AMD (Otomatik Cevaplama Sistemi Algılama) Nedir?

Otomatik Yanıt Sistemi Algılama (genellikle AMD olarak kısaltılır), bağlantı kurulduktan sonraki ilk birkaç saniye içinde telefonun canlı bir insan tarafından mı yoksa sesli mesaj sistemi tarafından mı yanıtlandığını belirleyen, dış arama yapan bir cihazın içindeki teknolojidir. Bu sınıflandırmaya bağlı olarak, arama yapan cihaz ya aramayı bir temsilciye (canlı insan) yönlendirir ya da otomatik olarak (makine - genellikle önceden kaydedilmiş bir sesli mesajı bırakarak veya bağlantıyı keserek) halleder.

AMD basit gibi görünse de, herhangi bir dış arama yığınının en önemli bileşenlerinden biridir. Doğruluğu, iki kritik iş ölçütünü doğrudan kontrol eder: temsilci kullanım oranı (temsilcilerin gerçek kişilerle konuşarak geçirdiği süre) ve iletişim oranı (kampanyanızın saatte kaç canlı görüşme ürettiği). AMD doğruluğundaki birkaç yüzdelik puanlık bir değişim, orta ölçekli bir işletme için haftada binlerce kaybedilen veya kazanılan görüşme anlamına gelebilir.

Geleneksel AMD Nasıl Çalışır?

Geleneksel AMD (Yirmi yılı aşkın süredir dış arama yapan sistemlerde standart olan yaklaşım), bir arama bağlandıktan sonraki ilk anlara uygulanan ses sinyali analizine dayanır. İki temel teknik vardır:

Enerji ve süre analizi

Bir arama bağlandığında, AMD sistemi ses dalga formunu analiz etmeye başlar. İki şeyi ölçer: ilk konuşma bölümünün ne kadar sürdüğü ve bu konuşmanın enerji modeli. Temel varsayım, insan selamlamalarının kısa olmasıdır — "Merhaba?", "Evet?", "Konuşuyorum" — tipik olarak 1,5 saniyenin altında, ardından kişinin yanıt beklediği bir duraklama gelir. Buna karşılık, sesli mesaj karşılama mesajları, önceden kaydedilmiş bir monolog olduğu için doğal bir duraklama olmaksızın daha uzun (3-10 saniye kesintisiz konuşma) olma eğilimindedir.

Sistem bir karar eşiği uygular: Konuşma, yapılandırılmış bir sürenin ötesinde ara vermeden devam ederse, aramayı makine olarak sınıflandırır. Konuşma kısa ve ardından sessizlik gelirse, aramayı canlı bir insan olarak sınıflandırır.

Sesli uyarı tespiti

İkinci geleneksel teknik, sesli mesaj karşılama mesajının sonunu ve kayıt süresinin başlangıcını işaret eden karakteristik tonu, yani "bip" sesini dinler. Sistem, sesli mesaj bip sesinin beklenen frekansına ve süresine uyan bir ton (tipik olarak 0,5-1 saniye süren 1 kHz'lik bir ton) algıladığında, aramayı otomatik arama olarak sınıflandırır.

Bip sesi algılama, başlangıçta enerji analizinden sonra ikincil bir doğrulama yöntemi olarak tasarlanmıştı. Bazı eski sistemlerde ise birincil algılama yöntemi haline geldi. Çağrı, bir bip sesi duyulana kadar (makine) veya bir zaman aşımı süresi dolana kadar (insan olduğu varsayılan) bir algılama tamponunda bekletilirdi.

Geleneksel Sesli Uyarı Algılama Yöntemleri Neden Başarısız Oluyor?

Geleneksel AMD, artık var olmayan bir telefon ortamı için tasarlanmıştı. Yapısal değişiklikler nedeniyle bip sesi tabanlı ve enerji tabanlı algılama giderek daha güvenilmez hale geldi:

Operatörler arasında bip sesinde tutarsızlık

Her sesli mesaj sisteminin karşılama mesajından sonra standart bir bip sesi çaldığı varsayımı artık geçerli değil. Google Voice, geleneksel operatör sesli mesaj sistemlerinden farklı bir ton düzeni kullanıyor. Bazı VoIP sağlayıcıları bip sesini tamamen atlayıp, bir duraklamanın ardından kayda başlıyor. Modern akıllı telefonlardaki görsel sesli mesaj sistemleri, karşılama ve kayıt paradigmasının görsel bir arayüzle değiştirilmesi nedeniyle hiç bip sesi çalmayabilir. Orta Doğu, Güney Asya ve Afrika'daki operatöre özgü sesli mesaj sistemleri, Kuzey Amerika veya Avrupa sistemlerinden farklı ton frekansları, süreleri ve düzenleri kullanıyor.

