Röstbots har redan blivit värdefulla medarbetare som kan ge bättre service åt
Ett av alternativen för att lösa detta problem ärförinspelat manus för olika situationer, inklusive en konversation med en arg samtalspartner. Det gör det möjligt för röstboten att anpassa sig till situationen och ge relevant hjälp. Detta kan kallas programmerad empati, vars huvudsakliga villkor är förmågan att korrekt känna igen en persons känslor och svara på dem. Och den nuvarande teknikutvecklingen ökar avsevärt EQ (från den engelska Emotional Quotient, "emotional intelligence" - "High-tech") för röstbots. Till exempel identifierar TWIN-bots korrekta grundläggande känslor i 96% av fallen: positiva, negativa eller neutrala.
Men att skapa empatiska bots som kansimulering av EQ tack vare förinspelade skript kräver stor datorkraft, vilket innebär att deras kostnad automatiskt ökar. Detta är inte alltid lönsamt för företagen. Det är därför roboten ofta växlar samtalet till en aktiv anställd så fort dialogen kräver empatisk kommunikation.
Hur röstprogramvara känner igen en persons humör
Röstkänsloavkänning är en mikrotjänstgradvis lära sig genom exempel. För att göra detta samlar de in många dialoger mellan boten och klienten och analyserar deras kvalitet och bedömer hur korrekt roboten kände igen känslan. Fel korrigeras och ersätts med rätt version i systemet.
Detta kan dock inte göras utan en person.Analysen och märkningen av känslor utförs av lingvister som tydligt definierar nyanser av tal och reaktioner: positiva, negativa eller grundläggande. De lyssnar på många dialoger, från vilka de väljer episoder med uttalade känslomässiga övertoner, kategoriserar dem och lägger in dem i lämplig databas. Detta skapar en uppsättning datauppsättningar eller modeller som utgör grunden för botens känslomässiga intelligens. Det är mycket viktigt att märkningen görs av en professionell, eftersom även ett litet fel kan helt "döda" hela datasetet.
Efter den märkta provmodellenDatan är klar, utbildningsfasen för neurala nätverk börjar. I detta skede behövs, förutom kvaliteten på datamängderna, de bästa ML-ingenjörerna (specialister på maskininlärning - Hi-Tech). Dessutom är det värt att välja teknikstacken noggrant. Detta är det enda sättet som systemet kommer att fungera perfekt och känner igen den känslomässiga färgen på nästan alla tal, med undantag för viskningar.
De största svårigheterna att känna igen känslor:
- Olika känslomässiga nyanser– Även en person kan ha svårt att skilja på oro och irritation. Det är därför de för närvarande skiljer mellan tre grundläggande känslor: detta gör att vi kan minska felet.
- Uttryck av känslor— roboten förlitar sig ofta påtill verbala formuleringar. Detta tillvägagångssätt är dock inte alltid effektivt. Till exempel betyder obscent språk i sig inte nödvändigtvis negativitet. Därför delade TWIN två mikrotjänster för känslodetektering: den ena är tränad på röst och används i samtal, den andra tränas på sms och används i chattar.
I vilka områden behöver bots kunna skilja på känslor?
Service support
Servicestöd involverar oftasituationer när klienten snabbt måste överföras från roboten till operatören, särskilt om personen har en negativ inställning. Företag inom transportbranschen står ofta inför ett typiskt samtal: en arg användare ringer till ett kontaktcenter som inte fick en beställning i tid. Efter att ha fått samtalet hör roboten mycket kritik mot företaget, men kan inte svara tillräckligt. Vi lärde oss en lektion från sådana situationer: nu överförs samtalet automatiskt till operatören så snart systemet identifierar negativa känslor.
Känslomässig intelligens blir en del av tjänsteninom e-handel. Till exempel lärde Amazon sin röstassistent Alexa att känna igen känslor genom intonation. Funktionen kommer sannolikt att förbättra kommunikationskvaliteten hos den smarta assistenten och användarna. Och Emotibot erbjuder en röstassistent för e-handelstjänster efter försäljning. Bot justerar svaren till samtalarens stämning för att förhindra att klagomål eskaleras.
Analytics
Callcenter börjar också experimentera medemotion recognition teknologi för att utvärdera kvaliteten på tjänsten. Till exempel kan systemet analysera operatörens tal för förekomsten av negativa konnotationer av tal: detta kontrollerar kommunikationen mellan anställda och kunder och förhindrar regelbundna brott mot kommunikationsetik.
