在呼叫中心行業(yè)按照產(chǎn)品化思路來理解，每通人工電話就是我們的產(chǎn)品，針對這個(gè)產(chǎn)品的質(zhì)檢檢控就是“質(zhì)檢”，它包括通話質(zhì)量、服務(wù)質(zhì)量、業(yè)務(wù)解決質(zhì)量以及滿意度等等。一般企業(yè)質(zhì)檢團(tuán)隊(duì)的配置比例為50:1~80:1.

　　做質(zhì)檢的目的是做席員工進(jìn)行工作質(zhì)量評定，傳統(tǒng)上都是通過抽檢比例的形式來調(diào)查做席工作質(zhì)量。但是這樣的傳統(tǒng)質(zhì)檢不僅僅是在考驗(yàn)坐席員工、更是考驗(yàn)質(zhì)檢員工的工作態(tài)度。并且質(zhì)檢員工作非常繁重需要盡可能的覆蓋更多的做席員工，這樣的傳統(tǒng)質(zhì)檢使得質(zhì)檢員和坐席員工都很不適。

　　想要了解質(zhì)檢的原因，就要先明白質(zhì)檢的目的。其實(shí)質(zhì)檢的目的很簡單就是要提升客戶滿意度，提供企業(yè)收入。不難想象，客戶撥打客服電話的動(dòng)機(jī)：尋求解決問題的方法、反饋問題、發(fā)泄不滿閑聊。做席接通電話的目的：解決客戶問題、解決不了幫助客戶反饋問題，但是堅(jiān)決抵制閑聊。

　　我們搭建質(zhì)檢團(tuán)隊(duì)，制定詳細(xì)繁雜的質(zhì)檢指標(biāo)和質(zhì)檢管理策略，但是仍然有一個(gè)主要問題沒有解決——很多數(shù)據(jù)無法進(jìn)行精細(xì)化分析。

　　通過量化指標(biāo)，真正把坐席人員當(dāng)作強(qiáng)大的生產(chǎn)力去培養(yǎng)，允許部分的個(gè)人特色。后期允許用戶選擇坐席，而不是靠坐席等待客戶的模式去推動(dòng)生產(chǎn)服務(wù)。

　　傳統(tǒng)質(zhì)檢，就是需要一堆人去抽樣聽錄音質(zhì)量。錄音的作用就是被抽樣出來做質(zhì)檢使用，或者留存以后備投訴核查。這么多年錄音的作用就是被這樣使用掉的，業(yè)支不要，客服中心不愛。

　　但是現(xiàn)在技術(shù)的發(fā)展可以使得我們把全量錄音數(shù)據(jù)轉(zhuǎn)化為富文本數(shù)據(jù)、轉(zhuǎn)化為個(gè)人情緒判定的結(jié)構(gòu)化數(shù)據(jù)。之前我們建立的客戶畫像都是數(shù)字化的畫像，但結(jié)合錄音，我們可以把客戶畫像變成一個(gè)“帶感情的人”。

　　我們質(zhì)檢的動(dòng)作提前，利用現(xiàn)有技術(shù)手段，比如坐席助手、語音助手、情緒監(jiān)測、可視化質(zhì)檢等手段可以盡早提醒坐席人員注意調(diào)整和休息，改善服務(wù)質(zhì)量，提升工作效果。

　　隨著近十年人工智能技術(shù)的發(fā)展，語音和自然語音處理技術(shù)不斷取得突破，采用智能化的方法對電話語音中的內(nèi)容進(jìn)行深層次的分析，可以有效的節(jié)約人力成本并提高工作效率。就現(xiàn)在技術(shù)而言，語音質(zhì)檢方案主要涉及語音關(guān)鍵詞檢索、音頻對比、情感識(shí)別等核心技術(shù)。

　　基于語音識(shí)別技術(shù)，關(guān)鍵詞檢索是將語音識(shí)別的結(jié)果構(gòu)建成一個(gè)索引數(shù)據(jù)庫，然后把關(guān)鍵詞從索引數(shù)據(jù)庫中找出來。首先將語音數(shù)據(jù)進(jìn)行識(shí)別處理，從里面提取索引構(gòu)建索引數(shù)據(jù)庫，在進(jìn)行關(guān)鍵詞檢索的時(shí)候，找到概率最高的，輸入其關(guān)鍵詞匹配結(jié)果。

　　確定關(guān)鍵詞檢索網(wǎng)絡(luò)后，接下來進(jìn)行的是關(guān)鍵詞檢索。關(guān)鍵詞檢索可以基于音節(jié)信息。首先將用戶設(shè)定的關(guān)鍵詞文本解析成音節(jié)序列，再從檢索網(wǎng)絡(luò)中找出匹配結(jié)果，相比直接對文本結(jié)果進(jìn)行檢索，這種方法的容錯(cuò)性更強(qiáng)，因此，計(jì)算量更小，執(zhí)行效率更高，更適用于語音質(zhì)檢這種海量數(shù)據(jù)檢索的應(yīng)用場景。

　　音頻比對是指從音頻信號提取特征，通過特征進(jìn)行比對的方法進(jìn)行有害信息檢索的方法。該方法的核心在于提取的特征值需要滿足一定的要求，比如抗噪性、轉(zhuǎn)換不變性、魯棒性、快速性等特點(diǎn)，主要是為了滿足同一音頻能夠在不同聲道下進(jìn)行準(zhǔn)確檢索。

　　傳統(tǒng)的聲學(xué)特征已經(jīng)不能滿足音頻比對任務(wù)的需求。所以在完成最大值點(diǎn)完成建模后，需要進(jìn)行特征的構(gòu)建，而特征構(gòu)建是通過最大值點(diǎn)之間的距離來建模，例如兩個(gè)最大值點(diǎn)的距離、位置信息作為一個(gè)固定的特征來完成音頻特征信息的構(gòu)建。

　　有了上述音頻特征之后，就可以對兩個(gè)不同音頻進(jìn)行檢索，最大相似度的地方就是相似點(diǎn)，這種技術(shù)最適用于文本內(nèi)容無關(guān)的錄音片段的檢索。

　　語音是人類交際的最重要的工具之一。人們在進(jìn)行自然口語對話時(shí)，不僅傳遞聲音，更重要的是傳遞說話人的情感狀態(tài)、態(tài)度、意圖等。根據(jù)情感模型的不同，情感語音識(shí)別主要分為離散情感識(shí)別和連續(xù)情感語音識(shí)別。

　　離散情感識(shí)別是一個(gè)典型的模式分類問題，各種傳統(tǒng)的分類器均被廣泛應(yīng)用于語音情感識(shí)別系統(tǒng)，例如隱馬爾科夫模型、高斯混合模型、支持向量機(jī)，人工神經(jīng)網(wǎng)絡(luò)等。維度情感識(shí)別一般被建模為回歸預(yù)測問題。