Deteksi Mesin Penjawab untuk Dialek Arab

Deteksi mesin penjawab adalah kontrol yang paling tidak menarik di lantai layanan pelanggan dan yang secara diam-diam menentukan berapa banyak percakapan yang diterima agen Anda. Setiap kesalahan penilaian akan menimbulkan kerugian. Jika Anda menyebut mesin penjawab sebagai manusia, agen akan mendengarkan rekaman selama dua puluh detik. Jika Anda menyebut manusia sebagai mesin penjawab, Anda akan menutup telepon pelanggan yang menjawab. Di pasar berbahasa Arab, pendekatan tradisional seringkali salah dalam kedua hal tersebut, lebih sering daripada yang diperkirakan tim.

Mengapa Deteksi Bunyi Bip Gagal pada Ucapan Salam Bahasa Arab?

AMD klasik adalah teknik pengaturan waktu audio. Ia menunggu pihak lawan berbicara, mengukur durasi bicara, menunggu hingga hening, dan kemudian mendengarkan nada. Jika nada muncul, ia menyatakan bahwa itu adalah mesin penjawab. Rangkaian asumsi tersebut cukup akurat di pasar di mana pesan suara distandarisasi dan sapaan singkat. Namun, hal itu tidak berlaku di seluruh wilayah Teluk dan Levant, karena empat alasan berbeda.

• Banyak sistem pesan suara operator di wilayah ini tidak menghasilkan bunyi bip yang jelas sama sekali, atau menghasilkan bunyi bip setelah pengumuman operator yang sudah tidak terdeteksi oleh detektor. Detektor yang menunggu nada yang tidak pernah datang tidak dapat memberikan penilaian apa pun.
• Ucapan salam dalam bahasa Arab secara langsung seringkali panjang. Penelepon yang menjawab dengan salam lengkap, ucapan selamat datang, dan pertanyaan telah berbicara selama beberapa detik sebelum jeda alami pertama, yang persis sama dengan pola yang dibaca oleh detektor waktu sebagai pesan yang direkam.
• Rekaman ucapan salam di wilayah ini seringkali sangat singkat, terkadang hanya nama dan tidak ada yang lain. Ucapan singkat yang diikuti oleh keheningan adalah pola yang dibaca oleh detektor waktu sebagai suara orang sungguhan.
• Jaringan seluler di wilayah ini sering menyisipkan pengumuman mereka sendiri, dalam bahasa Arab dan kemudian dalam bahasa Inggris, sebelum sapaan pelanggan. Detektor ini mengukur pengumuman tersebut, bukan sapaan.

Kesamaan di antara semuanya adalah bahwa waktu bicara tidak memberikan informasi tentang siapa yang berbicara. Kata-katanyalah yang memberikan informasi tersebut. Detektor yang tidak dapat membacanya hanya menebak, dan tebakannya akan lebih buruk dalam bahasa Arab daripada di pasar tempat detektor tersebut disetel.

Apa yang Dilakukan Klasifikasi Transkrip Sebagai Gantinya

AI AMD DialerBee tidak menunggu nada. Saat pihak lawan mengangkat telepon, audio pembuka ditranskripsikan secara real-time, dan pengklasifikasi memberi skor pada teks yang dihasilkan, bukan pada bentuk gelombang. Perbedaannya adalah teks tersebut tidak ambigu, tidak seperti pengaturan waktunya. Seseorang yang mengatakan "aywa, meen maai?" dan rekaman yang mengatakan "pelanggan yang Anda hubungi tidak tersedia, silakan tinggalkan pesan setelah nada" tidak mirip satu sama lain sebagai teks, meskipun profil waktunya serupa.

Empat langkah dijalankan pada setiap panggilan yang dijawab.

• Transkripsikan. Detik-detik awal audio dikonversi menjadi teks saat diterima.
• Mendeteksi bahasa dan dialek. Ini otomatis, jadi daftar bahasa campuran tidak perlu dipisahkan menjadi kampanye per bahasa sebelum dapat dihubungi.
• Klasifikasikan. Pengklasifikasi akan mengembalikan keputusan manusia atau mesin beserta skor kepercayaan.
• Bertindaklah. Ambang batas kampanye menentukan arti skor kepercayaan tersebut untuk kampanye ini, sehingga daftar penagihan dan daftar kepuasan pelanggan dapat berada pada tingkat kehati-hatian yang berbeda di platform yang sama.

