Datamining met spraakanalyse
Duizenden gesprekken per dag gaan oor in, oor uit. Letterlijk, want contactcenters laten veel belangrijke informatie liggen. Met spraakanalyse is die informatie te ontsluiten.
A
gents voeren jaarlijks vele gesprekken met klanten. Sommige contactcenters laten hun agents de belredenen vastleggen in een systeem – een oplossing die wel wat inzicht geeft, maar geen recht doet aan de enorme hoeveelheid informatie die het contactcenter ‘hoort’. In de meeste situaties komt al-
leen de kern van het gesprek terug in een systeem, bijvoorbeeld in de vorm van een korte notitie, een transactie of mutatie of het registreren van een call reason. Het overgrote deel van de informatie zit in de conversatie zelf, maar contactcenters laten die informatie meestal ‘vervliegen’. Martijn van de Runstraat, specialist spraaktechnologie bij Telecats: “Die conversaties gaan hoofdzakelijk over dingen die mis gaan. Call logging, het opnemen van gesprekken, is
meestal gericht op coaching van agents of het vastleggen van het akkoord op een transactie. Met de inzet van spraakanalyse kun je veel meer uit die gesprekken halen, met name om processen te verbeteren. Spraakanalyse wordt overigens niet altijd direct herkend als toepassing van spraaktechnologie – het is dan ook iets dat op de achtergrond draait.”
Waardevolle informatie Bedrijven zijn zich vaak niet bewust van de waarde van alle megabytes aan audio die voorbij komt in de gesprekken. Spraakanalyse is niet gericht op het geautomatiseerd afhandelen van gesprekken, maar op de inhoudelijke analyse van al die megabytes aan audio. Door die audio om te zetten naar tekst wordt de informatie doorzoekbaar en analyseerbaar – indien gewenst nagenoeg real time. Dat werkt beter, betrouwbaarder en nauwkeuriger dan werken met informatie die gegenereerd wordt door agents, die aan de hand van vooraf opgestelde standaardlijstjes belredenen moeten ‘turven’ via activity codes of call reasons in CRM- of ACD-systemen. Van de Runstraat: “Die methoden kosten tijd en zijn minder betrouwbaar door fouten die worden gemaakt, doordat agents de registratie niet altijd uitvoeren of bij de registratekst en fotografie Erik Bouwer
tie geforceerde keuzes moeten maken omdat gesprekken niet altijd optimaal te categoriseren zijn. Met spraakanalyse belast je de
CR&T 201105
vloer niet, maar maak je geautomatiseerd ge-
te zetten in tekst. Die informatie kan bovendien
bruik van de informatie die er is.”
verrijkt worden met klantgegevens: denk aan
Vaak duurt het ook even voordat agents trends
woonplaats, afgenomen producten of betaalsta-
ontdekken en signaleren in de gesprekken die ze
tus. Tekst is gemakkelijk doorzoekbaar en clus-
Martijn van de Runstraat studeerde Elektro-
voeren, bijvoorbeeld een lokaal probleem in een
techniek in Twente. Via zijn afstudeeropdracht
wijkcentrum van een kabelnetwerk. Ook dat, het
kwam hij terecht bij Telecats. Hij werkt daar
real time monitoren van trends en onderwerpen,
al zestien jaar. Het team van vijf personen uit
is iets wat gemakkelijk met spraakanalyse te realiseren is. Vergelijk het met een analyse van
die tijd bestaat nog steeds. Telecats was in de begintijd vooral gespecialiseerd in voice respons-systemen: touch tone IVR, keuzemenu’s
Twitter, die trending topics kan laten zien, juist
en het automatiseren van transacties.
door te kijken naar trefwoorden in de tweets.
Halverwege de jaren negentig richtte het bedrijf zich sterk op spraakherkenning – dat
Datamining Spraakanalyse is te zien als een vorm van datamining: telefonische conversaties kunnen worden ontsloten door ze om
nu het specialisme is van Van de Runstraat. Hij was onder andere betrokken bij spraaktechnologieprojecten bij Aegon en PCM.
termethoden helpen om verbanden en relaties
moet worden. Denk aan postcodes of plaatsna-
tussen onderwerpen en woorden naar voren te
men. Aegon zet spraakherkenning inmiddels in
halen. “De analyse laat je over aan de computer,
om klantvragen te classificeren en gesprekken te
je googelt als het ware – bijvoorbeeld op basis van
routeren. Naarmate de input complexer is, wordt
onderwerpen, aldus Van de Runstraat. “Hoe vaak
volledige herkenning steeds ingewikkelder, maar
komen bepaalde woordcombinaties voor in ge-
in de praktijk blijkt dat herkenning van ruwweg
sprekken? Steekproeven zijn voldoende om uit-
de helft van de informatie al leidt tot uitstekend
spraken te doen over de belangrijkste onderwer-
toepasbare resultaten. De techniek maakt het bo-
pen. Het systeem kan daarbij woorden groepe-
vendien mogelijk om in het gesprek onderscheid
ren die bij een bepaald cluster horen: je krijgt on-
te maken tussen wat de beller zegt en wat de
derwerpen terug die inzicht geven in hoe vragen
agent zegt, door het gesprek op twee sporen op
worden gesteld. Binnen een cluster kun je ver-
te nemen of door gebruik te maken van spreker-
volgens kijken hoe lang gesprekken duren, of ze
diarisatie, waarbij de computer het verschil in
vaak worden doorverbonden of hoe ze worden
stempatronen herkent. Zo kunnen we het ook
afgehandeld door agents.”
