Análisis de voz

El análisis de voz es el proceso de analizar llamadas grabadas para recopilar información del cliente y así mejorar la comunicación y la interacción futura. Este proceso se utiliza principalmente en los centros de contacto con el cliente para extraer información oculta en las interacciones del cliente con una empresa. ^{[ 1 ]} Si bien el análisis de voz incluye elementos de reconocimiento automático de voz , se caracteriza por analizar el tema tratado, ponderándolo con el carácter emocional del discurso y la cantidad y ubicación del habla frente al silencio durante la interacción. El análisis de voz en los centros de contacto puede utilizarse para extraer información de las interacciones grabadas con los clientes y revelar la inteligencia esencial para desarrollar estrategias efectivas de contención de costos y servicio al cliente. Esta tecnología puede identificar los factores que influyen en los costos, analizar tendencias, detectar fortalezas y debilidades en procesos y productos, y ayudar a comprender cómo el mercado percibe las ofertas. ^{[ 2 ]}

El análisis de voz proporciona un análisis completo de las conversaciones telefónicas grabadas entre una empresa y sus clientes. ^{[ 3 ]} Ofrece funcionalidades avanzadas e información valiosa a partir de las llamadas de los clientes. Esta información puede utilizarse para descubrir datos relacionados con la estrategia, el producto, el proceso, los problemas operativos y el rendimiento de los agentes del centro de contacto. ^{[ 4 ]} Además, el análisis de voz puede identificar automáticamente las áreas en las que los agentes del centro de contacto pueden necesitar formación o capacitación adicional, ^{[ 5 ]} y puede supervisar automáticamente el servicio al cliente proporcionado en las llamadas. ^{[ 6 ]}

El proceso permite identificar las palabras y frases más utilizadas en un período determinado, así como determinar si su uso tiende a aumentar o disminuir. Esta información es útil para supervisores, analistas y otros miembros de la organización, ya que les permite detectar cambios en el comportamiento del consumidor y tomar medidas para reducir el volumen de llamadas y aumentar la satisfacción del cliente . Además, ofrece información valiosa sobre el proceso de pensamiento del cliente, lo que a su vez brinda a las empresas la oportunidad de realizar ajustes. ^{[ 7 ]}

Las aplicaciones de análisis de voz pueden detectar palabras clave o frases habladas, ya sea como alertas en tiempo real en audio en directo o como un paso de posprocesamiento en voz grabada. Esta técnica también se conoce como minería de audio . Otros usos incluyen la categorización del habla en el entorno del centro de contacto para identificar llamadas de clientes insatisfechos. ^{[ 8 ]}

Medidas como la precisión y la exhaustividad , comúnmente utilizadas en el campo de la recuperación de información , son formas típicas de cuantificar la respuesta de un sistema de búsqueda de análisis de voz. ^{[ 9 ]} La precisión mide la proporción de resultados de búsqueda que son relevantes para la consulta. La exhaustividad mide la proporción del número total de elementos relevantes que se devolvieron en los resultados de la búsqueda. Cuando se ha utilizado un conjunto de prueba estandarizado, medidas como la precisión y la exhaustividad pueden utilizarse para comparar directamente el rendimiento de búsqueda de diferentes sistemas de análisis de voz.

Comparar de forma significativa la precisión de diferentes sistemas de análisis de voz puede resultar difícil. La salida de los sistemas LVCSR se puede comparar con transcripciones de referencia a nivel de palabra para obtener un valor para la tasa de error de palabras (WER), pero dado que los sistemas fonéticos utilizan fonemas como unidad básica de reconocimiento, en lugar de palabras, no se pueden realizar comparaciones utilizando esta medida. Cuando se utilizan sistemas de análisis de voz para buscar palabras o frases habladas, lo que importa al usuario es la precisión de los resultados de la búsqueda. Dado que el impacto de los errores de reconocimiento individuales en estos resultados puede variar considerablemente, medidas como la tasa de error de palabras no siempre son útiles para determinar la precisión general de la búsqueda desde la perspectiva del usuario.

Según la Oficina de Responsabilidad Gubernamental de los Estados Unidos , ^{[ 10 ]} “la fiabilidad de los datos se refiere a la exactitud y la integridad de los datos procesados ​​por computadora, dados los usos para los que están destinados”. En el ámbito del reconocimiento y análisis de voz, la “integridad” se mide mediante la “tasa de detección”, y generalmente, a medida que aumenta la exactitud, disminuye la tasa de detección. ^{[ 11 ]}

Los proveedores de análisis de voz utilizan el "motor" de un tercero, mientras que otros desarrollan motores propios. La tecnología emplea principalmente tres enfoques. El enfoque fonético es el más rápido para el procesamiento, principalmente porque el tamaño de la gramática es muy pequeño, con un fonema como unidad básica de reconocimiento. En la mayoría de los idiomas, solo existen unas pocas decenas de fonemas únicos, y el resultado de este reconocimiento es una secuencia (texto) de fonemas, que luego se puede buscar. El reconocimiento continuo de voz de vocabulario amplio (LVCSR, más conocido como reconocimiento de voz a texto, transcripción completa o ASR - reconocimiento automático de voz) utiliza un conjunto de palabras (bigramas, trigramas, etc.) como unidad básica. Este enfoque requiere cientos de miles de palabras para comparar el audio. Puede revelar nuevos problemas comerciales, las consultas son mucho más rápidas y la precisión es mayor que la del enfoque fonético. ^{[ 12 ]}

El reconocimiento y predicción de emociones en el habla se basa en tres clasificadores principales: kNN, C4.5 y SVM RBF Kernel. Este conjunto logra un mejor rendimiento que cada clasificador básico por separado. Se compara con otros dos conjuntos de clasificadores: SVM multiclase uno contra todos (OAA) con kernels híbridos y el conjunto de clasificadores que consta de los siguientes dos clasificadores básicos: C5.0 y Red Neuronal. La variante propuesta logra un mejor rendimiento que los otros dos conjuntos de clasificadores. ^{[ 13 ]}

La investigación de mercado indica que se proyecta que el análisis de voz se convierta en una industria de mil millones de dólares para 2020, con Norteamérica a la cabeza. ^{[ 14 ]} La tasa de crecimiento se atribuye a los crecientes requisitos de cumplimiento y gestión de riesgos, así como al aumento de la competencia en la industria a través de la inteligencia de mercado . ^{[ 15 ]} Se considera que los segmentos de telecomunicaciones , TI y subcontratación de la industria poseen la mayor cuota de mercado, con un crecimiento esperado en los segmentos de viajes y hostelería. ^{[ 14 ]}

• Inteligencia del cliente
• Dinámica del cliente
• Reconocimiento de voz