【导语】

本文曾发表于2014年客户世界期刊，最近行业交流时又谈起这个话题，应张欣楠老师邀请，基于我对智能质检技术应用的一些经验，重新对原文做了逻辑和文字润色，使之更加通畅。受限于技术方案、模型训练语料、项目ROI等诸多因素影响，站在今天来看，智能质检这个10年前的王谢堂前燕，10年后也还是没有飞入寻常百姓家，像客服机器人，智能IVR、云客服等技术方案那样在客服行业内有广泛应用的案例。在这个背景下，本文旨在探讨AI技术、语义识别、算力大发展的今天，如何发挥智能质检的应用价值，使之成为服务管理和客户体验优化的有益工具。文章标题“智能质检，剖开客服中心海量服务记录赌石的那把刀”，是希望通过这种类比有助于大家理解智能质检之于客服中心的场景和价值。

赌石是一种翡翠原石特有的交易方式，带有很强的赌博性质。翡翠原石开采出来时，会被一层风化石皮包裹，除了形状和重量外，在剖开石皮前是无法知道其内部翡翠品质优劣的，只有切割后才能得到真实的结论。所以自古就有神仙难断寸玉的说法儿。

很多事情道理上是相通的，从翡翠的赌石，类比着看客服中心的质检监控，逻辑上何其相似。我们先来看看赌石的场景，一块儿翡翠原石，进入赌石交易环节前会开个小窗，这个小窗的开法儿是很讲究的，卖家往往会在这块儿赌石最好的地方剖出窗口， 把这块儿赌石光鲜亮丽的一面展现在买家眼里，诱惑你出手赌一把，一刀切割下去，有可能整块石头和窗口看到的品质一样，种水色俱佳，恭喜你赚到了。但更大的可能，是除了窗口那一点光鲜亮丽，其他部分要么与窗口品质差之千里的普通货色，要么绺裂严重无法成器，甚至只是块儿破石头而已。一刀穷、一刀富，一刀批麻布，这就是赌石这个行当里不确定性的真实写照。

我们把客服中心每天产生的大量服务Case记录，比如在线聊天记录、工单或者电话录音看做是一整块儿“赌石”。能被人工质检团队抽样覆盖到的那部分样本就是开的那个小窗，实际上整体服务质量的好坏是通过这个小窗以管窥豹的方式来评判的。有人也许会问，为什么不对每条服务记录都做质检，这样不就能看的清清楚楚明明白白了吗？传统客服中心的质检由⼈⼯完成，这里面涉及一个成本效率问题 ，客服中心配置质检团队的人工抽检工作量和工作效率是有限的，一般采取按比例抽样检测的方式执行，质检团队通过抽样规则对样本进行人工质检和评分。这个方式下抽检受样本量覆盖面小，抽样规则，质检标准尺度等因素影响，难以客观真实的评价整体服务质量，我们不妨来做个计算：

假设一个客服中心每天产生10万条服务记录，这样的客服中心坐席规模大致1000人左右。行业内坐席数量和质检团队一般按40比1配置，可以计算出质检团队人数在25个左右，按质检员单人产能80个样本计算，每天最大质检量不过2000条。也就是说受质检团队最大工作量承载限制，实际上每天有98%的服务录音未被检测，只能通过被抽检到的这2%的样本去推测整体服务品质，至于那98%的服务过程是否合规、是否存在差错、服务品质优劣，都因为处于质检团队监控的盲区，所具备的数据价值和存在的问题根本就没有被呈现出来，而处于运营管理的不可控的状态。

现阶段，绝大多数的客服中心是透过人工质检团队抽样检测开小窗，从这个小窗看下去，评价服务品质的优劣。另一方面，同样受录音抽检数量限制，录音内容中所蕴含的海量信息，如咨询热点、产品反馈、营销机会、服务事故预警、舆情风险等有分析价值的数据得不到有效挖掘和利用，大量高价值数据资源被白白浪费了。如何跨越这个阶段，让服务记录这块儿“赌石”清清楚楚、明明白白的展现在呼叫中心运营管理者眼前。

智能质检技术方案，就是那把能剖开海量服务记录“赌石”的刀。

智能质检基于对客服中心全量服务记录进行语音转写和文本分析，采用语音索引分类、语音识别转写、关键词扫描、异常情绪侦测等技术，将录音内容文本化，建立智能质检模型实现既定维度内的各类型的质量检测和数据挖掘。

也就是说，应用智能质检技术，可以让客服中心管理这具备透视能力，了解到每一个Case中发生了什么事情，客户的问题，客服的方案，异常情绪、静音时长、关键词，相当于把客服中心服务记录这一块翡翠赌石的石皮完全剖开，实现全方位，无死角的挖掘其中蕴含的数据价值。可以实现：

1、监控覆盖面扩展：实现多渠道全量服务质量监控覆盖，范围包含在线、工单、电话等有数据记录的服务渠道。

2、实时服务事故预警：服务事故事前预防及事后服务介入，实现风险问题实时预警，按事故等级 制定相应的服务弥补举措。

3、问题闭环管理机制差错率分析：人员执行待改善点、场景无效方案输出，追踪落地实施效果， 缩小流程与服务交付之间的差距，形成问题闭环管理机制。

用智能质检这把刀把客服中心服务记录这块儿“赌石”剖开，内部质量会清晰的呈现在管理者面前。至于剖开的这块儿石头是种水色俱佳的翡翠、品相一般的普通货色，有没有绺裂，与剖开它的那把刀是没有关系的，这块材料具备什么样的价值，美或者不美，里面的绺裂如何处理规避掉，是客服中心管理者根据这块儿“赌石”呈现出来的最真实的那一面，要做后续的加工处理。如何充分利用剖开的这块儿“赌石”所蕴含的丰富信息呢？

可以根据不同的应用场景做相应的数据挖掘模型，从海量服务记录中挖掘对服务效率，流程优化和客户体验改善有价值的数据信息，我们来看应用这些数据能做哪些事情？
服务合规性检测

针对服务录音的开头语、结束语、标准话术做关键词比对，分析出每个质检点在每通录音的通过情况，是否合规，检测结果可以作为客服代表质检成绩和辅导培训的依据。
服务禁忌语检测

把服务禁忌语作为检索关键词，对服务记录中出现的诸如推诿责任、合规差错、辱骂客户等关键词进行检索，检索结果可以作为客服代表奖惩和绩效的数据依据。
异常情绪检测

针对服务记录中存在的声音频率、表达情绪、标点符号等异常进行自动侦测与判断，可以定位出录音中存在情绪异常的样本，及时预警或干预。
语速检测

针对客服代表维度的语音进行语速检测，如语速过快则可能用户很难听清楚，影响服务质量，而语速过慢则可能坐席技能是不够熟练、或者工作状态不佳，侦测结果可以作为客服代表培训辅导的数据依据。
高危投诉风险检测

以电信运营商客服中心为例，针对高风险投诉的关键词做检测模型，对录音文件中出现诸如”记者”、 “媒体” 、 “新闻” 、 “电视台”、“上级”、“通信管理局”等关键词的投诉通话录音进行筛查和风险评估，检索结果可以作为服务风险预警与干预的数据依据，根据预警干预规则对社会舆论影响大或者升级投诉隐患的高风险服务案例进行主动跟进，妥善处理，避免造成影响公司服务形象的服务事件。