Подписаться на ленту новостей
через RSS канал



28 October 2022 09:29

В контактный центр Минздрава Тульской области внедрили речевую аналитику

В региональную информационную систему минздрава Тульской области добавлена речевая аналитика – инструмент анализа диалогов робота с абонентом. Это позволит сотрудникам ведомства в автоматизированном режиме оценивать эффективность работы контакт-центра, выявлять частотные и критичные темы обращений граждан по номеру 122, а также проводить мониторинг, обнаруживать проблемы и оптимизировать процесс обслуживания пациентов.

Речевая аналитика РИС Минздрава Тульской области позволяет транскрибировать 100% входящих вызовов пациентов, проводить глубинный анализ всех диалогов с пользователями, которые записываются к врачу с помощью голосового помощника, а также вносить оперативные изменения в работу контакт-центра на основе этих данных. Внедрение инструмента анализа диалогов голосового робота в речевую аналитику – это новый этап развития региональной информационной системы Минздрава Тульской области, направленный на повышение качества обслуживания пациентов.

Новая функциональность позволит точнее обрабатывать запросы пользователей, выявлять непродуктивные участки коммуникации и оперативно устранять их. Это даст большему количеству людей возможность быстрее записываться на нужные услуги и эффективнее решать свои вопросы, связанные с охраной здоровья или с получением медицинской помощи. Решение также предоставит аналитикам Минздрава исключительный набор данных для разностороннего анализа коммуникации с пациентами.

При первичном обращении в контакт-центр пациент может столкнуться с рядом проблем, которые могут повлиять на степень его удовлетворенности качеством оказания услуг. Так, он не всегда сразу может получить ответ на свой вопрос или осуществить необходимое действие по телефону. В этом случае диалог с пользователем либо заканчивается, либо переводится на другой канал коммуникации, что задерживает сроки записи и увеличивает количество повторных звонков. Также пациент может столкнуться с длительным ожиданием в случае внепланового увеличения количества обращений на линию или с недостаточно полными ответами. Всё это приводит к негативной реакции со стороны граждан и снижает скорость получения услуг.

Традиционные методики оценки эффективности работы контакт-центра, призванные не допустить подобные сценарии, предполагают выборочную оценку от 1 до 3% от всех диалогов, поступивших на линию. «Ручная» обработка этих данных не позволяет выявить глубинные причины ошибок и вовремя устранить их. Инструменты речевой аналитики помогают выстраивать полный цикл улучшения процессов на основе анализа специфических данных.

При помощи технологии записываются и стенографируются 100% звонков пациентов, даже если на линию поступают десятки звонков одновременно. Метрики качества и эффективности обслуживания фиксируются автоматически без участия супервайзера, что сокращает время, затрачиваемое на анализ данных. Так, автоматически выявляются звонки с негативной реакцией граждан, что позволяет аналитику в режиме, приближённом к реальному времени, увидеть и разобрать каждый случай.

Среди наиболее применяемых практик работы с речевой аналитикой – периодическое отслеживание частотности тематик обращения. Так, на запрос на запись к врачу приходится до 88% обращений. Среди других практик стоит отметить отслеживание повторных обращений и выявление их причин, выявление необоснованных переключений звонков, а также автоматическое выявление разговоров с наличием отрицательных эмоций в речи человека.

Записи разговоров граждан с системой голосового самообслуживания или с оператором контакт-центра автоматически загружаются в систему речевой аналитики. Для анализа используются как сами аудиозаписи, так и связанные с ними метаданные, такие как время, дата разговора, номер абонента, ожидание на линии, переключение между операторами и другие параметры.

Система сама производит перевод речи в текст, проводит маркировку записей и реплик в диалогах на основе акустических, лексических и других характеристик разговора, основанных на понимании естественного языка, после чего все записи разговоров становятся доступны для анализа на специализированном дашборде. Далее аналитик может отфильтровать нужные данные по наборам маркеров, по соответствию сценарию диалога или другим метаданным, и выгрузить соответствующий отчёт. Полученные сведения позволят ему выявить траектории для дальнейшей автоматизации частотных тематик обращений, разработать план действий по корректировке сценариев работы голосовых помощников, а также оценить внедрённые улучшения.

В части работы операторов речевая аналитика позволяет контролировать и оценивать качество их работы, соблюдение процедур и инструкций, а также выявлять лучшие практики обслуживания граждан операторами.

Источник: https://d-russia.ru/