अरबी बोलियों के लिए आंसरिंग मशीन डिटेक्शन

आंसरिंग मशीन डिटेक्शन आउटबाउंड फ़्लोर का सबसे कम चमक-दमक वाला कंट्रोल है, लेकिन यही चुपचाप तय करता है कि आपके एजेंटों को कितनी बातचीत मिलेंगी। हर गलत फ़ैसले की कीमत चुकानी पड़ती है। मशीन को इंसान मान लिया, तो एजेंट बीस सेकंड तक रिकॉर्डिंग सुनता रहता है। इंसान को मशीन मान लिया, तो फ़ोन उठाने वाले ग्राहक की कॉल काट दी जाती है। अरबी भाषी बाज़ारों में पारंपरिक तरीका ये दोनों गलतियाँ टीमों की उम्मीद से कहीं ज़्यादा करता है।

अरबी ग्रीटिंग पर बीप डिटेक्शन क्यों फ़ेल होता है

पारंपरिक AMD एक ऑडियो-टाइमिंग तकनीक है। यह दूसरी तरफ़ से बोलने का इंतज़ार करता है, मापता है कि बोलना कितनी देर चला, खामोशी का इंतज़ार करता है और फिर टोन सुनता है। टोन आ जाए, तो वह इसे मशीन घोषित कर देता है। मान्यताओं की यह कड़ी उस बाज़ार में ठीक-ठाक काम करती है जहाँ वॉइसमेल मानकीकृत है और ग्रीटिंग छोटी होती हैं। लेकिन खाड़ी और लेवेंट में यह चार अलग-अलग कारणों से बुरी तरह चूकती है।

• इस क्षेत्र में कई ऑपरेटरों के वॉइसमेल सिस्टम कोई साफ़ बीप बजाते ही नहीं, या कैरियर की घोषणा के बाद तब बजाते हैं जब डिटेक्टर पहले ही हार मान चुका होता है। जो डिटेक्टर ऐसी टोन का इंतज़ार कर रहा है जो कभी आती ही नहीं, उसके पास देने को कोई फ़ैसला नहीं होता।
• अरबी में लाइव ग्रीटिंग अक्सर लंबी होती है। जो व्यक्ति पूरा अभिवादन, स्वागत और एक सवाल के साथ फ़ोन उठाता है, वह पहले स्वाभाविक ठहराव से पहले ही कई सेकंड बोल चुका होता है — और टाइमिंग डिटेक्टर ठीक इसी पैटर्न को रिकॉर्डेड मैसेज समझता है।
• इस क्षेत्र में रिकॉर्डेड ग्रीटिंग अक्सर बहुत छोटी होती हैं, कभी-कभी सिर्फ़ एक नाम। छोटी बात और उसके बाद खामोशी — टाइमिंग डिटेक्टर इसी पैटर्न को लाइव इंसान समझता है।
• इस क्षेत्र के मोबाइल नेटवर्क अक्सर सब्सक्राइबर की अपनी ग्रीटिंग से पहले, पहले अरबी और फिर अंग्रेज़ी में, अपनी घोषणाएँ जोड़ देते हैं। डिटेक्टर ग्रीटिंग की जगह घोषणा को माप लेता है।

इन सबमें एक बात साझा है: टाइमिंग से यह पता नहीं चलता कि बोल कौन रहा है। शब्दों से पता चलता है। जो डिटेक्टर शब्द नहीं पढ़ सकता, वह अंदाज़ा लगा रहा है — और अरबी में उसका अंदाज़ा उस बाज़ार से भी खराब होता है जिसके लिए उसे ट्यून किया गया था।

ट्रांसक्रिप्ट क्लासिफ़िकेशन इसकी जगह क्या करता है

DialerBee का AI AMD टोन का इंतज़ार नहीं करता। जैसे ही दूसरी तरफ़ फ़ोन उठता है, शुरुआती ऑडियो रियल टाइम में ट्रांसक्राइब होता है, और एक क्लासिफ़ायर वेवफ़ॉर्म की जगह उससे बने टेक्स्ट को स्कोर करता है। फ़र्क यह है कि टेक्स्ट उतना स्पष्ट होता है जितनी टाइमिंग कभी नहीं थी। किसी व्यक्ति का "aywa, meen maai?" कहना और किसी रिकॉर्डिंग का "जिस सब्सक्राइबर को आपने कॉल किया है वह उपलब्ध नहीं है, कृपया टोन के बाद संदेश छोड़ें" कहना — टेक्स्ट के रूप में ये एक-दूसरे के आसपास भी नहीं हैं, भले ही उनकी टाइमिंग प्रोफ़ाइल कितनी भी मिलती-जुलती हो।

