अरबी बोलियों के लिए उत्तर देने वाली मशीन का पता लगाना

आउटबाउंड कॉलिंग सिस्टम में आंसरिंग मशीन डिटेक्शन सबसे कम आकर्षक नियंत्रण है और यही वह कारक है जो चुपचाप यह तय करता है कि आपके एजेंटों को कितनी बातचीत सुनने को मिलेगी। हर गलत निर्णय का कुछ न कुछ नुकसान होता है। अगर आप किसी मशीन को इंसान समझ लें, तो एजेंट को बीस सेकंड के लिए रिकॉर्डिंग सुननी पड़ती है। अगर आप किसी इंसान को मशीन समझ लें, तो जवाब देने वाले ग्राहक का फोन काट दिया जाता है। अरबी भाषी बाजारों में, पारंपरिक दृष्टिकोण उम्मीद से कहीं अधिक बार गलत साबित होता है।

अरबी अभिवादनों पर बीप डिटेक्शन विफल क्यों होता है?

पारंपरिक AMD एक ऑडियो-टाइमिंग तकनीक है। यह दूसरे छोर से बोलने का इंतज़ार करती है, भाषण की अवधि मापती है, मौन की प्रतीक्षा करती है, और फिर एक टोन सुनती है। यदि टोन आती है, तो यह मशीन की उपस्थिति की घोषणा करती है। यह अनुमानों की श्रृंखला ऐसे बाज़ार में काफी हद तक सही बैठती है जहाँ वॉइसमेल मानकीकृत है और अभिवादन संक्षिप्त होते हैं। खाड़ी और लेवांत के क्षेत्रों में यह चार अलग-अलग कारणों से गलत साबित होती है।

• इस क्षेत्र में कई ऑपरेटर वॉइसमेल सिस्टम में स्पष्ट बीप ध्वनि उत्पन्न ही नहीं होती, या फिर कैरियर की घोषणा के बाद ही ध्वनि उत्पन्न होती है जिसे डिटेक्टर पहले ही सुनना बंद कर चुका होता है। एक ऐसा डिटेक्टर जो ऐसी ध्वनि का इंतजार कर रहा है जो कभी आती ही नहीं, उसके पास कोई निष्कर्ष निकालने का अधिकार नहीं होता।
• अरबी भाषा में लाइव अभिवादन अक्सर लंबा होता है। यदि कोई कॉलर अभिवादन, स्वागत और प्रश्न के साथ जवाब देता है, तो वह पहले स्वाभाविक विराम से पहले कई सेकंड तक बोल चुका होता है, और यही वह पैटर्न है जिसे टाइमिंग डिटेक्टर रिकॉर्ड किए गए संदेश के रूप में पढ़ता है।
• इस क्षेत्र में रिकॉर्ड किए गए अभिवादन अक्सर बहुत संक्षिप्त होते हैं, कभी-कभी केवल नाम होता है और कुछ नहीं। संक्षिप्त भाषण के बाद मौन का पैटर्न ही वह पैटर्न है जिसे टाइमिंग डिटेक्टर एक जीवित व्यक्ति के रूप में पढ़ता है।
• इस क्षेत्र में मोबाइल नेटवर्क अक्सर ग्राहक के अभिवादन से पहले अरबी और फिर अंग्रेजी में अपनी घोषणाएँ प्रसारित करते हैं। डिटेक्टर अभिवादन के बजाय घोषणा को मापता है।

इन सबमें एक बात समान है कि समय से यह पता नहीं चलता कि कौन बोल रहा है। शब्द ही सब कुछ बताते हैं। जो यंत्र इन शब्दों को पढ़ नहीं सकता, वह सिर्फ अनुमान लगा रहा है, और अरबी भाषा में उसका अनुमान उस भाषा से भी बदतर होता है जिस पर वह काम कर रहा है।

प्रतिलेख वर्गीकरण इसके बजाय क्या करता है?