Keputusan dibuat sejak awal panggilan, saat sapaan masih diputar, sehingga keputusan untuk terhubung atau memutuskan sambungan terjadi di dalam fase pengambilan gambar, bukan setelahnya. Kami tidak mempublikasikan angka latensi tunggal, karena angka sebenarnya bervariasi tergantung pada operator, bahasa, dan seberapa cepat sapaan dimulai. Mintalah pengukuran yang diambil pada lalu lintas yang menyerupai lalu lintas Anda.

Cakupan Dialek di Seluruh Wilayah

Bahasa Arab bukanlah satu target saja. Sebuah pengklasifikasi yang dilatih pada bahasa Arab siaran formal akan membaca salam pesan suara dari Teluk dan Levant dengan sangat berbeda, dan keduanya tidak menyerupai padanannya di Mesir atau Maghreb. DialerBee memperlakukan dialek sebagai bagian dari bahasa, bukan sebagai gangguan di sekitarnya, dan cakupan bahasa Arabnya meliputi dialek Teluk, Levant, Mesir, dan Maghreb.

Dalam praktiknya, hal itu paling penting di perbatasan. Sapaan seluler Yordania dan sapaan seluler Saudi menggunakan kata kerja yang berbeda untuk ide yang sama. Penelepon dari negara-negara Teluk yang menjawab panggilan bisnis sering kali memulai dengan sapaan keagamaan formal yang oleh model sempit dianggap sebagai skrip, dan karenanya direkam. Sapaan dari negara-negara Maghreb mungkin mengandung kosakata Prancis di dalam kalimat bahasa Arab. Keempatnya merupakan lalu lintas biasa bagi BPO regional, dan keempatnya merupakan tempat di mana model dialek tunggal kehilangan percakapan.

Bahasa Arab termasuk dalam 11 bahasa yang didukung platform ini, sehingga sistem yang melakukan panggilan ke bahasa Arab, Inggris, Prancis, dan Urdu dalam satu minggu hanya membutuhkan satu tumpukan deteksi, bukan satu tumpukan untuk setiap pasar.

Ambang Batas, Bukan Mutlak

Skor kepercayaan hanya berguna jika Anda memutuskan apa yang akan dilakukan dengannya, dan keputusan yang tepat berbeda-beda tergantung kampanye. Pada kampanye penagihan tahap akhir, menghentikan penagihan kepada debitur aktif itu mahal dan meninggalkan pesan suara itu murah, jadi Anda menetapkan ambang batas untuk berhati-hati dalam menyatakan bahwa debitur tersebut adalah mesin penjawab otomatis. Pada kampanye pengingat janji temu dengan volume tinggi, keseimbangannya berbalik.

Oleh karena itu, ambang batas sensitivitas dikonfigurasi per tenant dan per kampanye, bukan di seluruh platform, yang membuat kontrol ini dapat digunakan untuk BPO yang menjalankan beberapa klien dengan toleransi yang berbeda. Fitur AI dapat dikontrol oleh flag fitur, sehingga AMD juga dapat diaktifkan atau dinonaktifkan per kampanye, per tenant, atau secara global, dan platform berjalan dengan kemampuan penuh meskipun fitur tersebut dimatikan.

Ada dua fakta konfigurasi lagi yang perlu diketahui sebelum melakukan tinjauan keamanan informasi. Proses klasifikasi AMD memproses segmen awal audio panggilan yang singkat, dan audio mentah yang digunakan untuk klasifikasi tidak disimpan dalam jangka panjang. Yang disimpan adalah hasil klasifikasi, skor kepercayaan, dan versi model.

Siklus Umpan Balik Agen

Tidak ada pengklasifikasi yang selalu benar, dan orang yang pertama kali mengetahuinya adalah agen. Ketika model salah dalam arah mana pun, agen akan menandainya dengan sekali klik dari desktop, selama panggilan, tanpa formulir dan tanpa tiket. Koreksi tersebut menjadi masukan untuk alur kerja penyetelan yang spesifik untuk setiap tenant, yang berarti sinyal tersebut meningkatkan deteksi untuk operator, wilayah, dan jenis kampanye Anda, dan tidak dibagikan antar tenant.

