Anrufbeantwortererkennung für arabische Dialekte

Die Anruferkennung ist die unscheinbarste Kontrollmaßnahme im Outbound-Bereich und entscheidet im Stillen darüber, wie viele Gespräche Ihre Mitarbeiter führen. Jede Fehlentscheidung kostet Geld. Wird ein Anrufbeantworter als Mensch erkannt, hört sich der Mitarbeiter zwanzig Sekunden lang eine Aufzeichnung an. Wird ein Mensch als Anrufbeantworter erkannt, wird das Gespräch mit einem Kunden, der abgenommen hat, unterbrochen. In arabischsprachigen Märkten führt der traditionelle Ansatz häufiger zu Fehlern als erwartet.

Warum die Pieptonerkennung bei arabischen Begrüßungen fehlschlägt

Klassisches AMD ist eine Audio-Timing-Technik. Es wartet, bis der Gesprächspartner spricht, misst die Sprechdauer, wartet auf Stille und lauscht dann auf einen Signalton. Erklingt dieser, erkennt es einen Anrufbeantworter. Diese Annahmenkette funktioniert recht gut in einem Markt, in dem Voicemail standardisiert und die Begrüßungen kurz sind. In der Golfregion und der Levante funktioniert sie jedoch aus vier verschiedenen Gründen schlecht.

• Viele Anrufbeantwortersysteme in der Region geben entweder gar keinen Signalton von sich oder erst nach einer Durchsage des Anbieters, die der Detektor bereits nicht mehr erfasst hat. Ein Detektor, der auf einen vergeblichen Signalton wartet, kann daher keine Aussage treffen.
• Eine mündliche arabische Begrüßung ist oft lang. Ein Anrufer, der mit einer vollständigen Begrüßung, einem Willkommen und einer Frage antwortet, hat bereits mehrere Sekunden gesprochen, bevor die erste natürliche Pause eintritt – genau das Muster, das ein Zeiterfassungsgerät als aufgezeichnete Nachricht interpretiert.
• Aufgezeichnete Begrüßungen in der Region sind oft sehr kurz, manchmal nur ein Name. Kurze Rede, gefolgt von Stille, ist das Muster, das ein Zeiterfassungssystem als Anwesenheit einer lebenden Person interpretiert.
• Mobilfunknetze in der Region blenden häufig eigene Ansagen ein, zunächst auf Arabisch und dann auf Englisch, bevor die Begrüßung des Teilnehmers erfolgt. Der Detektor misst die Ansage, nicht die Begrüßung.

Gemeinsames Merkmal ist, dass die Zeitmessung keinerlei Informationen darüber liefert, wer spricht. Die Worte hingegen schon. Ein Detektor, der diese nicht erfassen kann, rät lediglich, und seine Raten liegen im Arabischen schlechter als in dem Sprachraum, für den er ursprünglich eingestellt wurde.

Was die Transkriptklassifizierung stattdessen bewirkt

Die KI-gestützte AMD von DialerBee wartet nicht auf einen Ton. Sobald der Gesprächspartner abhebt, wird die einleitende Audioaufnahme in Echtzeit transkribiert und der resultierende Text – nicht die Wellenform – von einem Klassifikator bewertet. Der Unterschied liegt darin, dass der Text eindeutig ist, was die zeitliche Abfolge nie war. Eine Person, die „aywa, meen maai?“ sagt, und eine Bandansage wie „Der angerufene Teilnehmer ist nicht erreichbar. Bitte hinterlassen Sie nach dem Ton eine Nachricht“ sind als Text nicht annähernd gleich, so ähnlich ihr zeitliches Profil auch sein mag.

Bei jedem angenommenen Anruf werden vier Schritte ausgeführt.

• Transkribieren. Die ersten Sekunden des Audiomaterials werden beim Eintreffen in Text umgewandelt.
• Sprache und Dialekt werden automatisch erkannt. Daher muss eine Liste mit Adressen in verschiedenen Sprachen nicht vor dem Anruf in separate Kampagnen pro Sprache aufgeteilt werden.
• Klassifizieren. Der Klassifikator liefert ein menschliches oder maschinelles Urteil zusammen mit einem Konfidenzwert.
• Die Kampagnenschwelle bestimmt, was dieser Vertrauenswert für diese Kampagne bedeutet, sodass eine Sammlungsliste und eine Kundenzufriedenheitsliste auf derselben Plattform unterschiedliche Sicherheitsstufen aufweisen können.

