Balss roboti jau ir kļuvuši par vērtīgiem darbiniekiem, kuri var nodrošināt labākus pakalpojumus
Viena no šīs problēmas risināšanas iespējām iriepriekš ierakstīts scenārijs dažādām situācijām, ieskaitot sarunu ar dusmīgu sarunu biedru. Tas ļauj balss robotam pielāgoties situācijai un sniegt atbilstošu palīdzību. To var saukt par ieprogrammētu empātiju, kuras galvenais nosacījums ir spēja pareizi atpazīt cilvēka emocijas un uz tām reaģēt. Un pašreizējais tehnoloģiju attīstības līmenis ievērojami palielina balss robotu EQ (no angļu valodas Emotional Quotient, "emocionālā inteliģence" - "High-tech"). Piemēram, TWIN roboti 96% gadījumu pareizi identificē pamata emocijas: pozitīvas, negatīvas vai neitrālas.
Bet radot empātiskus robotus, kas varlai modelētu EQ, pateicoties iepriekš ierakstītiem skriptiem, ir nepieciešama liela skaitļošanas jauda, kas nozīmē, ka to izmaksas automātiski palielinās. Tas ne vienmēr ir izdevīgi biznesam. Tāpēc bieži vien robots sarunu nodod dzīvam darbiniekam, tiklīdz dialogam nepieciešama empātiska komunikācija.
Kā balss programmatūra atpazīst cilvēka noskaņojumu
Balss emociju noteikšana ir mikropakalpojumspakāpeniski mācoties ar piemēru. Lai to izdarītu, viņi apkopo daudzus dialogus starp robotprogrammatūru un klientu un analizē to kvalitāti, novērtējot, cik pareizi robots atpazina emocijas. Kļūdas tiek labotas un aizstātas ar pareizo versiju sistēmā.
Tomēr bez cilvēka to nevar izdarīt.Emociju analīzi un marķēšanu veic valodnieki, kuri skaidri definē runas un reakciju nokrāsas: pozitīvo, negatīvo vai pamata. Viņi klausās daudz dialogu, no kuriem izvēlas epizodes ar izteiktu emocionālo pieskaņu, klasificē tās un ievada attiecīgajā datubāzē. Tādējādi tiek izveidota datu kopu vai modeļu kopa, kas veido robota emocionālās inteliģences pamatu. Ir ļoti svarīgi, lai marķēšanu veiktu profesionālis, jo pat neliela kļūda var pilnībā “nogalināt” visu datu kopu.
Pēc marķētā parauga modeļaDati ir gatavi, sākas neironu tīkla apmācības posms. Šajā posmā papildus datu kopu kvalitātei ir nepieciešami labākie ML inženieri (mašīnmācības speciālisti - Hi-Tech). Turklāt ir vērts rūpīgi izvēlēties tehnoloģiju kaudzi. Tas ir vienīgais veids, kā sistēma darbosies nevainojami, atpazīstot gandrīz jebkuras runas emocionālo krāsojumu, izņemot čukstus.
Galvenās emociju atpazīšanas grūtības:
- Emocionālo nokrāsu dažādība- Pat cilvēkam var būt grūti atšķirt bažas no aizkaitinājuma. Tāpēc viņi pašlaik izšķir trīs pamata emocijas: tas ļauj mums samazināt kļūdu.
- Emociju izpausme— robots bieži paļaujasuz verbāliem formulējumiem. Tomēr šī pieeja ne vienmēr ir efektīva. Piemēram, neķītra valoda pati par sevi ne vienmēr norāda uz negatīvismu. Tāpēc TWIN sadalīja divus emociju noteikšanas mikropakalpojumus: viens ir apmācīts balsij un tiek izmantots zvanos, otrs tiek apmācīts tekstos un tiek izmantots čatos.
Kādās jomās robotprogrammatūrām ir jāspēj atšķirt emocijas?
