智能对话分析 阿里云智能质检

背景介绍

大量服务数据积累

随着云计算的快速发展，业务量和客户量的迅速增长，呼叫中心的电话语音、工单系统的文本，以及其他各类渠道的信息，汇总成了庞大的服务数据。

这庞大的服务数据中，如何判断服务人员的服务水平和质量？他们所提供的服务是否符合服务规范？这些数据中是否隐含着业务机遇？是否内含着舆情和风险信息？是否可以提供发现具体业务问题的方法？

解决此类质量检测问题，需要做大量的数据分析。

服务质量亟待提升

针对以上问题，许多公司都成立了客服质检团队。然而，粥多僧少，2-3名的质检人员往往需要应对每月上万级的服务数据。传统质检方式下，质检人员随机抽取服务数据进行复核检查，凭经验人工筛选出可能存在问题的工单、电话和其他数据。抽样比例低，漏检风险大，也不易发现潜在的业务机会与舆情风险。

质检是一个刚性需求，有电话语音坐席、工单服务、IM服务的行业都有质检需求，几乎所有主流行业都需要对产生的服务对话数据进行智能化分析和质量检测。

智能对话分析服务

基本业务流程

随着阿里云业务的持续快速增长，服务质量的要求越来越高，传统质检方式的弊端也越来越明显。为了进一步提升服务质量，更全面、及时地发现服务问题，减少服务投诉率与舆情风险，我们需要对服务对话数据进行多维度分析。通过制定灵活多变的规则，分析筛选出特定的业务场景，识别有价值的服务对话数据。智能对话分析服务应运而生。

智能对话分析服务能够对所有服务过程产生的数据进行全量的智能分析，摆脱人员的限制，全面挖掘服务数据的价值，针对全量的服务数据进行自动化质检，可以做到电话一挂断，立刻触发语音转文本并做质检，实时生成质检结果，通过灵活的规则配置，覆盖多个复杂的业务场景，数据质检的成本低，质检结果响应及时。

如图1所示是智能对话分析服务的基本业务流程，首先，语音数据和文本数据共同构成待代检数据，结合业务人员输入的质检规则，智能对话分析服务会产生出匹配结果并通知质检结果处理人，支持处理人进行在线人工校验并保存复核结果，最后，智能对话分析服务支持定期对质检结果进行多维度的统计分析，发现潜在的业务机会、服务风险与舆情问题。

创建质检规则

要使用智能对话分析服务必须先创建质检规则。什么是质检规则呢？例如客服接通电话后必须说问候语，这就是一条基本的服务规范规则。为了充分的了解并灵活运用强大的质检规则，首先我们需要介绍四个基本名词：规则、条件、检查范围、算子。

1. 规则：规则是由逻辑运算符(&&, ||, !, !=, ==)和条件组成的表达式，如”条件1 && (!条件2) || (key1 != value1)”，其中”等”与”不等”只能用于kv值的判断。
   1. 运算符中逻辑非(!)的优先级最高，等与不等(==, !=)次之，与或运算符(&&, ||)最低，例：a && !b || k == v会依次计算!b，k ==v，及剩下的表达式。
   2. 可以用括号来改变运算次序，如!(c1 && c2)就会先算c1 && c2。
2. 条件：条件由检查范围和算子组成，如「客服的第一句话是 “你好”」这个条件的检查范围是「客服说的第一句话」，算子是「出现关键字 “你好”」，一个条件内可以包含多个算子组成的逻辑表达式。
3. 检查范围：目前支持的检查范围有下面3个基准范围的交集。
   1. 某个条件(第一次命中或最后一次命中)之(前、后、当句)。
   2. 角色（客服或客户）。
   3. 第M句到第N句，M与N的取值范围是从1到N。
4. 算子：对检查范围限定的句子逐句做出判定。
   1. 关键字或正则表达式：检测当前句子是否包含关键字或匹配正则表达式。
   2. 问句检测：检测当前句子是否是问句。
   3. 意思重复：检测当前句是否与当前句之前的句子的意思重复。
   4. 时间间隔：检测当前句与上一句是否间隔超过指定值。
   5. 字数相近句：检测与参考句子在设置的字数差距以内的句子。
   6. 语义匹配：检测与给定的多个参考相似度大于设置值的句子。
   7. 语速检测：检测当前句语速是否超过指定值。