हर उठाई गई कॉल पर चार चरण चलते हैं।

• ट्रांसक्राइब करना। ऑडियो के शुरुआती सेकंड आते ही टेक्स्ट में बदल दिए जाते हैं।
• भाषा और बोली पहचानना। यह अपने-आप होता है, इसलिए मिली-जुली भाषाओं वाली सूची को डायल करने से पहले हर भाषा के लिए अलग कैंपेन में बाँटने की ज़रूरत नहीं पड़ती।
• वर्गीकरण करना। क्लासिफ़ायर कॉन्फ़िडेंस स्कोर के साथ इंसान या मशीन का फ़ैसला लौटाता है।
• कार्रवाई करना। कैंपेन का थ्रेशोल्ड तय करता है कि उस कैंपेन के लिए उस कॉन्फ़िडेंस स्कोर का क्या मतलब है, ताकि एक ही प्लेटफ़ॉर्म पर कलेक्शन सूची और ग्राहक-संतुष्टि सूची सावधानी के अलग-अलग स्तर पर चल सकें।

फ़ैसला कॉल के शुरुआती पलों से, ग्रीटिंग चलते-चलते ही बन जाता है, इसलिए कनेक्ट करने या ड्रॉप करने का निर्णय पिकअप के दौरान ही हो जाता है, उसके बाद नहीं। हम लेटेंसी का कोई एक आँकड़ा प्रकाशित नहीं करते, क्योंकि असली संख्या कैरियर, भाषा और ग्रीटिंग कितनी जल्दी शुरू होती है, इन पर निर्भर करती है। अपने जैसे ट्रैफ़िक पर लिए गए माप माँगें।

पूरे क्षेत्र में बोलियों का कवरेज

अरबी कोई एक लक्ष्य नहीं है। औपचारिक प्रसारण वाली अरबी पर प्रशिक्षित क्लासिफ़ायर खाड़ी की वॉइसमेल ग्रीटिंग और लेवेंटाइन ग्रीटिंग को बहुत अलग ढंग से पढ़ेगा, और इनमें से कोई भी मिस्री या मग़रिबी ग्रीटिंग जैसी नहीं होती। DialerBee बोली को भाषा का हिस्सा मानता है, उसके आसपास का शोर नहीं, और अरबी कवरेज में खाड़ी, लेवेंटाइन, मिस्री और मग़रिबी बोलचाल शामिल है।

व्यवहार में यह सीमाओं पर सबसे ज़्यादा मायने रखता है। जॉर्डन और सऊदी अरब की मोबाइल ग्रीटिंग एक ही बात के लिए अलग-अलग क्रियाओं का इस्तेमाल करती हैं। बिज़नेस कॉल उठाने वाला खाड़ी का व्यक्ति अक्सर औपचारिक धार्मिक अभिवादन से शुरुआत करता है, जिसे एक सीमित मॉडल स्क्रिप्टेड और इसलिए रिकॉर्डेड मान लेता है। मग़रिबी ग्रीटिंग में अरबी वाक्य के भीतर फ़्रेंच शब्द हो सकते हैं। ये चारों किसी क्षेत्रीय BPO के लिए आम ट्रैफ़िक हैं, और चारों ऐसी जगहें हैं जहाँ एक ही बोली वाला मॉडल बातचीत गँवा देता है।

अरबी प्लेटफ़ॉर्म की 11 समर्थित भाषाओं में शामिल है, इसलिए जो फ़्लोर एक हफ़्ते में अरबी, अंग्रेज़ी, फ़्रेंच और उर्दू में डायल करता है, वह हर बाज़ार के लिए अलग की जगह एक ही डिटेक्शन स्टैक चलाता है।

थ्रेशोल्ड, कोई पत्थर की लकीर नहीं

कॉन्फ़िडेंस स्कोर तभी काम का है जब आप तय करें कि उसके साथ क्या करना है, और सही फ़ैसला हर कैंपेन में अलग होता है। लेट-स्टेज रिकवरी कैंपेन में लाइव देनदार की कॉल ड्रॉप करना महँगा है और वॉइसमेल छोड़ना सस्ता, इसलिए आप थ्रेशोल्ड ऐसा रखते हैं कि मशीन घोषित करने में सावधानी बरती जाए। हाई-वॉल्यूम अपॉइंटमेंट रिमाइंडर कैंपेन में यह संतुलन उलट जाता है।