Pakalpojuma atbalsts
Pakalpojuma atbalsts bieži ietversituācijas, kad klients ir ātri jāpārnes no robota operatoram, it īpaši, ja personai ir negatīva attieksme. Transporta nozares uzņēmumi bieži sastopas ar tipisku zvanu: dusmīgs lietotājs zvana uz kontaktu centru, kurš nav saņēmis pasūtījumu laikā. Saņēmis zvanu, robots dzird daudz kritikas pret uzņēmumu, taču nespēj adekvāti reaģēt. Mēs mācījāmies no šādām situācijām: tagad zvans tiek automātiski pārsūtīts operatoram, tiklīdz sistēma identificē negatīvās emocijas.
Emocionālā inteliģence kļūst par daļu no dienestae-komercijā. Piemēram, Amazon savam balss palīgam Aleksam mācīja emocijas atpazīt ar intonāciju. Iespējams, ka šī funkcija palīdzēs uzlabot viedā palīga un lietotāju saziņas kvalitāti. Un Emotibot piedāvā balss palīgu e-komercijas pēcpārdošanas pakalpojumam. Bots pielāgo atbildes sarunu biedra noskaņojumam, lai novērstu sūdzību saasināšanos.
Analytics
Arī zvanu centri sāk eksperimentēt aremociju atpazīšanas tehnoloģija, lai novērtētu pakalpojuma kvalitāti. Piemēram, sistēma var analizēt operatora runu, lai noteiktu runas negatīvo konotāciju: tas kontrolē darbinieku saziņu ar klientiem un novērš regulārus komunikācijas ētikas pārkāpumus.
Balss tehnoloģija ar emociju atpazīšanuTie arī palīdz analizēt klientu noskaņojuma dinamiku: piemēram, lai noteiktu, vai klienti kopumā ir kļuvuši aizkaitināmāki vai, gluži pretēji, ir atraduši lielāku lojalitāti zīmolam. Tas ļauj saprast, vai zvanu centra automatizācija ir veiksmīga vai ir jāuzlabo daži procesi. Piemēram, līdzīgu tehnoloģiju pārbaudīja Rosbank. Robota un klienta dialoga analīzes rezultātā vadītājs par katru zvanu saņem statistikas ziņojumu, kurā atspoguļoti tādi dati kā patērētāju apmierinātības indeksa dinamika un salīdzinošs pakalpojumu efektivitātes rādītājs.
Pārdošana
Emocionālais stāvoklis tieši ietekmēpircēja vēlme veikt pirkumu. Cilvēkam ir vieglāk kaut ko pārdot, kad viņam ir labs garastāvoklis. Pētījumi to apstiprina: piemēram, Baltkrievijas eksperiments demonstrēja tiešu saikni starp pozitīvām emocijām un vēlmi sazināties ar pārdošanas vadītāju, kā arī kopējo zīmola lojalitāti.
Emociju atpazīšana var palielināt ienākumus noroboti, kas apstrādā svina apstrādi. Tā, piemēram, paļaujoties uz šo marķieri, pārdevēja robots spēj nekavējoties pārsūtīt zvanu “dzīvam” darbiniekam, lai nepalaistu garām “karstu” svinu. Iespējams, nākotnē šo rīku izmantos lielākā daļa uzņēmumu, kur roboti nodarbojas ar aukstas vai siltas bāzes izsaukšanu.
Attīstības nozare jau ir ierosinājusitiešsaistes mazumtirgotāji ir rokasgrāmata, kas var darboties kā digitālais konsultants un veidot dialogu ar lietotāju, pamatojoties uz viņa raksturu (bots nosaka viņu pēc emocijām). Tomēr šādi risinājumi tikai tagad ir nonākuši tirgus izpētes un testēšanas stadijā, tāpēc tie vēl nav saņēmuši masveida izplatīšanu.
