Mellékleteink: HUP | Gamekapocs
Keres

Az érzelmeket is kibányássza a telefonhívásokból egy magyar fejlesztésű szoftver

Bizó Dániel, 2008. szeptember 11. 14:59
Ez a cikk több évvel ezelőtt születetett, ezért előfordulhat, hogy a tartalma már elavult.
Frissebb anyagokat találhatsz a keresőnk segítségével:

A kulcsszavak mellett érzelmeket is detektálni képes magyar hangbányászati szoftverrel rukkolt elő a Nextent és területre szakosodott leánya, a Data Research, amellyel kifejezetten a telefonos ügyfélszolgálatok eredményességének javítását célozzák. A magyar piacra elsőként lépő megoldás algoritmikus hátterét a Szegedi Tudományegyetem mesterséges intelligenciával foglalkozó kutatói fejlesztették ki.

[HWSW] A kulcsszavak mellett érzelmeket is detektálni képes magyar hangbányászati szoftverrel rukkolt elő a Nextent és területre szakosodott leánya, a Data Research, amellyel kifejezetten a telefonos ügyfélszolgálatok eredményességének javítását célozzák. A magyar piacra elsőként lépő megoldás algoritmikus hátterét a Szegedi Tudományegyetem mesterséges intelligenciával foglalkozó kutatói fejlesztették ki.

Rejtett tartalékok

Az ügyfélelégedettség manuális eszközökkel történő mérése a kis mintavétel miatt pontatlan, nagyszámú ügyfél esetében nem teszi lehetővé az egyéni elégedettségi mutatók gazdaságos kinyerését és betáplálását a cég CRM-gépezetébe, pedig üzletileg értékes információkkal bír. Olyasmi ez, mint amikor ismert egy olajmező, a kitermelés azonban nem kifizetődő az aktuális olajárak és költségek közepette -- hasonlította az ügyfélszolgálat helyzetét Kovács Gyula, a Data Research ügyvezető igazgatója.

Az ügyfélszolgálati hívásoknak csak átlagosan 1 százalékát hallgatják vissza és értékelik ki a vállalatok, és ebből a mintavételből készítenek kimutatásokat. Bár az ügyintézők sok esetben készítenek feljegyezéseket, ezek sokszor pontatlanok, mondta el Bódogh Attila, a Nextent üzletfejlesztési igazgatója. Pedig a hívásoknak átlagosan 8 százaléka bizonyul problémásnak, ilyenkor a cégnek indokolt volna aktívan foglalkozni az üggyel. A hiányos információk miatt azonban erre valójában nem nyílik lehetőség, az üzleti intelligencia egyszerűen nem szerez időben tudomást arról, hogy a vállalatnak lépnie kellene. Sok helyen bár van lemorzsolódást előrejelző modell, ezeket hetente vagy havonta futtatják jellemzően, ami túlságosan lassú a sokszor mindössze 24 órás "reakciós ablakhoz".

A Voice Miner lényegében a call-centerek tárolt telefonbeszélgetéseiben lévő adatok kibányászását teszi gazdaságossá. Az automatizációval lehetőség nyílik az összes beszélgetés feldolgozására és kiértékelésére, így a problémákról gyors és átfogó képet kapnak a vezetők, és lehetőség nyílik arra is, hogy az eredmények alapján reaktív módon tegyenek az adott ügyfél megtartásáért -- amennyiben üzletileg érdemes. Az adatvédelmi biztos állásfoglalása alapján ehhez nem szükséges explicit nyilatkozat az ügyfél részéről, ugyanakkor a tapasztalatok alapján a vállalatok a szerződésekbe belefoglalják.

Hungaricum

A Szegedi Tudományegyetemhez tartozó Mesterséges Intelligencia Kutatócsoport egy olyan matematikai modellt fejlesztett ki specifikusan hanghívások elemzésére, mely képes egy előre megadott szótár alapján felismerni a kulcsszavakat, azonosítani ötféle érzelmi állapotot (elégedett, elégedetlen, szomorú, ideges, semleges), valamint szétválasztani az ügyfelet az ügyintézőtől. Ez utóbbi lehetővé teszi azt is, hogy az ügyfélszolgálatosok munkáját is szorosan nyomon kövessük, például követik-e a protokollt, milyen hangnemben kommunikálnak.

A szoftver nem csak összesített mutatókat prezentál, hanem képes megmutatni azt is, adott beszélgetés alatt hogyan alakultak a hívó érzelmei, milyennel nyitott, és milyennel zárt, így maga a változás természete lehet akár az ügyfélszolgálat munkájának mércéje. Az egyes érzelmek kimutatása nem bináris módon történik, hanem valószínűségi mutatóval, mely egyúttal jelzi az érzelem erejét is. Bódogh elmondta, hogy 70 százalék alatt gyengének tekinthető az érzelem, míg kifejezetten erősnek 90 százalék felett. A színlelt érzelmeket is eredményesen szűri a rendszer, legalábbis a demonstráción lepontozta az ügyfél álcsalódottságát. A kulcsszavas indexeléssel a hívások tematikájából is készíthető összesített riport, így a vezetők látják, milyen témákban keresik fel cégüket.


A webes felületen ellátott Voice Miner adatbányászati alkalmazás Oracle adatbázisra csatlakozik, és J2EE alkalmazásszervert igényel. Processzoronként tipikusan heti 3000 órányi beszélgetést képest feldolgozni, ráadásul a szoftverlicenc független a processzorok számától, így tetszőleges teljesítményre lehet skálázni -- a valós időhöz képest 5-10 szeres sebességet lehet elérni egy átlagosnak mondott PC-n. Jelenleg Linux/x86 platformot támogat, de a C++ kódot tetszőleges architektúrára le lehet fordítani, árulta el Dr. Kovács Kornél mesterségesintelligencia-kutató.

A Voice Miner hangbányászó modelljét mintegy 500 óra telefonos élőbeszéd, nem pedig előre megírt szöveg felolvasása alapján fejlesztették ki a beszélgetések felszeletelésével és a mintázatok azonosításával, mondta el Dr. Kocsor András kutató. A munkában matematikusok és programozók mellett nyelvészek és adatfeldolgozók is részt vettek. A beszédkutatás területe nem csak piaci, de tudományos szempontból is robbanás előtt áll, véli Kocsor, ugyanis a publikációk túlnyomó többsége a magas fokon stilizált szövegfelolvasásra koncentrál, és így felépített modellek nem alkalmasak a spontán beszéd elemzésére. Hatalmas potenciál lakozik például az online elréhető rádiós és televíziós adások indexelésében, jegyezte meg a kutató.

A Nextent hangbányászati megoldása jelenleg egy energia- és egy mobilszolgáltatónál áll bevezetés alatt, közölte Bódogh, és elsősorban ezeket, továbbá a pénzügyi szektort célozzák kezdetben. A szoftver moduláris felépítésű, a kulcsszavas és az érzelemfelismerő modulok egyenként 10 millió forint alatti licencdíjjal bírnak, és további opcióként integrálhatóak figyelmeztető, minőségbiztosítási, lemorzsolódási és kampánymérő modulok is. A Nextent szerint a bevezetéstől fogva 2-3 hónap múlva mutatkoznak az első eredmények. A jövőbeni fejlesztési irány az a modell pontosabbá tétele mellett, hogy a Voice Miner segítségével már a hívás kezdetekor lássa az ügyfélszolgálatos a hívó hangulatát és várható viselkedését.