DialerBee का AI AMD टोन का इंतज़ार नहीं करता। जैसे ही दूसरी तरफ़ से कॉल उठाया जाता है, शुरुआती ऑडियो तुरंत रिकॉर्ड हो जाता है और एक क्लासिफायर वेवफ़ॉर्म के बजाय परिणामी टेक्स्ट को स्कोर करता है। अंतर यह है कि टेक्स्ट इतना स्पष्ट होता है जितना कि टाइमिंग कभी नहीं होती। एक व्यक्ति का "aywa, meen maai?" कहना और एक रिकॉर्डिंग का "जिस ग्राहक को आपने कॉल किया है वह उपलब्ध नहीं है, कृपया टोन के बाद संदेश छोड़ें" कहना, टेक्स्ट के रूप में एक दूसरे के करीब नहीं हैं, भले ही उनकी टाइमिंग प्रोफ़ाइल कितनी भी समान क्यों न हो।

हर कॉल का उत्तर देने पर चार चरण चलते हैं।

• प्रतिलेखित करें। ऑडियो के शुरुआती सेकंड आते ही टेक्स्ट में परिवर्तित हो जाते हैं।
• भाषा और बोली का पता लगाएं। यह स्वचालित है, इसलिए मिश्रित भाषा वाली सूची को डायल करने से पहले प्रत्येक भाषा के लिए अलग-अलग अभियान में विभाजित करने की आवश्यकता नहीं है।
• वर्गीकरण करें। यह वर्गीकरणकर्ता मानव या मशीन द्वारा दिए गए निर्णय के साथ-साथ एक आत्मविश्वास स्कोर भी लौटाता है।
• कार्य योजना। अभियान की सीमा यह निर्धारित करती है कि उस अभियान के लिए विश्वास स्कोर का क्या अर्थ है, इसलिए एक संग्रह सूची और एक ग्राहक-संतुष्टि सूची एक ही प्लेटफ़ॉर्म पर सावधानी के विभिन्न स्तरों पर हो सकती हैं।

कॉल शुरू होते ही, अभिवादन बजने के दौरान ही निर्णय लिया जाता है, इसलिए कनेक्ट होने या डिस्कनेक्ट होने का निर्णय कॉल पिकअप होने के दौरान ही हो जाता है, न कि उसके बाद। हम विलंबता का कोई निश्चित आंकड़ा प्रकाशित नहीं करते, क्योंकि वास्तविक विलंबता कैरियर, भाषा और अभिवादन शुरू होने की गति के अनुसार बदलती रहती है। कृपया अपने जैसे ट्रैफ़िक पर लिए गए मापों के लिए अनुरोध करें।

क्षेत्र भर में बोली का प्रसार

अरबी भाषा को ही एकमात्र लक्ष्य नहीं माना जा सकता। औपचारिक प्रसारित अरबी भाषा पर प्रशिक्षित एक क्लासिफायर खाड़ी देशों की वॉइसमेल अभिवादन और लेवेंटाइन अभिवादन को बहुत अलग-अलग ढंग से पढ़ेगा, और इनमें से कोई भी मिस्र या मगरेबी भाषा के समकक्ष से मेल नहीं खाता। DialerBee बोली को भाषा का अभिन्न अंग मानता है, न कि उसके आसपास के शोर के रूप में, और अरबी भाषा का कवरेज खाड़ी देशों, लेवेंटाइन, मिस्र और मगरेबी भाषाओं तक फैला हुआ है।