इसलिए संवेदनशीलता थ्रेशोल्ड पूरे प्लेटफ़ॉर्म के बजाय हर टेनेंट और हर कैंपेन के लिए कॉन्फ़िगर होते हैं — यही चीज़ इस कंट्रोल को अलग-अलग सहनशीलता वाले कई क्लाइंट चलाने वाले BPO के लिए उपयोगी बनाती है। AI फ़ीचर्स को फ़ीचर फ़्लैग से नियंत्रित किया जा सकता है, इसलिए AMD को भी हर कैंपेन, हर टेनेंट या ग्लोबल स्तर पर चालू या बंद किया जा सकता है, और इसके बंद होने पर भी प्लेटफ़ॉर्म पूरी क्षमता से चलता है।

इन्फ़ॉर्मेशन-सिक्योरिटी रिव्यू से पहले कॉन्फ़िगरेशन से जुड़े दो और तथ्य जानने लायक हैं। AMD क्लासिफ़िकेशन कॉल ऑडियो के एक छोटे शुरुआती हिस्से को प्रोसेस करता है, और वर्गीकरण में इस्तेमाल हुआ रॉ ऑडियो लंबे समय तक स्टोर नहीं किया जाता। सिर्फ़ वर्गीकरण का नतीजा, कॉन्फ़िडेंस स्कोर और मॉडल वर्ज़न रखा जाता है।

एजेंट फ़ीडबैक लूप

कोई भी क्लासिफ़ायर हर बार सही नहीं होता, और सबसे पहले पता एजेंटों को चलता है। जब मॉडल किसी भी दिशा में गलती करता है, तो एजेंट कॉल के दौरान ही डेस्कटॉप से एक क्लिक में उसे फ़्लैग कर देता है — न कोई फ़ॉर्म, न कोई टिकट। ये सुधार टेनेंट-स्तरीय ट्यूनिंग वर्कफ़्लो में जाते हैं, यानी यह संकेत आपके कैरियर, आपके क्षेत्रों और आपके कैंपेन प्रकारों के लिए डिटेक्शन बेहतर करता है और दूसरे टेनेंट्स के साथ साझा नहीं होता।

यह तभी काम करता है जब सुपरवाइज़र ओवरराइड को एक्सेप्शन रिपोर्ट नहीं, बल्कि काम का हिस्सा मानें। दो आदतें मदद करती हैं। एजेंटों को साफ़ बताएँ कि गलत फ़ैसले को फ़्लैग करना एक क्लिक का काम है और उनसे इसकी अपेक्षा है — यह सिस्टम की शिकायत नहीं है। और हर कैंपेन, हर कैरियर और हर भाषा के हिसाब से सटीकता का ब्रेकडाउन हर हफ़्ते पढ़ें, क्योंकि जिस कैरियर ने अपनी वॉइसमेल घोषणा बदली है, वह वहाँ किसी के समस्या रिपोर्ट करने से बहुत पहले एक पैटर्न के रूप में दिख जाता है।

अरबी से आगे: उसी सूची की बाकी भाषाएँ

भाषा-जागरूक डिटेक्शन अनुवाद नहीं है। यह पहचानना है कि किसी बाज़ार में लोग और मशीनें असल में कैसे बोलते हैं — और जो विविधता अरबी को मुश्किल बनाती है, वह क्षेत्रीय सूची की हर दूसरी भाषा में भी है। स्पेनिश लैटिन अमेरिकी और यूरोपीय बोलचाल में बँटी है। फ़्रेंच में यूरोपीय, कनाडाई और उत्तर अफ़्रीकी पैटर्न हैं। जर्मन में औपचारिक और अनौपचारिक लहजे के साथ ऑस्ट्रियाई और स्विस रूप भी हैं। तुर्की के अपने क्षेत्रीय पैटर्न हैं। अकेली अंग्रेज़ी ही अमेरिकी, ब्रिटिश, भारतीय, फ़िलिपीनी और खाड़ी लहजे में आती है — और एक भी अरबी नंबर डायल होने से पहले यही किसी BPO के एजेंटों तक पहुँचने वाले ज़्यादातर ट्रैफ़िक का हिस्सा है।

