Размещено на http://www.allbest.ru/

Речевая аналитика в бизнес-процессах телемаркетинга юридической компании

Брыкин Иван Владимирович

Оглавление

• ВВЕДЕНИЕ
• ГЛАВА 1. СОСТОЯНИЕ РЫНКОВ ТЕЛЕМАРКЕТИНГА РОССИИ И МИРА, ОБЗОР НАУЧНЫХ ПУБЛИКАЦИЙ В ТЕМАТИКЕ РЕЧЕВОЙ АНАЛИТИКИ И ОПИСАНИЕ АЛГОРИТМОВ АНАЛИЗА ДАННЫХ
• 1.1 Описание рынка услуг телемаркетинга в России
• 1.2 Анализ (Литературный обзор) современных исследований телемаркетинга
• 1.3 Методика оценки индивидуального словарного запаса
• 1.3.1. Частотные словари
• 1.3.2. Словарные гнезда
• 1.3.3. Проверочные слова
• 1.3.4 Оценка лексического запаса респондента
• 1.4 Описание латентного размещения данных Дирихле
• ГЛАВА 2. ОБЗОР СТРУКТУРЫ И ДЕЯТЕЛЬНОСТИ ЮРИДИЧЕСКОЙ КОМПАНИИ «БАЗАЛЬТ», ОПИСАНИЕ БИЗНЕС-ПРОЦЕССА ВНУТРЕННЕГО ТЕЛЕМАРКЕТИНГА ЭТОЙ КОМПАНИИ И ВЫЯВЛЕНИЕ ПРОБЛЕМАТИКИ В ОПИСАННОМ ПРОЦЕССЕ
• 2.1 Организационная структура и описание деятельности компании «Базальт»
• 2.2 Описание бизнес-процесса внутреннего телемаркетинга компании «Базальт»
• ГЛАВА 3. АНАЛИЗ ЗАПИСЕЙ РАЗГОВОРОВ ОПЕРАТОРОВ, ТЕСТИРОВАНИЕ ГИПОТЕЗ
• 3.1Описание алгоритма сбора первичных данных
• 3.2 Описание программных средств, применяемых в исследовании
• 3.3 Описание, разработанного инструмента
• 3.4 Проверка гипотез на результатах практической работы и формирование предварительных результатов
• ЗАКЛЮЧЕНИЕ. ОБОСНОВАНИЕ ДОСТИЖЕНИЯ ВСЕХ ПОСТАВЛЕННЫХ ЗАДАЧ И ЦЕЛИ ИССЛЕДОВАНИЯ
• СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ
• ПРИЛОЖЕНИЕ 1. ПРИМЕР ТЕКСТВОЙ ЗАПИСИ, ПОЛУЧЕННОГО ПОСЛЕ ТРАНСКРИАЦИИ АУДИОФАЙЛА РАЗГОВОРА ОПЕРАТОРА

ВВЕДЕНИЕ

Телемаркетинг используется для продаж широкого спектра продуктов и услуг почти в любой отрасли и является одним из самых распространённых способов массового маркетинга. Различные телекоммуникационные технологии, интегрированные со специализированными базами данных, а также ip-телефонией применяются для осуществления коммуникаций между клиентами и операторами контакт-центров (Call-центров).

Целью телемаркетинга является упрощение процесса продажи, а также оперативное предоставление клиенту актуальной информации. Услуги телемаркетинга: поиск новых клиентов и продажи по телефону, холодные звонки, маркетинговые исследования, актуализация баз данных, информирование, опрос и анкетирование также служат платформой для продвижения для компаний, предоставляющих услуги, как для физических лиц, так и для бизнеса. Метрики телемаркетинга, такие как общее количество заведенных заявок, количество продаж, оборачиваемость базы, количество повторных звонков, процент заключенных сделок, дают представление об эффективности продаж компании в цифрах и подходят для анализа во многих отраслях экономики. Предоставление бухгалтерских и юридических услуг, продвижение туризма, недвижимость, здравоохранение, кредитных карт и многих других товаров и услуг в рамках современного конкурентного рынка не могут обойтись без метрик телемаркетинга.

Телемаркетинг подразделяется на входящий и исходящий.

Входящий телемаркетинг -- это вид маркетинга, в рамках которого заинтересованный клиент сам обращается к специалисту компании для получения услуги или товара. Первичную информацию об интересуемом товаре или услуге клиент получает из рекламного объявления, содержащего или ведущего на источник контактной информации. Входящий телемаркетинг применяется для структурирования массива входящей информацией, его последующий анализ, с целью удержание и увеличение продаж. «Горячие линии» компании являются отделом входящего телемаркетинга. Клиент звонит на «горячую линию» и получает консультации по интересующим товарам или услугам, а также может сделать заказ на их приобретение.

Исходящий телемаркетинг дает возможность увеличивать уровень продаж и получать свежую информацию, которая повышает уровень продаж через контакт с потенциальными клиентами. В исходящем телемаркетинге менеджер сам ищет клиентов, пользуясь доступной базой данных контактов. Поэтому в этом случае ключевое значение имеет актуальность этой базы, её качество и взаимосоответствие контактов и целевой аудитории.

Под сферами применения телемаркетинга подразумевают [6]:

1. Оповещение текущих и возможных клиентов компании об актуальных акциях, текущем ассортименте и т.д.

2. Обнаружение интереса к продаваемым товаром и услугам у потенциальных клиентов

3. Добавление и редактирование данных о клиентов в базе

4. Планирование календаря встреч и других взаимодействий с возможными клиентами

5. Телефонные продажи

6. Оказание пост продажных консультаций

7. Проведение телемаркетинговых исследований, путем сбора данных, анкетирования.

8. Дальнейшие ведение сделки с клиентам после действий осуществленных в рамках директ-маркетинга

При проведении мероприятий, призванных сократить расходы и увеличить продажи нередко перед компанией встает вопрос оптимизации процессов телемаркетинга. Поэтому необходим инструмент, создающий идеальный сценарий (скрипт) для переговоров операторов (менеджеров отдела продаж) с клиентами и, в то же время, сопоставляющий текущий разговор менеджера с эталонным сценарием. В должностные обязанности руководителя отдела продаж (РОПа) входит создание скрипта для продаж, а также обучение сотрудников отдела продаж (операторов). Обычно РОП руководствуется при этом своим сугубо личным опытом. Поэтому коллективная подготовленность такого отдела продаж, как правило, не превосходит компетенцию своего руководителя.

