Сезам, откройся

Речевая аналитика – технология на базе искусственного интеллекта, которая переводит человеческую речь в текст и позволяет аналитически оценивать ее содержание по заданным пользователем критериям: темам, ключевым словам – произнесенным или, наоборот, не произнесенным. На основе такого речевого анализа в дальнейшем можно формировать идеи для улучшения бизнес-процессов.

Как правило, решения в данной области включают в себя движок обработки речи, удобный интерфейс, чтобы пользователь мог быстро найти и вычленить ключевые слова, а также функцию составления автоматических отчетов, в которых содержится вся необходимая информация о взаимодействии с клиентом.

Но инструменты речевой аналитики были такими не всегда. История технологии началась ни много ни мало 94 года назад. В 1927 году американской публике показали «робота» по имени Герберт Телевокс. Разумеется, тогда не было никакого ИИ, машинного обучения и нейросетей. Мистер Телевокс представлял из себя механическое устройство с реле и камертонами. Герберт реагировал на звуки разной частоты и даже на короткие фразы. Например, когда ему говорили «Сезам, откройся», он активировал реле, подключенное к двери. Век назад это считалось просто фантастическим результатом.

Следующая важная веха в развитии технологии анализа речи пришлась на 1952 год. Знаменитая Bell Labs разработала машину «Одри» (AUDREY – Automatic Digit Recognizer). По сути это был большой шкаф, который умел распознавать произнесенные вслух цифры – от 0 до 9. Человек диктовал их в микрофон с интервалами в 350 миллисекунд, а «Одри» высвечивала результат на приборной панели. Стоит отметить, что работала она из рук вон плохо: голос своих создателей распознавала с точностью 97%, а посторонних пользователей – до 50%.

Вплоть до 1990-х все механизмы по распознаванию речи не умели считывать естественный человеческий разговор. Они угадывали лишь отдельные слова, да и то произнесенные с длинными паузами. Ситуация изменилась в 1996 году. IBM разработала программу MedSpeak/Radiology – первый в истории продукт для распознавания потока человеческой речи. Его использовали в медицине: врач надиктовывал описание рентгеновского снимка, а MedSpeak/Radiology преобразовывала речь в текст.

Речевая аналитика и по сей день активно применяется в здравоохранении. Например, американские специалисты по ИИ создали нейросеть, способную по голосу выявлять посттравматическое стрессовое расстройство с точностью более 89%. Она анализировала голоса ветеранов Афганистана и Ирака. Нейросеть не просто переводила речь в текст, но и выявляла эмоции человека по тону, ритму и артикуляции голоса. А в 2020 году группа израильских исследователей начала собирать голоса людей, здоровых и заразившихся коронавирусом, чтобы создать приложение, способное распознавать COVID-19 по разговору.

На растущем рынке

Конечно же, инструменты речевой аналитики нашли применение не только в медицине. Технологии активно используются бизнесом для решения самых разных задач.

Еще в 2012 году директор по маркетингу UTOPY Шон Мерфи вспоминал, что один из клиентов-банков компании, внедривших речевую аналитику, улучшил показатель конверсии телефонных звонков в заявки на оформление ипотеки на 6 п. п. Каждый процентный пункт, по словам Мерфи, принес банку дополнительные $1,2 млн. Три года использования речевой аналитики принесли финансовой организации $20,1 млн. Внедрение системы стоило $330 тыс. Таким образом, отмечает специалист, инвестиции отбились в 60-кратном размере.

К сегодняшнему дню стоимость внедрения речевой аналитики для бизнеса значительно снизилась, а сама технология стала по-настоящему зрелой. Точность распознавания человеческой речи на сегодняшний день достигла 90%, а нейросеть научилась отличать различные варианты произношения и специфические термины.

По оценке MarketsandMarkets, объем мирового рынка речевой аналитики достиг $1,5 млрд, к 2025-му он вырастет до $3,8 млрд.
Показатели российского рынка скромнее, зато растут они по-настоящему взрывными темпами. С 2015 года его объем увеличился сразу на 1288%, до $76 млн (c учетом госзаказов), в 2025-м рынок вырастет до $561 млн, прогнозирует Just AI.

Юрий Зимин из банка для предпринимателей и предприятий «Точка» в беседе с «Профилем» выразил уверенность, что у российского рынка речевой аналитики весьма хорошие перспективы, а за технологией – будущее. Сам банк пользуется решениями Mango Office. По оценке эксперта, использование речевой аналитики не только увеличивает эффективность бизнеса , но и помогает сократить затраты на обслуживание клиентов и снизить издержки на ФОТ. По сравнению с «ручным» анализом, когда беседы оцениваются только менеджерами, удалось охватить большее количество специалистов, затрачивая при этом меньше ресурсов.