Die Entscheidung über die Verbindung wird bereits in den ersten Augenblicken des Anrufs getroffen, während die Begrüßung noch läuft. Die Wahl zwischen Verbindung und Abbruch erfolgt also innerhalb der Verbindungsaufbauphase und nicht erst danach. Wir veröffentlichen keine pauschale Latenzzeitangabe, da die tatsächliche Latenz vom Anbieter, der Sprache und der Geschwindigkeit des Begrüßungsbeginns abhängt. Bitte fragen Sie nach Messungen, die auf einem vergleichbaren Datenverkehr durchgeführt wurden.

Dialektabdeckung in der gesamten Region

Arabisch ist nicht nur ein Zielsystem. Ein Klassifikator, der mit formellem Rundfunkarabisch trainiert wurde, liest eine Voicemail-Begrüßung aus der Golfregion und eine aus der Levante völlig unterschiedlich, und keine ähnelt der ägyptischen oder maghrebinischen Entsprechung. DialerBee behandelt den Dialekt als Teil der Sprache und nicht als Störfaktor, und die arabische Abdeckung umfasst Sprachvarianten aus der Golfregion, der Levante, Ägypten und dem Maghrebinischen.

In der Praxis ist das vor allem an den Sprachgrenzen relevant. Jordanische und saudische Mobilfunkbegrüßungen verwenden unterschiedliche Verben für dieselbe Aussage. Ein Anrufer aus der Golfregion, der einen Geschäftsanruf entgegennimmt, beginnt oft mit einer formellen religiösen Begrüßung, die ein eng gefasstes Modell als vorgegeben und somit aufgezeichnet interpretiert. Eine Begrüßung aus dem Maghreb kann französische Vokabeln innerhalb eines arabischen Satzes enthalten. Alle vier Sprachvarianten sind typisch für regionale BPO-Unternehmen, und in allen vier Fällen stößt ein Modell, das nur einen Dialekt berücksichtigt, an seine Grenzen.

Arabisch ist in den 11 unterstützten Sprachen der Plattform enthalten, sodass ein Service-Level, der innerhalb einer Woche Anrufe in Arabisch, Englisch, Französisch und Urdu tätigt, nur einen Erkennungs-Stack benötigt, anstatt einen pro Markt.

Schwellenwerte, keine absoluten Werte

Ein Konfidenzwert ist nur dann sinnvoll, wenn Sie entscheiden, wie Sie ihn nutzen. Die richtige Entscheidung hängt von der jeweiligen Kampagne ab. Bei einer Kampagne zur Beitreibung von Forderungen in der Spätphase ist das Entfernen eines aktiven Schuldners teuer, das Hinterlassen einer Voicemail hingegen kostengünstig. Daher wird ein Schwellenwert festgelegt, um bei der Kennzeichnung eines Anrufbeantworters vorsichtig zu sein. Bei einer Kampagne mit hohem Anrufaufkommen und vielen Terminerinnerungen kehrt sich das Verhältnis um.

Sensitivitätsschwellenwerte werden daher pro Mandant und pro Kampagne anstatt plattformweit konfiguriert. Dies ermöglicht die Nutzung der Steuerung für ein BPO mit mehreren Kunden und unterschiedlichen Toleranzen. KI-Funktionen lassen sich über Feature-Flags steuern, sodass AMD ebenfalls pro Kampagne, Mandant oder global aktiviert oder deaktiviert werden kann. Die Plattform arbeitet auch bei deaktiviertem AMD mit voller Leistungsfähigkeit.

Zwei weitere Konfigurationsdetails sind vor einer Informationssicherheitsprüfung wichtig. AMD-Klassifizierung verarbeitet einen kurzen Anfangsabschnitt des Anrufaudios, und das für die Klassifizierung verwendete Rohmaterial wird nicht dauerhaft gespeichert. Gespeichert werden lediglich das Klassifizierungsergebnis, der Konfidenzwert und die Modellversion.

Die Agenten-Feedbackschleife

Kein Klassifizierungssystem ist immer korrekt, und die Agenten bemerken Fehler als Erste. Wenn das Modell in die eine oder andere Richtung falsch liegt, kann der Agent dies während des Anrufs mit einem einzigen Klick vom Desktop aus melden – ganz ohne Formular und Ticket. Diese Korrekturen fließen in mandantenspezifische Optimierungsprozesse ein. Das bedeutet, dass die Informationen die Erkennung für Ihre Anbieter, Ihre Regionen und Ihre Kampagnentypen verbessern und nicht mandantenübergreifend geteilt werden.