Речевая аналитика, проводимая на данных, полученных из преобразования телефонных звонков в текст, позволяет улучшить качество телемаркетинга практически во всех сферах его применения. Актуальные исследования в области анализа речи в телемаркетинге изучают алгоритмы обработки данных, которые способствуют автоматизации, оптимизации и одновременной оценки эффективности работы всех участников бизнес-процессов, объединённых телемаркетингом. Хорошо себя зарекомендовали методы, основанные на статистической обработке большого массива информации и применении машинного обучения. Исходя из научных статей последних лет, основной спектр исследований в данной области направлен на выделение ключевых направлений в аналитике речевых и текстовых данных маркетинга [5]. Создаются общие методики проведения исследований в тематике анализа данных маркетинга и их кластеризации. Также разрабатываются прикладные решения в области текстового и речевого анализа, изучающие данные в различных аспектах, разными инструментами и с применением различных алгоритмов[1],[2],[3].

Оценка публикаций в области речевой аналитики выявила сложности технологического рода в части сбора первичных данных (часто исследователи разрабатывают специализированное программное обеспечение в зависимости от целей исследований), отсутствие подробно описанных алгоритмов и сильную специфику первичных данных в зависимости от внутренних бизнес-процессов компаний, предоставляющих эти данные. Поэтому основываясь только на записях разговоров, без использования специализированных алгоритмов обработки, крайне затруднительной является задача выявления корреляции данных и формулирования адекватных выводов. Существует большое количество иностранных публикаций, посвященных речевой аналитике в телемаркетинге, но в русскоязычном сегменте исследований по данной тематике крайне мало.

Конверсия во входящем телемаркетинге -- это отношение числа заключенных сделок с клиентами, к общему числу входящих обращений, обработанных операторами, выраженное в процентах. Например, имеется юридическая компания, занимающаяся оказанием услуг по регистрации юридических лиц. Допустим, что в сутки операторам данной компании поступило 500 входящих звонков. По результатам этих обращений было заключено 70 договоров на оказание услуг. В данном случае процент конверсии посетителей и покупателей равен (70 договоров/500 звонков) *100 =14 %.

Учитывая все вышеописанные факты, была сформулирована цель данной работы - разработать рекомендации, обеспечивающие повышение конверсии при обработке входящий обращений. Работа выполнялась на примере бизнес-процесса контакт-центра отдела внутреннего телемаркетинга компании «Базальт», однако разработанные подходы могут быть применены и для любых других организаций со схожим бизнес-процессом входящего телемаркетинга.

В рамках достижения поставленной цели требуется выполнить ниже обозначенные задачи:

1. Выявить области оптимизации в бизнес-процессе внутреннего телемаркетинга компании «Базальт»;

2. Собрать информацию, изучив источники литературы, посвященные методам анализа речевых данных в маркетинге;

3. Сформулировать гипотезы, предполагающие увеличение конверсии;

4. Обработать файлы записей разговоров операторов с клиентами и перевести их в текстовый, сформировав массив данных;

5. Разработать или подобрать существующий инструментарий, для анализа полученного массива данных, для тестирования гипотез;

6. Проанализировать массив данных посредством инструментария с целью проверки гипотез;

7. Сформулировать выводы, на основании полученных результатов и определение практических рекомендаций сотрудникам компании «Базальт» по увеличению эффективности и оптимизации бизнес-процесса внутреннего телемаркетинга.

Данный список задач, не противоречит методологии [4], рекомендованной для применения в подобных исследованиях.

В исследовании в качестве объекта планируется выделить контакт-центр обработки входящих обращений отдела внутреннего телемаркетинга.

Объект исследования - контакт-центр обработки входящих обращений отдела внутреннего телемаркетинга.

Предмет исследования - бизнес-процесс обработки входящих обращений, относящихся к входящему телемаркетингу в юридическом консалтинге.

Метод научного исследования - измерение и сравнение.

Гипотезы исследования: наличие корреляции между полнотой лексикона оператора и результатом обработки обращений во входящем телемаркетинге, а также наличие зависимости успешного результата обработки обращения от набора определенный термов и биграмм, используемых оператором в речи.

В качестве инструментов: «Asterisk» - вируальная АТС, применяемая для обработки входящих обращений клиентов, 1С «CRM 3.0» - программный продукт для управления взаимоотношениями с клиентами, «Microsoft Visual Studio 2019» --комплекс программных средств для разработки программ. C# - Язык программирования, основанный на объектно-ориентированной парадигме. «Yandex SpeechKit» -- библиотека для транскрибации речи.

Транскрибация -- процесс расшифровки речи из аудио или видео формата в текстовую запись. Как правило, это выполняется вручную, однако развитие технологий распознавания речи постепенно открывает возможности решения такой задачи с помощью современных компьютерных технологий.

Научная новизна текущего исследования заключается в том, что в исследованиях проблематики речевой аналитики впервые рассматривается влияние полноты лексикона оператора на конверсию при обработке обращений во входящем телемаркетинге.

Практическая ценность текущей работы состоит в том, в случае получения положительного результата при проверке описанных выше закономерностей, позволит сформировать практические рекомендации для операторов, тем самым повысив эффективность их работы.

Структурно работа состоит из введения, трех глав, заключения и приложения. В первой главе описано состояния мирового и российского рынка телемаркетинговых услуг, обзор актуальных исследований в области маркетинга, а также описание алгоритмов анализа данных. Во второй главе обозревается структура и деятельность юридической компании «Базальт», а также бизнес-процесс ее внутреннего телемаркетинга. Третья часть данной статьи, посвящена практическим исследованиям. В заключение работы сформулированы полученные выводы.

