Andy Traba是Mattersight的行为和数据科学副总裁，一个公司，纺出eLoyalty约六年前追求的理念，你可以通过语音识别分析，通信偏好，并利用这些知识来提高呼叫中心的性能。Traba，谁运行团队负责生成算法，把自由交谈到数据，以及为建立围绕这些数据集的应用，解释它是如何工作网络世界总编辑约翰·迪克斯队。足球竞猜app软件
Mattersight
Mattersight行为和数据科学副总裁Andy Traba说
我们的演讲说明了我们是谁，你如何利用这一点来提高呼叫中心的业绩?
你和我的沟通方式决定了我们的个性。我通常围绕价值陈述、观点或我为什么支持某事的理论进行沟通。这和那些关心事实和数据的人是非常不同的，他们是线性的，以时间为基础的，和那些交流感情和情绪状态的人是不同的。我们选择的一些词，如“我”、“我们”或“我们”，确实能很好地预测或宣传我们的个性风格。
机器善于捕捉这些细微差别并识别模式。然后,一旦我们能够识别模式的演讲,我们最大的顿悟是有很多的变化,如果你可以连接沟通的人在一个类似的,你可以降低努力水平需要处理一个电话或者你可以提高客户的可能性会买东西的键控自然语言偏好和出售他们自然要卖给。
所以，你的秘诀是超越语音识别？
是的。我们首先要记录立体声的电话，因为我们希望能够准确地识别来电者，并从该轨道剂。然后，我们录制音频文件转换为文本文件，然后通过非常复杂的语音分析，拿起上的图案对个人做出的假设和断言。
这些断言可以是来电者的个性，他们在通话中的情绪(积极或消极)，甚至是特定事件的参考——他们是否有了孩子，或者结婚了，或者搬到了新家?也许他们询问了他们想要出售的产品，或者有某种程度的苦恼。他们在谈话中感到不舒服吗?
一旦你能够识别或分类所有这些要点，你就可以在主体方面做同样的事情来分析主体的行为或对这些单独谈话要点的反应是如何影响谈话产生积极或消极的结果的。
关于呼叫中心的伟大的事情是，他们只是一个大的实验室实验，因为每个人都在自己独特的方式略有不同做一些事情。我们最大的客户采取了每天250万个电话。如果他们把每个会话到数据点的五分钟，你就会有一个巨大的数据集和完善的实验室实验找出这些呼叫的输赢的行为。
你自己煮整个堆叠或者你使用别人的语音识别技术？
我们使用了自主研发的录音技术，并从VOCI技术领域的第三方语音转录技术 - 我们相信他们是最好的商用技术在那里 - 然后我们用自己本土的算法套件。从语音分析一切机器学习算法，这是所有自产自销。
好吧。你所描述的过程，是在电话之后发生的，还是你正在进行的?
当谈话结束时就会发生。我们没有为代理提供屏幕弹出，也没有为主管提供插入的能力。我们在这方面的立场是双重的:技术和费用，目前还没有利益证明;一个主管接电话会增加一个令人毛骨悚然的因素，我们还不想去那里。它几乎是实时发生的。所有这些信息都是在调用之后按照您希望的速度处理的。
我们将所有这些信息聚合到一个共享的数据库中，这样我们就可以将呼叫者的性格和行为信息与这个人的电话号码联系起来。然后，当您呼叫呼叫中心时，在大约50毫秒内，我们的路由应用程序将查找该电话号码，以确定个性和行为特征，并从可用的代理人群中评估谁最适合为您提供服务或向您销售产品。
Mattersight已经分析了超过10亿个来自我们客户的电话，我们已经收集了这10亿个电话，并将它们聚合到一个电话号码数据库中，这个数据库中有超过1亿个电话号码，这些号码都具有相关的个性风格和行为特征。
所以数据集是由多个客户创建的?
是的。Mattersight可以记录和分析客户的今天农行的电话，并采取数据库，并将其应用到客户端XYZ，即使我们不记录和分析他们的呼声。由于来电者的电话号码是一样的，我们已经知道他们是谁。
您的客户还好与分享这样呢？
我们不分享。它包裹在一个应用程序，没有人有权访问的风格。这是一个黑盒子模型，这就是为什么它的好。我们不卖本身的信息;我们只是用它在一个黑盒子模型来杠杆作用。
所以，你知道与一个给定的电话号码相关的历史，当这个号码出现在一个新的领域时，比如医疗保健和金融，你可以让打电话的人与一个代理保持一致，这可能是最好的帮助他们的方式。
是的。我们通过将电话号码，性格和行为与代理人的工作表现相匹配来确定。这就是让你的机器学习确定最佳匹配的原因。使用历史信息代理看到他们如何表现在人格,B, C和D,然后映射的电话号码说我们知道从过去的这个代理的信息是很好的处理人格从人格B B,给他们更多的电话,自然会提升他们的表现。
投资的回报率是多少?如何衡量呢?
我们看到，无论关键绩效指标是什么，都有5%到40%的提升。目标可以是减少通话时间或增加销售或收入。我们证明它的方法是通过定期开关系统。这就像我们在创建一个A/B测试，我们称之为主动模式和被动模式。
在主动模式下，Mattersight是路由的，比方说，两个小时，然后我们返回到默认技术的路由两个小时。我们通过这一循环，30-60天在开始接合，然后我们能够比较和对比防范被动周期的KPI活动周期的KPI。
我们有足够的信心，我们要去创造价值，我们有性能保证合同，提供了一个2倍的回报。这就是我们如何做最初我们的定价和合约，因为没有人在这一天以为他们需要购买行为预测的路由开始苏醒这是独一无二的。但是，我们有足够的信心，我们将其备份与履约担保，这有助于缓解在销售周期的担忧。
我假设如果我有100个呼叫代理，10个最好的将会是99%的呼叫者的最佳选择，但这不是真的吗?
