Колонки

«Добрый день! Меня зовут робот Вова!»: подводные камни речевых технологий

Колонки
Евгений Ковалев
Евгений Ковалев

Руководитель по стратегическим продуктам фиксированного бизнеса «Билайн Бизнес»

Мария Передок

Бизнес воодушевлен развитием речевых технологий на основе нейросетей. Компании рассматривают их как возможность снизить затраты на сотрудников и способ повысить качество обслуживания клиентов.

Евгений Ковалев, руководитель по стратегическим продуктам фиксированного бизнеса «Билайн Бизнес», делится результатами исследования отрасли, которое компания провела в прошлом году. И рассказывает о трех подводных камнях, о которых важно помнить при внедрении голосовых роботов и систем речевой аналитики. 

«Добрый день! Меня зовут робот Вова!»: подводные камни речевых технологий
Присоединиться

Во второй половине 2019 года мы провели внутреннее тестирование всех крупнейших сервисов роботизированных звонков и запустили своих роботов в рамках сервиса умной телефонии.

Цель у всех роботов была одна — продажа сервисов физлицам. Сверхзадача была в том, чтобы сделать ботов, которые общались бы эффективнее, чем люди: как с точки зрения конверсии из звонка в продажи, так и с точки зрения удовлетворенности клиентов.

Как мы это делали:

  1. Для работы были сформированы выборки со схожими характеристиками среди клиентов, с которыми никто из сотрудников не общался более года. 
  2. Для контроля эффективности звонков применялись инструменты речевой аналитики и последующая перепроверка с помощью повторных звонков операторами контактного центра.
  3. Голосовые боты использовали предзаписанные фразы, а не синтезированную речь. Даже если выставить соответствующие ударения и использовать только простые слова, синтезированные голоса пока звучат не до конца натурально.
  4. Звонки проходили только по тем регионам, где нет явных акцентов и диалектов. 
  5. Использовались очень простые скрипты выявления потребности и предложения сервиса. Никаких сложных разговоров и открытых вопросов.


Результаты нас приятно удивили:

  • Клиенты позитивно восприняли работу голосовых ботов. Только 2% клиентов осознали, что разговаривают с роботом. Некоторые абоненты, при последующем опросе, оставляли позитивные комментарии и называли робота «классным парнем».
  • Конверсия в продажи у роботов была сопоставима с работой начинающего продавца. Бот был вполне похож на сотрудника колл-центра, который старается, но еще не стал виртуозом коммуникаций. Это эффект от задержки, возникающей при распознавании сказанного.

Тем не менее, в применении речевых технологий по-прежнему остаются вопросы, которые еще предстоит решить.


Трудности перевода: с человеческого на роботизированный

В большинстве сфер бизнеса исходящие звонки — более сложная задача, чем получение входящих. Для исходящих звонков — а они обычно совершаются ради продажи услуг — сложнее найти психологически устойчивых сотрудников, которые готовы часто получать отказы и сохранять позитивный настрой на протяжении всего рабочего дня.

Входящие же звонки получать психологически проще. Сотрудник колл-центра настраивается на позитивную волну каждый раз, когда проблема клиента разрешена и он благодарит за это. 

С роботизированными звонками ситуация ровно противоположная. Из-за отсутствия эмпатии робот может делать тысячи исходящих звонков и успешно справляться с задачами анализа обратной связи или продаж, но принять звонок и помочь клиенту сформулировать проблему пока не получается.

Заставь искусственный интеллект самообучаться и совершенствоваться – выбирай онлайн-курсы в каталоге курсов по машинному обучению.

В сложных индустриях, к которым относится и связь, полностью автоматизированное обслуживание — пока неразрешимая задача.

Роботы на горячих линиях технической поддержки могут усугубить ситуацию, задавая глупые (по оценке пользователя, позвонившего с жалобой) вопросы или предлагая нерелевантные советы.

Решением может стать только построение логик обслуживания, когда пользователь отвечает «да», «нет» или «не знаю» на закрытые вопросы робота. Так автоматизированные системы будут двигаться четко по алгоритму, и звонок будет обработан максимально адекватно. Так уже работают системы сбора показаний счетчиков и получение статуса об отправлениях по трек-номеру.


Автоматические системы оценивают живых людей

Во всех компаниях есть оценка качества работы. Например, эксперты слушают десятки разговоров сотрудников колл-центров и оценивают профессионализм, вежливость и деликатность. Они учитывают не только слова, но и подтекст, иронию, эмоциональность разговора как клиента, так и оператора колл-центра.