ГЛАВА 1. СОСТОЯНИЕ РЫНКОВ ТЕЛЕМАРКЕТИНГА РОССИИ И МИРА, ОБЗОР НАУЧНЫХ ПУБЛИКАЦИЙ В ТЕМАТИКЕ РЕЧЕВОЙ АНАЛИТИКИ И ОПИСАНИЕ АЛГОРИТМОВ АНАЛИЗА ДАННЫХ

В первой части главы рассмотрено текущее состояние и тренды рынков телемаркейтинговых услуг России и мира по итогам 2016 год.

Во второй части обозреваются исследования, посвященные обобщению методик, применяемых в работах с тематикой речевой аналитики, маркетинга и кластеризации данных. Обсуждаются основные тенденции в области маркетинговой аналитики. Рассмотрены публикации, в основе которых лежат прикладные исследования по обработке большого объема данных в тематике речевого анализа, путем применения различных инструментов и алгоритмов.

В третьем разделе представлены методики определения индивидуального словарного запаса, а также алгоритмы кластеризации данных.

1.1 Описание рынка услуг телемаркетинга в России

Согласно результатам рыночного отчета [12], опубликованному «Transparency Market Research» ожидается, что мировой рынок телемаркетинга достигнет размера 35 млрд. долл. США к 2025 году. Ожидается, что рынок будет расти со среднегодовым темпом роста 3.7% в течение прогнозного периода с 2017 по 2025 год, что характеризует данную отрасль как динамично развивающуюся.

Мировой рынок телемаркетинга согласно макрогеографической классификации ООН разделен на следующие регионы: Северная Америка, Европа, Азиатско-Тихоокеанский регион (APAC), Ближний Восток и Африку (MEA) и Южную Америку. Среди обозначенных рынок телемаркетинга Азиатско-Тихоокеанского региона доминирует на рынке с точки зрения доходов благодаря низкой стоимости рабочей силы, используемых для аутсорсинговых услуг в таких странах, как Китай, Филиппины, Индия и другие. В Азиатско-Тихоокеанском регионе рынок Китая является крупнейшим и, как ожидается, будет сохранять среднегодовые темпы роста в 5.7%.

Использование телемаркетинга снижает расходы на рекламу, что является одним из основных факторов роста в регионе. Кроме того, растущее число коммерческих организаций увеличивает рост рынка телемаркетинга.

Внимание рынка к отрасли предоставления маркейтинговых услуг, способствует росту числа научных публикаций в данной тематике. Так в течение шести лет (2010-2016) было опубликовано более 1560 статей на английском языке. Количество статей за указанный период удваивалось каждый год [5].

Такие международные компании как Alcatel-Lucent, Cisco, Genesys, Nortel и Avaya [19] занимаются разработкой целый ряд различных инструментов для автоматизации маркетинговых услуг. В данной тематике имеются решения и от отечественных разработчиков представленные решениями разного уровня. Такими как локальные сервисы, направленные для решения узкоспециализированных задач, не требующие установки на оборудование клиента и последующей настройки, а предполагающие работу в режиме облака. Примером таких систем может служить ряд сервисов компании «Comagic». Также на рынке представлены отечественные разработки, предоставляющие клиенту комплексный подход, состоящий из программно-аппаратных средств, таких как решения компании «ЦРТ».

Базовыми функциями систем автоматизации телемаркетинговых услуг являются:

· Автоматическое оповещение клиентов роботом, посредством исходящих обращений;

· Архивация и запись переговоров с клиентами;

· Классификация входящих звонков

· Распределение входящих звонков по операторам и отделам

· Предоставление оператору информации по входящему обращению

· Аналитика речевых параметров оператора

· Предоставление консолидированной отчетности

· Планирование расписания взаимодействий с клиентами;

· Оценка качества работы операторов, за счет сравнения статистики их работы с плановыми показателями, установленными руководством

По данным 2019г. рынок телемаркейтинговых услуг на территории Российской Федерации определяется как зарождающийся[7], так как еще не полностью сформировался спрос со стороны большого количества отраслей, таких как туризм, здравоохрание, образование и наблюдается стабильный рост рынка порядка 27% ежегодно на протяжении последних 15 лет[7]. Исходя из отраслевого отчета «IKS consulting» за 2019 год российский рынок телемаркейтинговых услуг занимал второе место по темпам роста среди стран Европы. Отечественная отрасль телемаркейтинга предоставляет около 0,7% от общего числа рабочих мест, в основном это позиции операторов в кол-центрах и обсуживающий технический персонал. Основными работодателями в отрасли являются крупные компании, предоставляю аутсорсинговые услуги телемаркетинга на всей территории Российской Федерации и ряда стран СНГ[7]. На рынке преобладают крупные контакт центы с численностью операторов более 1000, их доля составляет 58% от общего числа. На долю малых контакт центров приходятся оставшиеся 42% рынка, в основном это внутренние отделы телемаркейтинга компаний, для которых телемаркетинг является поддерживающей функцией основного направления деятельности. Объем продаж, достигаемый за счет применения услуг относящихся к телемаркетингу, составляет 16%[6].

Аналитики «Prax group» относят перенос кол-центров в регионы, использование аутсорсинговых поставщиков услуг, вместо внутренних отделов телемаркейтинга а также сравнительно невысокую стоимость данных услуг основными драйверами роста рынка телемаркетинга[7].

Эксперты также сформировали ряд факторов мешающие развитию бизнеса[7], а именно:

· Пассивность малого и среднего бизнеса;

· Низкая скорость интернета в ряде регионов;

· Высокая стоимость коммуникационного оборудования;

· Риски, связанные с возможной утечкой информации о клиентах

· Наличие предложений низкого качества, по демпинговым ценам

Доля финансовых, страховых и телекоммуникационных услуг составили 70% от общего объема рынка в 2015 году[7].

По данным информационного агентства «РБК», только 20% передала функцию исходящего телемаркетинга («холодные продажи») на аутсорсинг.

Эксперты компании «IKS сonsulting», провели анализ распределения долей рынка предоставления аутсорсинговых услуг телемаркетинга между основными участниками за 2016 год (см. Рисунок 1). «Teleperformance» является ключевым игроком рынка в течение последних лет с долей (15,6%). К фаворитам также относятся «Ростелеком Контакт» (11%) и «Teлeконтaкт» (9,2%), следом идут «Телеком-Экспресс»(9,2%) и AУДИОТEЛЕ (5,6%). Исследование показало, что доля, занимаемая 11-ю крупнейшими участниками рынка составила 76% в 2016 году относительно доли в 69% за 2015г[7]. Что свидетельствует о тенденции консолидации рынка.

