AMD (جواب دینے والی مشین کا پتہ لگانے) کیا ہے؟

فوری جواب

جواب دینے والی مشین کا پتہ لگانے ( AMD ) وہ ٹیکنالوجی ہے جو ایک آؤٹ باؤنڈ ڈائلر یہ فیصلہ کرنے کے لیے استعمال کرتا ہے کہ آیا کال کا جواب لائیو شخص نے دیا تھا یا وائس میل/جواب دینے والی مشین۔ یہ سسٹم کو براہ راست جوابات کو ایجنٹوں سے مربوط کرنے اور صوتی میلز کو خود بخود ہینڈل کرنے دیتا ہے — اور اس کی درستگی، خاص طور پر تمام زبانوں میں، رابطہ کی شرحوں اور تعمیل کو براہ راست شکل دیتی ہے۔

Answering Machine Detection — جسے عالمی طور پر AMD کہا جاتا ہے — ایک آؤٹ باؤنڈ ڈائلر کے اندر ایک ایسی ٹیکنالوجی ہے جو منسلک کال کے پہلے چند سیکنڈز کے اندر طے کرتی ہے کہ آیا کوئی زندہ انسان یا وائس میل سسٹم نے فون کا جواب دیا۔ اس درجہ بندی کی بنیاد پر، ڈائلر یا تو کال کو کسی ایجنٹ (زندہ انسان) کو روٹ کرتا ہے یا اسے خود بخود ہینڈل کرتا ہے (مشین — عام طور پر پہلے سے ریکارڈ شدہ وائس میل چھوڑ کر یا منقطع ہو کر)۔

AMD آسان لگتا ہے، لیکن یہ کسی بھی آؤٹ باؤنڈ کالنگ اسٹیک میں سب سے زیادہ نتیجہ خیز اجزاء میں سے ایک ہے۔ اس کی درستگی براہ راست دو اہم کاروباری میٹرکس کو کنٹرول کرتی ہے: ایجنٹ کا استعمال (ایجنٹ حقیقی لوگوں سے بات کرنے میں کتنا وقت لگاتے ہیں) اور رابطہ کی شرح (آپ کی مہم فی گھنٹہ کتنی لائیو گفتگو پیدا کرتی ہے)۔ AMD درستگی کے چند فیصد پوائنٹس درمیانے درجے کے آپریشن کے لیے فی ہفتہ ہزاروں گمشدہ یا حاصل شدہ گفتگو کا ترجمہ کر سکتے ہیں۔

روایتی AMD کیسے کام کرتا ہے۔

روایتی AMD - وہ نقطہ نظر جو آؤٹ باؤنڈ ڈائلرز میں دو دہائیوں سے معیاری رہا ہے - کال کنیکٹ ہونے کے بعد پہلے لمحوں پر لاگو آڈیو سگنل تجزیہ پر انحصار کرتا ہے۔ دو بنیادی تکنیکیں ہیں:

توانائی اور دورانیہ کا تجزیہ

جب کال آپس میں جڑ جاتی ہے، AMD سسٹم آڈیو ویوفارم کا تجزیہ کرنا شروع کر دیتا ہے۔ یہ دو چیزوں کی پیمائش کرتا ہے: ابتدائی تقریر کا حصہ کتنا عرصہ چلتا ہے، اور اس تقریر کا توانائی کا نمونہ۔ بنیادی مفروضہ یہ ہے کہ انسانی سلام مختصر ہوتے ہیں - "ہیلو؟"، "ہاں؟"، "بولنا" - عام طور پر 1.5 سیکنڈ سے کم، اس کے بعد ایک وقفہ ہوتا ہے جہاں شخص جواب کا انتظار کرتا ہے۔ صوتی میل کی پیغامات، اس کے برعکس، طویل ہوتی ہیں (مسلسل تقریر کے 3-10 سیکنڈ) بغیر کسی فطری توقف کے، کیونکہ سلام ایک پہلے سے ریکارڈ شدہ یک زبان ہے۔

سسٹم فیصلے کی حد کا اطلاق کرتا ہے: اگر تقریر بغیر کسی وقفے کے ترتیب شدہ مدت سے آگے جاری رہتی ہے، تو یہ کال کو مشین کے طور پر درجہ بندی کرتا ہے۔ اگر تقریر مختصر ہے اور اس کے بعد خاموشی ہے، تو یہ کال کو زندہ انسان کے طور پر درجہ بندی کرتا ہے۔

