讓聲音成為有意義的數(shù)據(jù)

　　數(shù)據(jù)分析的風(fēng)潮在幾年間席卷了全球。一方面是因?yàn)槭殖衷O(shè)備數(shù)量不斷增長，機(jī)器產(chǎn)生的數(shù)據(jù)越來越多，另一方面，因?yàn)楸O(jiān)測變得容易，人與人之間互動產(chǎn)生的數(shù)據(jù)也持續(xù)暴增。

　　大量的數(shù)據(jù)滋養(yǎng)了過去停滯不前的人工智能，使其達(dá)到了新的里程碑。而在商業(yè)應(yīng)用上，企業(yè)主特別關(guān)心的是那些「跟人有關(guān)的數(shù)據(jù)」，也就是顧客的數(shù)據(jù)。

　　錄音是一個歷史悠久的技術(shù)。貼近顧客的客戶服務(wù)產(chǎn)業(yè)，基于法規(guī)和商業(yè)理由，存放了大量的錄音檔。這些錄音檔，有時能用來證明或是確認(rèn)服務(wù)人員與顧客的對話。但長期以來都像是個黑盒子，看不清里面有什么。直到這幾年，這個黑盒子才開始與數(shù)據(jù)分析的趨勢接軌。

　　第一個原因，是人們漸漸無法忍受不透明的數(shù)據(jù)。許多新興企業(yè)透過網(wǎng)絡(luò)營銷，并販賣商品，絕大部分都是原生于網(wǎng)絡(luò)的文字?jǐn)?shù)據(jù)。這些文字?jǐn)?shù)據(jù)都非常容易被集中管理，檢索，與分析。但過傳統(tǒng)方式留下的聲音與影像，并不是那么容易用機(jī)器分析，需要真人慢慢判讀。這種落差，讓企業(yè)想找出新的方法重新檢視舊數(shù)據(jù)。

　　另一個契機(jī)，就是近年影像和聲音辨識技術(shù)的重大進(jìn)展。影像識別已經(jīng)帶來像是自動駕駛等等創(chuàng)新應(yīng)用。語音識別也到了可商用的準(zhǔn)確度。事實(shí)上，每個人口袋里的智能型手機(jī)都有簡短互動的語音識別能力。但說到真正能發(fā)揮語音識別技術(shù)的，還是莫過于日夜都有大量錄音涌入的客服中心產(chǎn)業(yè)。

　　從一些訪談中我們觀察到，現(xiàn)今許多客服主管，仍必須用人工聽錄音的方式，試圖找出服務(wù)過程的缺失與細(xì)節(jié)。

　　有個案例是來自知名的商業(yè)銀行，關(guān)于顧客打來抱怨保單的金額和當(dāng)初銷售不符。在這種情況下，客服主管必須逐一聽過前面每一通錄音，才能確認(rèn)到底是銷售人員的缺失，還是顧客自己搞錯了。

　　在這個幾乎什么都可以搜尋的時代，客服主管卻只能一通一通的慢慢聽錄音，是一件非常耗費(fèi)心力的事。

　　數(shù)據(jù)的價值，是建立在數(shù)據(jù)的可搜尋性。沒有辦法被搜尋的數(shù)據(jù)，就沒有價值，也就沒有意義。然而，改變這項(xiàng)限制的時機(jī)與工具已經(jīng)成熟。企業(yè)必須思考一個問題：有什么數(shù)據(jù)是我們還不能搜尋分析的？

　　而對客服中心來說，就是如何讓錄音成為可分析的數(shù)據(jù)。

　　這將帶來非常多好處：

　　錄音數(shù)據(jù)的透明化，可說是關(guān)乎企業(yè)的時間成本，以及潛在銷售獲利的關(guān)鍵。

　　要做到錄音可分析，現(xiàn)在有三個主要步驟：第一，運(yùn)用語音轉(zhuǎn)文字（SpeechtoText）的算法把音文件轉(zhuǎn)成文字?jǐn)?shù)據(jù)；第二，運(yùn)用搜索引擎或分析工具過濾并處理；最后，用可視化的方式呈現(xiàn)給使用者。

