mindslab seminar(20140527) 04_음성인식기술로 찾아내는 고객의 소리

빅데이터로 풀어보는 Real-time Market Sensing

빅데이터로 풀어보는

리얼타임 마켓센싱

2014.05.27

www.mindsinsight.co.kr

음성인식기술로

찾아내는 고객의

소리

마인즈랩 VOC팀


We listen to the Customer


http://www.youtube.com/watch?v=h0yxrQqhpDc



빅데이터로 풀어보는 Real-time Market Sensing 빅데이터로 풀어보는 Real-time Market Sensing 고객이 떠나는 이유?

[Source: ASQC(미국품질관리학회)]

종업원의 무관심한 태도 (고객 서비스상의 문제)

68%

친구의 권유

5%

제품의 품질

14%

경쟁사의 회유

9%

이사

3%

사망

1%

빅데이터로 풀어보는 Real-time Market Sensing 빅데이터로 풀어보는 Real-time Market Sensing VoC Categories

빅데이터로 풀어보는 Real-time Market Sensing 빅데이터로 풀어보는 Real-time Market Sensing

데이터 처리단계 (Processing Data)

• 데이터를 가공하고 처리하는 단계입니다.

분석 및 인사이트 도출단계 (Generating Insights and Analysis)

• 가공된 데이터를 기업의 활용방안에 맞도록 분석하여 담당부서에 피드백을 주기 위한 인사이트를 추출합니다.

담당부서 피드백 및 경영성과 창출 (Realizing Business Benefits)

• 추출된 인사이트는 담당부서에 피드백되어 기업의 다양한 비즈니스 활동에 활용되는 한편, 고객의 소리에 기반한 적극적 업무 혁신에 활용됩니다.

VOC수집단계 (Collecting Data)

• 기존의 기업 내부 데이터 뿐 아니라 외부의 소셜 데이터를 포함한 고객의 소리를 수집합니다.

Dataset 생성 시각화 Insight추출

음성 text화

Text 요약

감성 분석

자연어처리 Clustering 정형데이터 연계

서베이

이메일

콜센터

음성녹음

채팅

고객 웹 탐색 행동 데이터

고객 데이터웨어하우스

트위터

페이스북

뉴스

제품리뷰사이트

포럼/커뮤니티/카페

블로그

상품/서비스 혁신

조기경보 평판 알람

뉴스/이벤트 모니터링

고객응대개선

비즈니스 활동 별 인사이트 피드백

VOC Analysis Process


VOC의 분석목적과 활용



항의 소송

적시 대응 신상품 개발

고객 반응

수요 예측

▶Mortgage

재융자 상품

관련 항의/소송

제기 고객들을

적시에 대응

불만 조기 제거 I Ⅱ Ⅲ Ⅳ

“선제적 리스크 대응” “Operation 개선”

수 행 결 과

적 용 영 역

▶ Loan

Modification

과 같이 기존에

알지 못했던

불만을 미리

알고 근본

원인을 제거

▶ “최근 트렌드로

뜨는 상품을

초기에

발견하여 매출

극대화

▶신용카드로

온라인에서

결제 시 비용을

추가로

부담하게 될

때의 고객

반응을 미리

예측

“Global Roll Out 방안 수립” “리스크 사전대응 프로세스 수립”

“신제품 개발 지원 과제 구체화”

“분석 대상 VOC 채널 선정”

VOC 활용사례


다양한 채널의 고객 불만 분석을

통한 사전 Risk Sensing/대응

전사 VOC 분석 결과를 통한

Operation 개선

전략적 의사결정 반영 체계 구축

1

2

3

추진 목적

CEO

CRM/VOC분석팀

접점

고객 VOC

VOC 수집 및 Risk대응

사전 Risk 분석/Sensing

Operation 개선

(불량원인제거,

신상품 개발 등)

