【課程背景】
隨著客服管理中智能化應用的逐步深入，智能質(zhì)檢的部署與導入也成為很多客服中心的關注重點，與智能機器人不同，智能質(zhì)檢面對的分析對象是已發(fā)生的業(yè)務記錄（音頻或文字），而智能質(zhì)檢所實現(xiàn)的也并非是代替人工的全量抽檢，而是可以完成從機器質(zhì)檢到文本挖掘再到交互報表的實現(xiàn)這一完整的鏈條，本課程從功能發(fā)展、系統(tǒng)需求、后期訓練幾個維度進行介紹和演練，讓管理者全面理解智能質(zhì)檢系統(tǒng)在客服中心的部署和應用。

【課程大綱】

1 智能質(zhì)檢系統(tǒng)的發(fā)展
1.1 智能質(zhì)檢系統(tǒng)的迭代過程
1.2 不同系統(tǒng)的實現(xiàn)功能
1.3 算法與數(shù)據(jù)應用

2 智能質(zhì)檢系統(tǒng)的部署與導入
2.1 智能質(zhì)檢系統(tǒng)前期準備
2.1.1 流程準備
2.1.2 人員準備
2.1.3 知識準備
2.2 系統(tǒng)需求書撰寫
2.2.1 以終為始式思考
2.2.2 適用性
2.2.3 經(jīng)濟性
2.3 語音引擎的選擇
2.3.1 識別準確率
2.3.2 降噪與參數(shù)調(diào)優(yōu)
2.3.3 實時語音OR延時語音
2.4 部署與導入的工作配合
2.4.1 系統(tǒng)對接
2.4.2 人員對接
2.5 后臺配置
2.5.1 系統(tǒng)參數(shù)配置
2.5.2 角色配置
2.5.3 模型配置
2.6 語料庫導入
2.6.1 通用語料
2.6.2 專用語料
2.6.3 語義模板
2.6.4 分詞效果
2.6.5 語義識別模板
2.7 通用模型導入
2.7.1 開頭語與結束語
2.7.2 服務忌語
2.7.3 通用話術

3 智能全量質(zhì)檢功能實現(xiàn)
3.1 業(yè)務分析
3.1.1 業(yè)務類別
3.1.2 定制評分表
3.1.3 評分表導入
3.2 業(yè)務模型搭建
3.2.1 根據(jù)業(yè)務類別確定模型數(shù)量
3.2.2 評估效果
3.3 模型訓練與調(diào)優(yōu)
3.3.1 業(yè)務邏輯訓練
3.3.2 語義理解訓練
3.4 效果校驗
3.4.1 業(yè)務場景覆蓋率
3.4.2 人工效果校驗

4 智能質(zhì)檢與知識庫前置
4.1 智能質(zhì)檢對知識庫的內(nèi)容需求
4.1.1 業(yè)務邏輯中需調(diào)用知識庫
4.1.2 話術引用
4.1.3 流程或SOP內(nèi)容
4.2 知識庫內(nèi)容對接
4.2.1 分析現(xiàn)有知識庫適用性
4.2.2 內(nèi)容轉(zhuǎn)置
4.3 知識調(diào)用的界面

5 文本挖掘與應用
5.1 文本挖掘模型與算法
5.1.1 關鍵詞聚類
5.1.2 業(yè)務分類
5.1.3 算法趨勢
5.2 關鍵詞與熱詞的聚類分析漏斗
5.2.1 產(chǎn)出需求分析
5.2.2 分析漏斗的思路
5.3 文本挖掘的應用場景
5.3.1 客戶體驗痛點分析
5.3.2 競品分析
5.3.3 專項業(yè)務類別分析
5.3.4 績效分析
5.4 利用文本挖掘優(yōu)化質(zhì)檢業(yè)務模型
5.4.1 聚類客戶特征
5.4.2 細化不同聚類客戶的質(zhì)檢要素

6 交互報表與自動化報告
6.1 全量質(zhì)檢的交互報表
6.1.1 質(zhì)檢數(shù)據(jù)與運營數(shù)據(jù)
6.1.2 質(zhì)檢數(shù)據(jù)與培訓數(shù)據(jù)
6.1.3 質(zhì)檢數(shù)據(jù)與員工績效
6.1.4 角色報表
6.2 文本挖掘的交互報表
6.2.1 熱詞頻度報表
6.2.2 關鍵詞挖掘報表
6.2.3 質(zhì)檢數(shù)據(jù)與文本挖掘的交叉報表
6.3 生成自動化報告
6.3.1 通用報告
6.3.2 定制化報告