automatisch herkennen als een gesprek is doorverbonden, doordat één van beide sprekers ver-
Vooruitgang “Vijftien jaar geleden was
andert.
het ondenkbaar om uit een stukje gedicteerde spraak informatie te halen”, weet Van de Run-
Real time monitoren Spraakanalyse
straat. “Large vocabulary spraakherkenning, waar-
biedt met andere woorden de mogelijkheid om
bij op basis van veel gegevens spraak goed wordt
de inhoud van conversaties in te zetten in het
omgezet in tekst, is iets van de laatste jaren. Ser-
verbeteren van processen. “Je kunt real time mo-
vers zijn sneller en goedkoper geworden en bevat-
nitoren op onderwerpen die je interesseren. Op
ten veel meer opslagcapaciteit. Ook de spraaksoft-
het moment dat die woorden worden uitgespro-
ware is veel beter en goedkoper geworden, om-
ken door klanten of agents, geeft het systeem
dat steeds meer data worden gebruikt en de
daar informatie over. Je hoeft dus niet mee te luis-
software vaker wordt ingezet. Oude beperkingen
teren of gespreksonderwerpen of belredenen
spelen geen rol meer.” Met andere woorden: de
door agents te laten registreren. Hoeveel bellers
input (registratie en opslag) is beter, de through-
bellen opnieuw over dezelfde vraag? Of welke
put (verwerking) is beter, en daarmee is er aan
transacties en mutaties leiden tot de noodzaak
de outputkant veel gewonnen.
van opnieuw bellen door de klant?”
Door die verbeteringen in technologie schuift vol-
De opgenomen gesprekken leveren na analyse
gens Van de Runstraat het toepassingsgebied
ook een heel ander soort informatie op: name-
geleidelijk op. “Sprekersonafhankelijke spraak-
lijk over emoties en de sfeer in het gesprek. “We
herkenning wordt nu al succesvol toegepast bij
kunnen nu al zaken naar voren halen als veran-
een afgebakende set aan gegevens die herkend
deringen in de toonhoogte, de snelheid en het
volume van de spraak – informatie die kan wij-
geld en levert zeer beperkte informatie op. Je
zen op verandering van emotie.” Zo zou je bij-
weet niet of de gehanteerde turflijst volledig is.”
voorbeeld kunnen nagaan bij welke agents de gesprekken uit de hand lopen of kunnen moni-
Geautomatiseerde gesprekken Ge-
toren op het gebruik van bepaalde woorden die
automatiseerde chat is inmiddels al redelijk in-
een emotie weergeven (vervelend, irritant, stom,
geburgerd – denk aan de inzet van persona’s bij IKEA. Hoe groot is de kans dat we alle gesprekken geautomatiseerd laten ver-
De opgenomen gesprekken leveren na analyse ook informatie op over emoties en de sfeer in het gesprek fout). Je kunt zelfs nagaan in hoeverre agents
lopen? “Als een gesprek binnen een bepaalde
‘levelen’ met klanten door dezelfde taal te han-
context blijft, is dat wel te realiseren”, meent Van
teren.
de Runstraat. “Denk aan saldo-informatie, toeristische informatie of reisinformatie: ‘ik wil een
Investeren in verbeteringen Spraak-
hotel boeken voor twee nachten in Amsterdam’.
analyse levert inzicht in verbetermogelijkheden
Systemen werken daarbij met verificatievragen.
op, maar willen contactcenters wel verder met
Maar het aantal mensen dat voor dit soort vra-
investeren in kwaliteit? Of kiezen ze uit kos-
gen belt, neemt af omdat ze steeds meer via
tenoverwegingen steeds voor een ideale verhou-
webselfservice worden afgehandeld. Dat wat
ding tussen kosten en baten – meestal leidend
overblijft aan conversaties is complexer van aard
tot suboptimale dienstverlening?
en zal minder gemakkelijk te automatiseren zijn.
Over een jaar of tien laten alle contactcenters
Dat zegt iets over de mate waarin bedrijven er in
spraakanalyse ‘meedraaien’, zo schat Van de
slagen alle businessprocessen digitaal in kaart
Runstraat in. “Die informatie kun je niet meer
te brengen. Verder blijven er natuurlijk gesprek-
negeren. Er zullen natuurlijk altijd callcenters blij-
ken over waarbij je de dialoog beslist niet wilt
ven bestaan die zich niet bezighouden met ver-
vermijden: contact is een kans. Denk aan opzeg-
beteren van de dienstverlening. Deze analysetech-
gingen en mogelijkheden voor up- en cross sel-
niek maakt het nu juist mogelijk om uit die dui-
ling. Met spraakanalyse kun je het optimum vin-
zenden gesprekken vermijdbaar verkeer te filte-
den: welke vragen willen we zelf afhandelen en
ren, aangrijpingspunten te vinden voor het au-
welke vragen zijn te automatiseren?” &
tomatiseren van klantcontact. Dat draagt allemaal bij aan kostenbesparingen. Het laten categoriseren van calls door agents kost ook tijd en
Bekijk de video http://youtu.be/1jppjWHaIXo.
