Гласовни ботови су већ постали вредни запослени који могу да пруже бољу услугу
Једна од опција за решавање овог проблема јеунапред снимљени сценарио за разне ситуације, укључујући разговор са бесним саговорником. Омогућава гласовном боту да се прилагоди ситуацији и пружи одговарајућу помоћ. То се може назвати програмираном емпатијом, чији је главни услов способност тачног препознавања емоција особе и одговора на њих. А тренутни ниво развоја технологије значајно повећава ЕК (од енглеског Емотионал Куотиент, „емоционална интелигенција“ - „Хигх-тецх“) гласовних ботова. На пример, ТВИН ботови тачно идентификују основне емоције у 96% случајева: позитивне, негативне или неутралне.
Али стварање емпатичних ботова који могусимулација ЕК захваљујући унапред снимљеним скриптама захтева велику рачунарску снагу, што значи да се њихова цена аутоматски повећава. Ово није увек исплативо за посао. Због тога робот често пребацује разговор на живог запосленог чим дијалог захтева емпатичну комуникацију.
Како гласовни софтвер препознаје човеково расположење
Детекција гласовних емоција је микросервиспостепено учећи примером. Да би то урадили, прикупљају много дијалога између бота и клијента и анализирају њихов квалитет, процењујући колико је робот исправно препознао емоцију. Грешке се исправљају и замењују исправном верзијом у систему.
Међутим, то се не може учинити без особе.Анализу и етикетирање емоција спроводе лингвисти који јасно дефинишу нијансе говора и реакција: позитивне, негативне или основне. Слушају много дијалога из којих бирају епизоде са израженим емотивним призвуком, категоришу их и уносе у одговарајућу базу података. Ово ствара скуп скупова података или модела који чине основу емоционалне интелигенције бота. Веома је важно да обележавање уради професионалац, јер чак и мала грешка може у потпуности да „убије“ цео скуп података.
Након означеног узорка моделаПодаци су спремни, почиње фаза обуке неуронске мреже. У овој фази, поред квалитета скупова података, потребни су и најбољи МЛ инжењери (специјалисти за машинско учење – Хи-Тецх). Поред тога, вреди пажљиво одабрати технолошку стогу. То је једини начин на који ће систем радити савршено, препознајући емоционалну обојеност готово сваког говора, са изузетком шапата.
Главне потешкоће у препознавању емоција:
- Разноликост емоционалних нијанси- Чак и човеку је тешко да разликује забринутост од иритације. Због тога тренутно разликују три основне емоције: ово нам омогућава да смањимо грешку.
- Изражавање емоција— робот се често ослања нана вербалне формулације. Међутим, овај приступ није увек ефикасан. На пример, непристојан језик сам по себи не мора да указује на негативност. Стога је ТВИН поделио два микросервиса за детекцију емоција: један се обучава за глас и користи се у позивима, други се обучава за текстове и користи се у ћаскању.
У којим областима ботови морају да разликују емоције?
Сервисна подршка
Услужна подршка често укључујеситуације када клијента треба брзо пребацити са робота на оператера, посебно ако особа има негативан став. Компаније у транспортној индустрији често се суочавају са типичним позивом: бесни корисник зове контакт центар који није добио поруџбину на време. Примивши позив, робот чује много критика на рачун компаније, али не може адекватно да одговори. Из таквих ситуација смо научили лекцију: сада се позив аутоматски преноси оператеру чим систем препозна негативне емоције.
Емоционална интелигенција постаје део услугеу електронској трговини. На пример, Амазон је научио свог гласовног асистента Алекса да препознаје емоције интонацијом. Функција ће вероватно помоћи у побољшању квалитета комуникације паметног асистента и корисника. А Емотибот нуди гласовног асистента за услуге е-трговине након продаје. Бот прилагођава одговоре расположењу саговорника како би спречио ескалацију жалби.
Аналитика
Позивни центри такође почињу да експериментишутехнологија препознавања емоција у циљу процене квалитета услуге. На пример, систем може анализирати говор оператера на појаву негативних конотација говора: ово контролише комуникацију запослених са клијентима и спречава редовно кршење комуникационе етике.
Технологија гласа са препознавањем емоцијаОни такође помажу у анализи динамике расположења купаца: на пример, да би се утврдило да ли су купци уопште постали иритиранији или су, обратно, пронашли већу лојалност марки. Ово даје разумевање да ли аутоматизација позивног центра добро иде или неке процесе треба побољшати. На пример, сличну технологију је тестирала Росбанк. Као резултат аналитике дијалога између бота и клијента, менаџер добија статистички извештај за сваки позив, који одражава податке као што је динамика индекса задовољства потрошача и упоредни показатељ ефикасности услуге.
