在我們服務(wù)的客戶中，有一家大型保險公司，在應(yīng)用智能質(zhì)檢系統(tǒng)前，一直都采用線下人工質(zhì)檢，但人工質(zhì)檢的質(zhì)檢量有限，抽檢率平均在2%-5%；同時人工質(zhì)檢存在主觀差異，標(biāo)準(zhǔn)不一致，人工統(tǒng)計報表時效長，易產(chǎn)生影響風(fēng)險問題跟進(jìn)及時性等問題。

得助智能質(zhì)檢是如何為他們解決痛點的呢？

得助智能質(zhì)檢系統(tǒng)，引入ASR、NLP、大數(shù)據(jù)等人工智能技術(shù)，自動檢測呼叫中心海量數(shù)據(jù)，并提供人工質(zhì)檢作業(yè)在線化管理能力，通過人機(jī)結(jié)合的方式大幅提升質(zhì)量管理效率與覆蓋度，并通過報表分析主動發(fā)現(xiàn)潛在的風(fēng)險和商機(jī)，協(xié)助全面提升運(yùn)營效率。

通用“服務(wù)態(tài)度質(zhì)檢規(guī)則+投訴/舉報/曝光”，及專項“紅線質(zhì)檢規(guī)則+重點業(yè)務(wù)質(zhì)檢規(guī)則”等多種質(zhì)檢模型組合的方式，快速精準(zhǔn)定位錄音及文本中涉及的紅線問題，最后結(jié)合為觸發(fā)紅線指標(biāo)設(shè)計的智能及抽檢預(yù)警任務(wù)方案，確保每類紅線問題都有人處理，及時安撫客戶情緒并做出合理解釋，給出處理方案，避免問題升級。

具體實現(xiàn)方式為，首先通過服務(wù)態(tài)度質(zhì)檢模型檢測坐席在服務(wù)過程中是否出現(xiàn)服務(wù)禁用語、情緒波動等通用服務(wù)態(tài)度問題。其次結(jié)合重點業(yè)務(wù)質(zhì)檢模型及專項投訴質(zhì)檢模型定位重點場景出現(xiàn)的投訴問題。最后，根據(jù)具體落地場景調(diào)整某項質(zhì)檢模型比重，在確保完成規(guī)定的質(zhì)檢率后，提升質(zhì)檢工作隨運(yùn)營特點、指標(biāo)波動調(diào)整的及時性與契合度，提高專項質(zhì)檢工作的靶向性。

當(dāng)發(fā)現(xiàn)服務(wù)錄音中存在客戶不滿或提及向上級部門投訴等問題時，自動觸發(fā)投訴質(zhì)檢專項模型，實時預(yù)警并推送給質(zhì)檢人員重點跟進(jìn)，通過端到端的投訴處理流程，最終控制投訴量。

應(yīng)用效果如何？

應(yīng)用一段時間后，該保險公司的錄音抽聽覆蓋率達(dá)到100%，全量質(zhì)檢轉(zhuǎn)譯時效為T+1；質(zhì)檢項的準(zhǔn)確率達(dá)到了90%；系統(tǒng)按日、周、月自動生成報表并通過企微，郵件方式直接為運(yùn)營團(tuán)隊進(jìn)行推送；將原本外呼的90%和呼入的85%的合格線全部提升到95%，成就質(zhì)檢高標(biāo)準(zhǔn)；從原先無重復(fù)來電，首解率的數(shù)據(jù)分析白板，到為客戶搭建出一套涵蓋熱詞分析、話務(wù)分析、重復(fù)來電分析、聲譽(yù)風(fēng)險分析、高風(fēng)險投訴分析、滿意度分析、業(yè)務(wù)交叉分析等多種主題分析的BI分析工具，填補(bǔ)質(zhì)檢團(tuán)隊在數(shù)據(jù)分析體系建設(shè)方面的空白。