可缩短客户在连接呼叫中心时等待时间的技术
本技术介绍参考了以下链接
Japanese
2019年12月20日
可缩短客户在连接呼叫中心时等待时间的技术
基于AI分析自然对话，可高精度检测出应答过程中发生的问题
株式会社富士通研究所（注1）通过利用AI分析呼叫中心客服人员与客户间的对话，研究开发了一种技术可检测出通话应答过程中发生的问题，精度超过90%。
开发背景
在呼叫中心，由于客户呼叫等待的时间会直接影响客户的满意程度，因此提高客服的接线率是十分重要的。但是，当发生客户投诉等情况时，客服的应答时间会增长，这将导致其他在线客户的等待接通时间变长。为了尽量缓解此种情况的发生，呼叫中心管理人员需及时掌握客服的应答情况，对各种突发情况做出灵活有效处理，如对客户电话进行转接以提供更好的服务等。
课题
为了使管理人员可以给予客户更好的服务，需要尽早检测出客服在应答时出现的问题。传统的应对措施是，基于语音识别技术将客户与客服的对话转换成文本，通过分析该文本自动发出警告。但是，当客户与客服在通话过程中同时发声，或说话吞吞吐吐，或发音不符合语法时，语音识别就会变得较为困难，导致很难准确检测出发生的问题。
开发的技术
此次，富士通研究所利用富士通株式会社的AI技术“FUJITSU Human Centric AI Zinrai”，开发了一种可实时从客户与客服的自然对话中检测出突发情况的技术。开发的技术特征如下:
- 计算应答过程中发生问题的概率分值
在交谈中如果出现问题，“不是～”、“不知道”等否定性关键词出现的频率会有所增加，此次富士通研究所将这些词汇整理成关键词列表用于检测突发情况。另外，客户与客服人员同时说话，或说话吞吞吐吐等会造成部分关键词无法得到识别，此外还存在像“不是这样的（soudehanaku）”、“不是这么回事儿（soujyanaku）”等多种表达方式。即使在上述情况下，富士通研究所通过识别“sou”、“naku”等音素（最小语音单位）的排列趋势，也可检测出突发情况。
通过对这些特有的否定性关键词的发音，以及基于整个对话的声高、声音大小等判断的紧张状态进行检测，将其作为部分对话信息，输入事先训练好的深度神经网络，可计算出应答过程中发生问题的概率分值（图1）。
- 通过对比出现问题时对话特征的时间变化模式与计算的分值轨迹，实现高精度检测
在出现问题的对话中，存在着特有的对话特征的时间变化模式。具体来说，在应答过程中如果出现问题，会产生相应的对话特征：有时这些特征在对话一开始就会表现出来，有时会在整个对话中多次出现。基于该特点，富士通研究所开发了一种技术，通过将计算得到的发生问题的概率分值轨迹与这些时间变化模式进行对比，看它们是否接近，来判断对话中是否存在突发情况。如果仅根据分值进行检测，需要基于一定的通话时长进行计算才可以；而通过模式匹配，即使通话时间很短（通话开始后经过很短时间，仍处于通话中），也可高精度地检测出应答过程中发生的问题（图2）。
图1 检测应答过程中突发情况的技术概要
图2 应答过程中发生问题的概率分值轨迹与是否存在问题的关系
效果
富士通研究所通过使用真实的呼叫中心对话数据（442个通话记录）对该技术进行了评估实验。包括基于传统技术很难检测出的问题（如客户与客服同时发声时）在内，该技术的突发情况检测精度高达约91%。如果将该技术应用于客服接线率较高的呼叫中心进行计算，客户在线等待时间可缩短约20%，这将有望提高客户的满意程度。
今后
富士通研究所目标将此次开发的基于AI的新技术，安装于富士通电话通讯平台（用于呼叫中心），用以检测应答过程中出现的问题。