将客户服务电话变成企业知识图

多年来，对文本分析和语音识别的需求在不断扩大，在各种类型的企业和行业的销售，市场营销和客户服务部门中变得越来越普遍和重要。对于这些联络中心用例而言，目标很简单：为与潜在客户互动的人工座席提供实时帮助，以达成销售，启动业务并提高客户满意度。

直到不久以前，由于语音识别和文本分析的艰巨性，联络中心和组织还掩盖了包含客户文本，聊天和电话的大量非结构化数据。但是，当这些信息容易集成到知识图中时，它们将成为改善代理人交互和实现业务目标的最可靠渠道。

借助组织分类法，机器学习，自然语言处理（NLP）和语义搜索的精明用法，知识图使语音识别和文本分析立即可用，从而实现实时的客户交互，从而可以最大程度地实现业务目标和收入。

分类法
分类法是知识图谱方法的基础，可快速传达语音识别和文本分析的结果， 以便及时与客户互动。代理商需要三种信息来优化与客户的互动：他们的角色（例如，执行官或采购部门代表），联系他们的原因以及他们所在的行业。分类法有助于执行这些功能，因为它们为组织提供了相关术语的层次结构。

在销售中，只需将与销售相关的术语和产品的各个分类法吸收到知识图表中，组织便具有了通过文本分析快速分析文档，电话和聊天记录的蓝图。这些分类法可用于从这些数据中提取实体，形成情感分析的基础，并有助于提高代理商绩效的几个关键指标。组织可以比较销售代表讨论某些产品或产品类别的多少，他们与客户花费的时间或动态路由和其他增值应用程序的任何其他指标。

自然语言实体提取
知识图的分类学驱动的语音识别平台将NLP用于实体提取器，这些提取器根据分类法解析文本，从而发现相关的业务概念。尽管语音识别器通过NLP将语音内容传输到文本，但是仍需要分类法来说明诸如产品名称之类的命名法。一旦将此文本输入到图形中，NLP支持的实体提取器 使用分类法收集业务指标的相关术语。

隔离正面词和负面词以进行情感分析，并提取特定术语来确定交互的性质，所引用的技术以及潜在客户的角色和行业。由于此信息与其他客户和产品数据（包括外部数据源，如社交媒体供稿）一起存储在知识图中，因此组织可以执行有关客户和代理商的惊人的特定查询。通过这些分析，他们可以了解哪些产品最受谁和原因欢迎，以及定制代理交互以利用此知识的最佳实践。

监督学习
机器学习可通过两种方式帮助组织及其客户与语音识别分析创建最佳交互。首先是在文本分析模型的培训期间，这需要标记的输入数据进行监督学习。一旦文本，实体和分类法存储在知识图中，人们就必须根据上述类别标记各个聊天或呼叫。后续标签用作分类模型的带注释的训练数据，因此，当收到新呼叫时，会根据标签对它们进行准确分类，以告知业务代表对单个呼叫者最有意义的因素。

机器学习增强语音识别系统能力的第二种方式是通过识别对满足客户有用的模式。这项功能强大的技术采用统计分析功能，可以查看哪些主题相关性最高，哪种代理对哪种类型的客户最成功，哪种类型的方法以及对建议有用的其他数据驱动模式。因此，代理将知道，例如，如果客户引用了特定类型的路由器，则前者也应提及某个安全系统，因为机器学习表明这些产品与客户的角色相关。

语义探索
除了定制的建议，业务代表的业务指标以及动态路由策略之外，分类法驱动的语音识别知识图还提供了语义搜索。情感，分类器模型和实体的组合使组织能够使用能够理解用户潜在意图的搜索功能，从语义上探索其非结构化的语音和文本数据。 这个最终的优势对于战术和战略使用都是理想的，尤其是因为知识图中的语义搜索还可以包含企业内部或外部的一系列附加知识。这是掌握非结构化文本分析数据挖掘的最后一步，对于任何努力利用这些数据来获得竞争优势的组织而言，它都是无价之宝。