現今，大數據的研究逐漸引起學術界和運營商的重視。如何從新技術的開發和應用角度在現有業務系統中引入大數據處理技術，使其轉化成實際的商業價值，是值得探索的問題，而非結構化數據的研究、分析和應用價值日益凸顯。

語音大數據因其信息量大、價值點分布分散、內容涉及范圍廣、挖掘難度高、難以監控和利用等特點，近年來在非結構化數據分析中備受關注。隨著互聯網發展和高新技術的支持，語音大數據分析工具正在被金融及保險行業接受和采用。然而，如何將結構化數據與非結鉤化數據整合進行系統分析；如何挖掘客戶與企業交互過程中的潛在價值點；如何提前預測風險，并提前進行干預；如何高效地開展呼叫中心的質量管理工作，不斷提升客戶體驗。這些問題的解決方案及落地實施才是金融及保險企業語音大數據分析應用成功的關鍵。

語音大數據商業價值

語音大數據是在企業經營活動中產生的個人與企業通過語音交互所產生的音頻信息資源，廣泛存在于金融、保險、移動互聯網、互聯網等業務系統當中。如客戶服務系統、呼叫中心。這些語 音數據中包含著客戶需求、投訴、滿意度、建議、競爭性情報等大量的有價值的信息， 根據業務需求挖掘語音數據信息，使其符合業務系統的要求；挖掘潛在客戶需求，客戶行為標簽，進而產生商業價值，是語音大數據研究和應用的關鍵。

語音大數據的特點

語音大數據存儲格式固定，值密度高，存在一定的信息標注、存在對應的以文本為載體的知識內容對應關系。由于語音數據存儲領域性等特性，從中可以挖掘出大量有用的信息

語音大數據分析關鍵技術

語音大數據研究的關鍵技術，語音數據作為大數據重要的組成部分，語音識別技術是解決語音大數據實際應用問題的重要技術。基于語音識別進行語音大數據分析的關鍵技術包括：文本轉寫、關鍵詞提取、聲紋識別、語音情緒識別、語義理解。通過運用自然語言處理技術對數據進行處理分析包括：數據聚合分析、分布式存儲、計算技術；大數據的實時索引和實時檢索技術；大數據的自動分類、內容聚類、熱點抽取、熱點事件發現、傾向性分析技術。

普強語音大數據分析系統在金融、保險領域應用價值

目前金融、保險等行業業務系統長期飽受用戶流失率高、新增用戶發展緩慢等問題的困擾。通過利用語音大數據分析技術進行挖掘，產生新的應用方向，我們以金融、保險行業語音大數據進行分析，通過采用語音分析技術，將語音轉化為文本信息，進行關鍵詞抽取，通過對這些文本特征進行統計及專業化分析實現幾方面應用：

質檢預處理：傳統的質檢工作由人工完成，抽檢率只能達到0.5%-1%。再根據抽查結果對通話有問題的坐席進行專業訓導，無法持續性保證服務質量。而通過語音大數據分析挖掘，可實時獲取服務質量不高的預錄音通話，進行預先處理，提升抽檢效率的同時，提升呼叫中心的整體服務水平。

熱點信息挖掘：通過對一段時間內的錄音文件進行分析和挖掘，可以獲得某一個時間段內出現頻次最高的關鍵詞或信息概念，得到當前用戶所關注的熱點問題。可以分析某一個主題下用戶關注的內容、反饋，進而得到用戶直接反饋信息；可以獲得企業所推出產品、整體形象、市場認可、用戶評價等統計指標；可以發現企業經營產品的潛在用戶，發現潛在的、新的營銷機會；可以挖掘出有關競爭對手的信息。

精準營銷：傳統運營支撐系統由于缺乏大數據挖掘分析能力，在目標用戶識別、用戶群細分、用戶行為分析等方面無法有效支撐市場營銷活動，導致營銷活動針對性不強、營銷手段單一，客戶投訴增加，缺乏對營銷效果的有效評估和對沉默用戶、高危用戶的主動挽留維系。通過挖掘海量語音大數據所蘊藏的有效價值，通過用戶行為分析精準定位目標客戶需求，可以有效提升客戶服務質量，優化服務結構和資源配置，提升個人用戶業務體驗，盤活數據資產，實現對內數據增值。

