Erkennung der Persönlichkeit im sprachbasierten Kundendialog mit Precire

Der Einsatz von automatisierter Spracherkennung im Kundendialog hat eine längere Tradition und ist reich an gescheiterten Beispielen, aber auch an aktuell marktfähigen Produkte wie Siri und Cortana. So hat der Autor selbst in den 90er Jahren mit Technologien der Firmen Lucent, Avaya und Voice Trust experimentiert, um den damals ausschließlich aus Telefonaten bestehenden Kundendialog im Direktbankengeschäft produktiver zu gestalten. So wurde u.a. überlegt, das Sprachprofil als eindeutigen Identifikations- und Authentifizierungsnachweis zu nutzen und damit die Abfrage/Eingabe von Kunden-/Kontonummer und PIN-Zahl obsolet zu machen. Bei diesen einfachen Anwendungsszenarien ist es im Wesentlichen geblieben und eine Weiterentwicklung konnte nur sporadisch erfolgen, da die Rechnerkapazitäten und die Akzeptanz des Kunden nur die akustische Sprachmustererkennung und einige semantische Informationen aus dieser performant verfügbar und in Kundenprozesse einsetzbar machten.

In den letzten 20 Jahren gab es dann nur wenige Fortschritte, obwohl sich der telefonische Kundenservice wacker hält und die Vermessung der Servicequalität – real-time wie ex-post – sich kontinuierlich verbessert hat. Der Siegeszug des Internets hat jedoch die Bedeutung der Sprache im Non-face-Kundendialog zurückgedrängt, so dass signifikante Investitionen ausblieben.

Das Aachener Start-up Psyware nimmt diesen Bereich der Customer Experience mit einem interessanten Angebot wieder auf. Für Lösungen im Kundenservice offeriert es das Produkt Precire, welches die emotionale Stimmungen und Parameter der Gesprächspartner quantifizierbar macht. Damit soll die Zuordnung zwischen „emotional kompatiblen“ Agenten und Kunden gelingen und damit die Basis für ein erfolgreiches Kundengespräch gelegt werden. Auch die Auswertung der Gesprächsatmosphäre ex-post ist damit möglich und neben den klassischen Call Center-Parametern wie bspw. Gesprächszeit, Annahmequote werden damit real-time qualitative Aussagen über die tatsächliche Gesprächs-Servicequalität im Call Center möglich. Weiter Spielarten und Einsatzgebiete ergeben sich bei weiterer Betrachtung schnell.

Technologie

Technologisch baut die Idee auf den von klinischen Psychologen James Pennebaker von der University of Texas in der 1980er Jahren gelegten Grundlagen auf, welcher die Sprache von Trauernden analysierte und quantitativ deren Veränderung maß. Mit den aktuellen Methoden des Big Data und Machine Learnings stehen nun die erforderlichen Ressourcen bereit, um konkrete Anwendungen zu etablieren. Wortwahl und Sprechweise jedes Menschen beeinflussen individuell dessen Gesprächsverhalten. Precire analysiert formal-quantitativ den gesprochenen Text, welcher durch eine Sprachsynthese maschinenlesbar gemacht wird und kombiniert diesen mit prosodischen Merkmalen. Die entstandenen Sprachmuster werden schließlich unterschiedlichen linguistischen und psychologischen Kategorien zugeordnet, die für die Vorhersage bestimmter Merkmale relevant sind und mit einer großen Zahl von Probanden kalibriert wurden. Der Vergleich und die mathematische Analyse sollen dann auch nicht triviale Zusammenhänge offenlegen.

Praxisbezug

Die Wirtschaft setzt hohe Erwartungen in die Technologie. So soll eine Versicherung bereit sein, diese in ihren Kundendialog als Analysewerkzeuge zu integrieren. Auch Personalberatungsfirmen versprechen sich  – ausweislich der Referenzliste von Psyware – viel Effizienzpotenzial davon, obwohl mancher Referenzgeber die Technologie wieder relativiert.

Soweit die Technologie die genannten Erwartungen erfüllt, kann sie sicher wieder einen Innovationsschub im sprachbasierten Kundendialog bringen. Die weiteren Einsatzfelder wie Personalauswahl und medizinische Therapieunterstützung (z.B. die Erkennung von Angstzuständen durch Krankenkassen) sind gesondert zu bewerten.

Quellen und weiterführende Informationen

Stefan Krempl

Studie: Virtual Reality, mobile Assistenten und 5G lassen Verbraucher kalt Artikel

heise.de, 2017.

Abstract | Links | BibTeX

Rachel Metz

OK Google, Get Out of My Face Artikel

MIT Technology Review, 2017.

Abstract | Links | BibTeX

Daniel Herbig

Lyrebird: So klingen die synthetischen Stimmen von Trump und Obama Artikel

heise.de, 2017.

Abstract | Links | BibTeX

Andrea Schmits

Sounds provide a safer login Artikel

ETH Zürich, 2017.

Abstract | Links | BibTeX

Ingo Pakalski

Amazon Echo und Echo Dot im Test - Alexa, so wird das noch nichts! Artikel

Golem.de, 2017.

