Τα Voice bots έχουν ήδη γίνει πολύτιμοι υπάλληλοι που μπορούν να παρέχουν καλύτερες υπηρεσίες
Μία από τις επιλογές για την επίλυση αυτού του προβλήματος είναιπρο-ηχογραφημένο σενάριο για διάφορες καταστάσεις, συμπεριλαμβανομένης μιας συνομιλίας με έναν θυμωμένο συνομιλητή. Επιτρέπει στο φωνητικό bot να προσαρμοστεί στην κατάσταση και να παρέχει σχετική βοήθεια. Αυτό μπορεί να ονομαστεί προγραμματισμένη ενσυναίσθηση, η κύρια προϋπόθεση της οποίας είναι η ικανότητα να αναγνωρίζει σωστά τα συναισθήματα ενός ατόμου και να ανταποκρίνεται σε αυτά. Και το τρέχον επίπεδο τεχνολογικής ανάπτυξης αυξάνει σημαντικά το EQ (από το English Emotional Quotient, "συναισθηματική νοημοσύνη" - "Υψηλή τεχνολογία") των φωνητικών ρομπότ. Για παράδειγμα, TWIN bots αναγνωρίζουν σωστά τα βασικά συναισθήματα στο 96% των περιπτώσεων: θετικά, αρνητικά ή ουδέτερα.
Αλλά δημιουργώντας ενσυναίσθητα ρομπότ που μπορούνΗ προσομοίωση EQ χάρη σε προηχογραφημένα σενάρια απαιτεί μεγάλη υπολογιστική ισχύ, πράγμα που σημαίνει ότι το κόστος τους αυξάνεται αυτόματα. Αυτό δεν είναι πάντα κερδοφόρο για τις επιχειρήσεις. Αυτός είναι ο λόγος για τον οποίο το ρομπότ συχνά αλλάζει τη συνομιλία σε έναν ζωντανό υπάλληλο μόλις ο διάλογος απαιτεί ενσυναισθητική επικοινωνία.
Πώς το λογισμικό φωνής αναγνωρίζει τη διάθεση ενός ατόμου
Η ανίχνευση φωνητικών συναισθημάτων είναι μια μικρουπηρεσίασταδιακά μαθαίνοντας με το παράδειγμα. Για να γίνει αυτό, συλλέγουν πολλούς διαλόγους μεταξύ του bot και του πελάτη και αναλύουν την ποιότητά τους, αξιολογώντας πόσο σωστά το ρομπότ αναγνώρισε το συναίσθημα. Τα σφάλματα διορθώνονται και αντικαθίστανται με τη σωστή έκδοση στο σύστημα.
Ωστόσο, αυτό δεν μπορεί να γίνει χωρίς άτομο.Η ανάλυση και η επισήμανση των συναισθημάτων πραγματοποιείται από γλωσσολόγους που ορίζουν με σαφήνεια τις αποχρώσεις του λόγου και των αντιδράσεων: θετικές, αρνητικές ή βασικές. Ακούνε πολλούς διαλόγους, από τους οποίους επιλέγουν επεισόδια με έντονους συναισθηματικούς τόνους, τους κατηγοριοποιούν και τους εισάγουν στην κατάλληλη βάση δεδομένων. Αυτό δημιουργεί ένα σύνολο συνόλων δεδομένων ή μοντέλων που αποτελούν τη βάση της συναισθηματικής νοημοσύνης του bot. Είναι πολύ σημαντικό η σήμανση να γίνεται από επαγγελματία, καθώς ακόμη και ένα μικρό λάθος μπορεί να «σκοτώσει» εντελώς ολόκληρο το σύνολο δεδομένων.
Μετά το μοντέλο δείγματος με ετικέταΤα δεδομένα είναι έτοιμα, ξεκινά η φάση εκπαίδευσης νευρωνικών δικτύων. Σε αυτό το στάδιο, εκτός από την ποιότητα των συνόλων δεδομένων, χρειάζονται οι καλύτεροι μηχανικοί ML (ειδικοί μηχανικής εκμάθησης - Hi-Tech). Επιπλέον, αξίζει να επιλέξετε προσεκτικά τη στοίβα τεχνολογίας. Αυτός είναι ο μόνος τρόπος που το σύστημα θα λειτουργήσει τέλεια, αναγνωρίζοντας τον συναισθηματικό χρωματισμό σχεδόν κάθε ομιλίας, με εξαίρεση τους ψίθυρους.