بیپ کا پتہ لگانا

دوسری روایتی تکنیک خصوصیت کے لہجے کو سنتی ہے - "بیپ" - جو صوتی میل سلام کے اختتام اور ریکارڈنگ کی مدت کے آغاز کا اشارہ دیتی ہے۔ جب سسٹم صوتی میل بیپ کی متوقع فریکوئنسی اور دورانیے سے مماثل ٹون کا پتہ لگاتا ہے (عام طور پر 1 کلو ہرٹز ٹون 0.5-1 سیکنڈ تک رہتا ہے)، یہ کال کو مشین کے طور پر درجہ بندی کرتا ہے۔

بیپ کا پتہ لگانے کو اصل میں توانائی کے تجزیہ کے بعد ثانوی تصدیق کے طور پر ڈیزائن کیا گیا تھا۔ کچھ پرانے نظاموں میں، یہ پتہ لگانے کا بنیادی طریقہ بن گیا۔ کال اس وقت تک پتہ لگانے والے بفر میں رکھی جائے گی جب تک کہ یا تو بیپ نہیں سنی جاتی (مشین) یا ٹائم آؤٹ ختم نہیں ہوتا (فرض انسانی)۔

روایتی بیپ کا پتہ لگانے میں ناکام کیوں ہوتا ہے۔

روایتی AMD کو ٹیلی فونی لینڈ اسکیپ کے لیے ڈیزائن کیا گیا تھا جو اب موجود نہیں ہے۔ کئی ساختی تبدیلیوں نے بیپ پر مبنی اور توانائی پر مبنی پتہ لگانے کو تیزی سے ناقابل اعتبار بنا دیا ہے:

تمام کیریئرز میں بیپ کی عدم مطابقت

یہ مفروضہ کہ ہر صوتی میل کا نظام سلام کے بعد معیاری بیپ بجاتا ہے اب درست نہیں ہے۔ Google Voice روایتی کیریئر وائس میل سے مختلف ٹون پیٹرن استعمال کرتا ہے۔ کچھ VoIP فراہم کنندگان بیپ کو مکمل طور پر چھوڑ دیتے ہیں اور صرف ایک وقفے کے بعد ریکارڈنگ شروع کرتے ہیں۔ جدید سمارٹ فونز پر بصری صوتی میل سسٹم بالکل بھی بیپ نہیں بجا سکتے ہیں کیونکہ سلام اور ریکارڈ کی مثال کو بصری انٹرفیس سے بدل دیا گیا ہے۔ مشرق وسطیٰ، جنوبی ایشیا اور افریقہ میں کیریئر کے لیے مخصوص صوتی میل کے نظام شمالی امریکہ یا یورپی نظاموں کے مقابلے مختلف ٹون فریکوئنسی، دورانیے اور پیٹرن استعمال کرتے ہیں۔

تنوع کو سلام

توانائی کی بنیاد پر پتہ لگانے کا خیال ہے کہ لمبی تقریر مشین کے برابر ہے اور مختصر تقریر انسان کے برابر ہے۔ لیکن یہ مفروضہ بہت سے حقیقی دنیا کے منظرناموں میں ناکام ہو جاتا ہے۔ کچھ لوگ طویل سلام کے ساتھ جواب دیتے ہیں - "ہیلو، آپ جان تک پہنچ گئے ہیں، میں اپنی میز پر ہوں، میں آپ کی مدد کیسے کر سکتا ہوں؟" - جو ایک مشین کے طور پر درجہ بندی کی جاتی ہے۔ کچھ صوتی میل سسٹم بہت مختصر کیریئر ڈیفالٹ گریٹنگز کا استعمال کرتے ہیں — "براہ کرم ایک پیغام چھوڑیں" — جس کی درجہ بندی انسان کے طور پر کی جاتی ہے۔ کثیر لسانی بازاروں میں، مبارکبادی کنونشنز زبان اور ثقافت کے لحاظ سے مختلف ہوتے ہیں۔ مثال کے طور پر عربی سلام میں اکثر لمبی سلامی ("السلام علیکم ورحمۃ اللہ وبرکاتہ") شامل ہوتی ہے جو مدت کی حد سے تجاوز کر سکتی ہے اور غلط مثبت کو متحرک کر سکتی ہے۔