　　要做到這三件事，需要的關(guān)鍵技術(shù)如下：

　　原始錄音檔需要非常大量的儲存空間，轉(zhuǎn)譯成文字后若要做更多應(yīng)用，也需要與其他數(shù)據(jù)（例如社群媒體、文字客服等數(shù)據(jù)）整合，這些都需要能夠乘載大量數(shù)據(jù)的儲存系統(tǒng)。另一方面，因應(yīng)錄音量可能暴增，必須具備彈性擴(kuò)容的能力。這對傳統(tǒng)的字料庫與服務(wù)器都是很大的挑戰(zhàn)。許多新興企業(yè)會采用云端服務(wù)，例如亞馬遜云端服務(wù)（Amazon Web Service）提供了在線巨量且方便擴(kuò)容的儲存。但基于客服中心的數(shù)據(jù)涉及顧客的個人信息，如果不適合直接使用云端服務(wù)，企業(yè)就必須有能力自建軟件定義儲存（software defined storage）系統(tǒng)。才能在脫機(jī)的狀態(tài)下，提供大量且彈性的儲存。

　　語音轉(zhuǎn)文字引擎，是讓錄音可以被分析的關(guān)鍵。上述提到，語音識別的成熟度已經(jīng)相當(dāng)高，但由于需要大量訓(xùn)練用數(shù)據(jù)，對一般企業(yè)來說仍不是一個能夠自建的工具。基于這個理由，許多云端公司都有提供語音轉(zhuǎn)文字的API可以使用。像是IBM的Bluemix，或是MicrosoftAzure。但同樣的，客服產(chǎn)業(yè)的特殊性可能不適合直接使用云端服務(wù)。此時就需要跟專業(yè)的語音識別公司合作。建立一個辨識率高的引擎并不容易，有許多環(huán)節(jié)需要調(diào)整。英文辨識良好的引擎未必能對中文運(yùn)作，就算同一個語言，不同地區(qū)的口音也會造成影響。另一個需要花心思的環(huán)節(jié)，是辨識后文字的處理方式。如何斷詞，標(biāo)記等等，都會影響到后續(xù)的文字分析是否準(zhǔn)確。

　　現(xiàn)今做數(shù)據(jù)分析的技術(shù)已經(jīng)非常普遍，像是熱門的Hadoop，Spark等數(shù)據(jù)處理工具。還有讓企業(yè)能夠自建高效搜索引擎的ApacheLucene，Elasticsearch等等。對客服中心來說，自建搜索引擎是非常適合的選項(xiàng)。錄音經(jīng)過語音識別成為文本文件，然后被搜索引擎索引，進(jìn)而成為可搜尋的數(shù)據(jù)。如前文提到，有時客服中心的需求是追蹤特定的電話內(nèi)容，透過搜索引擎，就可以在毫秒間定位到對應(yīng)的錄音。

　　為了讓使用者能夠鎖定特定的錄音，或是分析錄音之間的趨勢，必須能夠彈性地定義匹配方式，也就是如何設(shè)計(jì)一個適切的模型匹配（Pattern Matching）功能。技術(shù)上可以運(yùn)用搜索引擎與機(jī)器學(xué)習(xí)，視需求找出精準(zhǔn)或模糊的匹配結(jié)果。

　　最后一個關(guān)鍵是操作接口。接口的實(shí)作方式很多，而要做出跨平臺方便使用的接口，較主流的做法是使用Html5網(wǎng)頁技術(shù)。然而，好的操作性必須倚賴設(shè)計(jì)，錄音分析的獨(dú)特性，在于必須兼顧量與質(zhì)兩者。一方面要能夠看出海量數(shù)據(jù)間的大趨勢，另一方面也要能夠鎖定個別錄音，去挖掘客戶對話中的癥結(jié)點(diǎn)在哪里。這需要獨(dú)特的接口設(shè)計(jì)，用視覺畫圖表的方式呈現(xiàn)大數(shù)據(jù)，并對個別錄音能夠做深入紀(jì)錄。

　　企業(yè)必須體認(rèn)到，透過這些技術(shù)，客服中心可以擁有前所未有的利器，可以剖開錄音的黑盒子，讓聲音成為有意義的數(shù)據(jù)。