Οι κύριες δυσκολίες στην αναγνώριση των συναισθημάτων:
- Ποικιλία συναισθηματικών αποχρώσεων- Ακόμη και ένα άτομο μπορεί να δυσκολεύεται να διακρίνει μεταξύ ανησυχίας και ερεθισμού. Γι' αυτό επί του παρόντος διακρίνουν τρία βασικά συναισθήματα: αυτό μας επιτρέπει να μειώσουμε το σφάλμα.
- Έκφραση συναισθημάτων— το ρομπότ συχνά βασίζεταισε λεκτικές διατυπώσεις. Ωστόσο, αυτή η προσέγγιση δεν είναι πάντα αποτελεσματική. Για παράδειγμα, η άσεμνη γλώσσα από μόνη της δεν υποδηλώνει απαραίτητα αρνητικότητα. Επομένως, το TWIN χώρισε δύο μικροϋπηρεσίες ανίχνευσης συναισθημάτων: η μία εκπαιδεύεται στη φωνή και χρησιμοποιείται σε κλήσεις, η άλλη εκπαιδεύεται σε κείμενα και χρησιμοποιείται σε συνομιλίες.
Σε ποιους τομείς πρέπει τα bots να είναι σε θέση να κάνουν διάκριση μεταξύ συναισθημάτων;
Υποστήριξη σέρβις
Η υποστήριξη υπηρεσιών περιλαμβάνει συχνάκαταστάσεις όταν ο πελάτης πρέπει να μεταφερθεί γρήγορα από το ρομπότ στον χειριστή, ειδικά εάν το άτομο έχει αρνητική στάση. Οι εταιρείες στον κλάδο των μεταφορών αντιμετωπίζουν συχνά μια τυπική κλήση: ένας θυμωμένος χρήστης καλεί ένα κέντρο επαφών που δεν έλαβε έγκαιρη παραγγελία. Έχοντας λάβει την κλήση, το ρομπότ ακούει πολλές κριτικές για την εταιρεία, αλλά δεν μπορεί να ανταποκριθεί επαρκώς. Μάθαμε ένα μάθημα από τέτοιες καταστάσεις: τώρα η κλήση μεταφέρεται αυτόματα στον χειριστή μόλις το σύστημα εντοπίσει αρνητικά συναισθήματα.
Η συναισθηματική νοημοσύνη γίνεται μέρος της υπηρεσίαςστο ηλεκτρονικό εμπόριο. Για παράδειγμα, η Amazon δίδαξε τον βοηθό φωνής της Alexa να αναγνωρίζει συναισθήματα με τονισμό. Η λειτουργία είναι πιθανό να συμβάλει στη βελτίωση της ποιότητας επικοινωνίας του έξυπνου βοηθού και των χρηστών. Και η Emotibot προσφέρει έναν βοηθό φωνής για την υπηρεσία μετά την πώληση του ηλεκτρονικού εμπορίου. Το bot προσαρμόζει τις απαντήσεις στη διάθεση του συνομιλητή, προκειμένου να αποφευχθεί η κλιμάκωση των καταγγελιών.
Ανάλυση
Τα τηλεφωνικά κέντρα αρχίζουν επίσης να πειραματίζονταιτεχνολογία αναγνώρισης συναισθημάτων προκειμένου να αξιολογηθεί η ποιότητα της υπηρεσίας. Για παράδειγμα, το σύστημα μπορεί να αναλύσει την ομιλία του χειριστή για την εμφάνιση αρνητικών συνδηλώσεων της ομιλίας: αυτό ελέγχει την επικοινωνία των εργαζομένων με τους πελάτες και αποτρέπει τις τακτικές παραβιάσεις της ηθικής της επικοινωνίας.