व्यवहार में, सीमावर्ती क्षेत्रों में यह बात सबसे ज़्यादा मायने रखती है। जॉर्डन और सऊदी अरब में एक ही बात को कहने के लिए अलग-अलग क्रियाओं का प्रयोग किया जाता है। खाड़ी देशों से आने वाला कोई व्यक्ति व्यावसायिक कॉल का जवाब देते समय अक्सर औपचारिक धार्मिक अभिवादन से शुरुआत करता है, जिसे एक संकीर्ण मॉडल लिखित और इसलिए रिकॉर्ड किया हुआ मान लेता है। मगरेबी अभिवादन में अरबी वाक्य के भीतर फ्रांसीसी शब्द भी हो सकते हैं। ये चारों क्षेत्रीय बीपीओ के लिए सामान्य बातचीत के उदाहरण हैं, और ये चारों ऐसे क्षेत्र हैं जहाँ एकल-बोली मॉडल बातचीत में विफल हो जाता है।

अरबी भाषा इस प्लेटफॉर्म द्वारा समर्थित 11 भाषाओं में शामिल है, इसलिए एक ऐसा फ्लोर जो एक सप्ताह में अरबी, अंग्रेजी, फ्रेंच और उर्दू डायल करता है, वह प्रति बाजार एक के बजाय एक ही डिटेक्शन स्टैक का उपयोग करता है।

सीमाएँ, निरपेक्षता नहीं

कॉन्फिडेंस स्कोर तभी उपयोगी होता है जब आप यह तय कर लें कि इसका उपयोग कैसे करना है, और सही निर्णय हर अभियान के लिए अलग-अलग होता है। वसूली अभियान के अंतिम चरण में, सक्रिय देनदार को हटाना महंगा पड़ता है और वॉइसमेल छोड़ना सस्ता, इसलिए आप मशीन को घोषित करने में सावधानी बरतने के लिए सीमा निर्धारित करते हैं। अधिक संख्या में अपॉइंटमेंट रिमाइंडर वाले अभियान में स्थिति उलट जाती है।

इसलिए संवेदनशीलता सीमाएँ प्लेटफ़ॉर्म-व्यापी के बजाय प्रति किरायेदार और प्रति अभियान के हिसाब से कॉन्फ़िगर की जाती हैं, जिससे यह नियंत्रण कई अलग-अलग सहनशीलता वाले ग्राहकों को चलाने वाले बीपीओ के लिए उपयोगी बन जाता है। एआई सुविधाओं को फ़ीचर फ़्लैग द्वारा नियंत्रित किया जा सकता है, इसलिए AMD प्रति अभियान, प्रति किरायेदार या वैश्विक स्तर पर सक्षम या अक्षम किया जा सकता है, और इसके बंद होने पर भी प्लेटफ़ॉर्म पूरी क्षमता से चलता है।

सूचना सुरक्षा समीक्षा से पहले दो और कॉन्फ़िगरेशन संबंधी तथ्य जानना ज़रूरी है। AMD वर्गीकरण प्रक्रिया कॉल ऑडियो के एक छोटे प्रारंभिक खंड का उपयोग करती है, और वर्गीकरण के लिए उपयोग किया जाने वाला कच्चा ऑडियो लंबे समय तक संग्रहीत नहीं किया जाता है। केवल वर्गीकरण परिणाम, विश्वास स्कोर और मॉडल संस्करण ही संग्रहीत किए जाते हैं।

एजेंट फीडबैक लूप

कोई भी क्लासिफायर हर बार सही नहीं होता, और सबसे पहले इसका पता एजेंट्स को ही चलता है। जब मॉडल किसी भी दिशा में गलत होता है, तो एजेंट कॉल के दौरान डेस्कटॉप से एक क्लिक में इसकी सूचना दे देता है, बिना किसी फॉर्म या टिकट के। ये सुधार टेनेंट-आधारित ट्यूनिंग वर्कफ़्लो को संचालित करते हैं, जिसका अर्थ है कि यह संकेत आपके कैरियर्स, आपके क्षेत्रों और आपके कैंपेन प्रकारों के लिए डिटेक्शन को बेहतर बनाता है और इसे अन्य टेनेंट्स के साथ साझा नहीं किया जाता है।

