Spraakherkenning is wenselijk bij de invoer van gegevens die niet of nauwelijks met IVR (toetsen) zijn in te voeren. Denk daarbij aan de namen van landen, plaatsen, stations, brochures, formulieren, medewerkers of afdelingen van een bedrijf. Het identificeren van klanten met behulp van spraakherkenning door het inspreken van de postcode en het huisnummer wordt vaak toegepast.

Een beller kan een postcode op verschillende manieren inspreken. Bijvoorbeeld cijfer voor cijfer:  “zeven, vijf, twee, een” of als “vijfenzeventig eenentwintig”  De letters kunnen  worden uitgesproken als “P T” en als “Pieter Theo”. Een geldige postcode-huisnummer-combinatie bestaat uit de som der delen. De spraakherkenner van Telecats is in staat om de diverse varianten goed te herkennen en maakt gebruik van de postcodetabel en NAW-gegevens van klanten om het spraakresultaat significant te verbeteren.

Via deze spraakmodule kunnen we een combinatie van cijfers en letters herkennen. Deze spraakmodule kan daarom ook worden toegepast bij het herkennen van IBAN, vluchtnummers en kentekens.

Open Vraag SpraakHerkenning (OVSH)

Om de klant zo goed mogelijk te kunnen helpen, moet worden bepaald waarvoor de klant belt. Een IVR menu met toetsen en veel keuzes is vaak te lang, tijdrovend en minder klantvriendelijk. Het achterhalen van de klantvraag werkt optimaal met Open Vraag SpraakHerkenning. Wanneer een klant belt, hoort deze: ”Goedemorgen, spreekt u alstublieft kort en bondig in waarvoor u belt” Op basis van wat de klant inspreekt, wordt het gesprek gerouteerd, een vervolgvraag gesteld of krijgt de klant direct antwoord via selfservice.

Om de ingesproken vraag om te zetten naar een onderwerp zijn taal- en classificatiemodellen nodig. Hoe klanten praten en vragen stellen, wordt vastgelegd in het taalmodel met branche- en organisatiespecifieke context. In het classificatiemodel staat welke vragen verwijzen naar de mogelijke klantcontact onderwerpen van de organisatie.

Zodra de medewerker het gesprek krijgt, verschijnen de contacthistorie, de klantgegevens en de ingesproken vraag op het beeldscherm. Door een koppeling met de kennisdatabase kan bovendien een antwoordsuggestie en aanvullende informatie over het onderwerp worden afgebeeld.

Spraakmakende resultaten bieden garantie voor de toekomst

Spraakherkenning geeft klanten de mogelijkheid om in eigen woorden een vraag te stellen.
90% van alle vragen kan met behulp van spraakherkenning goed worden geclassificeerd waardoor veel minder gesprekken opnieuw worden doorverbonden. Dit heeft een positieve invloed op klant- en werknemerstevredenheid. Routeren met spraakherkenning en CTI kan een tijdwinst tot 45 seconden per gesprek opleveren.

DEMO Open vraag spraakherkenning

Telecats heeft een DEMO ontwikkeld voor open vraag spraakherkenning bij gemeenten. De onderwerpen waarover burgers kunnen bellen met de gemeente staan in de linker kolom. Op basis van de ingesproken vraag geeft het OVSH systeem antwoord of wordt de beller met de juiste medewerker doorverbonden. Probeer het gerust zelf eens, bel met het onderstaande telefoonnummer en stel een vraag over koopzondag of het verlengen van een paspoort.

Spraakanalyse op het contact center

Bij Spraakanalyse worden telefoongesprekken in het contact center opgenomen en met taal- en spraaktechnologie verwerkt en geanalyseerd op basis van de inhoud en emotie van het gesprek. Betreft het een herhaalcall? Wordt er veel doorverbonden? Is de routering wel goed? Wat is de vraag achter de vraag?

Maar waar begin je aan, als het een aanzienlijke hoeveelheid gesprekken betreft? 40.000 gesprekken is circa 8.000 uur spraak. Spraakanalyse is de techniek om dat geautomatiseerd te doen.

Door de datum, tijd, wachttijd, gesprekstijd en inhoud van een gesprek op te nemen en dit vergaand te analyseren, komt gespreks- en procesoptimalisatie binnen handbereik.

Spraakanalyse richt zich niet alleen op de inhoud van een call, maar ook op veelzeggende stiltes en stemverheffingen. Dat zijn emotiemarkers. Combineer je die met de uitgesproken tekst, dan kun je zeer waardevolle, kwantificeerbare data uit de gesprekken halen. Na drie klikken heb je de output.

Zoeken met taal en spraak

Niemand kan zich nog een wereld voorstellen zonder Google, maar lang niet iedereen realiseert zich dat Google voor haar diensten volop gebruik maakt van taaltechnologie. Zoeken, of beter, vinden wordt steeds belangrijker. Door taaltechnologie te combineren met spraaktechnologie is het mogelijk om audio- en videobestanden doorzoekbaar te maken. Het gebruik van automatische spraakherkenning in gesproken documenten is relatief nieuw omdat het herkennen van grote hoeveelheden continu gesproken spraak vereist dat zeer veel ( > 50.000 ) verschillende woorden herkend moeten kunnen worden.

Nu de rekenkracht van computers sterk is toegenomen en er veel trainingsmateriaal digitaal beschikbaar is, kan spraakherkenning eindelijk ook hier succesvol worden ingezet. Dat gaat met behulp van statistische taalmodellen: modellen die uit grote hoeveelheden geschreven materiaal “leren” welke woorden en woordcombinaties waarschijnlijk zijn.

Naarmate de techniek beter wordt, kan het begrip “gesproken documenten” ruimer worden geïnterpreteerd. Het hoeft niet meer een in hoge kwaliteit opgenomen gesprek te zijn dat is ingesproken door een persoon die duidelijk articuleert in een rustige omgeving zoals bijvoorbeeld het voorgelezen 8-uur journaal. Ook de door bellers ingesproken antwoorden op de vraag: “welkom, waarover wilt u ons iets vragen?” kunnen nu beschouwd worden als “gesproken documenten” en zijn op dezelfde manier doorzoekbaar en classificeerbaar. Als gevolg hiervan wordt deze toepassing meer en meer geïmplementeerd in contact centers.

Meer oplossingen van Telecats