Голосові боти вже стали цінними співробітниками, які можуть надати якісніший сервіс.
Один з варіантів вирішення цієї проблеми -предзапісанний скрипт для різних ситуацій, включаючи розмову з розлюченим співрозмовником. Він дозволяє голосовому боту адаптуватися до ситуації і надавати релевантну допомогу. Це можна назвати запрограмованої емпатією, головна умова якої - вміння правильно розпізнавати емоції людини і реагувати на них. І поточний рівень розвитку технології істотно підвищує EQ (з англ. Emotional Quotient, «емоційний інтелект» - «Хайтек») голосових пошукових роботів. Наприклад, боти TWIN в 96% випадків правильно визначають базові емоції: позитивні, негативні або нейтральні.
Але створення емпатичних ботів, які можутьімітувати EQ завдяки передзаписаним сценаріям вимагає великих обчислювальних потужностей, а значить, їх вартість автоматично зростає. Для бізнесу це завжди рентабельно. Саме тому робот часто переводить розмову на живого співробітника, як тільки діалог вимагає емпатичного спілкування.
Як голосової софт розпізнає настрій людини
Визначення емоцій за голосом - це мікросервіс,що поступово навчається на прикладах. Для цього збирають безліч діалогів між ботом і клієнтом та аналізують їхню якість, оцінюючи, наскільки правильно робот розпізнав емоцію. Помилки коригуються та замінюються правильним варіантом у системі.
Однак без людини тут не обійтись.Аналізом та маркуванням емоцій займаються розмітники-лінгвісти, що чітко визначають відтінки мови та реакції: позитивної, негативної чи базової. Вони прослуховують безліч діалогів, з яких виділяють епізоди з яскраво вираженим емоційним забарвленням, категоризують їх та заносять у відповідну базу. Так створюється набір датасетів чи моделей, що становить основу емоційного інтелекту бота. Дуже важливо, щоб маркуванням займався професіонал, тому що навіть невелика похибка може повністю «вбити» весь датасет.
Після того, як модель з розміченою вибіркоюданих готова, настає фаза навчання нейронної мережі. На цьому етапі, крім якості датасетів, потрібні найкращі ML-інженери (фахівці з машинного навчання - "Хайтек"). Крім того, варто ретельно підібрати стек технологій. Тільки так система ідеально працюватиме, розпізнаючи емоційне забарвлення практично будь-якої мови, за винятком шепоту.
Головні труднощі в розпізнаванні емоцій:
- Різноманіття емоційних відтінківнавіть людині буває складно відрізнити стурбованість і роздратування. Саме тому поки що розмежовують три базові емоції: це дозволяє знизити похибку.
- Форма вираження емоцій- Часто у визначенні настрою робот спираєтьсяна словесні формулювання. Однак такий підхід не завжди ефективний. Наприклад, нецензурна лексика як така необов'язково говорить про негативі. Тому в TWIN розділили два мікросервіси визначення емоцій: один навчений на голосі та використовується у дзвінках, інший – на текстах, застосовується у чатах.
У яких сферах ботам потрібно вміти розрізняти емоції?
Сервісний супровід
У сервісному супроводі часто виникаютьситуації, коли клієнта потрібно швидко перевести з робота на оператора, особливо якщо людина налаштована негативно. Компанії з транспортної галузі часто стикаються з типовим зверненням: в контакт-центр дзвонить розлючений користувач, який не отримав вчасно замовлення. Прийнявши дзвінок, робот чує багато критики на адресу компанії, але не може адекватно відреагувати. З подібних ситуацій ми винесли урок: тепер дзвінок автоматично перекладається на оператора, відразу як тільки система ідентифікує негативні емоції.
Емоційний інтелект стає частиною сервісув електронній торгівлі. Так, наприклад, Amazon навчив свого голосового асистента Alexa розпізнавати емоції за інтонацією. Функція, ймовірно, допоможе поліпшити якість комунікації розумного помічника і користувачів. А Emotibot пропонує голосового помічника для пост-продажного обслуговування в e-commerce. Бот підлаштовує відповіді під настрій співрозмовника, щоб запобігти ескалації скарг.
Аналітика
Call-центри теж починають експериментувати зтехнологією розпізнавання емоцій у тому, щоб оцінювати якість сервісу. Наприклад, система може проаналізувати промову оператора щодо виникнення негативних відтінків промови: це контролює комунікацію співробітників із клієнтами і попереджає регулярні порушення етики спілкування.
Голосові технології з розпізнаванням емоційдопомагають також аналізувати динаміку настрою клієнтів: наприклад, визначати, чи стали покупці в цілому більше відчувати роздратування або, навпаки, виявили велику лояльність до бренду. Це дає розуміння, чи проходить автоматизація call-центру успішно або якісь процеси потребують доопрацювання. Так, наприклад, подібну технологію протестував Росбанк. В результаті аналітики діалогу бота і клієнта менеджер отримує статистичний звіт по кожному дзвінку, де відображаються такі дані, як динаміка індексу задоволеності споживача і порівняльний індикатор ефективності сервісу.