Рисунок 1 Распределение рынка телемаркетинга по основным игрокам 2016 год

Статистика по объему рынка за 2011-2016 г.г. (см. Рисунок 2), демонстрирует размер рынка телемаркетинговых услуг в России за 2011 г равнялся 6,01 млрд. рублей; 7,92 млрд. рублей по итогам 2012г.; в 2013 году - 10,94 млрд. рублей, а в 2014 году - 11,52 млрд. рублей. В 2015 рынок сократился до 11,12 млрд. из-за кризиса в экономике, но в 2016 году произошло восстановление и уверенный рост до 13,53 млрд. руб.[7].

Рисунок 2 Динамика рынка телемаркетинга России (2011-2016гг.)

1.2 Анализ (Литературный обзор) современных исследований телемаркетинга

Цель обзора современных исследований в области телемаркетинга - определить основные направления в этой области, для этого среди теоретических исследований, была изучена статья[5], в которой применялся автоматизированный подход к анализу текста научных публикаций в тематике речевой аналитике. Анализ выделял на соответствующей тематике ключевые слова и классифицировал статьи исследований на ряд категорий: «большие данные», «географию публикаций», «телемаркетинг», «отрасли применения». Были рассмотрены статьи, опубликованные в период с 2010 по 2015 годы, общим количеством более 1600.

В результате полученных исследований выяснилось, что маркетинговые исследования располагаются стыке теоретической и прикладной сферы. При этом исследования, отнесенные к тематике «большие данные» не всегда относятся к разделам применения современных алгоритмов работы с данными в области маркетинга. При анализе литературы, было выявлено разнообразие стран, которые представляли авторы публикаций, что говорит о глобальном интересе к отрасли телемаркетинга.

Также выводы, полученные в исследовании[5] показывают, что алгоритмы обработки больших данных для маркетинга все еще находятся в не развитом состоянии. Из этого следует вывод о том, что необходимо направить усилия на эту область бизнес-исследований для того чтобы передовые методы обработки данных могли успешно использоваться в маркетинге.

Результаты исследования (European Research on Management)[5] показывают все более возрастающий интерес к теме анализа маркетинговых исследований. В исследовании[5] был применен анализ текстов и тематическое моделирование этих текстов. Благодаря этому получилось сгруппировать статьи тематически, охарактеризовать ключевые термины и тем самым обеспечить наиболее полный обзор литературы по тематике телемаркетинга. Также можно сделать вывод о том, что подавляющая часть исследования проводилась в США, Центральной Европе и Азиатских странах.

При рассмотрении исследования, о котором говорилось выше, была также рассмотрена публикация [1] . Публикация посвящена изучению качественных методологий в международных исследованиях в области менеджмента и маркетинга. Это подкрепляет разработанный план исследования, так как на публикацию выпадает наибольшее количество ссылок, а именно 254.

Качественные исследования, необходимые для работ такого рода, включают использование неструктурированных исследовательских методов. К ним относятся углубленные интервью, фокус-группы, и постановка акцента на контекст, семантику и другие важные методы исследования. Полученные на основе исследований качественные данные телемаркетинга используются для дальнейшего описания и анализа: социального поведения, норм и ценностей общества. Также в публикации [1] присутствуют выводы, благодаря которым возможен анализ записанных разговорных текстов, интервьюирование менеджеров для последующего транскрибирования.

При анализе удалось определить четыре этапа подобного исследования.

· Постановка основного вопроса исследования;

· Сбор первичного материала для исследования (информации);

· Обработка информации и получение данных;

· Аналитика данных;

Ряд программных решений рекомендованы для применения в исследованиях тематики речевой аналитики: «Nudist», «HyperResearch», «Atlas», , «Ethnоgrаph», «Said» и «N-VIVO». Это программы, благодаря которым можно определить различные зависимости в данных. Одним из ограничений данных программ является поддержка определенного количества языков. Например, русский язык не поддерживается. По итогу анализа, выявлены формализованные процессы, помогающие сделать более логичным и воспроизводимыми практические исследования, основанные на анализе речевых данных.

Прикладные исследования, проводимые в области речевого анализа в маркетинге, и базируются на обработке входных данных с различных сторон, производятся различными методами и инструментами.

Так в публикации[2] было создано приложение для контакт-центров, специализирующихся на первичных опросах клиентов. Они позволяют создавать классификацию психоэмоциональных аспектов (эмоций) телефонных переговоров. Такой анализ дает возможность эффективнее проводить повторный опрос оператора с клиентами после первичного автоматизированного опроса. Этот инструмент, может быть, применим к любым языкам и основан на алгоритмах машинного обучения. Для этого производится предварительное обучение операторов, основанное на примере голосового файла. Результаты применения этого инструмента привели к повышению количества продаж в среднем на 24% за счет применения методики классификации.

В исследовании [3] поставлен вопрос о влиянии голоса в зависимости от пола говорящего на конверсию телефонной рекламы в контексте банковского телемаркетинга. описано отношение аудитории к рекламе и психология аудитории. Был проведен эксперимент с использованием мужских и женских голосов. Маркетинговое сообщение было имитировано и состояло из рекламы услуг предоставления кредитной карты, предлагаемой одним из банков в Канаде. Целевая аудитория - студенты бакалавриата (N = 399; 71,6% женщины, 28,4% мужчины; Ср. возр. = 26,5 года). Было проведено анкетирование. По результатам исследования наиболее достоверной информацией для респондентов является ненавязчивая интонация и высокая скорость по отношению к другим комбинациям. Пол не является значительным фактором для степени достоверности источника. А вот голосовые характеристики значительно повлияли на отношение респондентов к рекламе, и отразилось на их восприятии рекламного продукта.