Das funktioniert nur, wenn Vorgesetzte die Korrektur als Teil ihrer Arbeit und nicht als Ausnahmefall betrachten. Zwei Vorgehensweisen sind hilfreich: Weisen Sie die Mitarbeiter darauf hin, dass das Melden eines falschen Ergebnisses mit einem Klick erledigt ist und erwartet wird – es ist keine Systembeschwerde. Lesen Sie außerdem wöchentlich die detaillierten Genauigkeitsstatistiken nach Kampagne, Anbieter und Sprache, denn ein Anbieter, der seine Voicemail-Ansage geändert hat, taucht dort als Muster auf, lange bevor jemand dies als Problem meldet.

Jenseits des Arabischen: Die anderen Sprachen auf derselben Liste

Sprachbasierte Spracherkennung ist keine Übersetzung. Sie erkennt, wie Menschen und Maschinen in einem Markt tatsächlich sprechen, und die sprachlichen Variationen, die Arabisch so schwierig machen, finden sich in jeder anderen Sprache einer regionalen Liste wieder. Spanisch unterscheidet zwischen lateinamerikanischem und europäischem Dialekt. Französisch weist europäische, kanadische und nordafrikanische Sprachmuster auf. Deutsch kennt formelle und informelle Register sowie österreichische und schweizerische Varianten. Türkisch hat seine eigenen regionalen Muster. Allein Englisch kommt in US-amerikanischen, britischen, indischen, philippinischen und Golf-Akzentvarianten vor – und das macht den Großteil des Datenverkehrs der BPO-Agenten aus, bevor überhaupt eine arabische Nummer gewählt wird.

Deshalb ist der Erkennungsstapel wichtiger als die Angabe einer einzelnen Sprache. Ein Servicecenter, das sonntags Arabisch, montags Französisch und dienstags Urdu wählt, sollte nicht drei Erkennungskonfigurationen verwenden und drei verschiedene Genauigkeitswerte auswerten. Alle elf unterstützten Sprachen nutzen denselben Klassifikator und dieselbe Berichtsansicht, und Dialekte werden in jeder Sprache als Teil der Sprache und nicht als Rauschen behandelt.

Wie man die Detektion richtig misst

Eine einzelne Kennzahl zur Genauigkeit ist nahezu nutzlos, da sie die Bereiche ausblendet, in denen Ihre Verluste konzentriert sind. Messen Sie stattdessen diese Bereiche und bestehen Sie bei jedem Anbieter, den Sie bewerten, auf derselben detaillierten Aufschlüsselung.

• Falsch positive und falsch negative Werte separatund zwar pro Anbieter statt pro Region. Ein regionaler Durchschnitt von 90 Prozent kann eine Genauigkeit von 65 Prozent bei dem Anbieter verschleiern, der den Großteil Ihres Datenvolumens abwickelt.
• Agentenüberschreibungsrate, was Ihnen zeigt, was das Publikum von den Urteilen hält und wie schnell die Abstimmung etwas hat, womit man arbeiten kann.
• Erkennungszeit, neben der Entscheidung über die Verbindungsherstellung, denn ein richtiges Urteil, das erst nach dem Auflegen des Kunden gefällt wird, ist kein Erfolg.
• Ergebnisse aufgeschlüsselt nach Sprache und KampagnentypDenn eine Wiederherstellungsliste und eine Erinnerungsliste verhalten sich selbst bei gleichen Nummern nicht gleich.

Zwei Vorgehensweisen schützen Sie davor, nur eine Nummer statt einer echten Fähigkeit zu kaufen. Testen Sie mit Ihrem eigenen Traffic, über Ihre eigenen Leitungen und zu Ihren eigenen Zielnetzbetreibern, da die Genauigkeit von Demo- oder synthetischen Audioaufnahmen den Kontakt mit der Produktion selten übersteht. Testen Sie außerdem Kampagnen nach Kampagnentyp, anstatt eine globale Einstellung zu ändern. Überprüfen Sie zunächst Fehlalarme, denn ein echter Anrufer, der aus der Leitung geworfen wurde, ist ein teurer Fehler, der nie in der Warteschlange eines Agenten erscheint.

Wenn sich eine Route, eine Listenquelle, eine Region oder ein Skript ändert, führen Sie die Überprüfung erneut durch. Das Verhalten der Voicemail-Dienste der Mobilfunkanbieter ist nicht statisch, und eine Erkennungseinstellung, die im letzten Quartal korrekt war, ist in diesem Quartal nur eine Hypothese.

