语音分析应用场景——投诉发现与分析
“ 投诉 ”是客户最直接表达不满的途径和方法，投诉不是坏事，相反应该真心诚意的感谢每一位投诉的客户，因为他们是在给我们改进的机会。那么没有给我们“改进机会”的客户呢，这些客户往往会最先流失，如何减少这些流失，在客户产生不满前做出预判，发现客户的投诉根源？
在呼叫中心行业，往往一个完整的客户体验，会经历很多环节，例如我之前服务的企业，客户针对酒店预订需求就要经过如下环节：
每个环节都有可能出现问题导致客户投诉，如何精准确认是什么问题，哪个流程导致的投诉？才能给出合理的解决方案让客户满意。
我们来回顾以上两个疑问1.如何在客户不满并要投诉前，及时做出预判。2.如何确认产生投诉的具体原因，给出合理的解决方案。近几年，智能语音分析技术越来越受到大家的关注，在投诉发现与分析方面，智能语音系统也体现了它强大的优势。我们对多个企业进行咨询，运用智能语音系统，对投诉进行了深度分析。进入企业后，首先我们听取大量的录音，了解客户业务，发现录音中客户表达不满的关键词。（不仅仅是投诉这个关键词，客户前期表达的不满很可能会导致客户最终投诉）以近期我们服务过的客户为例：通过对这些关键词的确认，建立相应模型后我们把模型进行了分类，分为：员工层面问题，流程层面问题，产品层面问题。这样在通过分类对不满和投诉录音进行交叉分析，可以分析出哪类问题占比最高，是导致客户投诉和不满的重要原因。
通过层层剥离的分析方法，我们就可以清晰准确的得到影响客户不满意的根本原因，就可以对投诉做出预判，制定合理的改进方案，从而降低产生投诉的可能性。
本文转自d1net（转载）