نیٹ ورک کی تبدیلی

بین الاقوامی کالز، VoIP-to-PSTN برجز، اور موبائل نیٹ ورک ہینڈ آف متغیر تاخیر اور آڈیو کوالٹی کی کمی کو متعارف کراتے ہیں۔ پیکٹ کا نقصان آڈیو سٹریم میں خلا پیدا کر سکتا ہے جو انسانی تقریر کے حصوں کے درمیان وقفے کی طرح نظر آتا ہے۔ گھبراہٹ تقریر کی ظاہری مدت کو کھینچ یا سکیڑ سکتی ہے۔ کوڈیک ٹرانس کوڈنگ بیپ ٹونز کی فریکوئنسی خصوصیات کو تبدیل کر سکتی ہے۔ یہ تمام اثرات اس سگنل میں شور ڈالتے ہیں جس پر روایتی AMD الگورتھم درجہ بندی کے لیے انحصار کرتے ہیں۔

کیریئر ڈیفالٹ سلام مسئلہ

بہت سے کیریئرز، خاص طور پر ابھرتی ہوئی مارکیٹوں میں، جب سبسکرائبر نے ذاتی سلام ریکارڈ نہ کیا ہو تو کیریئر کی طرف سے فراہم کردہ ڈیفالٹ گریٹنگ ادا کرتے ہیں۔ یہ کیریئر پیغامات اکثر مختصر ہوتی ہیں، جو ایک پیشہ ور صوتی فنکار کی طرف سے بولی جاتی ہیں، اور ایک زندہ انسانی جواب دینے سے بہت ملتی جلتی آواز ہوتی ہے۔ روایتی AMD کے پاس "جس شخص کو آپ کال کر رہے ہیں وہ دستیاب نہیں ہے" کے درمیان فرق کرنے کا کوئی طریقہ نہیں ہے جو کیریئر ڈیفالٹ گریٹنگ کے ذریعہ بولا جاتا ہے اور "ہیلو، یہ سارہ ہے" ایک زندہ انسان کے ذریعہ بولا جاتا ہے - دونوں مختصر، واضح تقریر ہیں جس کے بعد وقفہ ہوتا ہے۔

AI پر مبنی AMD کیسے کام کرتا ہے۔

AI پر مبنی AMD درجہ بندی کے مسئلے کے لیے بنیادی طور پر مختلف انداز اختیار کرتا ہے۔ آڈیو سگنل کی خصوصیات (دورانیہ، توانائی، تعدد) کا تجزیہ کرنے کے بجائے، یہ تقریر کے پہلے چند سیکنڈوں کو نقل کرتا ہے اور درجہ بندی کرتا ہے۔ معنوی مواد کیا کہا گیا تھا.

یہ عمل ہے، مرحلہ وار:

مرحلہ 1: آڈیو کیپچر۔ جب کال کنیکٹ ہوتی ہے اور آڈیو بہنا شروع ہوتا ہے، AMD سسٹم ریموٹ پارٹی سے پہلے 2-4 سیکنڈ کی تقریر کو پکڑ لیتا ہے۔

مرحلہ 2: تقریر سے متن کی نقل۔ کیپچر شدہ آڈیو کو اسپیچ ریکگنیشن ماڈل کے ذریعے پروسیس کیا جاتا ہے جو اسے ٹیکسٹ میں تبدیل کرتا ہے۔ اس ماڈل کو بولی جانے والی زبان کی حمایت کرنی چاہیے - کثیر لسانی کارروائیوں کے لیے ایک اہم ضرورت۔

مرحلہ 3: متن کی درجہ بندی۔ نقل شدہ متن کا تجزیہ درجہ بندی کے ماڈل کے ذریعے کیا جاتا ہے جو اس بات کا تعین کرتا ہے کہ آیا مواد لائیو انسانی ردعمل یا صوتی میل مبارکباد سے وابستہ نمونوں سے میل کھاتا ہے۔

اس فرق پر غور کریں کہ ہر قسم کا جواب عام طور پر نقل کرتے وقت کیسا لگتا ہے:

زندہ انسانی نمونے: "ہیلو؟" / "ہاں؟" / "بول رہا ہے" / "یہ کون ہے؟" / "آلو؟" (ترکی) / "ہان بولو" (ہندی) / "نام" (عربی) - مختصر، پوچھ گچھ، متوقع جوابات۔
وائس میل پیٹرن: "جس شخص کو آپ کال کر رہے ہیں وہ دستیاب نہیں ہے۔ براہ کرم ٹون کے بعد ایک پیغام چھوڑ دیں۔" / "ہیلو، آپ [نام] پر پہنچ گئے ہیں۔ میں ابھی آپ کی کال نہیں لے سکتا..." / "الشخص اللّه تتسیل بہی غیر متع..." (عربی کیریئر ڈیفالٹ) — طویل، اعلانیہ، معلوماتی پیغامات۔