Τεχνολογία φωνής με αναγνώριση συναισθημάτωνΣυμβάλλουν επίσης στην ανάλυση της δυναμικής του συναισθήματος των πελατών: για παράδειγμα, για να προσδιοριστεί εάν οι πελάτες γενικά έχουν ενοχληθεί ή, αντίθετα, έχουν βρει περισσότερη αφοσίωση στην επωνυμία. Αυτό δίνει μια κατανόηση για το εάν η αυτοματοποίηση του τηλεφωνικού κέντρου πηγαίνει καλά ή εάν πρέπει να βελτιωθούν ορισμένες διαδικασίες. Για παράδειγμα, μια παρόμοια τεχνολογία δοκιμάστηκε από τη Rosbank. Ως αποτέλεσμα των αναλύσεων του διαλόγου μεταξύ του bot και του πελάτη, ο διαχειριστής λαμβάνει μια στατιστική αναφορά για κάθε κλήση, η οποία αντικατοπτρίζει δεδομένα όπως η δυναμική του δείκτη ικανοποίησης των καταναλωτών και έναν συγκριτικό δείκτη της αποτελεσματικότητας της υπηρεσίας.
Πωλήσεις
Η συναισθηματική κατάσταση επηρεάζει άμεσαπροθυμία του αγοραστή να κάνει μια αγορά. Είναι πιο εύκολο για έναν άνθρωπο να πουλήσει κάτι όταν έχει καλή διάθεση. Η έρευνα το επιβεβαιώνει: για παράδειγμα, ένα πείραμα στη Λευκορωσία έδειξε μια άμεση σύνδεση μεταξύ των θετικών συναισθημάτων και της προθυμίας επικοινωνίας με έναν διευθυντή πωλήσεων, καθώς και της συνολικής αφοσίωσης στην επωνυμία.
Η αναγνώριση των συναισθημάτων μπορεί να αυξήσει το εισόδημά σαςbots που χειρίζονται την επεξεργασία μολύβδου. Έτσι, για παράδειγμα, βασιζόμενος σε αυτόν τον δείκτη, ένα ρομπότ πωλητή μπορεί να μεταφέρει αμέσως μια κλήση σε έναν «ζωντανό» υπάλληλο, ώστε να μην χάσει ένα «καυτό» προβάδισμα. Πιθανώς, στο μέλλον, αυτό το εργαλείο θα χρησιμοποιηθεί από τις περισσότερες εταιρείες όπου τα bots ασχολούνται με την κλήση μιας κρύας ή ζεστής βάσης.
Ο κλάδος ανάπτυξης έχει ήδη προτείνειδιαδικτυακοί έμποροι λιανικής ένα ρομπότ οδηγού που μπορεί να λειτουργήσει ως ψηφιακός σύμβουλος και να δημιουργήσει έναν διάλογο με τον χρήστη με βάση τον χαρακτήρα του (το ρομπότ τον καθορίζει από τα συναισθήματά του). Ωστόσο, τέτοιες λύσεις μόλις εισήλθαν στο στάδιο της μελέτης και της δοκιμής από την αγορά, επομένως δεν έχουν λάβει ακόμη μαζική διανομή.
Πρέπει το ρομπότ να αναγνωρίσει το φύλο του συνομιλητή
Οι πελάτες θέλουν να δουν μια ατομική προσέγγισηυπηρεσία σε κάθε κλάδο. Σε μια έρευνα SmarterHQ, τα δύο τρίτα των καταναλωτών παραδέχθηκαν ότι συμμετέχουν σε συνομιλίες μόνο όταν λαμβάνουν εξατομικευμένα μηνύματα. Αυτό υπαγορεύει την ανάγκη να συνεχίσουμε να εργαζόμαστε για να κάνουμε τα φωνητικά ρομπότ πιο έξυπνα, τμηματοποιώντας τους συνομιλητές με βάση διάφορα κριτήρια, το πιο προφανές από τα οποία είναι το φύλο.
Η αναγνώριση φύλου σάς επιτρέπει να δημιουργείτε λόγολαμβάνοντας υπόψη αυτό το κριτήριο, καθώς και για τη μείωση του ποσοστού σφαλμάτων κατά την κλήση ενός συνδρομητή. Για παράδειγμα, εάν η Ναταλία αναφέρεται στη βάση δεδομένων και ένας άντρας συνομιλητής πήρε το τηλέφωνο, το bot θα μπορεί να αντιδρά αμέσως και να λέει: "Μπορώ να μιλήσω με τη Ναταλία;" αντί για "Γεια, Ναταλία".