В исследовательской работе [4] анализируется текстовой контент, генерируемый пользователями 18-ти брендов на 5 различных рынках. Это сотовые телефоны (Motorola, Nokia, Research in Motion Limited [RIM; теперь BlackBerry Limited] и Palm), персональные компьютеры (Неwlеtt-Pаckаrd(НP) и Dеll), игрушки (Mаttеl, Hаsbrо и LеарFrоg), обувь (Skеchеrs, Timbеrlаnd и Nikе) и систем хранения данных (Sеаgаtе Tеchnоlоgу, SаnDisk и Wеstеrn Digitаl Cоrpоrаtiоn). Целью анализа стало извлечение данных на основании критерия уровня доверия пользователей определенному бренду, динамике изменения этого доверия к продукту представленного брендом и последующая классификации пользователей этих брендов.

В качестве основного алгоритма в практической части исследования использовалась порождающая модель латентного размещения Дирихле.

Инструментом стала библиотека NLTK, используемая для символьной и статистической обработки естественного языка. Надежность полученных результатов проверена с помощью теста с разделением выборки.

Итоги проведенных исследований был сведен к таблице результатов. В ней содержится аналитическая информация по ключевым категориям оценки. Это портативность, восприимчивость, совместимость, нестабильность, дискомфорт. Вторичные характеристики также включены. В категориях отмечены слова, увеличивающие влияние одноименного признака. Они характеризуют продукт увеличивающие значение коэффициента при каждом упоминании, определены также слова, уменьшающие коэффициент. На основе данных количества полученных слов произведена оценка брендов в категории по авторской формуле, приведённой в исследовании.

1.3 Методика оценки индивидуального словарного запаса

Индивидуальный словарный запас (ИСЗ) является одной из основных метрик позволяющий определить степень знания языка отдельно взятого индивида. ИСЗ подразделяется на активный и пассивный. Активный словарный запас - это набор слов, которые носитель использует в повседневной речи, а пассивный тот набор слов, которые носитель языка понимает. В связи с этим важно знать минимальный объем словаря, достаточный для адекватного владения языком, что бы произвести оценку этой метрики требуется иметь метод, позволяющий определить количественную оценку известных человеку слов анализируемого языка.Под определением ИЗС (лексикона человека) подразумевается множество слов живого языка, семантику которых носитель языка понимает и может объяснить с помощью синонимов, а также употребить в контексте. Понятия лексического навыка и лексической компетенции тесно связаны с ИСЗ. Определения данных понятий в литературных источниках сводятся к возможности носителем языка использовать его словарный запас, а именно использовать слова в паре с другими учитывая свойство лексической сочетаемости, производить над словом ряд лингвистических преобразований (знать его грамматические формы, словообразовательные возможности и т.д.), определять значение слова в зависимости от контекстуального значения. Большинство экспертов в области лингвистики считают, что лексическая компетенция - это составная часть коммуникативной компетенции и, например, при изучение иностранного языка основной упор делать не только на умении оперирования набора слов, но и достаточном уровне полноты словарного запаса. На сегодняшний день разработано несколько методик определения словарного запаса.

Частотные словари

Если принять во внимание о русскоязычные Частотные словари, то можно отметить отсутствие низкочастотных слов для определения лексического запаса у людей, обладающих большим словарным запасом. Например, словарь О.Н.Ляшевской и С. А. Шарова [18] составляет 52000 лексем, словарь Л.Н. Засориной [17] - 40000.В практической части данного исследования словарь составлялся из всех лексем использованных операторами компании «Базальт», полученных в ходе транскрибации записей переговоров клиентами.

Частотность лексем можно определить за счет анализа данных национального корпуса русского языка (НКРЯ). НКРЯ - это электронный сервис, представляющий собор набор из более чем 90000текстов различных тематик. База текстов представлена научной литературой, художественными, религиозными текстами, дневниками и рядом текстов специфической тематикой общим объемом более 283 млн. слов, а общее количество словоупотреблений достигает 600 млн.[28]. Большая часть текстов (63%) были созданы после 1960 года, что позволяет НКРЯ - считать срезом современного русского языка.

Словарные гнезда

Одним из методов, позволяющих дать количественную оценку знания языка является статистический. Лексический запас знания языка согласно данной методике предполагает наличие корреляции между вероятностью, с которой респондент знает какое либо слово и частоты его использования в разговорной речи. Данный метод имеет ряд особенностей. Например, слово «рассуждать» употребляется в несколько тысяч раз чаще по сравнению со словом «философ». Однако если респонденту известно одно из этих двух слов, то ему, обычно, знакомо и другое. Поэтому допускается существование неких «словарных гнезд», т.е. некого множества однокоренных слов, зная одно из которых и обладая «языковым чутьем», люди могут догадываться о значении всех слов из группы. В словарных тестах учитывается именно основное слово, а не производные. [14]. К сожалению, в русскоязычных проверочных системах подобные правила отсутствуют, в отличие от систем в других языках. Задача объединения слов по принципам словарного гнезда при составлении частотного словаря была решена, если слова относились к оной из категорий:

1. Множественные числа существительных («женщина» и «женщины»)

2. Производные прилагательные («клиент» и «клиентский»)

3. Причастия («мыть» и «мытый»)

4. Совершенный/несовершенный вид глагола («покупать» и «купить»)

5. Абстрактные существительным («храбрый» и «храбрость»)

6. Феминитивы («редактор» и «редакторка»)

7. Уменьшительно-ласкательные («кот» и «котик»)

8. Уничижительные («мужчина» и «мужичонка»)

9. Усилительные («сила» и «силища»)

10. Страдательный залог («ценить» и «цениться»)

11. Отглагольные существительные («ходить» и «хождение»)

По этому принципу в исследовании [20] выборка в136 тыс. слов была распределена в 88.000 словарных гнезд.

В качестве примера можно привести следующие получившиеся словарные гнезда:

· Смелый-смелость-смельчак-смелеть-осмелиться

· Крепкий-крепость-крепчать-крепко-крепыш

Следует отметить, что описанный список категорий не является полным при решении задачи определения словарных гнезд и дает приближенное решение. Исследования показывают, что образованные и начитанные носителей языка составляют словарные гнезда больших размеров, чем только начинающие изучение языка. Из этого следует, что языковое чутье индивидуально и с увеличением словарного запаса улучшается[15]. Вероятно, полные словарные гнезда возможно составить только экспериментальным путем, на основе тестирования большой выборки носителей языка с различной лексикой. Понимая условности правил построения словарных гнезд допустимо считать словарь словами, а не словарными гнездами. Причина в индивидуальности.