Çeşitliliğe selam olsun

Enerji tabanlı tespit, uzun konuşmanın makine, kısa konuşmanın ise insan anlamına geldiğini varsayar. Ancak bu varsayım birçok gerçek dünya senaryosunda geçerliliğini yitirir. Bazı insanlar uzun selamlamalarla cevap verirler — "Merhaba, John'a ulaştınız, masamdayım, size nasıl yardımcı olabilirim?" — bu da makine olarak sınıflandırılır. Bazı sesli mesaj sistemleri çok kısa, operatör tarafından varsayılan selamlamalar kullanır — "Lütfen mesaj bırakın" — bu da insan olarak sınıflandırılır. Çok dilli pazarlarda, selamlama gelenekleri dil ve kültüre göre değişir. Örneğin, Arapça selamlamalar genellikle süre eşiğini aşabilen ve yanlış pozitif sonuç verebilen daha uzun selamlamalar ("As-salamu alaykum wa rahmatullahi wa barakatuh") içerir.

Ağ değişkenliği

Uluslararası aramalar, VoIP-PSTN köprüleri ve mobil ağ geçişleri, değişken gecikmeye ve ses kalitesinde bozulmaya neden olur. Paket kaybı, insan konuşma bölümleri arasındaki duraklamalara benzeyen ses akışında boşluklar oluşturabilir. Titreşim, konuşmanın görünen süresini uzatabilir veya sıkıştırabilir. Kodek dönüştürme, bip seslerinin frekans özelliklerini değiştirebilir. Tüm bu etkiler, geleneksel AMD algoritmalarının sınıflandırma için dayandığı sinyale gürültü ekler.

Operatörün varsayılan karşılama mesajı sorunu

Özellikle gelişmekte olan pazarlardaki birçok operatör, abone kişisel bir karşılama mesajı kaydetmediğinde, operatör tarafından sağlanan varsayılan bir karşılama mesajı oynatır. Bu operatör karşılama mesajları genellikle kısadır, profesyonel bir seslendirme sanatçısı tarafından seslendirilir ve canlı bir insanın cevap vermesine çok benzer. Geleneksel AMD, operatörün varsayılan karşılama mesajında söylenen "Aradığınız kişi müsait değil" ile canlı bir insan tarafından söylenen "Merhaba, ben Sarah" arasında ayrım yapmanın bir yoluna sahip değildir; her ikisi de kısa, net konuşma ve ardından bir duraklamadan oluşur.

Yapay Zeka Tabanlı AMD Nasıl Çalışır?

Yapay zekâ tabanlı AMD, sınıflandırma problemine temelden farklı bir yaklaşım getiriyor. Ses sinyali özelliklerini (süre, enerji, frekans) analiz etmek yerine, konuşmanın ilk birkaç saniyesini yazıya döküyor ve sınıflandırıyor. anlamsal içerik söylenenlerin.

İşte adım adım süreç:

Adım 1: Ses kaydı. Çağrı bağlantısı kurulup ses akışı başladığında, AMD sistemi karşı tarafın konuşmasının ilk 2-4 saniyesini yakalar.

Adım 2: Konuşmadan metne dönüştürme. Kaydedilen ses, metne dönüştüren bir konuşma tanıma modeli tarafından işlenir. Bu modelin konuşulan dili desteklemesi gerekir; bu da çok dilli işlemler için kritik bir gerekliliktir.

3. Adım: Metin sınıflandırması. Yazıya dökülen metin, içeriğin canlı insan yanıtlarıyla veya sesli mesaj karşılama mesajlarıyla ilişkili kalıplarla eşleşip eşleşmediğini belirleyen bir sınıflandırma modeli tarafından analiz edilir.

Her bir yanıt türünün yazıya döküldüğünde tipik olarak nasıl duyulduğu arasındaki farkı göz önünde bulundurun:

• Canlı insan kalıpları: "Merhaba?" / "Evet?" / "Konuşuyorum" / "Kimsiniz?" / "Alo?" (Türkçe) / "Haan bolo" (Hintçe) / "Naam" (Arapça) — kısa, soru niteliğinde, beklenti içeren yanıtlar.
• Sesli mesaj kalıpları: "Aradığınız kişi müsait değil. Lütfen sinyalden sonra mesaj bırakın." / "Merhaba, [isim]'e ulaştınız. Şu anda çağrınızı yanıtlayamıyorum..." / "Al-shakhs alladhi tattasil bihi ghayr mutah..." (Arapça operatör varsayılanı) — daha uzun, açıklayıcı, bilgilendirici mesajlar.

