“揚善”的理念，更有利于形成正向循環(huán)。
例如客服領域的規(guī)范性用語：“標準開場白”、“標準結束語”、“服務延伸用戶（請問還有什么可以幫您）”以及“確認客戶預留信息”等。這類正向質(zhì)檢項，通常目標通話量比較大，如果錯誤率較高，復檢成本就會很高。面臨二選一的時候，我們通常應該通過調(diào)整模型參數(shù)或規(guī)則代碼，優(yōu)先提升準確率，降低人工復檢成本，“寧可漏掉幾個，不可錯殺一片”。
實際場景更復雜
需要重申，我們在優(yōu)化質(zhì)檢項命中效果的時候，最好的情況是，能找到同時提升召回率和準確率的方法，或者能找到大幅提升其中一個指標，而另一個指標不會明顯下降的方法。如果這兩條路都走不通，為了繼續(xù)提升效果，才需要結合漏檢的風險高低以及人工復檢的成本，進行“二選一”。
通常，因為負向質(zhì)檢項的漏檢風險比較高，所以“召回率優(yōu)先”，降低漏檢風險；而正向質(zhì)檢項的目標通話量比較大，所以“準確率優(yōu)先”，降低復檢成本。
不過，也有少量例外。比如有的負向質(zhì)檢項，目標通話量不算少，而且風險也比較低，那可以考慮“準確率優(yōu)先”；有的正向質(zhì)檢項，目標通話率非常少，而且重要性比較高，那就應該考慮“召回率優(yōu)先”。
此外，在實際應用中，還要將其他因素綜合考慮進去，比如不同質(zhì)檢項的召回率和準確率提升難度不同，比如不同企業(yè)的復檢員數(shù)量是不同的……我們才能更好地制定不同質(zhì)檢項的優(yōu)化策略。
