تشخیص احساسات بر اساس داده های صوتی مرکز تماس

تشخیص احساسات یکی از عناصر کلیدی و حیاتی در بهبود تعامل انسان با کامپیوتر به شمار می رود؛ به ویژه در حوزه هایی مانند بازاریابی، تبلیغات و خدمات مشتریان. مراکز تماس به عنوان یکی از مهم ترین نقاط تماس میان سازمان و مشتری نقش محوری در خلق تجربیات مثبت، افزایش رضایت و حفظ روابط بلندمدت ایفا می کنند. با گسترش روزافزون وابستگی افراد به فناوری و کامپیوترها برای انجام امور روزمره، ضرورت ارتقای کیفیت این تعاملات بیش از پیش احساس می شود. پژوهش های انجام شده در زمینه تشخیص احساسات عمدتا در سه محور اصلی پیگیری شده است: تحلیل حالات چهره، تحلیل صدا و تحلیل متن. مطالعه حاضر به طور ویژه بر تشخیص احساسات در تماس های ورودی مشتریان به مراکز تماس تمرکز دارد؛ فرآیندی که تاثیر مستقیمی بر کیفیت تجربه مشتری و سطح رضایت کلی از برند و شرکت دارد. این پژوهش از داده های واقعی و عملیاتی مشتریان ارائه شده توسط اپراتورهای تلفن همراه ترکیه بهره برده است. هدف اصلی تحلیل وضعیت احساسی گوینده در لحظه تماس و اطلاع رسانی فوری این وضعیت به اپراتور مرکز تماس بوده تا بتواند واکنش مناسب تری نشان دهد. مدل توسعه یافته در این تحقیق، نقطه عطف قابل توجهی در حوزه تحلیل احساسات (Sentiment Analysis) به زبان ترکی محسوب می شود؛ زیرا برای نخستین بار توانسته الگوهای بنیادین احساسی را از داده های گفتاری واقعی استخراج کرده و بیان های عاطفی را با دقت قابل قبول دسته بندی کند. تمرکز اصلی بر شناسایی سه حالت احساسی کلیدی: است مثبت (خوب)، منفی و خنثی است. برای دستیابی به این هدف از تکنیک های پیشرفته یادگیری عمیق استفاده شده و در نهایت دقت کلی مدل به ۰.۹۱ رسیده است. این میزان دقت برای شریک تجاری پروژه یعنی شرکت Turkcell Global Bilgi Pazarlama Danışmanlık ve Çağrı Servisi Hizmetleri کاملا مطلوب و کاربردی ارزیابی شده است. این مدل نه تنها گامی مهم در جهت هوشمندسازی مراکز تماس به شمار می رود، بلکه زمینه ساز بهبود قابل توجه در کیفیت خدمات، کاهش تنش های احتمالی و افزایش وفاداری مشتریان خواهد بود.

کلیدواژه ها:

تشخیص ، احساسات ، مرکز تماس ، یادگیری عمیق ، هوش مصنوعی