4. Adım: Güvenirlik puanlaması ve karar. Sınıflandırıcı bir güven skoru döndürür. Güven skoru yapılandırılmış eşiği aşarsa, sınıflandırma hemen uygulanır. Güven skoru eşiğin altındaysa, sistem nihai karar vermeden önce ek ses kaydı alabilir. Bu kademeli yaklaşım, hem yanlış pozitifleri hem de algılama gecikmesini azaltır.

Yapay Zeka Destekli AMD ile Geleneksel AMD Karşılaştırması

Boyut	Geleneksel (bip/enerji)	Yapay zeka tabanlı (transkript sınıflandırması)
Algılama yöntemi	Ses sinyali analizi: süre, enerji, bip sesi frekansı	Konuşmadan metne dönüştürme ve ardından anlamsal içerik sınıflandırması
Dil desteği	Teoride dilden bağımsızdır, ancak İngilizce karşılama kalıplarına ve ABD/İngiltere operatörlerinin bip seslerine göre ayarlanmıştır.	Dile özgü transkripsiyon modelleri gerektirir; doğruluk dil kapsamıyla doğru orantılıdır.
İngilizce aramalarda doğruluk	Standart operatör sesli mesaj sistemine sahip ABD sabit hatlarında performansı makul. VoIP, mobil ve standart dışı karşılama mesajlarında ise performansı düşüyor.	Sınıflandırma ses özelliklerine değil, anlama dayalı olduğu için doğruluk oranı sürekli olarak daha yüksektir.
İngilizce dışındaki aramalarda doğruluk	Kötü. İngilizce selamlama kalıplarına göre kalibre edilen süre ve enerji eşikleri, Arapça, Hintçe, Türkçe ve farklı selamlama geleneklerine sahip diğer dillerde yüksek oranda yanlış pozitif sonuç vermektedir.	Hedef dili destekleyen transkripsiyon modellerinde yüksek doğruluk elde edilir. Her dilin selamlama kalıpları bağımsız olarak öğrenilir.
Yanlış pozitif oranı	Pazar ve operatör karışımına bağlı olarak %5-15	Desteklenen dillerde dahili pilot koşullarında %3'ün altında.
Operatör sesli mesaj varyasyonu	Taşıyıcı farklılıklarına duyarlıdır. Bip sesi frekansı, süresi ve varlığı değişkenlik gösterir. Sürekli manuel ayarlama gerektirir.	Sistem, ton kalıplarını değil, içeriği sınıflandırdığı için operatör varyasyonuna büyük ölçüde bağışıklıdır.
Algılama gecikmesi	1-3 saniye (konuşma süresi eşiğine ulaşıldığında veya bip sesi duyulduğunda bekler)	2-4 saniye (yazıya dökme ve sınıflandırma için yeterli konuşma verisi beklenir)
Adaptasyon	Operasyon ekibi tarafından eşik değerlerinin manuel olarak ayarlanması	Temsilci geri bildirim döngüleri aracılığıyla kiracı odaklı ayarlama — temsilciler, model ayarlamalarına bilgi sağlayan yanlış sınıflandırmaları işaretleyebilir.

AMD Doğruluğunun Önemi: Yanlış Pozitif Matematiği

AMD doğruluğunun iş üzerindeki etkisi genellikle hafife alınır çünkü hata oranları yüzde olarak küçük görünür. Ancak tipik bir dış arama kampanyasındaki çağrı hacmine uygulandığında, küçük yüzdeler büyük mutlak sayılara dönüşür.

Şimdi somut bir örnek üzerinden ilerleyelim:

8 saatlik vardiyalarla çalışan 50 kişilik bir tahmine dayalı arama operasyonunu ele alalım. Her bir temsilci günde yaklaşık 150 bağlantılı çağrıyı işliyor. Ekip toplamda günde yaklaşık 7.500 çağrıyı bağlıyor. Bunların yaklaşık %35'i canlı bir insana ulaşıyor (2.625 çağrı) ve %65'i sesli mesaja yönlendiriliyor veya başka şekilde verimsiz kalıyor (4.875 çağrı).