Vai robotam vajadzētu atpazīt sarunu biedra dzimumu
Klienti vēlas redzēt individuālu pieejupakalpojumu jebkurā nozarē. SmarterHQ aptaujā divas trešdaļas patērētāju teica, ka iesaistās tikai tad, kad saņem personalizētus ziņojumus. Tas nosaka nepieciešamību turpināt darbu, lai padarītu balss robotus viedākus, segmentējot sarunu biedrus pēc dažādiem kritērijiem, no kuriem acīmredzamākais ir dzimums.
Dzimuma atpazīšana ļauj veidot runuņemot vērā šo kritēriju, kā arī samaziniet kļūdu procentuālo daudzumu, zvanot uz abonentu. Piemēram, ja Natālija ir iekļauta datu bāzē un sarunu biedrs vīrietis pacēla klausuli, robots varēs uzreiz reaģēt un pateikt: "Vai es varu runāt ar Natāliju?" "Sveika, Natālija" vietā.
Tāpat ir ar zvaniem.Simulēsim situāciju: robots vervē klientu, kura vārds datu bāzē ir Natālija. Attiecīgi viņš pāriet uz saziņas režīmu ar sievieti. Bet pēkšņi Natālijas vīrs vai brālis paceļ klausuli un saka: "Piedod, es neesmu Natālija." Ja robots pēc balss nenosaka sarunu biedra dzimumu, var rasties smieklīga situācija: klients pierādīs, ka viņš nav Natālija, un robots turpinās sazināties ar Natāliju, un saruna, visticamāk, beigsies ļoti ātri.
Protams, jūs varat pilnībā atteikties no vārdiem unvisus uzrunāt vienoti, jo aptuveni 3% gadījumu klausuli paceļ cilvēks, kurš reģistrācijas laikā nav norādīts. Bet, piemēram, mazumtirgotājiem tas maksās dažus lojalitātes punktus. Iedomājieties: jūs pasūtījāt preci interneta veikalā, un pirms tās nosūtīšanas zvana bots un jautā, vai tuvākajā laikā būs ērti saņemt pasūtījumu. Bezvārda adrese padarīs sarunu vēsu, bet vienkāršs "Sveiks, Sergej!" tas ļoti mīkstinās. Ir ļoti noderīgi atcerēties Deila Kārnegija frāzi: "Cilvēka vārds viņam ir visskaistākā un vissvarīgākā skaņa jebkurā valodā." To apstiprina zinātnieki Deniss P. Karmodijs un Maikls Lūiss, kuri pierādīja, ka mūsu smadzenes nonāk ekstāzē, dzirdot savu vārdu, kas acumirklī pievērš uzmanību skaņai.
Lai izvairītos no neērtām situācijām,vienlaikus nezaudējot patērētāju lojalitāti, ir nepieciešams nošķirt vīriešus un sievietes ar balsi. Piemēram, mūsu roboti 98% gadījumu pareizi nosaka personas dzimumu. Rietumos My Voice AI ir aprīkots ar līdzīgu funkciju, kas var arī noteikt aptuveno vecumu un emocionālo stāvokli.
Roboti tikai sāk izpētīt dziļumuscilvēka runu un atšķir klienta noskaņojumu vai dzimumu. Iespējams, ka nākotnē tehnoloģija strauji attīstīsies. Gartner prognozē, ka divu gadu laikā 10% no visām ierīcēm tiks aprīkotas ar emocionālo diagnostiku. Tas neizbēgami stimulēs analītisko un emociju atpazīšanas sistēmu tirgus attīstību: saskaņā ar MarketsAndMarkets datiem tas pieaugs no 21,6 miljardiem USD 2019. gadā līdz 56 miljardiem USD līdz 2024. gadam ar vidējo gada pieauguma tempu 21%.
Skatiet arī:
Astronomi atrod eksoplanētu ar dīvainu orbītu
Doomsday ledājs izrādījās bīstamāks, nekā domāja zinātnieki. Mēs sakām galveno
Zeme ir sestās izmiršanas procesā. Kā tas ietekmēs cilvēci