تحليل الكلام

تحليل الكلام هو عملية تحليل المكالمات المسجلة لجمع معلومات العملاء بهدف تحسين التواصل والتفاعل المستقبلي. تستخدم مراكز خدمة العملاء هذه العملية بشكل أساسي لاستخراج المعلومات القيّمة من تفاعلات العملاء مع المؤسسة. ^{[ 1 ]} على الرغم من أن تحليل الكلام يتضمن عناصر من التعرف التلقائي على الكلام ، إلا أنه يُعرف بتحليل الموضوع المطروح، مع مراعاة الطابع العاطفي للكلام وكمية الكلام ومواقعه مقارنةً بغير الكلام أثناء التفاعل. يمكن استخدام تحليل الكلام في مراكز خدمة العملاء لاستخراج المعلومات الأساسية من تفاعلات العملاء المسجلة، مما يُسهم في بناء استراتيجيات فعّالة لضبط التكاليف وتحسين خدمة العملاء. تُساعد هذه التقنية في تحديد عوامل التكلفة، وتحليل الاتجاهات، وتحديد نقاط القوة والضعف في العمليات والمنتجات، وفهم كيفية تقييم السوق للعروض. ^{[ 2 ]}

توفر تحليلات الكلام تحليلاً شاملاً للمحادثات الهاتفية المسجلة بين الشركة وعملائها. ^{[ 3 ]} كما توفر وظائف متقدمة ومعلومات قيّمة مستقاة من مكالمات العملاء. ويمكن استخدام هذه المعلومات لاكتشاف جوانب تتعلق بالاستراتيجية والمنتج والعمليات والمشكلات التشغيلية وأداء موظفي مركز الاتصال. ^{[ 4 ]} إضافةً إلى ذلك، تستطيع تحليلات الكلام تحديد المجالات التي قد يحتاج فيها موظفو مركز الاتصال إلى تدريب أو توجيه إضافي، ^{[ 5 ]} كما يمكنها مراقبة خدمة العملاء المقدمة عبر المكالمات تلقائيًا. ^{[ 6 ]}

تُتيح هذه العملية تحديد الكلمات والعبارات الأكثر استخدامًا خلال فترة زمنية محددة، فضلًا عن تحديد ما إذا كان استخدامها في ازدياد أم تناقص. تُفيد هذه المعلومات المشرفين والمحللين وغيرهم في المؤسسة في رصد التغيرات في سلوك المستهلك واتخاذ الإجراءات اللازمة لتقليل حجم المكالمات وزيادة رضا العملاء . كما تُتيح فهمًا أعمق لطريقة تفكير العميل، مما يُتيح بدوره للشركات فرصة إجراء التعديلات اللازمة. ^{[ 7 ]}

تستطيع تطبيقات تحليل الكلام رصد الكلمات أو العبارات المنطوقة، إما كتنبيهات فورية على الصوت المباشر أو كخطوة معالجة لاحقة على الكلام المسجل. تُعرف هذه التقنية أيضًا باسم استخراج البيانات الصوتية . تشمل الاستخدامات الأخرى تصنيف الكلام في بيئة مركز الاتصال لتحديد المكالمات من العملاء غير الراضين. ^{[ 8 ]}

تُعدّ مقاييس مثل الدقة والاستدعاء ، الشائعة الاستخدام في مجال استرجاع المعلومات ، من الطرق النموذجية لتقييم استجابة نظام البحث في تحليل الكلام. ^{[ 9 ]} تقيس الدقة نسبة نتائج البحث ذات الصلة بالاستعلام، بينما يقيس الاستدعاء نسبة إجمالي عدد العناصر ذات الصلة التي أعادت نتائج البحث. عند استخدام مجموعة اختبار موحدة، يمكن استخدام مقاييس مثل الدقة والاستدعاء للمقارنة المباشرة بين أداء البحث لأنظمة تحليل الكلام المختلفة.