Şimdi de yanlış pozitif oranını ele alalım; yani AMD'nin canlı bir insanı yanlışlıkla sesli mesaj olarak sınıflandırıp aramayı kesme oranını:

• %10 yanlış pozitif oranında (İngilizce olmayan aramalarda geleneksel AMD için tipik): Günde 263 canlı insan bağlantısız kalıyor. 22 günlük bir çalışma ayı boyunca bu, 5.786 kayıp canlı görüşme anlamına geliyor. Bunların her biri, telefonu açan, kısa bir sessizlik duyan ve ardından telefonun kapatıldığı bir kişiydi.
• %5 yanlış pozitif oranında (iyi ayarlanmış İngilizce aramalarda geleneksel AMD): Günde 131 insan bağlantısı kesiliyor. Aylık: 2.882 kayıp görüşme.
• %3'lük yanlış pozitif oranında: Günde 79 canlı insan bağlantısız kalıyor. Aylık: 1.738 kayıp görüşme.

Bu iki oran arasındaki fark şudur: Ayda 4.048 ilave canlı görüşme Aynı ekip, aynı liste, aynı saatler için. Yukarıdaki oranlar, tedarikçi kıyaslamaları değil, yalnızca örnek niteliğinde hesaplamalardır; sizin trafiğinize benzer trafik üzerinden ölçülen rakamlar için biz de dahil olmak üzere herhangi bir tedarikçiye danışın. Her doğru kişiyle iletişimin ölçülebilir bir tahsilat değerine sahip olduğu bir tahsilat ortamında veya her görüşmenin satış hattı değerine sahip olduğu bir satış ortamında, gelir üzerindeki etki oldukça büyüktür.

Ve bunun maliyeti sadece kaybedilen görüşmelerle sınırlı değil. Her yanlış pozitif, olumsuz bir marka temas noktasıdır; telefonu açan ve telefonu kapatılan bir kişi. Düzenlemeye tabi sektörlerde, aşırı sayıda cevapsız çağrı, uyumluluk soruşturmalarını tetikleyebilir. Tüketici şikayetlerinin numara engellemeye yol açtığı pazarlarda, yanlış pozitifler arayan kimliği itibarının bozulmasını hızlandırır.

Çok Dilli AMD Zorluğu

AMD'nin doğruluğu diller arasında aynı değildir. Geleneksel AMD sistemleri öncelikle İngilizce konuşulan pazarlar için, özellikle de standartlaştırılmış sesli mesaj sistemlerine sahip ABD ve İngiltere operatörleri için tasarlanmıştır. Diğer pazarlarda kullanıldığında, doğrulukları çeşitli faktörler nedeniyle önemli ölçüde düşer:

Selamlaşma uzunluğuyla ilgili kurallar. Arapça resmi selamlaşmalar 3-4 saniyeyi aşan kesintisiz konuşma sürelerine sahip olabilir ve bu da süreye dayalı yanlış pozitif sonuçlara kolayca yol açabilir. Hintçe selamlaşmalar bölgeye ve resmiyet düzeyine göre büyük farklılıklar gösterir. Türkçe selamlaşmaların İngilizceden farklı prozodik kalıpları vardır. Her dilin kendine özgü "normal" bir selamlaşma süresi ve yapısı vardır.

Operatör sesli mesaj sistemleri. Sesli mesaj sisteminin uygulanması ülke ve operatöre göre değişiklik gösterir. Körfez İşbirliği Konseyi (GCC) operatörlerinin (Etisalat, STC, Ooredoo, du, Zain) her birinin farklı varsayılan karşılama mesajları, ton kalıpları ve davranışları vardır. Güney Asya operatörleri (Jio, Airtel, PTCL, Jazz) de benzer şekilde farklılık gösterir. Avrupa operatörlerinin (Vodafone, Orange, Deutsche Telekom) kendi kalıpları vardır. AT&T ve Verizon sesli mesaj sistemine göre eğitilmiş bir sistem, du ve Etisalat'ta düşük performans gösterecektir.

Dil değiştirme. Birçok pazarda, konuşmacılar tek bir selamlama içinde diller arasında geçiş yaparlar — Körfez İşbirliği Konseyi ülkelerinde İngilizce ve Arapça, Hindistan'da Hintçe ve İngilizce, Pakistan'da Urduca ve İngilizce. Geleneksel dilbilgisi algoritmalarının (AMD) karma dilli selamlamaları ele almak için bir çerçevesi yoktur. Çok dilli transkripsiyon özelliğine sahip yapay zeka tabanlı AMD, içeriği hangi dilde üretildiğine bakılmaksızın sınıflandırdığı için dil değiştirme işlemini doğal olarak gerçekleştirebilir.

