隨著傳統人工質檢的劣勢逐漸暴露，智能質檢的應用就被提上日程了。這篇文章里，作者拆解了一個客服智能質檢系統搭建的產品規劃、流程設計、系統功能，一起來看一下。

客服中心傳統人工質檢屬于事后管理，核心目的在于監控坐席服務質量，以此來優化改進服務策略，提升整體的服務效果。但是隨著業務復雜度的提高，服務要求的提高，傳統的人工質檢也存在諸多劣勢。

1. 坐席問題發現難，內部投訴居高不下

人工抽檢依賴于質檢員一通通的聽取錄音、查看文本，整體抽檢率非常低，大型呼叫中心，抽檢比例不足1%，導致坐席作業問題的發現機會有限，客戶投訴量高。

2. 坐席水平提升難，案例沉淀、培訓需求無數據支撐

坐席服務水平提升主要來源于培訓，而培訓需求來源一是業務線提出，二是培訓師主動發現，兩者均缺乏客觀數據支撐和坐席差異化培訓，且培訓師在制作培訓課程時，存在案例收集難、耗時長等痛點。

3. 客戶數據應用難，未賦能到產品優化、策略調整

呼叫中心日積月累的客戶原始通話、會話數據量級特別大，但這些客戶數據未能得到充分挖掘、分析、應用。

隨著人工智能、大數據技術的發展，以上的問題也逐漸得到解決。下文筆者將結合個人的實際項目產品經驗，介紹客服智能質檢產品建設方案。

一、智能質檢系統流程

當前企業客服中心主要服務渠道分為電話、在線兩種，其中電話錄音需要先通過語音識別（ASR）技術轉譯成文本數據。

整個智能質檢系統主流程主要包含全量數據智能質檢跑批、人工抽檢復核、坐席復議三個環節，如下：

根據系統用戶角色，可以再細分拆解系統的細流程，如下：

二、智能質檢產品架構

結合實際項目經驗、市場調研，設計如下的產品架構，從原始數據的接入，到質檢結果數據的輸出應用，形成完整閉環。

三、智能質檢產品功能模塊

結合產品規劃方案，落地到智能質檢產品功能模塊，包含規則管理、任務管理、質檢作業、質檢結果、案例管理、數據挖掘六大模塊，下面分別就里面功能進行說明。

1. 規則管理

規則管理系統是產品中的核心模塊，它負責配置和管理業務質檢點的模型規則。通過這個模塊，管理員可以靈活地定義關鍵詞規則、正則表達式規則、流程質檢規則、語義理解規則和服務質量規則，從而確保坐席的服務質量符合業務要求。

同時，系統還支持規則的組合配置、質檢評分模板的配置，以及面向對象（客戶/坐席）的分值設置（加分/減分），為產品提供全面的質檢和評分功能。

2. 任務管理

任務管理系統是產品中的核心組件，負責智能質檢任務、人工抽檢任務和專項質檢任務的配置與管理。該模塊通過靈活的任務配置，實現對話務數據的抽取、質檢條件的設置、評分模板的關聯以及質檢任務的分配，確保質檢過程的高效與準確。

3. 質檢作業

質檢作業模塊是任務管理系統的核心組成部分，它專為質檢員設計，用于執行日常的抽檢作業。該模塊提供了質檢員個人中心的任務清單，以及一個功能豐富的作業頁面，支持質檢員聽取錄音、查看轉譯文本、質檢規則評分等操作。

4. 質檢結果

質檢結果模塊是系統中用于展示質檢完成結果數據的核心組件。該模塊提供了個人情況匯總、小組情況匯總和業務線情況匯總的視圖，并支持查看明細結果。此外，坐席可以針對個人質檢明細結果發起申訴復議，并填寫復議內容，系統將復議任務會扭轉到質檢員的任務列表中。質檢結果的展示也需要結合業務實際需求進行定制化開發。

5. 案例管理

案例管理模塊是質檢系統中的賦能工具，專門用于收集、整理、展示質檢員提交的正向和負向案例。這些案例旨在幫助坐席人員通過學習和分析，提升服務質量，減少錯誤，增強客戶滿意度。案例管理模塊將提供一個集中的學習平臺，方便坐席隨時查看和學習案例。

6. 數據挖掘

在智能質檢的賦能下，數據挖掘成為了一個強有力的工具，它能夠幫助企業從大量的質檢數據中提煉出有價值的信息。通過結合智能質檢策略中的功能設置，我們可以設置相關的規則，從而輸出多種結果，如客戶聲音挖掘、優秀話術挖掘、輿情監測以及熱詞分析等。這些輸出不僅有助于提升企業的服務質量，還能夠為服務策略提供有力的數據支持。

以上為智能質檢系統應具備的基本功能模塊，當然其向下還有很多細的功能點，在此不做詳細說明，可留言探討。

結束語

文章簡單介紹了一個客服智能質檢系統搭建的產品規劃、流程設計、系統功能，其中在功能上向下細化還有很多值得探討的，歡迎大家留言探討。

最后，關于智能質檢系統，筆者認為不應該只是局限于質檢這一個場景，系統中已經有大量的客戶原始通話數據，可以做很多數據的挖掘分析，來助力企業的經營，是非常值得深入研究的。