Ini hanya berhasil jika supervisor memperlakukan pengesampingan tersebut sebagai bagian dari pekerjaan, bukan sebagai laporan pengecualian. Dua kebiasaan dapat membantu. Beri pengarahan kepada agen bahwa menandai keputusan yang salah hanya membutuhkan satu klik dan merupakan hal yang diharapkan, bukan keluhan tentang sistem. Dan bacalah rincian akurasi per kampanye, per operator, dan per bahasa setiap minggu, karena operator yang telah mengubah pengumuman pesan suara mereka akan muncul di sana sebagai pola jauh sebelum ada yang melaporkannya sebagai masalah.

Di Luar Bahasa Arab: Bahasa-Bahasa Lain dalam Daftar yang Sama

Deteksi berbasis bahasa bukanlah penerjemahan. Ini adalah pengenalan bagaimana orang dan mesin benar-benar berbicara di suatu pasar, dan variasi yang membuat bahasa Arab sulit dipahami juga ada di setiap bahasa lain dalam daftar regional. Bahasa Spanyol terbagi antara dialek Amerika Latin dan Eropa. Bahasa Prancis memiliki pola Eropa, Kanada, dan Afrika Utara. Bahasa Jerman memiliki ragam formal dan informal ditambah varian Austria dan Swiss. Bahasa Turki memiliki pola regionalnya sendiri. Bahasa Inggris sendiri hadir dalam bentuk aksen AS, Inggris, India, Filipina, dan Teluk, yang merupakan sebagian besar lalu lintas yang dihadapi agen BPO sebelum satu pun nomor Arab dihubungi.

Inilah mengapa susunan deteksi lebih penting daripada klaim bahasa tunggal mana pun. Sebuah sistem yang mendeteksi bahasa Arab pada hari Minggu, Prancis pada hari Senin, dan Urdu pada hari Selasa seharusnya tidak menjalankan tiga konfigurasi deteksi dan menyelaraskan tiga set angka akurasi. Semua 11 bahasa yang didukung menggunakan satu pengklasifikasi dan satu tampilan pelaporan, dan dialek diperlakukan sebagai bagian dari bahasa di masing-masing bahasa tersebut, bukan sebagai gangguan.

Cara Mengukur Deteksi dengan Benar

Angka akurasi judul berita tunggal hampir tidak berguna, karena angka tersebut merata-ratakan area di mana kerugian Anda terkonsentrasi. Ukurlah hal ini sebagai gantinya, dan mintalah rincian yang sama dari vendor mana pun yang Anda evaluasi.

• Positif palsu dan negatif palsu secara terpisah, dan per operator, bukan per wilayah. Rata-rata regional 90 persen dapat menyembunyikan akurasi 65 persen pada operator yang menangani sebagian besar volume Anda.
• Tingkat pengesampingan agen, yang memberi tahu Anda apa pendapat para juri tentang putusan tersebut, dan seberapa cepat penyesuaian dapat dilakukan.
• Waktu deteksi, bersamaan dengan keputusan untuk terhubung, karena putusan yang benar yang tiba setelah pelanggan menutup telepon bukanlah sebuah kemenangan.
• Hasil dipisahkan berdasarkan bahasa dan jenis kampanye., karena daftar pemulihan dan daftar pengingat tidak akan berperilaku sama meskipun menggunakan nomor yang sama.

Dua kebiasaan ini melindungi Anda dari membeli angka, melainkan kemampuan. Uji coba pada lalu lintas Anda sendiri, melalui jalur Anda sendiri, ke operator tujuan Anda sendiri, karena akurasi pada demo atau audio sintetis jarang bertahan saat bersentuhan dengan produksi. Dan lakukan uji coba berdasarkan jenis kampanye, bukan mengubah satu pengaturan global, tinjau terlebih dahulu kesalahan positif palsu karena orang yang terputus adalah kesalahan yang mahal dan yang tidak pernah muncul dalam antrean agen.

Saat rute, sumber daftar, wilayah, atau skrip berubah, jalankan tinjauan lagi. Perilaku pesan suara operator bukanlah target tetap, dan pengaturan deteksi yang benar pada kuartal lalu hanyalah hipotesis pada kuartal ini.