مرحلہ 4: اعتماد کا اسکور اور فیصلہ۔ درجہ بندی کرنے والا اعتماد کا سکور واپس کرتا ہے۔ اگر اعتماد کنفیگر کی گئی حد سے بڑھ جاتا ہے، تو درجہ بندی فوری طور پر لاگو ہو جاتی ہے۔ اگر اعتماد حد سے نیچے ہے، تو نظام حتمی فیصلہ کرنے سے پہلے اضافی آڈیو کیپچر کر سکتا ہے۔ یہ ٹائرڈ نقطہ نظر غلط مثبت اور پتہ لگانے میں تاخیر دونوں کو کم کرتا ہے۔

AI AMD بمقابلہ روایتی AMD: موازنہ

طول و عرض	روایتی (بیپ/توانائی)	AI پر مبنی (ٹرانسکرپٹ کی درجہ بندی)
پتہ لگانے کا طریقہ	آڈیو سگنل تجزیہ: دورانیہ، توانائی، بیپ ٹون فریکوئنسی	اسپیچ ٹو ٹیکسٹ ٹرانسکرپشن کے بعد معنوی مواد کی درجہ بندی
زبان کی حمایت	نظریہ میں زبان-اگنوسٹک، لیکن انگریزی زبان کے گریٹنگ پیٹرن اور US/UK کیریئر بیپ ٹونز کے لیے بنایا گیا	زبان کے لیے مخصوص ٹرانسکرپشن ماڈلز کی ضرورت ہے؛ زبان کی کوریج کے ساتھ درستگی کا پیمانہ
انگریزی کالوں پر درستگی	معیاری کیریئر وائس میل کے ساتھ امریکی لینڈ لائنز پر معقول۔ VoIP، موبائل، اور غیر معیاری پیغامات پر تنزلی۔	مسلسل زیادہ درستگی کیونکہ درجہ بندی معنی پر مبنی ہے، آڈیو خصوصیات پر نہیں۔
غیر انگریزی کالوں پر درستگی	غریب انگریزی گریٹنگ پیٹرن کے لیے کیلیبریٹ کردہ دورانیہ اور توانائی کی حدیں عربی، ہندی، ترکی، اور دیگر زبانوں میں مختلف گریٹنگ کنونشنز کے ساتھ اعلی غلط مثبت شرحیں پیدا کرتی ہیں۔	اعلی درستگی جب ٹرانسکرپشن ماڈل ہدف کی زبان کو سپورٹ کرتا ہے۔ ہر زبان کے سلام کے نمونے آزادانہ طور پر سیکھے جاتے ہیں۔
غلط مثبت شرح	5-15% مارکیٹ اور کیریئر مکس پر منحصر ہے۔	تعاون یافتہ زبانوں میں داخلی پائلٹ حالات میں 3% سے نیچے
کیریئر صوتی میل کی تبدیلی	کیریئر کے فرق کے لیے حساس۔ بیپ فریکوئنسی، دورانیہ، اور موجودگی مختلف ہوتی ہے۔ جاری دستی ٹیوننگ کی ضرورت ہے۔	بڑے پیمانے پر کیریئر کے تغیر سے محفوظ ہے کیونکہ نظام مواد کی درجہ بندی کرتا ہے، نہ کہ ٹون پیٹرن
پتہ لگانے میں تاخیر	1-3 سیکنڈ (تقریر کے دورانیے کی حد یا بیپ کا انتظار)	2-4 سیکنڈ (ٹرانسکرائب کرنے اور درجہ بندی کرنے کے لیے کافی تقریر کا انتظار)
موافقت	آپریشن ٹیم کے ذریعہ دہلیز کی دستی ٹیوننگ	ایجنٹ فیڈ بیک لوپس کے ذریعے کرایہ دار کے دائرہ کار کی ٹیوننگ — ایجنٹ غلط درجہ بندی کو جھنڈا لگا سکتے ہیں جو ماڈل ایڈجسٹمنٹ کو مطلع کرتے ہیں

AMD کی درستگی کیوں اہم ہے: غلط مثبت ریاضی

AMD کی درستگی کے کاروباری اثرات کو اکثر کم سمجھا جاتا ہے کیونکہ غلطی کی شرح فیصد کے لحاظ سے چھوٹی لگتی ہے۔ لیکن جب ایک عام آؤٹ باؤنڈ مہم میں کالوں کے حجم پر لاگو کیا جاتا ہے، تو چھوٹے فیصد بڑے مطلق نمبر بن جاتے ہیں۔

آئیے ایک ٹھوس مثال کے ذریعے چلتے ہیں:

8 گھنٹے کی شفٹوں پر چلنے والا 50 ایجنٹ پیش گوئی کرنے والا ڈائلنگ آپریشن فرض کریں۔ ہر ایجنٹ روزانہ تقریباً 150 منسلک کالوں کو ہینڈل کرتا ہے۔ ٹیم اجتماعی طور پر روزانہ تقریباً 7,500 کالز کو جوڑتی ہے۔ ان میں سے، تقریباً 35% ایک زندہ انسان (2,625 کالز) تک پہنچتے ہیں اور 65% صوتی میل تک پہنچتے ہیں یا بصورت دیگر غیر پیداواری (4,875 کالز) ہوتے ہیں۔

اب غلط مثبت شرح پر غور کریں - وہ شرح جس پر AMD ایک زندہ انسان کو وائس میل کے طور پر غلط طور پر درجہ بندی کرتا ہے اور کال کو منقطع کرتا ہے:

10% غلط مثبت شرح پر (غیر انگریزی کالوں پر روایتی AMD کے لیے عام): روزانہ 263 زندہ انسانوں کا رابطہ منقطع ہے۔ 22 دن کے کام کے مہینے میں، یعنی 5,786 گمشدہ لائیو گفتگو۔ ان میں سے ہر ایک ایسا شخص تھا جس نے فون کا جواب دیا، مختصر خاموشی سنی، اور اسے بند کر دیا گیا۔
5% غلط مثبت شرح پر (روایتی AMD اچھی طرح سے انگریزی کالوں پر): روزانہ 131 زندہ انسانوں کا رابطہ منقطع ہے۔ ماہانہ: 2,882 گمشدہ گفتگو۔
3% غلط مثبت شرح پر: روزانہ 79 زندہ انسانوں کا رابطہ منقطع ہو جاتا ہے۔ ماہانہ: 1,738 گمشدہ گفتگو۔

ان دونوں شرحوں میں فرق ہے۔ ہر ماہ 4,048 اضافی لائیو گفتگو ایک ہی ٹیم، ایک ہی فہرست، اسی گھنٹے کے لیے۔ اوپر دیے گئے نرخ مثالی ریاضی کے ہیں، وینڈر بینچ مارکس نہیں — ہم سمیت کسی بھی وینڈر سے ٹریفک پر ماپنے والے اعداد و شمار کے بارے میں پوچھیں جو آپ کی طرح نظر آتے ہیں۔ جمع کرنے والے ماحول میں جہاں ہر دائیں فریق کے رابطے میں قابل پیمائش ریکوری ویلیو ہوتی ہے، یا سیلز کے ماحول میں جہاں ہر بات چیت کی پائپ لائن ویلیو ہوتی ہے، آمدنی کا اثر کافی ہوتا ہے۔

اور قیمت صرف کھوئی ہوئی گفتگو نہیں ہے۔ ہر غلط مثبت ایک منفی برانڈ ٹچ پوائنٹ ہوتا ہے — ایک ایسا شخص جس نے فون اٹھایا اور اسے بند کر دیا گیا۔ ریگولیٹڈ صنعتوں میں، ضرورت سے زیادہ ترک شدہ کالیں تعمیل کی تحقیقات کو متحرک کرسکتی ہیں۔ مارکیٹوں میں جہاں صارفین کی شکایات نمبر بلاک کرنے کا باعث بنتی ہیں، غلط مثبت کالر ID کی ساکھ میں کمی کو تیز کرتی ہے۔

کثیر لسانی AMD چیلنج

AMD کی درستگی تمام زبانوں میں یکساں نہیں ہے۔ روایتی AMD سسٹم بنیادی طور پر انگریزی بولنے والے بازاروں کے لیے ڈیزائن کیے گئے تھے - خاص طور پر، معیاری صوتی میل کے نظام کے ساتھ US اور UK کیریئرز۔ جب دوسرے بازاروں میں تعینات کیا جاتا ہے، تو ان کی درستگی کئی عوامل کی وجہ سے نمایاں طور پر گر جاتی ہے:

گریٹنگ لمبائی کنونشنز۔ عربی رسمی پیغامات مسلسل تقریر کے 3-4 سیکنڈ سے زیادہ ہو سکتی ہیں، آسانی سے دورانیہ پر مبنی غلط مثبت کو متحرک کر سکتی ہیں۔ ہندی پیغامات علاقے اور رسمی سطح کے لحاظ سے وسیع پیمانے پر مختلف ہوتی ہیں۔ ترکی کی پیغامات انگریزی کے مقابلے میں مختلف پراسوڈک پیٹرن رکھتی ہیں۔ ہر زبان کی اپنی "نارمل" سلامی کی مدت اور ساخت ہوتی ہے۔