продажі
Емоційний стан безпосередньо впливає наготовність покупця зробити покупку. Людині простіше щось продати, коли вона у гарному настрої. Це підтверджують дослідження: наприклад, білоруський експеримент продемонстрував прямий зв'язок між позитивними емоціями та готовністю спілкуватися з менеджером із продажу, а також загальною лояльністю до бренду.
Розпізнавання емоцій може збільшити дохід відботів, які займаються обробкою лидов. Так, наприклад, спираючись на цей маркер, робот-продавець здатний відразу ж переводити дзвінок на «живого» співробітника, щоб не упустити «гарячий» лід. Ймовірно, в майбутньому цей інструмент використовуватимуть більшість компанії, де боти займаються обзвоном холодної або теплої бази.
Індустрія розробки вже запропонувалаонлайн-рітейлерам гайд-бота, який може виступити в ролі цифрового консультанта та будувати діалог з користувачем, виходячи з його характеру (бот визначає його за емоціями). Однак подібні рішення тільки вступили до стадії вивчення та тестування ринком, тому масового поширення поки що не отримали.
Чи повинен робот розпізнавати підлогу співрозмовника
Клієнти хочуть бачити індивідуальний підхід дообслуговування у будь-якій промисловості. У ході опитування SmarterHQ дві третини споживачів зізналися: вони залучаються до спілкування лише тоді, коли отримують персоналізовані повідомлення. Це диктує необхідність і надалі працювати над тим, щоб голосові роботи ставали розумнішими, сегментуючи співрозмовників за різними критеріями, з яких найочевидніше — це стать.
Розпізнавання статі дозволяє будувати мова зурахуванням цього критерію, а також знизити відсоток помилок при наборі абонента. Наприклад, якщо в базі значиться Наталія, а трубку взяв співрозмовник чоловічої статі, бот зможе миттєво зреагувати і вимовити: «Можу я поговорити з Наталею?» замість «Здрастуйте, Наталя».
З дзвінками те саме.Змоделюємо ситуацію: робот набирає клієнта, чиє ім'я в базі — Наталя. Відповідно, він переключається на режим спілкування із жінкою. Але раптом слухавку піднімає чоловік чи брат Наталії та каже: «Вибачте, я не Наталя». Якщо робот не визначить за голосом стать співрозмовника, може вийти кумедна ситуація: клієнт доводитиме, що він не Наталя, а робот продовжуватиме спілкуватися з Наталією, і розмова, швидше за все, дуже швидко закінчиться.
Звичайно, можна взагалі відмовитися від імен ізвертатися до всіх уніфіковано, адже приблизно в 3% випадків слухавку бере людина, яка не записана при реєстрації. Але для рітейлерів, наприклад, це буде вартувати кількох очок лояльності. Тільки уявіть: ви замовили товар з інтернет-магазину, перед його відправкою дзвонить бот і запитує, чи буде зручно отримати замовлення найближчим часом. Безіменне звернення зробить розмову холодною, тоді як просте «Здрастуйте, Сергію!» сильно його пом'якшить. Дуже до речі можна згадати крилату фразу Дейла Карнегі: «Ім'я людини — найсолодший і найважливіший для нього звук будь-якою мовою». Це підтверджують і вчені Денніс П. Кармоді та Майкл Льюїс, які довели, що наш мозок приходить в екстаз, коли ми чуємо своє ім'я, що миттєво концентрує увагу на звуку.
Таким чином, щоб уникнути незручних ситуацій,при цьому не жертвуючи споживчої лояльністю, потрібно відрізняти чоловіків і жінок по голосу. Наші боти, наприклад, правильно визначають стать людини в 98% випадків. На Заході аналогічною функцією оснащений My Voice AI, вміє також визначати приблизний вік і емоційний стан.
Роботи тільки починають вивчати глибинилюдської мови і відрізняти настрій клієнта або його підлогу. Ймовірно, що в майбутньому технології будуть стрімко розвиватися. За прогнозом Gartner, через два роки «емоційної діагностикою» будуть оснащені 10% всіх пристроїв. Це неминуче стимулює розвиток ринку систем для аналітики і розпізнавання емоцій: згідно з даними MarketsAndMarkets, він виросте з $ 21,6 млрд в 2019 році до $ 56 млрд до 2024 року при середньорічному темпі приросту в 21%.
Читайте також:
Астрономи знайшли екзопланету з дивною орбітою
Льодовик «Судного дня» виявився небезпечніше, ніж думали вчені. розповідаємо головне
Земля в процесі шостого вимирання. Як це відіб'ється на людстві