「客服中心您好，敝姓林，很高興為您服務」。此起彼落的電話聲裡，有顧客打電話進來抱怨產品瑕疵、辦理變更作業，或詢問新推出的促銷方案。在每天的通話中，其實潛藏了對企業運營非常重要的顧客之聲。
1.客服中心裡的使用者體驗與數據分析
英國設計委員會(UK Design Council)提出雙菱形設計流程模型(The”double diamond” design process model)[1]，將設計流程分成以下四個階段：「Discover(探索)」、「Define(定義)」、「Develop(發展)」、「Deliver(實行)」。其中在最初的探索階段，關注于挖掘出顧客尚未被滿足的潛在需求或痛點。相關的研究方法如如市場調查、焦點團體訪談、日誌法等。除了質性的使用者研究，資料驅動設計(Data-driving Design)透過搜集用戶行為：如流覽、搜索、預覽、點評、購買、下載、支付等一切使用產品時產生的互動記錄。協助設計師調整產品內容與流程。資料驅動設計的優點是記錄的皆是使用者真實的行為記錄，再加上記錄所有使用者的行為，有效克服量化分析時的抽樣限制。透過資料輔助設計並追蹤調整的成效。
1.1 客服中心概述
客服中心又稱客戶服務中心，是企業與顧客接觸很重要的服務接觸點。客服中心的業務可粗略分為呼入「問題諮詢」「業務辦理」「抱怨處理」，呼出的「顧客關懷」「電話銷售」「市場調查」等。將企業內分屬各部門為客戶提供的服務，集中在一個統一的對外聯繫視窗提供服務。
1.2 客服中心與用戶體驗
客服中心除了是服務接觸點，同時也作為用戶回饋的資料來源。作為服務接觸點，服務提供的品質與解決顧客問題的能力皆會影響用戶體驗。對應的指標如服務水準(顧客需等待多久才能接到電話)、ㄧ次通話解決率(在一次通話中問題得到解決的比率)、服務滿意度調查等[1]。
作為用戶回饋的資料來源，客服中心過去會進行顧客之聲調查(Voice of Customer,VoC)。透過問卷搜集顧客對公司的產品、服務流程、人員品質等面相的滿意度；搜集顧客信箱裡的用戶回饋。另近年網路使用人口大增，近來興起的調查方法在社群媒體(Social Media)如Facebook,微博或論壇，透過網路爬蟲(spider)自動搜集與企業有關的用戶回饋與評論進行輿情分析。但因使用網路的多為較年輕的使用族群，會產生統計上的抽樣偏誤。
回到客服中心，我們思考有沒有可能透過如上述輿情分析的技術，直接分析客服中心中所有的通話，找出過去話務員可能忽略掉的顧客回饋－不在問卷裡的調查專案，或非常強烈的客訴。舉例還說：稍微抱怨某個結帳流程很不方便，或詢問有某個尚未提供的服務(尚未被滿足的需求)。這些代表的是顧客潛在的痛點，是服務設計時重要的參考依據。
1.3 客服中心與資料分析
一個100座席的中小型客服中心，一個月能產生超過10萬通通話。顯然用人工去聽這些通話是不符合效益的。這會有兩個限制：成本高昂且無法重複分析。為了將無法分析的非結構資料－電話錄音轉換成可供分析的資料，我們使用語音辨識技術(Speech recognition)將大量的錄音資訊轉譯成可供分析的文字，結合領域知識(Domain Knoledge)建立模型，產出相關分析模型。
1.4 語音辨識技術簡介
語音辨識又稱為語音轉文本識別(Speech to Text，STT)，目標是透過系統自動將人類的語言轉譯成相對應的文字。應用場景包含如聊天機器人(Chat bot)、語音輸入等對話式介面的基礎技術。背後的模型包含聲學模型：將發音中的聲學特徵轉換成拼音。語言模型：以概率統計的方法來找出語言單位內在的統計規律，也就是文法規則與慣用語等。詳細的技術方法在此就不多敘述，透過這兩種模型得以實現全文本80%以上的辨識率水準。
2. 應用案例
那究竟在錄音中所隱藏的資料有什麼價值？應用場景有很多，本文以下面三個場景為例：
1. 服務流程優化
2. 競爭對手情報
3. 顧客行為標籤
2.1 服務流程優化
在討論顧客體驗管理時，顧客體驗地圖(Customer Journey Mapping)討論顧客與企業接觸的整體流程全貌、檢視在不同服務接觸點的體驗與各流程間是否順暢。過去的做法，是透過深度訪談、觀察等形式，畫出每個流程中顧客的體驗好壞、操作是否遇到困難等，並藉此調整企業的服務流程。
在客戶進線客服中心時，其實也會透露出體驗的好壞。可能是抱怨服務人員、操作流程上不方便的地方、網站或APP設計不良的問題等。透過將通話歸類到不同的使用流程，我們便能畫出一張顧客體驗的全貌。什麼流程客戶會打進來抱怨，那個服務接觸點需要改進。歸類後找出顧客痛點，究竟是什麼原因造成顧客的不滿。
2.2 服務品質確保
客服中心作為服務接觸點，需提供標準且一致的體驗。然而多數人都有遇過在需要協助時，遇到服務品質不佳的話務員，例如攻擊顧客或態度不佳。以往品質檢核流程中，判斷一通電話是否符合服務品質要求，需要班組長、質檢員等評估人員反復聽取錄音，需耗費大量時間且缺乏具有說服力的可量化的標準和資料。透過辨識後的文本我們能對服務品質進行全面性的檢查，確保通話的過程都是符合服務品質與法規規範。
2.3 顧客行為標籤
資料分析中，分析使用者行為與分類是很重要的一環。過去我們透過結構化資料，如年齡、年收入、消費專案與記錄等來找出潛在的銷售機會。除此之外，又稱為非結構資料的對話錄音、文字客服的對話記錄、社群媒體上的留言討論，皆能讓我們更瞭解我們的顧客全貌。譬如客服在與與顧客互動的過程中，顧客提到家庭結構的改變，可能是有新生兒誕生。我們便可對這個顧客編上標籤，進行更精准的二次行銷。
在電銷的場景中，我們可以分析顧客的拒絕原因，將顧客區分為不同類型，如價格導向、優惠贈品型、對特定功能需求等。針對標籤的顧客，我們能更以客制化的銷售策略與話術銷售。如價格導向的顧客，給予強調特價折扣的廣告宣傳。甚而進一步分析不同類型的顧客，對不同銷售話術的成交機率。相關的應用場景還有很多可能，就等著我們去挖掘。
[1] UK Design Council. (2005). A study of the design process
[2] Jon Anton. (2000). Call Center Benchmarking: How Good Is“Good Enough”