کیریئر وائس میل سسٹمز۔ صوتی میل کا نفاذ ملک اور کیریئر کے لحاظ سے مختلف ہوتا ہے۔ GCC کیریئرز (Etisalat, STC, Ooredoo, du, Zain) ہر ایک کے پاس پہلے سے طے شدہ گریٹنگز، ٹون پیٹرن اور طرز عمل مختلف ہوتے ہیں۔ جنوبی ایشیائی کیریئرز (Jio، Airtel، PTCL، Jazz) اسی طرح مختلف ہوتے ہیں۔ یورپی کیریئرز (Vodafone, Orange, Deutsche Telekom) کے اپنے پیٹرن ہیں۔ AT&T اور Verizon وائس میل پر تربیت یافتہ نظام du اور Etisalat پر خراب کارکردگی کا مظاہرہ کرے گا۔

کوڈ سوئچنگ۔ بہت سے بازاروں میں، بولنے والے ایک ہی گریٹنگ کے اندر زبانوں کے درمیان سوئچ کرتے ہیں — GCC میں انگریزی اور عربی، ہندوستان میں ہندی اور انگریزی، پاکستان میں اردو اور انگریزی۔ روایتی AMD کے پاس مخلوط زبان کی پیغامات کو سنبھالنے کا کوئی فریم ورک نہیں ہے۔ کثیر لسانی ٹرانسکرپشن کے ساتھ AI پر مبنی AMD قدرتی طور پر کوڈ سوئچنگ کو سنبھال سکتا ہے کیونکہ یہ مواد کی درجہ بندی کرتا ہے اس سے قطع نظر کہ اسے کس زبان نے بنایا ہے۔

DialerBee کا AI AMD کس طرح مختلف ہے۔

DialerBee ، جسے BroadNet نے 22 سال کے ٹیلی کام پس منظر کے ساتھ بنایا ہے، AMD ایک کثیر لسانی-پہلے مسئلے کے طور پر رابطہ کرتا ہے۔ عملی طور پر اس کا مطلب یہ ہے:

9 زبان کی نقل اور درجہ بندی۔ DialerBee 's AMD انگریزی، عربی، ہسپانوی، فرانسیسی، جرمن، اطالوی، ترکی، ہندی، اردو، پرتگالی اور انڈونیشی زبانوں کو سپورٹ کرتا ہے۔ ہر زبان میں ٹرانسکرپشن کی صلاحیت اور زبان کے ساتھ مخصوص درجہ بندی کے نمونے ہوتے ہیں۔ یہ ایک انگریزی ماڈل نہیں ہے جو تمام کالوں پر لاگو ہوتا ہے — ہر زبان کو ماڈلز کے ذریعہ سنبھالا جاتا ہے جو اس زبان کے مبارکبادی کنونشنز، کیریئر کے نمونوں اور ثقافتی اصولوں سے واقف ہوں۔

درجہ بندی بیپ پر مبنی ہونے کی بجائے نقل پر مبنی ہے۔ معاون زبانوں میں، DialerBee کی AI AMD اندرونی پائلٹ حالات میں 3% سے کم غلط مثبت شرحیں حاصل کرتی ہے۔ مہم، فہرست کے معیار، فراہم کنندہ، علاقہ، پیسنگ، اور ورک فلو کے لحاظ سے نتائج مختلف ہوتے ہیں۔ یہ 5-15% غلط مثبت شرحوں کے مقابلے میں نمایاں بہتری کی نمائندگی کرتا ہے جو روایتی بیپ کا پتہ لگانے والے نظاموں کی مخصوص ہے، خاص طور پر غیر انگریزی کالوں پر۔

کرایہ دار کی گنجائش والی ٹیوننگ۔ ایک کثیر کرایہ دار ماحول میں (ایک سے زیادہ کلائنٹس کے لیے مہم چلانے والے بی پی اوز، ایک سے زیادہ اختتامی صارفین کی خدمت کرنے والے باز فروخت کنندگان)، AMD رویے کو فی کرایہ دار بنایا جا سکتا ہے۔ ایجنٹ فیڈ بیک لوپس ایجنٹوں کو غلط درجہ بند کالوں پر جھنڈا لگانے کی اجازت دیتے ہیں، اور یہ فیڈ بیک مخصوص کرایہ دار کے ٹریفک پیٹرن کے دائرہ کار میں ماڈل ایڈجسٹمنٹ کو مطلع کرتا ہے۔ یہ خاص طور پر طاق کیریئر نیٹ ورکس یا مخصوص علاقائی مارکیٹوں میں ڈائل کرنے والے آپریشنز کے لیے قابل قدر ہے۔