Röstteknologi med känslor igenkänningDe hjälper också till att analysera dynamiken i kundernas känslor: till exempel för att avgöra om kunder i allmänhet har blivit mer irriterade eller tvärtom har funnit mer varumärkeslojalitet. Detta ger en förståelse för huruvida automatiseringen av callcentret går bra eller om vissa processer behöver förbättras. Till exempel testades en liknande teknik av Rosbank. Som ett resultat av analysen av dialogen mellan botten och klienten får chefen en statistisk rapport för varje samtal, som återspeglar sådana data som dynamiken i konsumenttillfredsställelseindexet och en jämförande indikator på tjänsteeffektivitet.
försäljning
Emotionellt tillstånd påverkar direktköparens vilja att göra ett köp. Det är lättare för en person att sälja något när han är på gott humör. Forskning bekräftar detta: till exempel visade ett vitryskt experiment ett direkt samband mellan positiva känslor och viljan att kommunicera med en försäljningschef, såväl som övergripande varumärkeslojalitet.
Att känna igen känslor kan öka intäkterna frånbots som hanterar blybearbetning. Så, till exempel, förlitar sig på denna markör, kan försäljningsroboten omedelbart överföra samtalet till en "live" anställd för att inte missa en "het" ledning. Förmodligen kommer verktyget i framtiden att användas av de flesta företag där bots är engagerade i att kalla en kall eller varm bas.
Utvecklingsindustrin har redan föreslagitonline-återförsäljare en guide-bot som kan fungera som en digital konsult och bygga en dialog med användaren utifrån dennes karaktär (boten bestämmer honom utifrån sina känslor). Sådana lösningar har dock bara precis kommit in i studie- och teststadiet av marknaden, så de har ännu inte fått massdistribution.
Bör roboten känna igen samtalets kön
Kunder vill se ett individuellt förhållningssätt tilltjänst i alla branscher. I en SmarterHQ-undersökning medgav två tredjedelar av konsumenterna att de bara deltar i konversationer när de får personliga meddelanden. Detta dikterar behovet av att fortsätta arbeta med att göra röstbots smartare, segmentera samtalspartner utifrån olika kriterier, varav det mest uppenbara är kön.
Könsigenkänning låter dig bygga tal medmed hänsyn till detta kriterium, och också minska andelen fel vid uppringning av en abonnent. Till exempel, om Natalia listas i databasen och en manlig samtalspartner tog upp telefonen, kan botten omedelbart reagera och säga: "Kan jag prata med Natalia?" istället för "Hej, Natalia".
Det är samma sak med samtal.Låt oss simulera situationen: roboten rekryterar en kund vars namn i databasen är Natalya. Följaktligen byter han till kommunikationssättet med en kvinna. Men plötsligt tar Natalyas man eller bror upp telefonen och säger: "Förlåt, jag är inte Natalya." Om roboten inte bestämmer könet på samtalspartnern med rösten, kan en rolig situation uppstå: klienten kommer att bevisa att han inte är Natalya, och roboten kommer att fortsätta att kommunicera med Natalya, och samtalet kommer troligen att sluta mycket snabbt.
Naturligtvis kan du helt överge namn ochtilltala alla på ett enhetligt sätt, eftersom telefonen i cirka 3 % av fallen besvaras av en person som inte var registrerad vid registreringen. Men för återförsäljare kommer det till exempel att kosta några lojalitetspoäng. Föreställ dig bara: du beställde en produkt från en onlinebutik, och innan du skickar den ringer en bot och frågar om det kommer att vara bekvämt att ta emot din beställning inom en snar framtid. En namnlös adress kommer att göra konversationen kall, medan ett enkelt "Hej, Sergey!" kommer att mjuka upp det mycket. Det är väldigt användbart att komma ihåg Dale Carnegies slagord: "En persons namn är det sötaste och viktigaste ljudet för honom på alla språk." Detta bekräftas av forskarna Dennis P. Carmody och Michael Lewis, som bevisade att vår hjärna går i extas när vi hör vårt namn, som omedelbart fokuserar uppmärksamheten på ljudet.
Så för att undvika besvärliga situationer,samtidigt som man inte offrar konsumentlojalitet är det nödvändigt att skilja mellan män och kvinnor med rösten. Våra robotar bestämmer till exempel korrekt en persons kön i 98% av fallen. I väst är en liknande funktion utrustad med My Voice AI, som också kan bestämma ungefärlig ålder och emotionellt tillstånd.
Robotar har precis börjat utforska djupetmänskligt tal och urskilja klientens humör eller kön. Teknik kommer sannolikt att utvecklas snabbt i framtiden. Gartner förutspår 10% av alla enheter kommer att vara utrustade med emotionell diagnostik om två år. Detta kommer oundvikligen att stimulera utvecklingen av marknaden för system för analys och känselsigenkänning: enligt data från MarketsAndMarkets kommer den att växa från 21,6 miljarder dollar 2019 till 56 miljarder dollar år 2024, med en genomsnittlig årlig tillväxttakt på 21%.
Se även:
Astronomer hittar en exoplanet med en konstig omloppsbana
Doomsday-glaciären visade sig vara farligare än forskare trodde. Vi berättar det viktigaste
Jorden är i färd med den sjätte utrotningen. Hur kommer detta att påverka mänskligheten?