यह तभी कारगर होगा जब पर्यवेक्षक ओवरराइड को अपवाद रिपोर्ट के बजाय नौकरी का हिस्सा मानें। दो आदतें मददगार साबित होती हैं। एजेंटों को यह स्पष्ट कर दें कि गलत निर्णय को चिह्नित करना एक क्लिक का काम है और यह अपेक्षित है, न कि सिस्टम के बारे में कोई शिकायत। साथ ही, अभियान, कैरियर और भाषा के आधार पर सटीकता विश्लेषण को साप्ताहिक रूप से पढ़ें, क्योंकि किसी कैरियर द्वारा वॉइसमेल घोषणा में बदलाव करने का पैटर्न किसी के द्वारा समस्या की रिपोर्ट करने से बहुत पहले ही वहां दिखाई देता है।

अरबी के अलावा: इसी सूची में शामिल अन्य भाषाएँ

भाषा-आधारित पहचान अनुवाद नहीं है। यह इस बात को पहचानना है कि लोग और मशीनें वास्तव में बाज़ार में कैसे बोलते हैं, और अरबी को कठिन बनाने वाली विविधता क्षेत्रीय सूची में मौजूद हर दूसरी भाषा में भी पाई जाती है। स्पैनिश में लैटिन अमेरिकी और यूरोपीय बोलचाल के पैटर्न हैं। फ्रेंच में यूरोपीय, कनाडाई और उत्तरी अफ्रीकी पैटर्न हैं। जर्मन में औपचारिक और अनौपचारिक लहजे के साथ-साथ ऑस्ट्रियाई और स्विस लहजे भी हैं। तुर्की में अपने क्षेत्रीय पैटर्न हैं। अकेले अंग्रेज़ी में ही अमेरिकी, ब्रिटिश, भारतीय, फिलिपिनो और खाड़ी देशों के लहजे वाली भाषाएँ हैं, जो किसी भी अरबी नंबर को डायल करने से पहले बीपीओ के एजेंटों के सामने आने वाले अधिकांश ट्रैफ़िक को कवर करती हैं।

इसीलिए किसी एक भाषा के दावे से ज़्यादा महत्वपूर्ण डिटेक्शन स्टैक है। एक ऐसा फ्लोर जो रविवार को अरबी, सोमवार को फ्रेंच और मंगलवार को उर्दू डायल करता है, उसे तीन डिटेक्शन कॉन्फ़िगरेशन चलाने और सटीकता संख्याओं के तीन सेटों का मिलान करने की आवश्यकता नहीं होनी चाहिए। सभी 11 समर्थित भाषाएँ एक ही क्लासिफायर और एक ही रिपोर्टिंग व्यू साझा करती हैं, और बोली को उनमें से प्रत्येक में भाषा के हिस्से के रूप में माना जाता है, न कि शोर के रूप में।

सही तरीके से डिटेक्शन को कैसे मापें

केवल एक ही संक्षिप्त सटीकता आंकड़ा लगभग बेकार है, क्योंकि यह उन क्षेत्रों को नज़रअंदाज़ कर देता है जहां आपके नुकसान केंद्रित हैं। इसके बजाय, इसे मापें और मूल्यांकन किए जा रहे किसी भी विक्रेता से इसी तरह का विस्तृत विवरण मांगें।

• गलत सकारात्मक और गलत नकारात्मक अलग-अलगऔर यह प्रति क्षेत्र के बजाय प्रति वाहक के आधार पर होता है। 90 प्रतिशत का क्षेत्रीय औसत आपके अधिकांश वॉल्यूम को संभालने वाले ऑपरेटर की 65 प्रतिशत सटीकता को छिपा सकता है।
• एजेंट ओवरराइड दरजो आपको बताता है कि फ्लोर इन फैसलों के बारे में क्या सोचता है, और फास्ट ट्यूनिंग के पास काम करने के लिए कितना कुछ है।
• पता लगाने का समयइसके साथ ही, संपर्क करने के निर्णय को भी ध्यान में रखना चाहिए, क्योंकि ग्राहक के फोन काट देने के बाद आने वाला सही फैसला जीत नहीं होता है।
• परिणामों को भाषा और अभियान के प्रकार के आधार पर विभाजित किया गया है।क्योंकि रिकवरी लिस्ट और रिमाइंडर लिस्ट एक ही संख्या पर भी एक जैसा व्यवहार नहीं करेंगी।

