得助智能：人工抽检率仅有2%-5%？智能质检应用后能达到多少？

在我们服务的客户中，有一家大型保险公司，在应用智能质检系统前，一直都采用线下人工质检，但人工质检的质检量有限，抽检率平均在2%-5%；同时人工质检存在主观差异，标准不一致，人工统计报表时效长，易产生影响风险问题跟进及时性等问题。 

得助智能质检是如何为他们解决痛点的呢？

得助智能质检系统，引入ASR、NLP、大数据等人工智能技术，自动检测呼叫中心海量数据，并提供人工质检作业在线化管理能力，通过人机结合的方式大幅提升质量管理效率与覆盖度，并通过报表分析主动发现潜在的风险和商机，协助全面提升运营效率。

通用“服务态度质检规则+投诉/举报/曝光”，及专项“红线质检规则+重点业务质检规则”等多种质检模型组合的方式，快速精准定位录音及文本中涉及的红线问题，最后结合为触发红线指标设计的智能及抽检预警任务方案，确保每类红线问题都有人处理，及时安抚客户情绪并做出合理解释，给出处理方案，避免问题升级。

具体实现方式为，首先通过服务态度质检模型检测坐席在服务过程中是否出现服务禁用语、情绪波动等通用服务态度问题。其次结合重点业务质检模型及专项投诉质检模型定位重点场景出现的投诉问题。最后，根据具体落地场景调整某项质检模型比重，在确保完成规定的质检率后，提升质检工作随运营特点、指标波动调整的及时性与契合度，提高专项质检工作的靶向性。

当发现服务录音中存在客户不满或提及向上级部门投诉等问题时，自动触发投诉质检专项模型，实时预警并推送给质检人员重点跟进，通过端到端的投诉处理流程，最终控制投诉量。

应用效果如何？

应用一段时间后，该保险公司的录音抽听覆盖率达到100%，全量质检转译时效为T+1；质检项的准确率达到了90%；系统按日、周、月自动生成报表并通过企微，邮件方式直接为运营团队进行推送；将原本外呼的90%和呼入的85%的合格线全部提升到95%，成就质检高标准；从原先无重复来电，首解率的数据分析白板，到为客户搭建出一套涵盖热词分析、话务分析、重复来电分析、声誉风险分析、高风险投诉分析、满意度分析、业务交叉分析等多种主题分析的BI分析工具，填补质检团队在数据分析体系建设方面的空白。