Andy Traba是Mattersight公司的行为和数据科学副总裁这家公司大约六年前从eLoyalty剥离出来，致力于通过语音分析来确定客户的沟通偏好，并利用这些信息来改善呼叫中心的表现。Traba的团队负责生成将自由形式的对话转换为数据的算法，以及围绕这些数据集构建应用程序的团队。Traba向《网络世界》主编John Dix解释了其工作原理。有个足球雷竞技app
Mattersight
安迪Traba，行为的副总裁兼数据科学，Mattersight
关于我们是谁，我们的演讲说了些什么?你们如何利用这些来改善呼叫中心的结果?
你我交流的方式表明了我们的个性。我通常通过价值陈述、观点或理论来表达我为什么支持某件事。这与那些关心事实和数字的人是非常线性和基于时间的人是非常不同的，也与那些交流感情和情绪状态的人是不同的。我们选择的小词，比如“我”、“我们”或“我们”，可以很好地预测或宣传我们的个性风格。
机器擅长这些细微之处拿起和识别模式。Then, once we were able to identify patterns in speech, our biggest epiphany was there’s a lot of variability and if you could connect people who communicate in a similar away, you can drive down the level of effort it takes to handle a phone conversation or you can drive up the likelihood that a customer is going to buy something by keying in to their natural speech preferences and selling them how they naturally want to be sold to.
所以，你的秘密武器是超越语音识别的?
是的。我们首先必须用立体声记录电话，因为我们想要能够从追踪中准确地识别呼叫者和代理人。然后我们将音频文件转录成文本文件，然后，通过非常复杂的语音分析，挑选出模式来对个人做出假设或断言。
这些断言可以来电，在通话过程中他们的情绪的个性特定事件（正或负），甚至引用 - 他们有一个孩子，或者结婚，或者移动到一个新的家？也许他们询问他们希望一个产品出售，或有一定程度的困扰。是他们的谈话过程中不舒服？
一旦你能够识别或分类所有的点，你可以做的代理方一样，分析代理人的行为，或者回应给个别谈话要点是如何影响对话的积极或消极的结果。
呼叫中心的伟大之处在于，它只是一个大型实验室实验，因为每个人都在用自己独特而略有不同的方式做事。我们最大的客户每天要接听2.5亿个电话。如果他们把每次通话的五分钟转化为数据点，你就会有一个巨大的数据集和一个完美的实验室实验来找出这些通话的输赢行为。
你是自己做的还是用别人的语音识别技术?
我们使用自主研发的录音技术和第三方的语音转录技术，来自于Voci技术——我们相信它们是最好的商业技术——然后我们使用我们自己的算法套件。从语音分析到机器学习算法，一切都是自己培养的。
好吧。你所描述的过程，是在电话之后发生的，还是在匆忙中发生的?
在对话结束它发生。我们不提供代理屏幕弹出或主管在跳我们在那个位置是双重的能力：技术和费用到那里，有没有来证明又一个好处。和管理员加入电话增加了creepiness因素，我们不希望还没有去那里。它发生在接近实时。所有这些信息，只要你想扔它的服务器调用后尽快处理。
我们收集所有信息到一个共享的数据库，所以我们可以个性和调用者个人的电话号码的行为信息相关联。然后，当你打电话到呼叫中心，在50毫秒，我们的路由应用程序查找该电话号码的事项，建立个性和行为特征和评估，出了可用的代理群体，谁是最能服务或卖出的给你。
Mattersight分析了从我们的客户超过十亿电话，我们已经采取了那些十亿电话，他们聚集到具有相关联的个性风格和行为特征超过100万个号码的电话号码数据库。
因此，该数据集从多个客户创造的呢？
是的。Mattersight可以记录和分析客户的今天农行的电话，并采取数据库，并将其应用到客户端XYZ，即使我们不记录和分析他们的呼声。由于来电者的电话号码是一样的，我们已经知道他们是谁。
你的客户同意这样分享吗?
我们不分享它。它被包装在一个没有人能够访问该样式的应用程序中。这是一个黑盒子模型，这就是为什么它没问题。我们本身并不销售这些信息;我们只是在黑盒模型中使用它。
因此，您知道与给定电话号码相关的历史，并且当该号码出现在一个新的领域时，比如医疗保健和金融，您可以将来电者与可能最能帮助他们的代理联系起来。
是的。我们是通过匹配电话号码，个性和伴随个性而来的行为来确定的通过匹配电话号码，个性和伴随个性而来的行为来确定的通过匹配电话号码，个性和伴随个性而来的行为来确定的。这就是让你的机器学习来确定最佳匹配的原因。使用历史信息代理看到他们如何表现在人格,B, C和D,然后映射的电话号码说我们知道从过去的这个代理的信息是很好的处理人格从人格B B,给他们更多的电话,自然会提升他们的表现。
投资回报是多少?这是如何衡量的呢?
无论关键性能指标是什么，我们都能看到5%到40%的提升。目标可以是降低通话时间或增加销售或收入。我们证明这一点的方法是通过定时切换系统的开关。这就像是我们在创造一个A/B测试，我们称之为主动和被动模式。
在主动模式下，Mattersight是路由的，比方说，两个小时，然后我们返回到默认技术的路由两个小时。我们通过这一循环，30-60天在开始接合，然后我们能够比较和对比防范被动周期的KPI活动周期的KPI。
我们有足够的信心，我们将推动价值，我们有一个性能保证合同，提供两倍的回报。这就是我们最初定价和签订合同的方式，这是独一无二的，因为没有人在一天开始的时候就认为他们需要购买预测性行为路由。但我们有足够的信心支持它的性能保证，这有助于缓解销售周期中的担忧。
我假设如果我有100个电话代理，那10个最好的对99%的电话代理都是最好的，但这不是真的吗?
