如果將呼叫中心看做一個工廠，那么通話的電話就是呼叫中心生產的產品，大家都知道工廠出廠的產品不被質檢是不會放心的投入到市場上去的，所以呼叫中心的錄音也需要質檢，唯一的不同是呼叫中心的質檢有可能是抽檢。很多人會問，呼叫中心為什么會是抽檢而不是全部的錄音都被質檢呢?這中間主要的原因就是成本因素，但是到今天隨著人工語音智能質檢的出現，這個問題正在逐步的被解決。接下來，我們通過文章給大家簡單的介紹幾種質檢方式的優(yōu)缺點。

人工智能語音質檢

1、首先人工智能語音質檢到底是怎樣質檢的呢?首先人工語音機器人能夠在客服代表與客戶交流過程中，通過語音識別系統(tǒng)將語音轉化成為文字(參考語音輸入或訊飛輸入法)，并可以實現100%的質檢覆蓋。當然，強大的語音機器人可以實現對俚語、小語種的識別，媽媽再也不擔心質檢員聽不懂方言了。將錄音識別成文字后，通過企業(yè)前期錄入系統(tǒng)中間的關鍵詞、業(yè)務關鍵點、流程備注、話語重復次數要求等業(yè)務模型和服務模型要求對話務員進行業(yè)務質檢。同時人工智能語音質檢能夠通過字數(字數/時間)、音量、聲道、波動次數、通話靜默檢測客服代表的服務質量水平及情緒變化情況。通過聲紋識別的方式區(qū)分服務場景，人工智能語音質檢能對分客服與客戶的對話進行場景分割，以此來進行數據分析(話務員部分用來質檢、客戶部分用來進行數據分析：比如營銷政策或者客戶需求分析等等)。

說了這么多，我們首先來總結一些人工智能質檢的優(yōu)缺點吧。

優(yōu)點：質檢效能高、質檢覆蓋率高、質檢結果公平、可同頻質檢并在線提醒客戶代表、分析報告數據可實時查看、節(jié)約人力成本等。

缺點：前期投入成本高(一般小型企業(yè)難以承擔)、數據庫數據巨大、建模麻煩(比如歡迎語需要有歡迎語的質檢模型、不同的產品需要有不同產品的質檢模型等)、語意需要持續(xù)更新、機器人質檢無法考慮通話背景(如客服代表插話是否是溝通需要就很難通過機器人進行判別)、運用率較低。

適用范圍：通用，但專題質檢(如FCR分析等等)建議質檢員還是人工聽取錄音比較好

同屏語音質檢

2、同屏語音質檢指的是質檢員能夠通過系統(tǒng)，對話務員進行實時質檢，并且能夠通過系統(tǒng)管理看到話務員直接的操作界面，并將質檢結構直接記錄與系統(tǒng)，用于數據分析。

優(yōu)點：發(fā)現問題，解決問題迅速。能夠迅速發(fā)現服務過程中的流程、人員、業(yè)務與客戶期望質檢的差距，并能及時提醒客服代表的差錯并及時進行處理。

缺點：質檢結果準確度不高，錄音樣本抽取不一定科學，適用范圍小，質檢員工作壓力大等。

適應范圍：特殊質檢(如持續(xù)滿意度底下的員工)以及新員工質檢。

傳統(tǒng)后置錄音質檢

3、該質檢方式是目前大部分的呼叫中心在運用的質檢方式，主要是通過后期質檢員在線傾聽客服代表錄音的方式進行，將錄音結果登記于表格之中并將表格進行數據分析，同樣該質檢的方式也有他的優(yōu)缺點：

優(yōu)點：客服反復聽取錄音、能有效發(fā)現服務存在的問題、一般而言質檢結果的準確性更高、使用普遍性高、成熟度高、技術壁壘低、前期投入低等。

缺點：發(fā)現問題的時效性較差、無法第一時間直接處理服務過程中存在的問題、質檢工作量大、效率低且覆蓋率低，難以有效評價整體服務質量等。

適應范圍：日常質檢或專題質檢。

以上三種為呼叫中心主要的語音質檢方式，具體的優(yōu)缺點與運用各位可以根據自己呼叫中心的特點進行甄別運用。下一專題我們將通過文章與大家交流質檢標準的設置與質檢表的設置邏輯。