بیپ پر انحصار نہیں ہے۔ DialerBee کا AMD کسی بھی مرحلے پر بیپ کا پتہ لگانے پر انحصار نہیں کرتا ہے۔ درجہ بندی مکمل طور پر ابتدائی تقریر کے نقل شدہ مواد پر مبنی ہے۔ یہ اسے کیریئر کے لیے مخصوص بیپ کی مختلف حالتوں سے محفوظ بناتا ہے جو روایتی نظاموں کو متاثر کرتی ہے — کوئی بیپ، غیر معیاری بیپ، تاخیری بیپ، یا ایک سے زیادہ بیپس سب کے نتیجے میں ایک ہی صحیح درجہ بندی ہوتی ہے کیونکہ سسٹم کو پہلے کبھی بھی بیپ کی ضرورت نہیں ہوتی تھی۔

قابل ترتیب مزاج کے اعمال۔ جب AMD کسی کال کو مشین کے طور پر درجہ بندی کرتا ہے، تو مہم کے مینیجر فالو اپ ایکشن کو ترتیب دے سکتے ہیں: خاموشی سے کال ڈراپ کریں، پہلے سے ریکارڈ شدہ وائس میل پیغام (وائس میل ڈراپ) ڈیلیور کریں، یا مخصوص IVR بہاؤ کا راستہ بنائیں۔ یہ کارروائیاں فی مہم اور فی کرایہ دار ترتیب دینے کے قابل ہیں، جس سے آپریشنز کو اس بات پر مکمل کنٹرول حاصل ہوتا ہے کہ مشین سے پتہ چلنے والی کالوں کو کیسے ہینڈل کیا جاتا ہے۔

پیشن گوئی ڈائلنگ کے ساتھ انضمام۔ AMD کی درستگی کی تاثیر کو براہ راست متاثر کرتی ہے۔ پیشن گوئی ڈائلنگ. جب AMD صحیح طریقے سے صوتی میل کنکشن کو فلٹر کرتا ہے، تو پیشن گوئی کرنے والا الگورتھم حقیقی کنیکٹ ریٹ کے بارے میں کلینر سگنل وصول کرتا ہے اور زیادہ درست طریقے سے آگے بڑھ سکتا ہے۔ ناقص AMD پیشین گوئی الگورتھم میں خراب ڈیٹا کو فیڈ کرتا ہے، جس کی وجہ سے کیسکیڈنگ کی کارکردگی میں نقصان ہوتا ہے۔ DialerBee کے اس کے AI AMD اور پیشن گوئی کرنے والے ڈائلنگ انجن کے درمیان سخت انضمام کا مطلب ہے کہ دونوں سسٹم ایک دوسرے کو تقویت دیتے ہیں۔

اکثر پوچھے گئے سوالات

کال سینٹر میں AMD کا کیا مطلب ہے؟

AMD کا مطلب ہے Answering Machine Detection۔ یہ ایک آؤٹ باؤنڈ ڈائلر کا جزو ہے جو اس بات کا تعین کرتا ہے کہ آیا منسلک کال کسی زندہ انسان تک پہنچی ہے یا صوتی میل سسٹم۔ درجہ بندی کال کے منسلک ہونے کے پہلے 2-4 سیکنڈ کے اندر ہوتی ہے اور اس بات کا تعین کرتی ہے کہ آیا کال کسی ایجنٹ کے پاس جاتی ہے یا خود بخود ہینڈل ہوتی ہے۔

جواب دینے والی مشین کا پتہ لگانا کتنا درست ہے؟

ٹیکنالوجی اور مارکیٹ کے لحاظ سے درستگی نمایاں طور پر مختلف ہوتی ہے۔ روایتی بیپ کا پتہ لگانے والا AMD عام طور پر معیاری کیریئر وائس میل کے ساتھ امریکی انگریزی کالوں پر 85-95% درستگی حاصل کرتا ہے، لیکن غیر انگریزی کالز، موبائل نمبرز، اور VoIP لائنوں پر درستگی 80-90% تک گر جاتی ہے۔ نقل اور درجہ بندی کا استعمال کرتے ہوئے AI پر مبنی AMD زیادہ درستگی حاصل کرتا ہے — DialerBee 's AI AMD ٹرانسکرپٹ پر مبنی درجہ بندی چلاتا ہے۔ مہم، فہرست کے معیار، فراہم کنندہ، علاقہ، پیسنگ، اور ورک فلو کے لحاظ سے نتائج مختلف ہوتے ہیں۔