那不是真的。我们一次又一次地发现，即使你最好的代理在他们擅长与谁相处的问题上仍然存在变数。平均而言，他们会比最差的代理人好，但这就是我们所说的双重效益。
假设你有四名特工。第一是最好的;第四是最糟糕的。如果有一种性格的人打来电话，二号探员可能是他们的最佳人选。这有两个好处。首先，我们将把电话转给二号代理，因为他最能销售或服务这个客户。但这允许我们为下一个打电话的人保留最好的一号探员，我们可能没有关于那个打电话的人的任何信息。在这种情况下，我们给最优秀的人打了两次电话。
换句话说，你从表现不佳的代理身上获得了更多的收益?
完全正确。如果你是一个棒球运动员，我们用的一个类比是，我们把更多的快球扔给快球击球手我们把更多的曲线球扔给曲线球击球手。
你能谈谈你确定的性格类型吗?
我们没有创造个性模型Mattersight订阅。该模型是由塔比·卡勒博士在上世纪70年代创建的。该模型得到了它最恶名，当它被作为他们的航天员的选拔和训练过程的一部分，通过NASA。我们订阅模型，因为它是为数不多的基于语言的车型之一，这意味着它是一个你用来宣传人格模式的话理论。这不是真正的你在说什么，但你是如何说的。个人可以说同样的事情不同，它是那些做广告或者突出自己的个性风格差异。
但我们模型的独特之处在于它有六种人格风格。它和迈耶-布里格斯的相似之处在于它开始创造个体的原型。不过它是不同的，因为它说每个人都有自己独特的六种风格的混合。它不会将任何个体存储到一个样式中。
你能举几个例子说明这六个是什么吗?
当然。我会去到北美人群的患病率。在北美最常见的一种是连接器。连接器是所有关于感情和情绪状态和人民。它更重要的是，他们周围的人是幸福的不是他们自己是幸福的。北美人口也分裂，其中连接器的75％是女性和连接器的25％是男性。
第二个最常见的是组织者。组织者都是关于时间、金钱和线性解决问题的。这些人在工作中写下要做的事情的清单，然后找到快乐和兴奋，把清单上的事情划掉。要为这些人服务，就必须以一种非常有效的方式解决问题，而向他们销售则是关于产品的细节，包括哪些保修条款，哪些不包括。
另一个要强调的是原稿。原创型是你的创意型。他们爱玩，他们有趣，他们充满活力，他们打破常规思考。在呼叫中心的环境中，重要的是要让它变得容易。他们想让你解决问题。他们不想为此付出任何努力。卖给他们的都是些花哨的东西。它是关于产品有多独特;除了你，没有人会拥有它。他们不关心价格，保修或者质量。 They want to feel its uniqueness and they want it to be fun and flashy.
那是三个，但你的想法。
在聚会上，人们害怕和你说话是因为他们认为你在分析他们说的话吗?
这是一个祝福和诅咒。它是如此在你的头脑中根深蒂固，你挑东西了。它确实有助于在解决问题，告诉他们想听到什么样的人。这当然是的，你发现自己练的东西之一。
你谈到了一些用例，但是你能给我一个客户如何使用它并以什么方式受益的例子吗?
我们是谁在使用预测行为路由，以提高他们的整体客户体验大型医疗保健客户。客户体验是非常重要的，因为它是在医疗保险将有多少报销业务的一大因素。人们通常调查，以了解这些信息，但平均回应率是2％，所以他们没有得到的临界质量，真正使这些数据诉讼。我们做的是分析患者的互动，然后预测每个呼叫的满意程度。这只是一个简单的1到10;如果该客户将采取的一项调查显示，这里就是他们会打进你。
我们将这个预测值转化为我们路由引擎的KPI，当我们将合适的人联系起来时，他们会有更好的体验，这也会转化为调查分数。调查分数越高，他们从医疗保险中得到的补偿就越高。
有趣。最后，你在哪里何去何从？什么未来是什么样子？
在我们的实验室，我们真的插入整个AI / BOT波。我们看到AI和机器人接管旅程更事务零件供客户选择。如果我想检查我的平衡，我不应该跟人。我应该只是谈得来一些自动化的机器。你看，越来越多的企业卸载一些他们的交易类型的交互智能IVR系统，并且有一天，一定会演变为聊天机器人。
这样做还把更复杂的工作推给了代理。随着机器接管了事务性工作和更简单的工作，代理正被更困难和复杂的工作轰炸，我认为这促进了我们的增长——当你有这些情绪激动的客户打电话来，这就产生了很多交易的可变性。
我们在实验室里所做的就是试图找出如何训练机器人去听和接收呼叫者使用的东西，然后根据呼叫者的交流偏好调整它们的语言。你如何训练机器人认识到这是一个连接器，你不应该向一个连接器传递事实和数据，你应该让他们感到高兴，并参与到对话中，并确保他们离开互动时感到温暖和模糊。
你们现在有多少客户?
关于两打。我们在财富100强的主要是。
你每座充电？
我们是一个基于SaaS的模式，按月对每个用户收费。