Το ίδιο συμβαίνει και με τις κλήσεις.Ας προσομοιώσουμε την κατάσταση: το ρομπότ στρατολογεί έναν πελάτη του οποίου το όνομα στη βάση δεδομένων είναι Natalya. Κατά συνέπεια, μεταβαίνει στον τρόπο επικοινωνίας με μια γυναίκα. Αλλά ξαφνικά ο σύζυγος ή ο αδερφός της Natalya σηκώνει το τηλέφωνο και λέει: «Συγγνώμη, δεν είμαι η Natalya». Εάν το ρομπότ δεν καθορίζει το φύλο του συνομιλητή με τη φωνή, μπορεί να προκύψει μια αστεία κατάσταση: ο πελάτης θα αποδείξει ότι δεν είναι η Natalya και το ρομπότ θα συνεχίσει να επικοινωνεί με τη Natalya και η συνομιλία πιθανότατα θα τελειώσει πολύ γρήγορα.
Φυσικά, μπορείτε να εγκαταλείψετε εντελώς τα ονόματα καιαπευθυνθείτε σε όλους με ενιαίο τρόπο, γιατί σε περίπου 3% των περιπτώσεων στο τηλέφωνο απαντά άτομο που δεν είχε εγγραφεί κατά την εγγραφή. Αλλά για τους λιανοπωλητές, για παράδειγμα, θα κοστίσει μερικούς πόντους επιβράβευσης. Απλώς φανταστείτε: παραγγείλατε ένα προϊόν από ένα ηλεκτρονικό κατάστημα και πριν το στείλετε, ένα bot τηλεφωνεί και ρωτά αν θα είναι βολικό να λάβετε την παραγγελία σας στο εγγύς μέλλον. Μια ανώνυμη διεύθυνση θα κάνει τη συζήτηση κρύα, ενώ ένα απλό «Γεια σου, Σεργκέι!» θα το μαλακώσει πολύ. Είναι πολύ χρήσιμο να θυμόμαστε τη συνθηματική φράση του Dale Carnegie: «Το όνομα ενός ατόμου είναι ο πιο γλυκός και σημαντικός ήχος για αυτόν σε οποιαδήποτε γλώσσα». Αυτό επιβεβαιώνεται από τους επιστήμονες Dennis P. Carmody και Michael Lewis, οι οποίοι απέδειξαν ότι ο εγκέφαλός μας πέφτει σε έκσταση όταν ακούμε το όνομά μας, το οποίο εστιάζει αμέσως την προσοχή στον ήχο.
Έτσι, για να αποφύγετε ενοχλητικές καταστάσεις,Ταυτόχρονα, χωρίς να θυσιάζεται η αφοσίωση των καταναλωτών, είναι απαραίτητο να γίνει διάκριση μεταξύ ανδρών και γυναικών με φωνή. Τα bots μας, για παράδειγμα, καθορίζουν σωστά το φύλο ενός ατόμου στο 98% των περιπτώσεων. Στη Δύση, το My Voice AI είναι εξοπλισμένο με μια παρόμοια λειτουργία, η οποία μπορεί επίσης να καθορίσει την κατά προσέγγιση ηλικία και τη συναισθηματική κατάσταση.
Τα ρομπότ μόλις αρχίζουν να εξερευνούν τα βάθηανθρώπινη ομιλία και διακρίνει τη διάθεση ή το φύλο του πελάτη. Η τεχνολογία είναι πιθανό να προχωρήσει γρήγορα στο μέλλον. Η Gartner προβλέπει ότι το 10% όλων των συσκευών θα είναι εξοπλισμένο με συναισθηματική διάγνωση σε δύο χρόνια. Αυτό αναπόφευκτα θα τονώσει την ανάπτυξη της αγοράς συστημάτων ανάλυσης και αναγνώρισης συναισθημάτων: σύμφωνα με στοιχεία της MarketsAndMarkets, θα αυξηθεί από 21,6 δισεκατομμύρια δολάρια το 2019 σε 56 δισεκατομμύρια δολάρια έως το 2024, με μέσο ετήσιο ρυθμό ανάπτυξης 21%.
Δείτε επίσης:
Οι αστρονόμοι βρίσκουν έναν εξωπλανήτη με περίεργη τροχιά
Ο παγετώνας Doomsday αποδείχθηκε πιο επικίνδυνος από ό, τι πίστευαν οι επιστήμονες. Λέμε το κύριο πράγμα
Η γη βρίσκεται στη διαδικασία της έκτης εξαφάνισης. Πώς αυτό θα επηρεάσει την ανθρωπότητα