DialerBee'nin Yapay Zeka Destekli AMD'si Nasıl Farklı?

BroadNet tarafından 22 yıllık telekomünikasyon deneyimiyle geliştirilen DialerBee , AMD çok dilli bir sorun olarak yaklaşıyor. İşte bunun pratikte ne anlama geldiği:

9 dilli transkripsiyon ve sınıflandırma. DialerBee AMD İngilizce, Arapça, İspanyolca, Fransızca, Almanca, İtalyanca, Türkçe, Hintçe, Urduca, Portekizce ve Endonezce dillerini desteklemektedir. Her dilin kendine özgü transkripsiyon yeteneği ve dile özgü sınıflandırma kalıpları vardır. Bu, tüm aramalara uygulanan tek bir İngilizce model değildir; her dil, o dilin karşılama geleneklerini, operatör kalıplarını ve kültürel normlarını bilen modeller tarafından ele alınır.

Sınıflandırma bip sesine değil, transkripte dayanmaktadır. DialerBee'nin yapay zeka destekli AMD sistemi, desteklenen diller genelinde dahili pilot koşullarda %3'ün altında yanlış pozitif oranına ulaşmaktadır. Sonuçlar kampanya, liste kalitesi, sağlayıcı, bölge, hız ve iş akışına göre değişiklik göstermektedir. Bu, özellikle İngilizce olmayan aramalarda, geleneksel bip sesi algılama sistemlerinin tipik %5-15'lik yanlış pozitif oranlarına kıyasla önemli bir iyileşmeyi temsil etmektedir.

Kiracı odaklı ayarlama. Çoklu kiracı ortamında (birden fazla müşteri için kampanya yürüten BPO'lar, birden fazla son müşteriye hizmet veren bayiler), AMD davranışı her kiracı için ayrı ayrı ayarlanabilir. Temsilci geri bildirim döngüleri, temsilcilerin yanlış sınıflandırılmış aramaları işaretlemesine olanak tanır ve bu geri bildirim, belirli kiracının trafik modellerine göre model ayarlamalarını bilgilendirir. Bu, özellikle niş operatör ağlarına veya belirli bölgesel pazarlara arama yapan operasyonlar için çok değerlidir.

Sesli uyarıya bağımlılık yok. DialerBee'nin AMD sistemi, hiçbir aşamada bip sesi algılamasına dayanmaz. Sınıflandırma tamamen ilk konuşmanın yazıya dökülmüş içeriğine dayanır. Bu da onu geleneksel sistemleri etkileyen operatöre özgü bip sesi varyasyonlarına karşı bağışık kılar; bip sesi olmaması, standart dışı bip sesi, gecikmeli bip sesi veya birden fazla bip sesi, sistemin en başından beri bip sesine ihtiyaç duymadığı için aynı doğru sınıflandırmayı sağlar.

Yapılandırılabilir imha eylemleri. AMD bir aramayı makine araması olarak sınıflandırdığında, kampanya yöneticileri takip eylemini yapılandırabilir: aramayı sessizce sonlandırmak, önceden kaydedilmiş bir sesli mesaj iletmek (sesli mesaj bırakma) veya belirli bir IVR akışına yönlendirmek. Bu eylemler, kampanya ve kiracı bazında yapılandırılabilir ve operasyonlara makine tarafından algılanan aramaların nasıl ele alınacağı konusunda tam kontrol sağlar.

Tahmini arama sistemiyle entegrasyon. AMD doğruluğu, etkinliği doğrudan etkiler. tahmini aramaAMD, sesli mesaj bağlantılarını doğru şekilde filtrelediğinde, tahmin algoritması gerçek bağlantı oranları hakkında daha temiz bir sinyal alır ve daha doğru bir şekilde ayarlama yapabilir. Kötü AMD, tahmin algoritmasına hatalı veri besleyerek, verimlilik kayıplarına yol açar. DialerBee'nin yapay zeka AMD'si ile tahmine dayalı arama motoru arasındaki sıkı entegrasyon, her iki sistemin de birbirini güçlendirmesi anlamına gelir.

Sıkça Sorulan Sorular

Çağrı merkezinde AMD ne anlama gelir?

AMD, Çağrı Yanıtlama Sistemi Tespiti anlamına gelir. Bağlantı kurulan bir çağrının canlı bir insana mı yoksa sesli mesaj sistemine mi ulaştığını belirleyen dış arama sisteminin bir bileşenidir. Sınıflandırma, çağrı bağlandıktan sonraki ilk 2-4 saniye içinde gerçekleşir ve çağrının bir temsilciye yönlendirilip yönlendirilmeyeceğini veya otomatik olarak ele alınıp alınmayacağını belirler.