Продаја
Емоционално стање директно утичеспремност купца да изврши куповину. Лакше је човек нешто да прода када је расположен. Истраживања то потврђују: на пример, белоруски експеримент је показао директну везу између позитивних емоција и спремности за комуникацију са менаџером продаје, као и укупне лојалности бренду.
Препознавање емоција може повећати приход одботови који се баве прерадом олова. Тако, на пример, ослањајући се на овај маркер, продавац робот је у могућности да одмах пребаци позив запосленом који живи „уживо“ како не би пропустио „вруће“ трагове. Вероватно ће у будућности овај алат користити већина компанија у којима су ботови ангажовани на позивању хладне или топле базе.
Развојна индустрија је већ предложилаонлајн продавци бот водич који може да делује као дигитални консултант и да гради дијалог са корисником на основу његовог карактера (бот га одређује по емоцијама). Међутим, оваква решења су тек ушла у фазу проучавања и тестирања на тржишту, тако да још нису добила масовну дистрибуцију.
Да ли би робот требало да препозна пол саговорника
Клијенти желе да виде индивидуалан приступуслуга у било којој индустрији. У истраживању СмартерХК, две трећине потрошача је признало да се упуштају у разговоре само када примају персонализоване поруке. То диктира потребу да се настави рад на томе да гласовни ботови буду паметнији, сегментирајући саговорнике на основу различитих критеријума, од којих је најочигледнији пол.
Препознавање пола вам омогућава да градите говорузимајући у обзир овај критеријум, а такође смањити проценат грешака приликом бирања претплатника. На пример, ако је Наталиа наведена у бази података, а мушки саговорник подигне слушалицу, бот ће моћи одмах да реагује и каже: „Могу ли да разговарам са Наталијом?“ уместо „Здраво, Наталија“.
Исто је и са позивима.Хајде да симулирамо ситуацију: робот регрутује клијента чије је име у бази података Наталија. Сходно томе, прелази на начин комуникације са женом. Али одједном Наталијин муж или брат дигне слушалицу и каже: „Извини, ја нисам Наталија.” Ако робот гласом не одреди пол саговорника, може се појавити смешна ситуација: клијент ће доказати да он није Наталија, а робот ће наставити да комуницира са Наталијом, а разговор ће се највероватније завршити врло брзо.
Наравно, можете потпуно напустити имена иобраћати се свима јединствено, јер се у отприлике 3% случајева на телефон јавља особа која није била пријављена приликом регистрације. Али за трговце на мало, на пример, то ће коштати неколико поена лојалности. Замислите само: наручили сте производ у онлине продавници, а пре него што га пошаљете, зове бот и пита да ли ће бити згодно да прими вашу поруџбину у блиској будућности. Безимена адреса ће учинити разговор хладним, док једноставно „Здраво, Сергеј!“ много ће га ублажити. Веома је корисно запамтити фразу Дејла Карнегија: „Име особе је за њега најслађи и најважнији звук на било ком језику. То потврђују научници Денис П. Кармоди и Мајкл Луис, који су доказали да наш мозак иде у екстазу када чујемо своје име, које моментално фокусира пажњу на звук.
Да бисте избегли непријатне ситуације,иако не жртвује лојалност потрошача, неопходно је гласом разликовати мушкарце од жена. Наши ботови, на пример, тачно одређују пол особе у 98% случајева. На Западу је слична функција опремљена Ми Воице АИ, која такође може одредити приближну старост и емоционално стање.
Роботи тек почињу да истражују дубинељудски говор и разликовати расположење или пол клијента. Технологија ће вероватно брзо напредовати у будућности. Гартнер предвиђа да ће 10% свих уређаја бити опремљено емоционалном дијагностиком за две године. Ово ће неизбежно стимулисати развој тржишта за системе за аналитику и препознавање емоција: према подацима МаркетсАндМаркетс, он ће порасти са 21,6 милијарди у 2019. на 56 милијарди до 2024. са просечном годишњом стопом раста од 21%.
Погледајте и:
Астрономи проналазе егзопланету са чудном орбитом
Испоставило се да је глечер Судњег дана опаснији него што су научници мислили. Кажемо главно
Земља је у процесу шестог изумирања. Како ће ово утицати на човечанство