Но прослушать и сделать выводы по каждому звонку невозможно. В крупных компаниях экспертов по контролю качества десятки человек, а операторов — сотни. 

Shutterstock


На помощь приходят системы речевой аналитики, которые мгновенно оценивают сотни часов общения и ставят оценки по каждой метрике разговора. Однако можно получить и неоднозначную картину.

Люди разговаривают не только словами. Ироничной интонацией можно перевернуть смысл сказанного: фраза «всего хорошего» в конце разговора может говорить как о добродушном, так и о конфликтном завершении разговора. Тогда системы речевой аналитики просто не в состоянии корректно оценить качество разговора.

Есть и другой существенный нюанс. Если в компании система речевой аналитики становится основой для оценки качества операторов, они начинают общаться так, чтобы максимально соответствовать требованиям системы, а не ожиданиям живого человека, находящегося на линии. Живые операторы начинают вести себя как роботы, чтобы робот оценил разговор как можно выше.

Поэтому без живых экспертов по контролю качества не обойтись. Только люди могут с помощью зеркальных нейронов по оттенкам интонаций понять настроения собеседников.

Возможно, в дальнейшем появятся алгоритмы эмпатии, и тогда проблема возможности машинной оценки человеческого общения перейдет из разряда прагматических в философские.

«Добрый день! Меня зовут робот Вова!» 

Оповещать ли клиентов, что они говорят с ботом? Некоторые компании не предупреждают о том, что диалог ведет роботизированная платформа. Другие, наоборот, считают, что уведомлять —  единственно верный путь.

Доводы за оповещение:

  • Это честно. Если человек общается голосом, по умолчанию подразумевается, что речь идет о живом человеке. А значит, если что-то не так, как ожидает клиент, то нужно оповещать.
  • Раз оповещаем о том, что разговор записывается, должны оповестить и о речевой аналитике. Ведь разговор не только записывается, но и анализируется в двух подсистемах, а результаты будут применяться для управленческих решений.


Доводы против оповещения:

  • Человек общается не с другом, а с компанией, предоставляющей конкретный сервис. Ничего личного обсуждаться не будет, а значит и этических последствий от смены собеседника с оператора колл-центра на робота быть не должно.
  • С клиентом разговаривает полностью автоматизированная система. Контроль качества также производится исключительно автоматически. Ни одна живая душа не услышит того, что вы сказали. Поэтому если и оповещать о роботизированных звонках, то только в формулировках «приватное обслуживание и полная конфиденциальность».
  • Оповещая о роботизированном звонке можно и напугать клиента сообщением в стиле «Добрый день! Меня зовут робот Вова!». Если же предоставлять информацию полностью, перечисление займет много времени: «Звонок обслуживается с помощью системы синтеза речи и потокового распознавания, а потом будет проанализирован в автоматическом режиме». До конца фразы никто не будет висеть на линии. 

Вопрос остается открытым. При этом мы считаем этически правильным оповещать звонящего при входящих обращениях, что диалог ведет автоматизированная система.


Как достичь максимума при внедрении роботизированных голосовых систем

  1. Используйте роботизированные звонки только если уверены, что ваш клиент готов и может общаться в формате закрытых вопросов.
  2. Лучше оповещать клиентов, что они общаются с роботом. Честное уведомление с возможностью переключиться на живого человека всегда будет выигрывать у сценария, когда клиентов замыкают на роботов, которые пытаются создать впечатление живых людей.
  3. Учитывайте, что в России есть регионы, говорящие со специфическими акцентами. 
  4. При внедрении роботизированных звонков начните с простых алгоритмов и собирайте обратную связь о взаимодействии ваших клиентов с алгоритмами.
  5. Будьте осторожны при внедрении оценки эффективности живых операторов на основе данных систем речевой аналитики. Ни одна интеллектуальная система не сможет полно оценить работу живого человека. 

Фото на обложке: Shutterstock / MikeDotta

Нашли опечатку? Выделите текст и нажмите Ctrl + Enter

Материалы по теме

  1. 1 Как голосовые роботы распознают речь и с чем справляются лучше живых операторов
  2. 2 Как речевые технологии решают проблемы контакт-центров и розничных продаж
  3. 3 Голосовой ассистент как «лицо» бренда и закат эпохи спам-звонков: тренды в применении диалоговых роботов
AgroCode Hub
Последние новости, актуальные события и нетворкинг в AgroTech-комьюнити — AgroCode Hub
Присоединяйся!