Проверочные слова

В любом словаре используется определенное количество слов, и каждое слово ведет к группе близких слов. Чтобы набор слов мог максимально соответствовать так называемой «усредненной аудитории», например, без акцента на профессиональную деятельность, слова должны быть максимально «нейтральны» и общеупотребительны. Поэтому исключаются:

1. Профессиональная лексика («камбуз»)

2. Диалекты («векша»)

3. Архаичные слова («кладезь»)

4. Иностранные слова, имеющие русскоязычную «адаптацию» («ростер»)

5. Части фразеологизмов («зга»)

6. Жаргоны («халтура»)

7. Нецензурная лексика

Оценка лексического запаса респондента

В исследовании применяется особый подход для оценки лексики респондента [20]. Лексемы - это отдельный набор, необходимый для теста. Основная идея проверки пассивной лексики - представить довольно большую группу синонимов. В ситуации, при которой опрашиваемому знакомо проверочное слово, следует предположение, что будет знакома и вся лексическая группа.Данный подход следует переопределить с использованием термина «ранг» - определенного индекса слова определенного по частоте употребления.

Например, оператор может объяснить значение проверочного слово с определенным рангом, на основании этого делается допущение, что респонденту известен и все набор синонимов. Проверочное слово с определенным рангом не получено, если опрашиваемый не смог определить семантику слова-синонима. Возможно допущение, что существует некая зависимость вероятности знания слов от словаря размерности n (максимальный ранг слова в этом словаре - n).

Для каждого оператора описанная зависимость будет индивидуальной. Однако, формула, описывающая зависимость, будет иметь схожее значение около 100%, при тестировании широко используемых слов и порядка 0% для специфических терминов. Полученные значения такой функции относительно условны, поскольку равняется либо 1, в случае если опрашиваемый знаком со значением слова, либо 0 в противном случае. Впрочем, из достаточно большого множества значений функции, будет возможно точно описать оценку знания словарного запаса (ОЗСЗ) посредством двухпараметрической функции[20] (см Формулу 1).



Формула 1 Функция оценки словарного запаса,

где n₀ определяет пограничное состояние функции () , коэффициент w_n задает наклон функции (). Для достижения лучшего результата ОЗСЗ формулу можно проинтегрировать, так как при равном значении функции определяющей ОЗСЗ (для двух разных опрашиваемых), величина коэффициента наклона w_n может отличаться многократно.

Использование дополнительных параметров функции ведет к увеличению значения погрешности[20], таким образом, ОЗСЗ может быть представлена в виде формулы 2.

Формула 2 Расширенная функция оценки словарного запаса,

Где n_max - объем частотного словаря (см. формулу 2).

Описанный метод оценки лексикона оператора применяется на практике алгоритму. Вначале составляется словарь используемых в переговорах слов для каждого их операторов. Далее путем объединения индивидуальных словарей, составляется общий словарь, для каждого слова из которого рассчитывается ранг. Далее определяется функции словаря: f(i) = 1, если оператор использовал слово в речи, т.е. найдено совпадение слова в индивидуальном словаре и f(i) = 0, если совпадение не найдено. Множество полученных значений функции словаря сглаживались подстановкой в формулу (1) с использованием базового метода наименьших квадратов (МНК), использующегося в регрессионном анализе. Полученное приближение позволяло определить коэффициент w_n, определяющего величину наклона функции и n₀ - коэффициент пограничного состояния, которые затем были подставлены в функцию [2] для измерения ОСЗС оператора.

Формула (2) основана на общепринятом статистическом методе измерения[21]. Суть, которого заключается в предположении, что вероятность того, что опрашиваемый знает значения слов, используемые с одинаковой частотой. Так же следует учесть, что невозможна проверка всех лексем, из которых состоит полный словарь языка, поэтому в рамках тестирования требуется использовать сравнительно небольшую по численности выборку определенных слов, каждое из которых представляет словарное гнездо примерно одинаковой частоты.

Подобная оценка лексического запаса оператора имеет рад преимуществ, а именно алгоритм анализирует качество и погрешность оценки исследуемых данных. Примененный в рамках рассматриваемого алгоритма метод МНК дает возможность для анализа не только для определения значения коэффициентов словарной функции (w_n,n₀), но и ля вычисления значения их дисперсии. Полученное значение показывает дисперсию ОСЗС опрашиваемого оператора. Относительно большая величина дисперсия оценки, а также низкий коэффициент детерминации, указывает на то, что или слишком мал массив анализируемых данных или данные включают аномалии. Поэтому при достаточном количестве тестовых слов и отсутствии аномалий алгоритм позволяет определить ОСЗС для опрашиваемых операторов.

1.4 Описание латентного размещения данных Дирихле

В текущем исследовании был использован программный продукт, основанный на алгоритме латентного размещения данных Дирихле (LDA), порождающей вероятностной модели для коллекций дискретных данных, таких как текстовый документ, рассматриваемый, как набор различных тематик.

LDA - это трехуровневая иерархическая байесовская модель, в которой каждый элемент коллекции моделируется как конечное множество данных по основному набору тем[23] (см рисунок 3).

Рисунок 3 Графическое преставление LDA,

где б -- распределение Дирихле, сопряженное априорным параметрическим распределением;

И -- рacпpeдeлeниe тем внутри документа;

t -- тематика (скрытая неизвестная);

w -- слово (рассматриваемая неизвестная);

Ц -- распределение слов внутри тематики;

В -- распределение Дирихле (априорное);

D -- множество данных (документов);

K -- количество тематик во множестве данных;

N -- Количество слов, используемых в документе;

Любой документ из множества, в свою очередь, может быть представлен как набор различных тематик. Каждое слово из употребимых в документе, вероятно, порождено одной из тематик в данной смеси. В контексте текстового моделирования, тематические вероятности обеспечивают явное представление документа. Это эффективный метод приближенного вывода, основанный на вариационных методах для эмпирической оценки параметров Байеса. По итогу получены результаты моделирования документов, классификации текста и совместной фильтрации, сравнивая их с набором биграмм и вероятностной модели PLSI.