전략적 의사결정 • 개선과제 추진 모니터링/ 성과보상

• 개선활동 수행

• 프로세스 변경

• 개선결과 효과분석 및 분석모델 정교화

• 개선여부 커뮤니케이션

고객 자문위원회

Bottom-up Top-down

3

2

1

상품 기획

SCM 마케팅 Sales

CS

VOC Driven 비즈니스 혁신체계 수립

VOC 분석 목적


• 사후 처리 비용 발생 • Brand Image 하락

조기 발견 및 선제 대응

• Risk 대응 프로세스 수립 • Risk 분석/평가 모델링 • VOC 분석시스템 구축

선제적 리스크 대응


PLC 관리 개선 신제품 Sell-In 의사 결정

Customer Needs 기반 상품 기획

고객 반응 기반 Marketing Campaign

Pricing Optimization

시장 Seg 별 모델 운영

차별화시장 수요 예측

Call Center 운영개선

Global CS 운영개선

PLC 관리 개선

신제품 Sell-In 의사결정

상품기획단계 문제점 공유 및 VOC 연계 분석

마케팅 단계 문제점 공유 및 VOC 연계 분석

SCM 문제점 공유 및 VOC 연계 분석

판매 문제점 공유 및 VOC 연계 분석

Operation 개선


VOC 접수 내용

병명

불만상품속성

FC 불만

사고유형

감정상태

관련 치료법

갑상선암, 요실금, 무지외반, 치조골, 만성질환 等

이율, 기간, 수익률, 보험료, 보장항목, 원금 等

저축보험으로 알고, 대신 납부, 설명 못 들음 等

낙석, 미끄러짐, 타박 等

화남, 싫어함, 실망, 곤란, 미안함 ... 감동 等

고주파, 신종수술 等

사례 – 보험사 VOC 자동분류


목적

VOC 자동분류

이탈고객 예측

대외민원 예측

범위

STT (녹취음성 텍스트

변환)

Taxonomy 구축

결과

음성인식 정확도 80% 달성

8만 건에 달하는 Taxonomy 구축

VOC 자동분류

분류 정확도 50% 이상

Risk 예측

정형 및 비정형 분석을 통한 이탈 예측모형 구축,

예측 정확도 70% 달성

언어 의미적 (연역적) 접근

전문가 경험적 (귀납적) 접근

사례 – 보험사 이탈고객 예측

https://www.youtube.com/watch?v=xiGyYdHt18w&feature=youtu.be


분류체계 종류

신청 접수/분류 처리

민원인 민원 신

청

• 국민신문고 • 콜센터 • 국민제안

분류 담당자

부서 담당자

처리 담당자

기관 분류 담당자

부서지정

재분류 요청

이송/ 이첩

재지정요청

담당자지정

재지정요청

타기관 이관

• 개선요구 • 문제제기 • 단순감사 • 업무요청 • 질의 • 기타

민원 처리 (답변통보)

자동분류

* 민원 접수 시 자동분류가 이루어지고 고충민원에 대해서는

분류담당자가 직접 분류

사례 – 공공기관 VOC 처리 현황

빅데이터로 풀어보는 Real-time Market Sensing 공공 VoC(Voice of Customer) 분석체계

Feed back Analysis Processing Sourcing

Text Data

Voice Data

• VOC Data - 중앙정부 게시판 - 지방자치체 게시판 - E-mail 등

• SNS Data - Blog / Twitter 등 SNS data

- 다산콜센터 등 콜센터 - 각 정부기관 민원상담 등

블로그

까 페

지식인

위협 요소 사전 감지

• 위협 Keyword 관리 • 위협 요인 유형에 따른

대응 적기 체계 및 시나리오 개발 • 위협 요인 별 확산 가능성 파악

정책 수립/개선 방향 탐색

• 실시간 전국민 여론 분석을 통해 정책 수립 및 개선에 활용

• 기 수립 정책에 대한 반응 분석을 통해 대응 방향 마련

Speech to Text

Text Mining

- 각 기관 및 채널에서 수집 된 Text Data를 분류, 정제하는 등의 과정을 통해 구조화 된 관리 체계 마련

- 각 기관을 통해 수집 된 음성 데이터를 Text로 변환하는 과정을 통해 구조화 된 관리 체계 마련

개별적으로 수집 된 데이터를 통합 분석, 지속적 관리 가능한

분석 체계 마련

- 위협 Keyword 도출 - 도출 된 위협 요인을 특성에 맞게 유형화 - 특정 이슈에 대한

여론 집중도, 지속성 - 접근/전달 가능한 기회 요소 발굴

Text


VOC Technology



내부 Data

외부 Data

블로그

까 페

지식인

Text Mining (Unstructured)

④ Keyword 추출

⑤ Classification ⑥ 감성 분석 (긍정/부정,선호도)

③ 자연어 처리 (NLP)

Text

VoC

Dashboard Report

Risk 대응

위기 감지

불만요인 분석

경영층 보고서

:

Web Crawling

컨택센터, A/S센터 E-Mail, 제품정보 등

Data Mining (Structured)

⑩ Predictive Analysis (예측 분석)

⑨ Risk Scoring

⑦ Statistics ⑧ Association

Operation

개선

제품개선

마케팅 효율화

SCM 운영 개선

:

Pre-Processing

활용 분석 수집 / 전처리 원천 Data

① Taxonomy

② Speech to Text

MINDs VoC

빅데이터로 풀어보는 Real-time Market Sensing VOC Analysis Service

음성인식 (STT : Speech To Text)

비정형 텍스트분석 (NLP : Natural

Language Processing TM : Text Mining)