दो आदतें आपको क्षमता के बजाय संख्या खरीदने से बचाती हैं। अपने खुद के ट्रैफ़िक पर, अपने खुद के नेटवर्क के ज़रिए, अपने खुद के गंतव्य वाहकों पर परीक्षण करें, क्योंकि डेमो या कृत्रिम ऑडियो की सटीकता उत्पादन के संपर्क में आने पर शायद ही कभी बरकरार रहती है। और एक वैश्विक सेटिंग को बदलने के बजाय अभियान प्रकार के अनुसार पायलट परीक्षण करें, पहले गलत परिणामों की समीक्षा करें क्योंकि किसी लाइव व्यक्ति का छूट जाना एक महंगी गलती है और वह गलती कभी भी एजेंट की कतार में नहीं आती।

जब कोई रूट, सूची स्रोत, क्षेत्र या स्क्रिप्ट बदलती है, तो समीक्षा दोबारा चलाएँ। कैरियर वॉइसमेल का व्यवहार एक निश्चित लक्ष्य नहीं है, और पिछली तिमाही में सही साबित हुई पहचान सेटिंग इस तिमाही में केवल एक अनुमान मात्र है।

AMD बाकी फ्लोर पर कैसे फिट बैठता है

AMD एक स्वतंत्र उत्पाद नहीं है, बल्कि इसका महत्व निर्णय के बाद होने वाली प्रक्रियाओं में निहित है। मशीन का पता चलने पर एजेंट एक क्लिक में तैयार वॉइसमेल संदेश भेज सकता है और संदेश के चलते रहने के दौरान ही अगले कॉल पर जा सकता है। इसके लिए टेक्स्ट-टू-स्पीच द्वारा जनरेट किए गए टेम्पलेट्स का उपयोग किया जाता है, जिसमें आपकी चुनी हुई आवाज होती है और यह हर मीडिया नोड से सिंक होता है, ताकि कॉल कहीं भी चल रही हो, संदेश भेजना संभव हो सके। वैकल्पिक रूप से, कैंपेन के रिट्राई नियमों के तहत संपर्क को स्वचालित रूप से पुनः कतार में डाला जा सकता है।

इन नतीजों से पेसिंग मॉडल को भी मदद मिलती है। जब AMD कनेक्टेड कॉल्स से वॉइसमेल को फ़िल्टर करता है, तो प्रेडिक्टिव इंजन वास्तविक लाइव-कनेक्ट दर के अपने अनुमान को समायोजित करता है, जिससे पेसिंग उन बातचीत को दर्शाती है जो एजेंट वास्तव में लेंगे। AMD SIP के माध्यम से कनेक्टेड किसी भी कैरियर के साथ काम करता है, जो ऐसे क्षेत्र में महत्वपूर्ण है जहां अधिकांश ऑपरेटर अपने स्वयं के ट्रंक लाते हैं।

अक्सर पूछे जाने वाले प्रश्नों

अरबी वॉइसमेल में बीप डिटेक्शन में समस्या क्यों आती है?