Вероятностное латентно семантическое индексирование (probabilistic latent semantic indexing, PLSI) -- является статистической моделью анализа автоматизированной индексации документов. Модель основана на введении скрытых неизвестных величин -- тем упоминаемых в текстовых документах и представляет собой последующее улучшение латентно семантического индексирования. Для PLSI характерно переобучение, а также неоднозначность выводов, связанных с большим количеством возможных параметров, не имеющих ограничения регуляризации. Кроме того модель не может выделить слова не относящиеся к заданным тематикам. LDA устраняет большинство недостатков модели PLSI, например количество параметров не увеличивается с ростом числа документов, однако не лишено недостатков. Основным, из которых является отсутствие лингвистических обоснований.

Далее рассмотрим представление применения LDA на примере классификации массива языковых данных на 2 темы (см. Рисунок 4).



Рисунок 4 Модель LDA c выделением двух тематик

Исходя представления на рисунке 3, следует, что классифицируемый массив данных больше относится к первой тематике, чем ко второй (40 % + 25 % + 10 % в сравнении 15 %) тем самым извлечь набор наиболее относящихся к тематике слов.

Для определения параметров модели LDA по массиву документов можно применить семплирование по Гиббсу -- алгоритм для генерации выборки совместного распределения множества случайных величин. Он используется для оценки совместного распределения и для вычисления интегралов методом Монте-Карло. Допустим, необходимо определить K тем в наборе документов, тогда алгоритм семплирования по Гиббсу можно описать так:

--Все слова из всех документов множества произвольно присвоить к тематике (t) из K возможных;

--Вычислить для всех слов из всех документов:

- р(t/d): соотношение слов в документе d, которые отнесены к t;

- р(w/t):соотношение слова w во всех документах которые отнесены к t;

- Задать слову w другую тематику t с вероятностью р(t/d)*р(w/t).

--Воспроизвести второй пункт некоторое число раз (число повторов является входным параметром).

Модель LDA базируется на вероятностном методе (см. формула 3).



Формула 3 Вероятностная модель метода LDA,

где T -- множество тем, w -- слово, d -- документ, t -- тема;

р(d) -- априорное распределение на множестве документов;

р(w/t) -- соотношение слов w в теме t;

р(t/d) --соотношение темы t в документе d.

Латентное размещение Дирихле -- базовая вероятностная тематическая модель и из-за большого количества приложений и обобщений является самой распространенной моделью с вероятностными параметрами среди тематических. Тематические модели с вероятностными параметрами дают возможность определить не очевидную тематику документов, представляя модель документа как коллекцию случайных лексем. Предполагается также существование скрытых взаимосвязей между различными объектами, которые могут проявляться в структуре словоупотребления. Сравнение тематических векторов может определить количественную оценку смысловой близости различных объектов. В ходе обзора исследований, связанных с анализом и классификацией большого объема текстовых документов[5] было установлено, что использование латентно-семантического анализа дает лучшее решение. Поэтому было решено использовать алгоритм (LDA) в данном исследовании, не взирая, на ряд описанных выше ограничений.

ГЛАВА 2. ОБЗОР СТРУКТУРЫ И ДЕЯТЕЛЬНОСТИ ЮРИДИЧЕСКОЙ КОМПАНИИ «БАЗАЛЬТ», ОПИСАНИЕ БИЗНЕС-ПРОЦЕССА ВНУТРЕННЕГО ТЕЛЕМАРКЕТИНГА ЭТОЙ КОМПАНИИ И ВЫЯВЛЕНИЕ ПРОБЛЕМАТИКИ В ОПИСАННОМ ПРОЦЕССЕ

Глава состоит из двух частей: в первой части дана характеристика компании «Базальт»: миссия, структура и история развития. Вторая часть посвящена бизнес-процессу внутреннего телемаркетинга, используемого в отделе маркетинга компании «Базальт».

2.1 Организационная структура и описание деятельности компании «Базальт»

Компания «Базальт» была основана в 1996 году и в данном сегменте услуг является одной из старейших юридических фирм в России. Основная деятельность - предоставление услуг в сфере права и бухгалтерии.

Свою деятельность компания «Юридический центр «Базальт» начинала с юридически регистраций фирм. В ходе развития уже к 1998 году она открыла дополнительный офис, а еще через год запустила новые направления деятельности - бухгалтерские и юридические услуги. К 2004 году компания расширилась еще больше и на данный момент находится по адресу: Москва, Щербаковский переулок, 3.

Благодаря реформе в структуре компании к концу 2015 года были оптимизированы основные направления и произведена систематизация ряда бизнес-процессов. Динамика развития привела к более эффективному сотрудничеству клиентами. Сегодня предприятие состоит из двух офисов, расположенных в Москве, штат сотрудников насчитывает более 60 человек.

В спектр услуг компании входит: бухгалтерское обслуживание предприятий малого и среднего бизнеса. Регистрация и ликвидация предприятий ИП и юридических лиц, а также их юридическое сопровождение.

Комплекс юридических услуг компании разделяется на ряд критериев по принадлежности клиента как юридического лица к определенной группе по виду деятельности.

Так, для обществ с ограниченной ответственностью (ООО) выполняется следующий комплекс услуг:

1. Регистрация

2. Реорганизация

3. Регистрация изменений

4. ликвидация

Комплекс услуг для некоммерческих организация (НКО)

1. Регистрация

2. Реорганизация

3. Регистрация изменений

4. Ликвидация

Комплекс услуг для акционерных обществ (АО):

1. Регистрация

2. Регистрация изменений

3. Реорганизация

4. Регистрация выпуска акций

5. ликвидация

Комплекс услуг для индивидуальных предпринимателей (ИП)

1. Регистрация

2. Изменения регистрационных сведений в ЕГРИП

3. Ликвидация

Комплекс услуг для представительств, филиалов и иных видов подразделений:

1. Регистрация представительства

2. Регистрация филиала

3. Регистрация подразделения

Организационная структура предприятия (см. Рисунок 4) включает в себя четыре департамента: «Бухгалтерского и налогового консалтинга», «Корпоративного консалтинга», «Юридического консалтинга» и «IT, автоматизации и маркетинга», руководители которых непосредственно починяются генеральному директору.

