质检是呼叫中心质量管理中非常重要的手段，传统的质检以人工为主，除投入成本高外，还呈现出覆盖率低、时效性差、发现问题数量少等不足。

以某公司呼叫中心为例，在线话务月均需求量30万，热线50万，人工质检覆盖率仅为0.3%，服务交互记录的平均质检间隔时间为6~7天。如何提高智能质检效率，提升质检的覆盖率，及时预警服务瑕疵，有效评价整体服务质量，是呼叫中心质量管理的痛点所在。

智能质检主要以语音识别、语音转文为基本，可实现关键词检出、语速、语气等识别功能；

更进一步的是文本信息挖掘，利用文本挖掘技术、建模、机器学习算法等，识别会话业务，判断座席对需求的判断、理解与解决能力，可核查业务处理情况、是否有违规行为，客户是否有升级等风险，达到提升覆盖率，做到服务风险防控与服务质量提升的双目的。

提升智能质检的覆盖率应从两方面入手：

逻辑设计：

要想高效的搭建功能，减少后续功能优化调整工作，逻辑设计工作是至关重要的。即整理人工质检的时候，从头到尾是经过怎么样的思考操作步骤、判断逻辑。功能设计者最好和质检人员沟通了解，收集各类场景和特殊情况。

比如服务禁语的场景，整体逻辑：主要依托关键字匹配、语义模型进行综合判断（如只通过普通的关键字匹配，易误判）。在检索出的包含服务禁语词汇的通话后，再结合语义模型，根据语气助词、礼貌用语句对结果进行进一步的筛选，提高结果准确度。

词库管理：

部分功能的搭建需涉及词库搭建以用于功能开发模型使用，比如服务禁语、推诿用语词库、业务词库、需求意愿词库、开头语词库等等，词库内容从日常人工质检的历史样本中做收集即可。

如客户营销意愿识别：结合客户端与人员端的聊天记录、外呼记录，通过业务主体词典、业务操作词典、业务意愿词典匹对，检测客户是否有办理某一业务的意愿。这也说明了词库的重要性所在。

智能质检的问题挖掘与风险防范

1）比如响应时间、挂机时间、转接规范是否到位、是否有开头结束语、规范用语等，这些基本每通来话都会涉及，可评估借助智能质检，来替代人工重复机械的质检工作。如采用系统智能质检方式，准确率一般可在70%以上，直接替代人工质检存可行性。

2）应用智能质检，通过挖掘客服人员侧的服务禁语、错漏办记录、虚假营销等，客户侧的投诉意向、不良信息（如骚扰涉黄涉暴）这些高风险点，及早预警、介入，可助力风险防范工作。

员工执行力提升

传统的人工质检覆盖率低，给了部分员工侥幸的心理和偏门操作的空间：如部分业务/解释对公司或客户很重要，但由于会影响个人指标（如占用较长通话时间），员工会选择不做、不执行。针对对此种情况，传统的管理只能采用扣罚的方式，发现一宗处理一宗，但从效果来看是屡禁不止。

智能质检的出现，一定程度弥补了此方面的不足，如针对客户挽留，采用智能质检手段开展建模挖掘，及时发现员工不操作、操作的不规范、挽留不彻底的情况，不断提升员工的携转挽留能力，进而达到提升执行力的目标。

潜在目标客户挖掘

运用智能质检建模识可挖掘客户表达的产品需求，再结合客户办理情况、年龄性别、网页浏览轨迹等数据标签综合判断，找到潜在客户，运用智能外呼、人工外呼、或网格线下实体联系面谈等形式开展进一步商机转化尝试。其精准度极高。

4、应用成效：

仍以上述公司为例，应用智能质检后，取得了如下的突破：

服务禁语：质检覆盖率100%，功能准确率约40%，问题发现量约为人工质检4倍，其中 “搪塞推诿”、“质疑反问”问题较为突出。这也为服务管控提供了明确的方向。

是否错办：质检覆盖率100%，功能准确率约70%，问题发现量约为日常人工质检的10倍

是否符合响应规范：功能准确率约85%，问题发现量约为日常人工质检的275倍；

是否符合挂机规范：功能准确率约60%，问题发现量约为日常人工质检的7.5倍

执行力是否提升：某业务规范执行率提升近15%

智能语音质检提高质检效率，提升覆盖率，及时预警服务瑕疵，有效评价整体服务质量，给企业带来了质变。