Abstract | Links | BibTeX

Ben Martin

Pay as you speak: Santander revamps voice banking app Artikel

The Telegraph, 2017.

Abstract | Links | BibTeX

Authada (Website)

2017.

Abstract | Links | BibTeX

Stefan Schmitt

Künstliche Intelligenz: Verstehst du, was ich will? Besser, als du glaubst. Artikel

Die Zeit, 2017.

Abstract | Links | BibTeX

Rainald Menge-Sonnentag

Microsoft bietet Spracherkennung für individuelle Szenarien an Artikel

heise.de, 2017.

Abstract | Links | BibTeX

Bradley Taylor

Voice Analytics unlocks critical insights for concept and AD research Artikel

GfK Insights Blog, 2017.

Abstract | Links | BibTeX

Peter Beckschäfer

Authentifizierung per Sprachbiometrie: Sogar Zwillinge ließen sich unterscheiden Artikel

IT Finanzmagazin, 2017.

Abstract | Links | BibTeX

The Economist

How voice technology is transforming computing Artikel

The Economist, 2017.

Abstract | Links | BibTeX

Nico Jurran

Der CES-Blick in die Zukunft: Sprachsteuerung löst grafische Benutzeroberfläche ab Artikel

heise.de, 2017.

Abstract | Links | BibTeX

Helmut Martin-Jung

Hört, Hört! Artikel

Süddeutsche Zeitung, 2017.

Abstract | Links | BibTeX

Dirk Moersdorf

Increase the success of new products by adding voice data to innovation research Artikel

GfK SE, Corporate Communications, 2017.

Abstract | Links | BibTeX

Quora

Why Is Speech Recognition Technology So Difficult to Perfect? Artikel

Huffington Post, 2016.

Abstract | Links | BibTeX

IT-Finanzmagazin

Biometrie: Lloyds Banking Group will Telefonbetrüger mit Audio-Fingerabdruck stoppen Artikel

IT-Finanzmagazin, 2016.

Abstract | Links | BibTeX

Jennifer Lepies

Statistik der Woche: Assistenten immer ansprechbar Artikel

Technology Review, 2016.

Abstract | Links | BibTeX

Mike Orcutt

The Do-Not-Call List Has a Gaping Hole Artikel

MIT Technology Review, 2016.

Abstract | Links | BibTeX

Christine Straßer

Winzige Wörter verraten den Charakter Artikel

Mittelbayerische Zeitung, 2016.

Abstract | Links | BibTeX

Pia Lorenz

Pre­cire weiß, was Du letzten Sommer getan hast Artikel

Legal Tribune Online, 2015.

Abstract | Links | BibTeX

Stéphane H. Maes; Ji Navrátil; Upendra V. Chaudhari

Conversational Speech Biometrics Buchkapitel

Liu, Jiming; Ye, Yiming (Hrsg.): E-Commerce Agents: Marketplace Solutions, Security Issues, and Supply and Demand, S. 166–179, Springer Berlin Heidelberg, Berlin, Heidelberg, 2001, ISBN: 978-3-540-45370-3.

Abstract | Links | BibTeX

Jo Bager

V-Commerce: E-Commerce mit der Stimme Artikel

heise.de, 1998.

Abstract | Links | BibTeX

Pindrop (Website)

0000.

Links | BibTeX

Psyware (Website)

0000.

Links | BibTeX

Weitere Quellen zu Kunden-Erkennungstechnologien/Retail Surveillance

Ben Davis

Could AI revolutionize high street retail as well as ecommerce? Artikel

Econsultancy, 2017.

Abstract | Links | BibTeX

Markus Singer

Deutsche Marketer setzen voll auf Data Driven Marketing Artikel

Acquisa, 2017.

Abstract | Links | BibTeX

Moritz Hagenmüller; Daniel Smythe; Mirca Behling

Moving beyond "Like": Why social media is revenue ready Artikel

accenturestratregy, 2017.

Abstract | Links | BibTeX

Adam Harvey

Retail Surveillance / Retail Countersurveillance. 50 most unwanted retail surveillance technologies / 50 most wanted countersurveillance technologies Inproceedings

2016.

Abstract | Links | BibTeX

Stefan Krempl

33C3: Tor-Angriff mit Ultraschall-Spyware und verräterische Selfies Artikel

heise.de, 2016.

Abstract | Links | BibTeX

Stephanie Miles

5 Platforms That Gather In-Store Analytics from Surveillance Footage Artikel

Street Fight Magazine, 2014.

Abstract | Links | BibTeX

Sungnam Lee, Yohan Chon,; Hojung Cha

Smartphone-Based Indoor Pedestrian Tracking Using Geo-Magnetic Observations Artikel

Mobile Information Systems, 9 (2013) (2), S. 123-137, 2013.

Abstract | Links | BibTeX

Faception.com (Website)

0000.

Abstract | Links | BibTeX

Indooratlas (Website): Geomagnetic Indoor-Tracking

0000.

Links | BibTeX

Privacy and Security Aspects of the Ultrasound Ecosystem (Website uBeacSec)

0000.

Links | BibTeX