Översikt över callcenter

  • Artikel

Azure AI Language och Azure AI Speech kan hjälpa dig att förverkliga partiell eller fullständig automatisering av telefonibaserade kundinteraktioner och tillhandahålla tillgänglighet i flera kanaler. Med språk- och taltjänsterna kan du ytterligare analysera transkriptioner av callcenter, extrahera och redigera konversation (PII), sammanfatta transkriptionen och identifiera sentimentet.

Några exempelscenarier för implementering av Azure AI-tjänster i samtals- och kontaktcenter är:

  • Virtuella agenter: Konversationsbaserade AI-baserade telefoniintegrerade röstrobotar och röstaktiverade chattrobotar
  • Agenthjälp: Transkription och analys i realtid av ett anrop för att förbättra kundupplevelsen genom att tillhandahålla insikter och föreslå åtgärder till agenter
  • Analys efter samtal: Analys efter samtal för att skapa insikter i kundkonversationer för att förbättra förståelsen och stödja kontinuerlig förbättring av samtalshantering, optimering av kvalitetssäkring och efterlevnadskontroll samt andra insiktsdrivna optimeringar.

Dricks

Prova Language Studio eller Speech Studio för en demonstration om hur du använder språk- och taltjänsterna för att analysera samtalscentrets konversationer.

Om du vill distribuera en transkriptionslösning för callcenter till Azure utan kod provar du inmatningsklienten.

Funktioner för Azure AI-tjänster för callcenter

En holistisk call center-implementering innehåller vanligtvis tekniker från språk- och taltjänsterna.

Ljuddata som vanligtvis används i callcenter som genereras via fasta telefoner, mobiltelefoner och radioapparater är ofta smalband, i intervallet 8 KHz, vilket kan skapa utmaningar när du konverterar tal till text. Taltjänstens igenkänningsmodeller tränas för att säkerställa att du kan få högkvalitativa transkriptioner, men du väljer att spela in ljudet.

När du transkriberar ditt ljud med Speech-tjänsten kan du använda språktjänsten för att utföra analyser på dina callcenterdata, till exempel: attitydanalys, sammanfattning av orsaken till kundsamtal, hur de löstes, extrahera och redigera konversations-PII med mera.

Tjänst för taligenkänning

Speech-tjänsten erbjuder följande funktioner som kan användas för användningsfall i kundtjänst:

  • Tal till text i realtid: Identifiera och transkribera ljud i realtid från flera indata. Med virtuella agenter eller agenthjälp kan du till exempel kontinuerligt känna igen ljudindata och styra hur du bearbetar resultat baserat på flera händelser.
  • Batchtal till text: Transkribera stora mängder ljudfiler asynkront, inklusive talardiarisering och används vanligtvis i analysscenarier efter samtal. Diarisering är processen att känna igen och separera högtalare i monokanalsljuddata.
  • Text till tal: Text till tal gör att dina program, verktyg eller enheter kan konvertera text till människor som syntetiserat tal.
  • Talaridentifiering: Hjälper dig att fastställa en okänd talares identitet inom en grupp registrerade talare och används vanligtvis för kundtjänsts kundverifieringsscenarier eller bedrägeriidentifiering.
  • Språkidentifiering: Identifiera språk som talas i ljud och kan användas i realtids- och efteranropsanalys för insikter eller för att styra miljön (till exempel utdataspråk för en virtuell agent).

Speech-tjänsten fungerar bra med fördefinierade modeller. Du kanske vill anpassa och finjustera upplevelsen för din produkt eller miljö ytterligare. Vanliga exempel på anpassning av tal är:

Talanpassning beskrivning
Anpassat tal En tal till text-funktion som används för att utvärdera och förbättra taligenkänningsprecisionen för användningsfallsspecifika entiteter (till exempel alfanumerisk kund, ärende- och kontrakts-ID, registreringsskyltar och namn). Du kan också träna en anpassad modell med egna produktnamn och branschterminologi.
Anpassad neural röst En text till tal-funktion som gör att du kan skapa en unik, anpassad, syntetisk röst för dina program.

Språktjänst

Språktjänsten erbjuder följande funktioner som kan användas för användningsfall i kundtjänst:

  • Extrahering och redigering av personligt identifierbar information (PII): Identifiera, kategorisera och redigera känslig information i konversationstranskription.
  • Konversationssammanfattning: Sammanfatta i abstrakt text vad varje konversationsdeltagare sa om problem och lösningar. Ett callcenter kan till exempel gruppera produktproblem som har en hög volym.
  • Attitydanalys och åsiktsutvinning: Analysera transkriptioner och associera positiva, neutrala eller negativa sentiment på yttrande- och konversationsnivå.

Språktjänsten fungerar bra med fördefinierade modeller, men du kanske vill anpassa och finjustera modeller ytterligare för att extrahera mer information från dina data. Exempel på språkanpassning är:

Språkanpassning beskrivning
Anpassad NER (namngiven entitetsigenkänning) Förbättra identifiering och extrahering av entiteter i transkriptioner.
Klassificering av anpassad text Klassificera och märka transkriberade yttranden med antingen en eller flera klassificeringar.

Du hittar en översikt över alla språktjänstfunktioner och anpassningsalternativ här.

Nästa steg