以下例子详细讲解了一个完整质检规则的组成。

例子：客户向客服提出挂载快照的请求，完成后需要提醒客户挂载快照后的注意事项。这是个相对比较复杂的针对具体业务的服务规范规则。

• 规则=!条件2
• 条件1：客户提出挂载快照请求
  • 检查范围：全文客户说过的话
  • 算子：匹配“挂载快照”的语义
• 条件2：提醒客户挂载快照后的注意事项
  • 检查范围：条件1命中的句子之后，客服说的话
  • 算子：匹配“提醒客户挂载快照后的注意事项”的语义

图2. 规则的详细配置

质检任务配置

图3. 质检任务配置
如图2所示创建完规则后，我们就可以在规则列表部分选择一条或者多条规则来执行质检任务。接着，我们需要选择待检的数据集，对里面的数据进行质量检测，配置完成后单击“确认”，这条质检任务请求就会发送到分析引擎。

执行质检任务

智能对话分析服务引擎获取到待检任务后，会根据待检数据的类型选择不同的处理逻辑。例如发现待检数据是语音文件时，会先做语音识别，再推送到待检数据队列。分析引擎会根据用户选择的规则，调用分析匹配算法模块，对这条数据进行智能化质检，生成最终的结果。

质检结果复核

图4. 质检结果复核列表
如图4所示，智能对话分析引擎执行完质检任务后，从规则质检结果的“查看结果”入口，可以查看结果复核列表，质检人员需要登录到管控台查看质检结果复核列表，对每一条规则命中结果进行复核。我们也可以看到每条命中记录的复核状态、被几条规则命中过、实际违规数以及复核准确率。操作部分可以点击“复核”查看详细的对话数据以及规则命中情况。

图5. 质检结果复核页面
如图5所示是详细的质检结果复核页面，可以看到这个电话语音被这条规则命中的地方，命中的关键词会标红，命中的句子也会高亮显示，这样既有利于提高质检人员的复核效率，又能切实地反映出客服具体的违规点。

智能对话分析服务使用案例

需要解决的问题场景

这里假设一个场景：ECS的客户提出更换磁盘类型，客服人员应该提供正确的解决方案并做出正确引导，质检人员需要通过智能分析服务识别该场景，同时识别客服人员是否进行了正确引导。

创建的质检规则

图6.规则详情
如图6所示是质检人员为了解决上面的场景创建的规则，条件a是为了发现客户是否提出了更换磁盘类型的需求，条件a利用正则表达式算子匹配各种类型的更换磁盘类型需求，检测范围是客户说的话，这个条件是这条规则的基础与前提。条件b和条件c都包含两个正则表达式算子，查看客服是否做了“不支持或无法更换磁盘，需要更换系统盘或换服务器系统”这种片面引导。条件b的检测范围是条件a命中之后的客服说的后3句话，条件c的检测范围是条件a命中之前客服说的前3句话，规则的条件间逻辑关系是b||c，这样就能覆盖所有的问题情况。

质检结果复核

图7. 质检结果复核页面
图7是这条规则命中的数据复核页面，可以看到客户提出了磁盘类型要换成ssd，命中条件a，关键词“换成ssd”被高亮标红, 然后继续检测客服说的后3句话，发现命中了条件b，之前设置的片面引导关键词“更换系统盘”被高亮显示。这样，质检人员就精准发现并定位了一个问题案例，可以基于这个案例做服务培训的优化和改进。