全景可視化：通過可視化全景視圖分析，包含數據屬性、維度、關聯等提取運營數據庫中的坐席通話量，根據不同時段、日期、周、月的話務情況，進行預測和分析；實現運營指標統計功能，如服務水平、棄呼率、平均等待時間、最長等待時間等反映呼叫中心運營狀況的指標；統計監控電話錄音的通過率，計算座席、小組、隊列的質量監控成績，可根據不同維度進行結果的查詢和分析；通過統計IVR流程中各節點工作效率和水平，及時調整流程，縮短客戶從撥打服務電話到開始接受座席服務的時間，通過統計分析，掌握客戶的需求，以調整服務方向和服務策略，提高客戶的滿意度。

某壽險機構部署普強語音分析系統收益分析

我們以某保險機構為例通過部署普強語音分析系統在品控、電銷、保全、客服進行數據收益分析，其中成功幫助品控部門部署語音質檢系統后達到100%全量質檢，節省人力100%；系統自動篩選出的違規錄音，以看代聽，質檢效率提升50%，并根據重點關注業務的動態監控，監聽靈活性、適應性增強。電銷部門

通過營銷階段分析，找到銷售成功率的關鍵階段及原因；通過客戶類型分析，刻畫不同銷售階段的客戶類型及特點；通過拒保原因分析，分析拒保原因及高拒保率險種。進行針對性話術優化后測試坐席整體銷售成功率提升80%；保全部門通過退保原因分析找到客戶退保的主要因素，通過保單生效日交叉分析，找到干預周期規律與干預時間點，預期提升保全成功率10%。客服部門通過潛在客戶分析，找到客戶潛在需求，向上營銷，每天推5%的潛在客戶名單。對客戶投訴進行投訴預警分析，提供投訴風險客戶名單，監管投訴通話命中率100%。對客戶咨詢熱點分析，找到客戶咨詢熱點及原因，客戶來電量分流10%

目前普強語音分析系統在金融、保險等領域積累了大量的客戶，并成功幫助企業呼叫中心實現從成本型向利潤型轉型提供強有力的決策依據：

1、通過將所有結構化和非結構化（錄音數據、隨路數據）的數據標簽進行整合化分析，打造所有數據的可視化分析，為運營中心各類人員提供基于客戶心聲的 360度視圖 。數據利用率達到 100% 。

2、通過對所有錄音的自動識別分析，各級質檢、運營、營銷、管理人員的 工作效率提升 16 倍。

3、通過對業務（話術）流程的改進，使各項營銷業務的成單轉化率 提升 10%。

4、通過對坐席服務能力和業務能力的改善，使 客戶流失率 降低 5 %。

5、通過超長通話分析、重復來電分析、靜音時長分析降低來電量和平均通話時長，轉人工來電量降低 3 %， 平均通話時長 降低 10s 左右。

普強專注數據360度可視化分析

普強信息技術北京有限公司在語音大數據方向的研究與實踐，是國內唯一專注于非結構化大數據研究的高新技術企業；主要面向業務及應用本身的特征提取及分析技術，研究這些特征提取及分析技術。從技術開發和應用角度將語音大數據轉化成實際的商業價值，主要針對金融、保險等業務領域海量數據運用自然語言處理技術將語音按關鍵詞抽取分類，分析并挖掘風險及潛在價值信息，幫助規避潛在風險，企業提高銷售能力，降低業務成本。普強信息技術北京有限公司擁有世界一流的專家團隊，潛心在語音技術領域的研究，將持續不斷提高大數據信息挖掘技術與應用實踐，為各行業提供最優質的解決方案及技術服務支助用戶挖掘數據背后潛在價值，提高數據利用，有效提升價值轉化率，助力企業運營。

標簽：海西 濰坊 邵陽 青海 興安盟