Бизнес и речевая аналитика

Сегодня на развитие рынка речевой аналитики оказывают влияние несколько трендов. Во-первых, технологии анализа человеческой речи и ее преобразования в текст с каждым днем становятся все точнее. Во-вторых, из-за пандемии растет спрос со стороны компаний на удаленный контроль над производительностью сотрудников. Наконец, в-третьих, бизнес быстро учится извлекать ценные для развития данные из записей разговоров

С точки зрения бизнеса, главная задача речевой аналитики – это сбор и систематизация данных о разговорах. Например, анализ разговора менеджера по продажам с потенциальным клиентом или сотрудника колл-центра с недовольным потребителем. Речевая аналитика позволяет быстро оптимизировать скрипты разговоров и извлекать из них максимум пользы.
Функции речевой аналитики ориентированы в большей степени на средний и крупный бизнес, – уверены эксперты Mango Office. ­ – Если в компании десятки и сотни менеджеров, тысячи клиентских коммуникаций, которые нужно контролировать по смыслу ежедневно -- речевая аналитика просто незаменимый инструмент.

Какие задачи позволяет решить речевая аналитика:

● Узнать потребителя. Анализ записей разговоров с клиентами поможет лучше понять их боли и желания, выяснить, что привело их к вашей компании, как они оценивают ваши продукты, какие видят в них недостатки, по каким причинам отказываются от покупки. Речевая аналитика также помогает составить точный портрет клиента – пол, возраст и предпочтения. На основе этих данных можно сделать ценные выводы, которые улучшат качество взаимодействия компании и потребителя. В конечном счете, правильное использование речевой аналитики ведет к росту конверсии звонков в продажи.

● Проанализировать конкурента. Инструменты речевой аналитики позволяют выявить, как часто и каких именно конкурентов упоминают в беседах клиенты, и понять, в каком свете предстает ваша компания в сравнении с другими организациями.

● Улучшить работу сотрудников. С помощью речевой аналитики можно проконтролировать, насколько аккуратно ваши работники соблюдают сценарии разговоров, и правильно ли они позиционируют ваши продукты. Нейросеть также услышит, вежливо ли они общаются с клиентом, не используют ли в беседе стоп-слова и ненормативную лексику, не было ли в разговоре жалоб на качество обслуживания. На базе этой информации можно легко выявить лучших и худших сотрудников и выстроить качественную систему мотивации. Инструменты речевой аналитики также помогают отследить утечки конфиденциальной информации. Кроме того, система предоставит сотруднику все необходимые данные о потребителе, вплоть до того, капризен ли он или нет.

● Оптимизировать скрипты и добиться лояльности. В целом, речевая аналитика помогает постепенно создать идеальный сценарий разговора с клиентом, определяя слабые места, из-за которых потребитель остался недоволен или, допустим, повесил трубку. Нейросети дают возможность гибко реагировать на запросы аудитории и увеличить ее лояльность.

Зачем речевая аналитика банкам

Кейс UTOPY и банка, который нарастил выдачу ипотечных кредитов, хорошо показывает, насколько полезной может быть речевая аналитика для финансовых организаций.

CEO Red Box Ричард Стивенсон подтверждает этот тезис. По его словам, сейчас 91% банкиров считают голосовые данные важным стратегическим активом. Использование речевой аналитики, дополняет он, становится обязательным условием для сохранения конкурентоспособности в финансовой сфере. Технология особенно актуальна в критических условиях вроде распространения коронавируса по планете, поскольку позволяет банкам повысить наращивать качество обслуживания, подчеркивает Стивенсон.

С ним соглашается и Юрий Зимин из «Точки». Он рассказал, что инструменты речевой аналитики применяются «Точкой» последние несколько месяцев для продажи полного набора банковских продуктов.

Банк эффективно использует инструмент для анализа разговоров новых сотрудников, которые проходят период адаптации в формате home office – отслеживаются так называемые факап-фразы, проводится отстройка от конкурентов, оценка сотрудников по чек-листам.

«В российской финансовой отрасли сложился устойчивый тренд на речевую аналитику в контакт-центрах, – добавляет Юрий Зимин. – Этот инструмент отличается чрезвычайной гибкостью. Речевой анализ помогает нам контролировать скрипты продаж, увеличить качество клиентского сервиса, изучать своих клиентов, вести конкурентный мониторинг и многое другое».

Причем система автоматически фильтрует разговоры, не имеющие отношения к бизнесу – например, внутренние или личные переговоры сотрудников компании – и исключает их из общей отчетности.

«Мы анализируем, насколько часто, например, упоминаются в диалогах ключевые слова, связанные с конкурентами, так понимаем наши слабые и сильные стороны в сравнении с конкурентами. На основании полученных данных проводим дополнительное обучение ребят. Показываем им слабые места в беседах, западающие зоны, рассказываем, как изменить темп речи и количество монологов – все это сильно влияет на продажи», – рассказывает представитель «Точки».

По его словам, банк выбрал продукты Mango Office, поскольку нейросеть компании хорошо обучена, владеет более чем 80 тыс. слов и знает все специфические банковские термины. При этом может добавлять нужные слова и выражения прямо в личном кабинете, не обращаясь в службу поддержки провайдера.

В целом, отмечает Зимин, речевая аналитика помогла банку перейти на новый уровень работы с обращениями клиентов, значительно поднять скорость обучения своих сотрудников, а скрипты операторов, работающих удаленно, были успешно оптимизированы.