Otomatik cevaplama sistemlerinin algılama doğruluğu ne kadar yüksek?

Doğruluk, teknolojiye ve pazara göre önemli ölçüde değişir. Geleneksel bip sesi algılama tabanlı AMD standart operatör sesli posta sistemine sahip ABD İngilizcesi aramalarında genellikle %85-95 doğruluk elde ederken, İngilizce olmayan aramalar, mobil numaralar ve VoIP hatlarında doğruluk %80-90'a düşer. Transkripsiyon ve sınıflandırma kullanan yapay zeka tabanlı AMD daha yüksek doğruluk elde eder — DialerBee yapay zeka tabanlı AMD transkript tabanlı sınıflandırma yapar. Sonuçlar kampanya, liste kalitesi, sağlayıcı, bölge, hız ve iş akışına göre değişir.

AMD ile sesli mesaj algılama arasındaki fark nedir?

Bu terimler genellikle birbirinin yerine kullanılabilir. "Otomatik Cevaplama Makinesi Algılama" (AMD), arama yazılımı sağlayıcıları, telekom mühendisleri ve uyumluluk düzenlemeleri tarafından kullanılan endüstri standardı terimdir. "Sesli Mesaj Algılama" ise aynı anlama gelen daha yaygın bir terimdir. Bazı sistemler "otomatik cevaplama makinesi" (fiziksel bir cihaz) ve "sesli mesaj" (operatör tarafından sunulan bir hizmet) arasında ayrım yapar, ancak modern kullanımda AMD her ikisini de kapsar.

AMD, arayan kişinin müşteri temsilcisini duymasında gecikmeye neden oluyor mu?

Evet. AMD, aramayı sınıflandırmadan önce kısa bir ses analizi süresine ihtiyaç duyar. Geleneksel AMD genellikle 1-3 saniye sürer. Yapay zeka tabanlı AMD ise genellikle 2-4 saniye sürer. Bu süre zarfında, aramayı yanıtlayan kişi bir temsilciye bağlanmadan önce kısa bir sessizlik duyabilir. Bu "AMD gecikmesi" bilinen bir denge meselesidir: daha kısa algılama süreleri daha hızlı temsilci bağlantısı anlamına gelir ancak doğruluğu düşürürken, daha uzun süreler doğruluğu artırır ancak arayanın deneyimlediği sessizliği artırır. Modern sistemler, kademeli güven eşikleri kullanarak bu dengeyi optimize eder; yüksek güvenilirlik sınıflandırmaları hızlı bir şekilde uygulanırken, belirsiz durumlar ek analiz süresi alır.

AMD kapatılabilir mi?

Evet. DialerBee dahil çoğu arama uygulaması, kampanya bazında AMD'nin devre dışı bırakılmasına izin verir. AMD kapalıyken, bağlantı kurulan her arama, insan mı yoksa makine mi cevap verdiğine bakılmaksızın doğrudan bir temsilciye yönlendirilir. Bu, yanlış pozitifleri tamamen ortadan kaldırır, ancak temsilcilerin sesli mesaj bağlantılarını manuel olarak ele alacağı anlamına gelir; karşılama mesajını dinleyecek, bunun bir makine olduğunu anlayacak ve telefonu kapatacaktır. Düşük hacimli kampanyalar, ön izleme arama kampanyaları veya her iletişim girişiminin yüksek değere sahip olduğu kampanyalar için AMD'yi devre dışı bırakmak doğru seçim olabilir.

AI AMD, kimsenin konuşmadığı aramaları nasıl ele alıyor?

Çağrı bağlandığında ancak yapılandırılmış zaman aşımı penceresi (genellikle 3-5 saniye) içinde konuşma algılanmadığında, sistem yedek bir sınıflandırma uygular. Bu senaryo, bir kişi cevap verip sessizce beklediğinde, bir faks makinesi bağlandığında veya bir operatör sistem mesajından önce sessizlik çaldığında meydana gelebilir. Çoğu işlem, yedek yönlendirmeyi bir temsilciye yönlendirecek şekilde yapılandırır (sessiz bir insanın sessiz bir makineden daha olası olduğu varsayılarak), ancak bu, işlemin önceliklerine ve aranan listenin özelliklerine bağlı olarak kampanya başına yapılandırılabilir.