قد يكون إجراء مقارنة ذات مغزى لدقة أنظمة تحليل الكلام المختلفة أمرًا صعبًا. يمكن تقييم مخرجات أنظمة التعرف على الكلام المرئي (LVCSR) مقابل نصوص مرجعية على مستوى الكلمات لإنتاج قيمة لمعدل خطأ الكلمات (WER)، ولكن نظرًا لأن الأنظمة الصوتية تستخدم الأصوات كوحدة أساسية للتعرف، بدلًا من الكلمات، فلا يمكن إجراء مقارنات باستخدام هذا المقياس. عند استخدام أنظمة تحليل الكلام للبحث عن الكلمات أو العبارات المنطوقة، فإن ما يهم المستخدم هو دقة نتائج البحث المعروضة. ولأن تأثير أخطاء التعرف الفردية على نتائج البحث هذه قد يختلف اختلافًا كبيرًا، فإن مقاييس مثل معدل خطأ الكلمات لا تكون مفيدة دائمًا في تحديد دقة البحث الإجمالية من وجهة نظر المستخدم.

بحسب مكتب محاسبة الحكومة الأمريكية ^{[ 10 ]} ، فإن "موثوقية البيانات تشير إلى دقة واكتمال البيانات المُعالجة حاسوبياً، بالنظر إلى الاستخدامات المُخصصة لها". وفي مجال التعرف على الكلام وتحليله، يُقاس "الاكتمال" بمعدل الكشف، وعادةً ما ينخفض ​​معدل الكشف مع ازدياد الدقة. ^{[ 11 ]}

تستخدم شركات تحليل الكلام "محركًا" تابعًا لجهة خارجية، بينما تقوم شركات أخرى بتطوير محركات خاصة بها. وتعتمد هذه التقنية بشكل أساسي على ثلاثة مناهج. يُعدّ المنهج الصوتي الأسرع في المعالجة، ويعود ذلك في الغالب إلى صغر حجم القواعد النحوية، حيث تُعتبر الفونيمات وحدة التعرّف الأساسية. لا يتجاوز عدد الفونيمات الفريدة في معظم اللغات بضع عشرات، ويكون ناتج هذا التعرّف عبارة عن سلسلة (نص) من الفونيمات، والتي يمكن البحث فيها لاحقًا. أما التعرّف على الكلام المستمر ذي المفردات الكبيرة (LVCSR، والمعروف أيضًا باسم تحويل الكلام إلى نص، أو النسخ الكامل، أو ASR - التعرّف التلقائي على الكلام)، فيستخدم مجموعة من الكلمات (ثنائيات، ثلاثيات، إلخ) كوحدة أساسية. يتطلب هذا المنهج مئات الآلاف من الكلمات لمطابقة الصوت معها. ويمكنه الكشف عن مشكلات تجارية جديدة، كما أن الاستعلامات أسرع بكثير، ودقته أعلى من المنهج الصوتي. ^{[ 12 ]}

يعتمد نظام التعرف على المشاعر والتنبؤ بها في الكلام الموسع على ثلاثة مصنفات رئيسية: kNN، وC4.5، وSVM RBF Kernel. يحقق هذا النظام أداءً أفضل من كل مصنف أساسي على حدة. وقد تمت مقارنته بمجموعتين أخريين من المصنفات: SVM متعدد الفئات من نوع "واحد ضد الكل" (OAA) مع نواة هجينة، ومجموعة مصنفات تتكون من المصنفين الأساسيين التاليين: C5.0 والشبكة العصبية. وقد حقق النظام المقترح أداءً أفضل من المجموعتين الأخريين. ^{[ 13 ]}

تشير أبحاث السوق إلى أن تحليل الكلام من المتوقع أن يصبح صناعة بمليارات الدولارات بحلول عام 2020، مع استحواذ أمريكا الشمالية على الحصة السوقية الأكبر. ^{[ 14 ]} يُعزى معدل النمو إلى تزايد متطلبات الامتثال وإدارة المخاطر، فضلاً عن ازدياد حدة المنافسة في القطاع من خلال معلومات السوق . ^{[ 15 ]} وتُعتبر قطاعات الاتصالات وتكنولوجيا المعلومات والاستعانة بمصادر خارجية هي القطاعات التي تستحوذ على الحصة السوقية الأكبر، مع توقعات بنمو قطاعي السفر والضيافة. ^{[ 14 ]}

• ذكاء العملاء
• ديناميكيات العملاء
• التعرف على الكلام