इसीलिए किसी एक भाषा के दावे से ज़्यादा अहम डिटेक्शन स्टैक है। जो फ़्लोर रविवार को अरबी, सोमवार को फ़्रेंच और मंगलवार को उर्दू में डायल करता है, उसे तीन डिटेक्शन कॉन्फ़िगरेशन चलाने और सटीकता के तीन अलग आँकड़ों का मिलान करने की ज़रूरत नहीं होनी चाहिए। सभी 11 समर्थित भाषाएँ एक ही क्लासिफ़ायर और एक ही रिपोर्टिंग व्यू साझा करती हैं, और हर भाषा में बोली को शोर नहीं, भाषा का हिस्सा माना जाता है।

डिटेक्शन को सही तरीके से कैसे मापें

सटीकता का कोई एक बड़ा आँकड़ा लगभग बेकार है, क्योंकि वह औसत निकालकर ठीक उसी जगह को छिपा देता है जहाँ आपका नुकसान केंद्रित है। इसकी जगह नीचे दी गई चीज़ें मापें, और जिस भी वेंडर का मूल्यांकन कर रहे हैं उससे यही ब्रेकडाउन माँगें।

• फ़ॉल्स पॉज़िटिव और फ़ॉल्स नेगेटिव अलग-अलग, और क्षेत्र के बजाय हर कैरियर के हिसाब से। 90 प्रतिशत का क्षेत्रीय औसत उस ऑपरेटर पर 65 प्रतिशत सटीकता को छिपा सकता है जो आपका ज़्यादातर वॉल्यूम ले जाता है।
• एजेंट ओवरराइड रेट, जो बताता है कि फ़्लोर इन फ़ैसलों के बारे में क्या सोचता है, और ट्यूनिंग को कितनी जल्दी काम करने लायक सामग्री मिलती है।
• डिटेक्शन टाइम, कनेक्ट के फ़ैसले के साथ, क्योंकि ग्राहक के फ़ोन रख देने के बाद आया सही फ़ैसला कोई जीत नहीं है।
• भाषा और कैंपेन प्रकार के हिसाब से बँटे नतीजे, क्योंकि रिकवरी सूची और रिमाइंडर सूची एक ही नंबरों पर भी एक जैसा व्यवहार नहीं करेंगी।

दो आदतें आपको क्षमता की जगह सिर्फ़ एक आँकड़ा खरीदने से बचाती हैं। अपने ही ट्रैफ़िक पर, अपने ही ट्रंक से, अपने ही गंतव्य कैरियर तक टेस्ट करें, क्योंकि डेमो या सिंथेटिक ऑडियो पर मिली सटीकता प्रोडक्शन में शायद ही टिकती है। और एक ग्लोबल सेटिंग बदलने के बजाय कैंपेन प्रकार के हिसाब से पायलट करें, और सबसे पहले फ़ॉल्स पॉज़िटिव की समीक्षा करें — क्योंकि ड्रॉप हुआ लाइव व्यक्ति ही सबसे महँगी गलती है, और वह कभी एजेंट की कतार में दिखता ही नहीं।

जब भी कोई रूट, लिस्ट सोर्स, क्षेत्र या स्क्रिप्ट बदले, समीक्षा दोबारा करें। कैरियर का वॉइसमेल व्यवहार कोई स्थिर लक्ष्य नहीं है, और जो डिटेक्शन सेटिंग पिछली तिमाही में सही थी, वह इस तिमाही में सिर्फ़ एक परिकल्पना है।

AMD बाकी फ़्लोर के साथ कैसे जुड़ता है

AMD कोई अलग-थलग प्रोडक्ट नहीं है; उसकी असली कीमत इस बात से आती है कि फ़ैसले के बाद क्या होता है। मशीन पहचानी जाने पर एजेंट एक क्लिक में पहले से तैयार वॉइसमेल मैसेज ड्रॉप कर सकता है और मैसेज चलते-चलते अगली कॉल पर जा सकता है। ये टेम्पलेट आपकी चुनी हुई आवाज़ में टेक्स्ट-टू-स्पीच से बनते हैं और हर मीडिया नोड पर सिंक रहते हैं, ताकि कॉल कहीं भी चल रही हो, ड्रॉप काम करे। विकल्प के तौर पर, कॉन्टैक्ट को कैंपेन के रीट्राई नियमों के तहत अपने-आप फिर से कतार में डाला जा सकता है।

ये फ़ैसले पेसिंग मॉडल को भी इनपुट देते हैं। जब AMD कनेक्टेड कॉल में से वॉइसमेल छाँट देता है, तो प्रेडिक्टिव इंजन असली लाइव-कनेक्ट रेट का अपना अनुमान एडजस्ट करता है, ताकि पेसिंग उन्हीं बातचीत को दर्शाए जो एजेंट वास्तव में लेंगे। AMD SIP से जुड़े किसी भी कैरियर के साथ काम करता है — जो ऐसे क्षेत्र में अहम है जहाँ ज़्यादातर ऑपरेटर अपने ट्रंक खुद लाते हैं।

अक्सर पूछे जाने वाले प्रश्न

अरबी वॉइसमेल पर बीप डिटेक्शन क्यों चूकता है?