这不是真的。我们已经找到了一次又一次的是，即使你最好的经纪人仍然在他们是谁，良好的可变性。平均而言，是的，他们会比你最坏剂更好，但是这就是我们称之为一举两得。
假设你有四个代理商。排名第一的是最好的;排名第四的是最差的。如果性格类型呼叫者在呼叫，代理二号可能是最适合他们。这有两个好处。首先是，我们将呼叫路由到代理二号谁是最能卖出或服务该客户。但是，这是什么做的是让我们的储备剂一把手，最好的经纪人，为下一位的，我们可能没有有关该来电者的任何信息。因此，在这种情况下，我们的路线两次调用最优秀的人才。
换句话说，你从表现不佳的经纪人那里得到了更多的好处?
完全正确。如果你是一个棒球运动员，我们使用的一个类比是，我们扔更多的快球给快球击球手，我们扔更多的弧线球给弧线球击球手。
你能谈谈你发现的性格类型吗?
我们没有创建Mattersight所支持的人格模型。这个模型是由泰比·卡勒博士在70年代创造的。这个模型最出名的地方是它被NASA作为宇航员选拔和训练过程的一部分而采用。我们订阅这个模型是因为它是少数几个基于语言的模型之一，这意味着它是一个关于你用来宣传你的个性模型的词汇的理论。重要的不是你在说什么，而是你怎么说。每个人都可以用不同的方式表达同样的事情，正是这些差异宣传或突出了他们的个性风格。
但是我们的模型的独特之处在于它有六种个性风格。它在某种程度上与迈耶-布里格斯相似，因为它开始创造个体的原型。但它是不同的，因为它说每个人都有自己独特的六种风格的混合。它不会把任何个人硬塞进一种风格。
你能给我什么样的六个是一对夫妇的例子吗？
确定。我会讲到北美人口的流行程度。在北美最常见的是连接器。连接器是所有关于感情和情感状态和人。更重要的是，他们周围的每个人都快乐，而不是他们自己快乐。北美的人口也分裂为75%的连接器是女性，25%的连接器是男性。
第二个最普遍的是组织者。组织者都是关于时间、金钱和线性问题的解决。这些人在工作中写下要做的事情的清单，并在清单上划掉一些事情来寻找快乐和兴奋。为这些人提供服务，就是要以一种非常有效的方式解决问题，向他们销售产品的细节，保修范围和不保修范围。
另一个要突出显示的是原始。原创就是你的创意类型。他们很有趣，他们很有趣，他们很有活力，他们跳出固有的思维模式。在呼叫中心环境中，为他们提供方便是很重要的。他们想让你解决这个问题。他们不想为此付出任何努力。对他们来说，销售就是一切。这是关于产品的独特性;除了你，没有人会拥有它。他们不关心价格，保修期或质量。 They want to feel its uniqueness and they want it to be fun and flashy.
那是三个，但你的想法。
在聚会上，人们害怕和你说话是因为他们认为你在分析他们说的话吗?
这是一个祝福和诅咒。它是如此在你的头脑中根深蒂固，你挑东西了。它确实有助于在解决问题，告诉他们想听到什么样的人。这当然是的，你发现自己练的东西之一。
你刚才谈到的用例一点点，但你可以给我一个客户是如何使用它，用什么方式获益的一个例子吗？
我们是谁在使用预测行为路由，以提高他们的整体客户体验大型医疗保健客户。客户体验是非常重要的，因为它是在医疗保险将有多少报销业务的一大因素。人们通常调查，以了解这些信息，但平均回应率是2％，所以他们没有得到的临界质量，真正使这些数据诉讼。我们做的是分析患者的互动，然后预测每个呼叫的满意程度。这只是一个简单的1到10;如果该客户将采取的一项调查显示，这里就是他们会打进你。
我们将预测值转化为路由引擎的KPI，当我们将合适的人联系起来时，他们会有更好的体验，这就会进入调查得分。调查的分数变好了，他们从医疗保险中得到了更高的补偿。
有趣。最后，你要怎么做?未来会是什么样子?
在我们的实验室里，我们真正融入了整个人工智能/机器人浪潮。我们看到人工智能和机器人为客户接管了更多交易环节。如果我想检查我的平衡，我不应该和人类说话。我应该能和一些自动机器说话。你会看到越来越多的企业将他们的一些事务性交互方式转移到智能IVR系统中，并且有一天它一定会发展成为聊天机器人。
这也把更复杂的工作推给了代理。当机器接管了事务和更简单的工作时，代理就会被更困难、更复杂的工作所轰炸，我认为这在一定程度上促进了我们的增长——当所有这些情绪激动的客户都打来电话时，就会产生大量的事务可变性。
我们正在做的在我们的实验室正在试图弄清楚如何训练机器人倾听并收拾东西呼叫者使用，然后他们的讲话适应主叫方的通信偏好。How can you train a bot to recognize that this is a connector and you should not be delivering facts and figures to a connector, you should be making them feel happy and engaged in the conversation and make sure they’re going to leave that interaction feeling warm and fuzzy.
有多少客户，你有乡亲在这一点？
大约两打。我们主要是财富100强。
你们每个座位收费吗?
我们是一个基于SaaS的模型，每个月向每个用户收费。