Wie AMD in den restlichen Bereich passt

AMD ist kein eigenständiges Produkt; sein Wert ergibt sich aus den Funktionen nach der Anruferkennung. Sobald ein automatisierter Anruf erkannt wird, kann der Agent mit einem Klick eine vorbereitete Voicemail-Nachricht hinterlassen und zum nächsten Anruf übergehen, während die Nachricht noch abgespielt wird. Dabei kommen Vorlagen zum Einsatz, die per Text-to-Speech in einer von Ihnen gewählten Stimme generiert und mit allen Medienknoten synchronisiert werden, sodass die Übermittlung unabhängig vom Anrufort funktioniert. Alternativ kann der Kontakt gemäß den Wiederholungsregeln der Kampagne automatisch erneut in die Warteschlange eingereiht werden.

Die Ergebnisse fließen auch in das Pacing-Modell ein. Wenn AMD Voicemails aus den verbundenen Anrufen herausfiltert, passt die Vorhersage-Engine ihre Schätzung der tatsächlichen Verbindungsrate an, sodass das Pacing die Gespräche widerspiegelt, die die Agenten tatsächlich führen werden. AMD funktioniert mit jedem Anbieter, der über SIP verbunden ist, was in einer Region wichtig ist, in der die meisten Betreiber ihre eigenen Leitungen verwenden.

Häufig gestellte Fragen

Warum hat die Pieptonerkennung Probleme mit arabischen Voicemails?

Weil es die Zeit und nicht die Worte erfasst. Viele Anrufbeantworter in der Region geben keinen brauchbaren Signalton von sich, arabische Live-Begrüßungen sind oft so lang, dass sie wie eine Aufnahme klingen, aufgezeichnete Begrüßungen sind oft so kurz, dass sie wie eine Person wirken, und Netzwerkansagen in Arabisch und Englisch werden vor der Begrüßung des Teilnehmers abgespielt. Keines dieser Probleme lässt sich durch eine verbesserte Tonerkennung lösen.

Wie klassifiziert AMD auf Basis von Gesprächsprotokollen einen Anruf?

Die ersten Sekunden des Audiomaterials werden in Echtzeit transkribiert, Sprache und Dialekt automatisch erkannt und ein Klassifikator bewertet den Text und gibt ein Ergebnis (menschlich oder maschinell) mit einer Konfidenzbewertung zurück. Der Kampagnenschwellenwert bestimmt dann, wie mit dieser Bewertung umgegangen wird, sodass verschiedene Kampagnen auf dasselbe Ergebnis unterschiedlich reagieren können.

Welche arabischen Dialekte werden abgedeckt?

Die Plattform deckt Golf-, Levantiner-, ägyptische und Maghreb-Sprachen ab, und Arabisch ist eine der elf unterstützten Sprachen. Dialekte werden als Teil der Sprache und nicht als Störfaktor behandelt, was besonders bei gemischten regionalen Listen wichtig ist, wo beispielsweise jordanische, saudische und marokkanische Begrüßungen in derselben Kampagne vorkommen.

Kann ich für jede Kampagne eine andere AMD Empfindlichkeit einstellen?

Ja. Die Empfindlichkeitsschwellenwerte werden pro Mandant und Kampagne konfiguriert. So kann eine Kampagne zur Wiederherstellung in der Spätphase vorsichtig mit der Meldung eines Rechners umgehen, während dies bei einer Kampagne mit hohem Erinnerungsvolumen nicht der Fall ist. KI-Funktionen lassen sich über Feature-Flags steuern, sodass AMD auch pro Kampagne, pro Mandant oder global deaktiviert werden kann.

Was geschieht, wenn ein Agent mit dem Urteil nicht einverstanden ist?

Der Agent markiert den Fehler während des Anrufs mit einem Klick vom Desktop aus – ohne Formular und Ticket. Korrekturen fließen in mandantenbezogene Optimierungs-Workflows ein, sodass das Signal für Ihre Anbieter, Regionen und Kampagnentypen relevant ist. Vorgesetzte sollten die Genauigkeitsstatistiken regelmäßig nach Kampagne, Anbieter und Sprache aufschlüsseln.

Wird die Anrufaudio für AMD Prozessoren gespeichert?

AMD-Klassifizierung verarbeitet einen kurzen Anfangsabschnitt des Anrufaudios. Das für die Klassifizierung verwendete Rohaudio wird nicht dauerhaft gespeichert. Gespeichert werden lediglich das Klassifizierungsergebnis, der Konfidenzwert und die Modellversion – Informationen, die für eine Informationssicherheitsprüfung üblicherweise benötigt werden.