AMD اور صوتی میل کا پتہ لگانے میں کیا فرق ہے؟

شرائط عام طور پر قابل تبادلہ ہیں۔ "Answering Machine Detection" صنعت کی معیاری اصطلاح ہے جسے ڈائلر وینڈرز، ٹیلی کام انجینئرز، اور تعمیل کے ضوابط استعمال کرتے ہیں۔ "وائس میل کا پتہ لگانے" ایک زیادہ بول چال کی اصطلاح ہے جس کا مطلب ایک ہی چیز ہے۔ کچھ سسٹمز "جواب دینے والی مشین" (ایک فزیکل ڈیوائس) اور "وائس میل" (ایک کیریئر کی میزبانی کی خدمت) کے درمیان فرق کرتے ہیں، لیکن جدید استعمال میں، AMD دونوں کا احاطہ کرتا ہے۔

کیا کال کرنے والے کے ایجنٹ کو سننے سے پہلے AMD تاخیر کا سبب بنتا ہے؟

جی ہاں AMD کو کال کی درجہ بندی کرنے سے پہلے آڈیو تجزیہ کی ایک مختصر مدت درکار ہوتی ہے۔ روایتی AMD میں عام طور پر 1-3 سیکنڈ لگتے ہیں۔ AI پر مبنی AMD عام طور پر 2-4 سیکنڈ لیتا ہے۔ اس وقت کے دوران، جواب دینے والا شخص کسی ایجنٹ سے منسلک ہونے سے پہلے مختصر خاموشی سن سکتا ہے۔ یہ "AMD تاخیر" ایک معروف تجارت ہے: مختصر پتہ لگانے والی ونڈوز کا مطلب تیز تر ایجنٹ کنکشن لیکن کم درستگی ہے، جبکہ لمبی ونڈوز درستگی کو بہتر بناتی ہیں لیکن کال کرنے والے کے تجربات کو خاموش کرتی ہیں۔ جدید نظام اس توازن کو ٹائرڈ اعتماد کی حدوں کا استعمال کرتے ہوئے بہتر بناتے ہیں — اعلیٰ اعتماد کی درجہ بندی تیزی سے لاگو ہوتی ہے، جب کہ مبہم معاملات کو اضافی تجزیہ کا وقت ملتا ہے۔

کیا AMD کو آف کیا جا سکتا ہے؟

جی ہاں زیادہ تر ڈائلر، بشمول DialerBee، AMD کو فی مہم غیر فعال کرنے کی اجازت دیتے ہیں۔ AMD بند ہونے پر، ہر منسلک کال براہ راست ایجنٹ کو بھیجی جاتی ہے، قطع نظر اس کے کہ انسان یا مشین نے جواب دیا۔ اس سے غلط مثبتات کو مکمل طور پر ختم کر دیا جاتا ہے لیکن اس کا مطلب ہے کہ ایجنٹ صوتی میل کنکشنز کو دستی طور پر ہینڈل کریں گے — سلام کو سننا، یہ پہچاننا کہ یہ ایک مشین ہے، اور ہینگ اپ۔ کم حجم والی مہموں کے لیے، ڈائلنگ کی مہمات کا جائزہ لیں، یا ایسی مہمات جہاں رابطہ کرنے کی ہر کوشش زیادہ اہمیت کی حامل ہو، AMD کو غیر فعال کرنا صحیح انتخاب ہو سکتا ہے۔

AI AMD کالوں کو کیسے ہینڈل کرتا ہے جہاں کوئی نہیں بولتا؟

جب کال منسلک ہوتی ہے لیکن ترتیب شدہ ٹائم آؤٹ ونڈو (عام طور پر 3-5 سیکنڈ) کے اندر کوئی تقریر نہیں ملتی ہے، تو سسٹم فال بیک کی درجہ بندی کا اطلاق کرتا ہے۔ یہ منظر اس وقت ہو سکتا ہے جب کوئی شخص جواب دیتا ہے اور خاموشی سے انتظار کرتا ہے، جب فیکس مشین جڑتی ہے، یا جب کوئی کیریئر سسٹم میسج سے پہلے خاموشی بجاتا ہے۔ زیادہ تر آپریشنز فال بیک کو کسی ایجنٹ تک جانے کے لیے ترتیب دیتے ہیں (یہ فرض کرتے ہوئے کہ ایک خاموش انسان کا خاموش مشین سے زیادہ امکان ہے)، لیکن یہ آپریشن کی ترجیحات اور ڈائل کی جانے والی فہرست کی خصوصیات کی بنیاد پر فی مہم کے لیے قابل ترتیب ہے۔