Bagaimana AMD Melengkapi Bagian Lainnya di Lantai

AMD bukanlah produk mandiri, dan nilainya berasal dari apa yang terjadi setelah putusan. Ketika sebuah mesin terdeteksi, agen dapat mengirimkan pesan suara yang telah disiapkan dengan sekali klik dan beralih ke panggilan berikutnya sementara pesan masih diputar, menggunakan templat yang dihasilkan oleh text-to-speech dengan suara yang Anda pilih dan disinkronkan ke setiap node media sehingga pengiriman pesan berfungsi di mana pun panggilan sedang berlangsung. Alternatifnya, kontak dapat dimasukkan kembali ke antrian secara otomatis berdasarkan aturan percobaan ulang kampanye.

Hasil penilaian tersebut juga menjadi masukan bagi model pengaturan kecepatan. Ketika AMD menyaring pesan suara dari panggilan yang terhubung, mesin prediktif menyesuaikan perkiraannya tentang tingkat koneksi langsung yang sebenarnya, sehingga pengaturan kecepatan mencerminkan percakapan yang benar-benar akan ditangani oleh agen. AMD bekerja dengan operator mana pun yang terhubung melalui SIP, yang penting di wilayah di mana sebagian besar operator membawa jalur trunk mereka sendiri.

Pertanyaan yang Sering Diajukan

Mengapa deteksi bunyi bip mengalami kesulitan dengan pesan suara berbahasa Arab?

Karena sistem ini membaca waktu, bukan kata-kata. Banyak sistem pesan suara operator di wilayah ini tidak memutar bunyi bip yang dapat digunakan, sapaan berbahasa Arab langsung seringkali cukup panjang sehingga tampak seperti rekaman, sapaan rekaman seringkali cukup pendek sehingga tampak seperti suara orang, dan pengumuman jaringan dalam bahasa Arab dan Inggris tiba sebelum sapaan pelanggan. Tak satu pun dari masalah tersebut dapat diatasi dengan deteksi nada yang lebih baik.

Bagaimana AMD berbasis transkrip mengklasifikasikan sebuah panggilan?

Detik-detik awal audio ditranskripsikan secara real-time, bahasa dan dialek diidentifikasi secara otomatis, dan pengklasifikasi memberi skor pada teks dan mengembalikan penilaian manusia atau mesin dengan skor kepercayaan. Ambang batas kampanye kemudian menentukan apa yang harus dilakukan dengan skor tersebut, sehingga kampanye yang berbeda dapat bertindak berdasarkan penilaian yang sama dengan cara yang berbeda.

Dialek bahasa Arab mana saja yang tercakup?

Cakupannya meliputi dialek Teluk, Levant, Mesir, dan Maghreb, dan bahasa Arab adalah salah satu dari 11 bahasa yang didukung platform ini. Dialek diperlakukan sebagai bagian dari bahasa dan bukan sebagai gangguan, yang paling penting pada daftar regional campuran di mana sapaan Yordania, Saudi, dan Maroko semuanya muncul dalam kampanye yang sama.

Bisakah saya mengatur sensitivitas AMD yang berbeda untuk setiap kampanye?

Ya. Ambang batas sensitivitas dikonfigurasi per tenant dan per kampanye, sehingga kampanye pemulihan tahap akhir dapat berhati-hati dalam menyatakan suatu mesin bermasalah, sementara kampanye pengingat bervolume tinggi tidak perlu. Fitur AI dapat dikontrol melalui flag fitur, sehingga AMD juga dapat dimatikan per kampanye, per tenant, atau secara global.

Apa yang terjadi jika seorang agen tidak setuju dengan putusan tersebut?

Agen menandainya dengan satu klik dari desktop selama panggilan, tanpa formulir dan tanpa tiket. Koreksi tersebut menjadi masukan untuk alur kerja penyetelan yang spesifik untuk setiap tenant, sehingga sinyal tersebut berlaku untuk operator, wilayah, dan jenis kampanye Anda. Supervisor juga harus meninjau rincian akurasi per kampanye, per operator, dan per bahasa secara berkala.

Apakah audio panggilan disimpan untuk pemrosesan AMD?

Proses klasifikasi AMD memproses segmen awal audio panggilan yang singkat, dan audio mentah yang digunakan untuk klasifikasi tidak disimpan dalam jangka panjang. Yang disimpan adalah hasil klasifikasi, skor kepercayaan, dan versi model, yang biasanya perlu dilihat dalam tinjauan keamanan informasi.