क्योंकि यह शब्दों की जगह टाइमिंग पढ़ता है। इस क्षेत्र में कई ऑपरेटरों के वॉइसमेल सिस्टम काम की बीप नहीं बजाते, लाइव अरबी ग्रीटिंग अक्सर इतनी लंबी होती हैं कि रिकॉर्डिंग जैसी लगती हैं, रिकॉर्डेड ग्रीटिंग अक्सर इतनी छोटी होती हैं कि इंसान जैसी लगती हैं, और सब्सक्राइबर की ग्रीटिंग से पहले अरबी और अंग्रेज़ी में नेटवर्क घोषणाएँ आती हैं। इनमें से कोई भी समस्या बेहतर टोन डिटेक्शन से हल नहीं हो सकती।

ट्रांसक्रिप्ट-आधारित AMD कॉल का वर्गीकरण कैसे करता है?

ऑडियो के शुरुआती सेकंड रियल टाइम में ट्रांसक्राइब होते हैं, भाषा और बोली अपने-आप पहचानी जाती है, और एक क्लासिफ़ायर टेक्स्ट को स्कोर करके कॉन्फ़िडेंस स्कोर के साथ इंसान या मशीन का फ़ैसला देता है। फिर कैंपेन का थ्रेशोल्ड तय करता है कि उस स्कोर पर क्या करना है, इसलिए अलग-अलग कैंपेन एक ही फ़ैसले पर अलग-अलग कार्रवाई कर सकते हैं।

कौन-सी अरबी बोलियाँ कवर होती हैं?

कवरेज में खाड़ी, लेवेंटाइन, मिस्री और मग़रिबी बोलचाल शामिल है, और अरबी प्लेटफ़ॉर्म की 11 समर्थित भाषाओं में से एक है। बोली को शोर नहीं, भाषा का हिस्सा माना जाता है — यह मिली-जुली क्षेत्रीय सूचियों में सबसे ज़्यादा मायने रखता है, जहाँ एक ही कैंपेन में जॉर्डन, सऊदी और मोरक्को की ग्रीटिंग आती हैं।

क्या मैं हर कैंपेन के लिए अलग AMD संवेदनशीलता सेट कर सकता हूँ?

हाँ। संवेदनशीलता थ्रेशोल्ड हर टेनेंट और हर कैंपेन के लिए कॉन्फ़िगर होते हैं, इसलिए लेट-स्टेज रिकवरी कैंपेन मशीन घोषित करने में सावधान रह सकता है, जबकि हाई-वॉल्यूम रिमाइंडर कैंपेन नहीं। AI फ़ीचर्स को फ़ीचर फ़्लैग से नियंत्रित किया जा सकता है, इसलिए AMD को हर कैंपेन, हर टेनेंट या ग्लोबल स्तर पर बंद भी किया जा सकता है।

अगर एजेंट AMD के फ़ैसले से असहमत हो तो क्या होता है?

एजेंट कॉल के दौरान ही डेस्कटॉप से एक क्लिक में उसे फ़्लैग कर देता है — न कोई फ़ॉर्म, न कोई टिकट। ये सुधार टेनेंट-स्तरीय ट्यूनिंग वर्कफ़्लो में जाते हैं, इसलिए यह संकेत आपके कैरियर, आपके क्षेत्रों और आपके कैंपेन प्रकारों पर लागू होता है। सुपरवाइज़रों को हर कैंपेन, हर कैरियर और हर भाषा के सटीकता ब्रेकडाउन की नियमित समीक्षा भी करनी चाहिए।

क्या AMD प्रोसेसिंग के लिए कॉल ऑडियो रखा जाता है?

AMD क्लासिफ़िकेशन कॉल ऑडियो के एक छोटे शुरुआती हिस्से को प्रोसेस करता है, और वर्गीकरण में इस्तेमाल हुआ रॉ ऑडियो लंबे समय तक स्टोर नहीं किया जाता। सिर्फ़ वर्गीकरण का नतीजा, कॉन्फ़िडेंस स्कोर और मॉडल वर्ज़न रखा जाता है — इन्फ़ॉर्मेशन-सिक्योरिटी रिव्यू में आमतौर पर यही देखना होता है।