Корпоративным клиентам всех видов юридических лиц на абонентской основе предоставляется широкий спектр бухгалтерских и правовых услуг.

Структура организации предприятия состоит из четырех департаментов:

1. Юридический консалтинг

2. Корпоративный консалтинг

3. Бухгалтерский и налоговый консалтинг

4. IT автоматизации и маркетинга

Руководители департаментов непосредственно подчиняются генеральному директору компании. (См. Рисунок 5)

Рисунок 5 Организационная структура компании «Базальт»

«Юридический консалтинг». Департамент выполняет услуги по юридическому обслуживанию клиентов, подготовке документов для заключения сделок, ведению арбитражных дел. Персонал департамента состоит из руководителя и юридических консультантов (двадцать человек)

«Корпоративный консалтинг». Департамент оказывает услуги по регистрации, внесению изменений, ликвидации юридических лиц. Персонал: руководитель, юридические консультанты по корпоративному праву (пятнадцать человек).

Департамент «Бухгалтерский и налоговый консалтинг» обеспечивает консультации по налоговому законодательству и обеспечивает бухгалтерское обслуживание клиентов. Персонал департамента: руководитель, главный бухгалтер, юристы по вопросам налогового права (пять человек), консультанты по вопросам бухгалтерского учета (десять человек).

Департамент «IT автоматизации и маркетинга» поддерживает работу IT инфраструктуры, осуществляет развитие систем автоматизации и обрабатывает входящие телефонные обращения клиентов. Персонал департамента: руководитель, системный администратор, программист и операторы кол-центра (десять человек).

Цель компании: развитие рынка бухгалтерских и юридических услуг в Москве и Московской области. Основное препятствие в продвижении: высокая конкуренция в данном сегменте рынка и как следствие - снижение стоимости предлагаемых услуг.

Для оптимизации результатов работы руководство произвело оптимизацию расходов компании. Так для успешной работы на уровне всех департаментов были введены программы автоматизации, позволяющие автоматически обрабатывать большую часть документации. Эти программы используются и для внутренней работы бизнес-процессов, и в работе с корпоративными клиентами. Таким образом, удалось добиться необходимого баланса высоких стандартов качества при минимизации оплаты услуг.

2.2 Описание бизнес-процесса внутреннего телемаркетинга компании «Базальт»

Цель бизнес-процесса внутреннего телемаркетинга - привлечение новых клиентов за счет входящего телемаркетинга. Сюда относятся: обработка входящих звонков от клиентов, которые просмотрели контекстную рекламу или объявление в печатных СМИ, а также тех, которые позвонили после посещения сайта «www.basalt.ru».

Задача входящего телемаркетинга: обработка оператором колл-центра входящих звонков от клиентов, заинтересовавшихся услугами компании. Под обработкой имеется в вилы оценка переговоров оператора компании и клиента с целью заключение сделки.

Ключевыми показателями процесса являются: конверсия на каждого оператора в частности и отдел в целом (~30%). Под конверсией подразумевается отношения заявок, обработка которых привела к заключению сделки, к общему числу входящих обращений. Также важным является показатель CPO (cost per order) соотношение расходов обработки всех обращений, деленных на количество обращений для отдела (~300руб./обращение). CPO и конверсия рассчитываются автоматически ежемесячно.

Точкой входа бизнес процесса является входящий звонок клиента. Оператор колл-центра обрабатывает обращение при помощи автоматизированной системы. По мере необходимости оператор переводит звонок бухгалтеру или юристу, с дальнейшим переводом звонка оператору. В завершении этого процесса либо регистрируется сделка, либо регистрация не происходит. Зарегистрированные сделки предаются в работу департамента «Корпоративный консалтинг» для дальнейшего сопровождения и это считается выходной точкой данного бизнес-процесса. (См. Рисунок 6)



Рисунок 6 Схема бизнес-процесса внутреннего телемаркетинга компании «Базальт» в нотации BPMN

Сценарий разговора оператора и клиента составлен руководителем департамента «IT автоматизации и маркетинга». Описана структура разговора и даны рекомендации.

Структурно сценарий разговора состоит из блоков:

· Приветствия

· Информация о том, как клиент узнал о компании

· Информация о том, какая услуга интересует клиента

· Уточняющие вопросы по услуге

· Уточнения контактной информации

· Договоренность о передаче документации, требуемой для оказания услуги

Текущие рекомендации оператором для ведения разговоров включают:

1. Оператор обрабатывает входящее обращение не позднее третьего сигнала (не дольше 9 секунд). Оптимально после первого, так как долгое ожидание ответа может вызвать недовольство клиента.

2. Разговор должен отвечать деловому стилю, а интонация - иметь, позитивны настрой. Сотруднику необходимо показать заинтересованность к обращению клиента. Монотонный или чересчур официальный тон нежелателен. Недопустимым является требовательная, «холодная» или суетливая речь.

3. На протяжении разговора не следует перебивать клиента.

4. Линию необходимо переключить на другого оператора, если сотруднику необходимо отлучиться

5. Ответы оператора должны иметь упреждающий характер. Пассивные ответа, не управляющие разговором, не желательны.

6. Терминология не должна иметь разночтений. Необходимо использование общеупотребительных слов, ясных обеим сторонам разговора

7. Приветствуются уточняющие вопросы, сведения о новых или дополнительных услугах, внимательное отношение к тому, что говорит клиент. Необходимо выяснить, какого рода продукт может потенциально заинтересовать абонента. Это позволяет задать позитивный тон разговора вербально и невербально.

8. Результаты переговоров необходимо записывать в информационную систему

9. Если разговор переходит на уточнение специфической информации, необходимо направить звонок дежурному бухгалтеру или юристу.

10. В том случае, когда оператору необходимо попросить абонента перезвонить, он должен сообщить своё имя и фамилию.

11. Если клиенту нужна помощь конкретного сотрудника, который отсутствует в момент разговора, оператор должен вежливо поинтересоваться, чем он может помочь. Если необходим конкретный сотрудник, рекомендуется, например, такая фраза: «Пожалуйста, оставьте информацию, я ее обязательно переда или позвонить попозже»