क्योंकि यह शब्दों के बजाय समय को पढ़ता है। इस क्षेत्र में कई ऑपरेटरों के वॉइसमेल सिस्टम में कोई उपयोगी बीप नहीं बजती, अरबी में लाइव अभिवादन अक्सर इतने लंबे होते हैं कि रिकॉर्डिंग जैसे लगते हैं, रिकॉर्ड किए गए अभिवादन अक्सर इतने छोटे होते हैं कि किसी व्यक्ति की आवाज जैसे लगते हैं, और अरबी और अंग्रेजी में नेटवर्क घोषणाएं ग्राहक के अभिवादन से पहले आती हैं। बेहतर टोन डिटेक्शन से इनमें से कोई भी समस्या हल नहीं हो सकती।

ट्रांसक्रिप्ट-आधारित AMD किसी कॉल को कैसे वर्गीकृत करता है?

ऑडियो के शुरुआती सेकंड्स को रियल टाइम में ट्रांसक्राइब किया जाता है, भाषा और बोली की पहचान स्वचालित रूप से की जाती है, और एक क्लासिफायर टेक्स्ट को स्कोर करता है और कॉन्फिडेंस स्कोर के साथ मानव या मशीन का निर्णय देता है। फिर कैंपेन थ्रेशहोल्ड यह तय करता है कि उस स्कोर के साथ क्या करना है, इसलिए अलग-अलग कैंपेन एक ही निर्णय पर अलग-अलग तरीके से काम कर सकते हैं।

इसमें अरबी की कौन-कौन सी बोलियाँ शामिल हैं?

इसमें खाड़ी देशों, लेवांटाइन, मिस्र और मगरेबी भाषाएँ शामिल हैं, और अरबी इस प्लेटफॉर्म की 11 समर्थित भाषाओं में से एक है। बोली को भाषा का अभिन्न अंग माना जाता है, न कि कोई शोर, जो मिश्रित क्षेत्रीय सूचियों में सबसे अधिक मायने रखता है जहाँ एक ही अभियान में जॉर्डन, सऊदी और मोरक्को के अभिवादन दिखाई देते हैं।

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

जी हां। संवेदनशीलता सीमाएं प्रत्येक टेनेंट और प्रत्येक कैंपेन के लिए कॉन्फ़िगर की जाती हैं, इसलिए देर से शुरू होने वाला रिकवरी कैंपेन किसी मशीन को घोषित करने में सावधानी बरत सकता है, जबकि अधिक मात्रा में रिमाइंडर भेजने वाला कैंपेन ऐसा नहीं करता। AI सुविधाओं को फ़ीचर फ़्लैग द्वारा नियंत्रित किया जा सकता है, इसलिए AMD प्रति कैंपेन, प्रति टेनेंट या वैश्विक स्तर पर भी बंद किया जा सकता है।

यदि कोई एजेंट फैसले से असहमत हो तो क्या होता है?

कॉल के दौरान एजेंट डेस्कटॉप से एक क्लिक में ही इसे चिह्नित कर देता है, इसके लिए किसी फॉर्म या टिकट की आवश्यकता नहीं होती। सुधार किरायेदार-आधारित ट्यूनिंग वर्कफ़्लो को फ़ीड करते हैं, इसलिए यह संकेत आपके कैरियर, आपके क्षेत्रों और आपके अभियान प्रकारों पर लागू होता है। पर्यवेक्षकों को नियमित रूप से प्रति-अभियान, प्रति-कैरियर और प्रति-भाषा सटीकता विश्लेषण की समीक्षा भी करनी चाहिए।

क्या AMD प्रोसेसिंग के लिए कॉल ऑडियो को सुरक्षित रखा जाता है?

AMD वर्गीकरण प्रक्रिया कॉल ऑडियो के एक छोटे प्रारंभिक खंड का उपयोग करती है, और वर्गीकरण के लिए उपयोग किया जाने वाला कच्चा ऑडियो लंबे समय तक संग्रहीत नहीं किया जाता है। केवल वर्गीकरण परिणाम, विश्वास स्कोर और मॉडल संस्करण को ही रखा जाता है, जो कि सूचना सुरक्षा समीक्षा के लिए सामान्यतः आवश्यक होता है।