Insight 제공 및 현업 Feed-back


전처리 음성입력

특징벡터

탐색 엔진

단어 모델 생성

최종 인식 결과

발성모델 P

음향모델 C

발음사전 L

문법모델 G

음성 DB 텍스트 DB

언어 모델 생성

음향/언어 모델 훈련

탐색 엔진 (search engine or decoder): 음향 모델 및 언어 모델 등의 지식 베이스에 기반하여 고속/고성능 음성인식을 수행

음향 모델 훈련 (acoustic modeling): 녹음된 대용량 음성 DB에 기반하여 통계적 음향 모델을 생성하는 과정

언어 모델 훈련 (language modeling): 음성인식의 대상이 되는 단어 및 문장의 구조(텍스트 DB)에 기반하여 언어 모델을 생성하는 과정

전처리 (preprocessing): 녹음된 음성에 대해 음성 분석 및 잡음 처리 등을 거쳐 탐색 엔진에서 사용되는 음성의 특징을 생성

MINDs VoC


서버 클러스터 (또는 코어 클러스터)

Data Set

음소 그룹 1 음소 그룹 2 음소 그룹 M

Update/merge acoustic models

…

음성 DB (대용량) 기본 DB

1 기본 DB

2 영역 DB

N

…

F O R K

master

thread

master

thread

team

threads

J O I N

…

반복

MINDs STT 음향훈련 모델


wFST* 기반의 연속어/자연어 음성인식 엔진 – 연속어/자연어 및 핵심어 검출 기능을 하나의 엔진에서 효율적으로 수행할 수 있는 아키텍쳐 (확

률적 언어모델, context free grammar 등 다양한 언어모델 수용)

다단계 디코딩 지원으로 고정밀 음성인식 가능 – Base layer

• Wrapper for platform independency

– Decoding layer

• Acoustic search

• Lexical search

• Rescoring

• Multi-stage search

– Interface layer

• low-level APIs : DLLs

• Script-level interfaces : python, java

※ wFST : weighted Finite State Transducer

MINDs VoC


환경 및 응용 분야에 flexible한 음향모델(AM) 구조 – Multi-space AM(Acoustic Model) 구조를 채택함으로써 적은 양의 훈련 data로 환경/task에 최적화된

성능 획득

Time-frequency 분석 방법에 의한 고정밀 음성분석 기술 채택 – 기존의 음성인식기에서 사용하는 MFCC 기반의 음성분석 기술이 아닌, 음성의 동적 특성을 반영한

새로운 음성분석 기술에 의해 잡음환경에서의 음성인식률 향상

화자/환경 고속 적응 기술 – 변별학습 기반 고속 적응 기술 및 특징 공간에서의 환경/화자 적응 기술을 적용함으로써, 소용량

tuning DB를 이용한 성능 향상 효과가 뛰어나며 환경/화자 변화에 따른 성능 저하 최소화

MINDs VoC


병렬 처리에 의한 고속화 구조 채택

MINDs VoC

빅데이터로 풀어보는 Real-time Market Sensing 빅데이터로 풀어보는 Real-time Market Sensing Sample Demo

1874 1936 어 -3383.66 1936 1988 씌우 -2724.96 1988 2043 는 -2296.42

2043 2113 이십육일 -4485.70 2113 2177 날 -3344.55 2177 2263 는데 -4872.42 2263 2329 가 -3279.98 2329 2402 부산 -3861.86 2402 2428 가 -1552.70 2428 2484 부산 -3525.70 2484 2523 해운대 -2527.22 2523 2546 쪽 -1553.98 2546 2590 이요 -2869.56 2590 2631 네 -2240.98 2631 2663 잠시 -2179.28 2663 2690 만요 -1555.53 2690 2709 확인 -1183.77 2709 2719 해 -657.97 2719 2743 드릴 -1515.27 2743 2781 게 -2046.67 2781 2818 요 -2176.36 2818 2851 네 -1959.34

어 씌우는 이십육일 날는데 가 부산가 부산 해운대 쪽 이요 네 잠시 만요 확인해 드릴게요 네 죄송하지만 현재 하나 해운대 쪽이 16일자는 마감입니다 음 그러면은 해운대하고 가까운 데가 어디 있어요 저희가 확인할 수밖에 없습니다 지금 그 근처 죄송하지만 그거는 직접 확인해서 저희 쪽에 알려주셔야 되시거든요

해운대_고객.wav


VOC 서비스 유형


빅데이터로 풀어보는 Real-time Market Sensing 빅데이터로 풀어보는 Real-time Market Sensing 통합 VOC 분석 Architecture

내부 집계 VOC

Social Media上 VOC

+

• 감독 기관 경유 VOC • Call Center 유입 VOC • Homepage 경유 VOC 等

• 주요 홈페이지, 트위터, 블로그 等 소셜미디어를 통해 유포되는 Reputation

• 당사 상품, 고객 관리에 필요한 정보 等

Text Mining 결과

회사 내부

Social Media

회사 외부

방문

서신/팩스

인터넷

콜센터

감독기관

통합 분석결과

Text Mining 결과

Data Crawler

VOC 집계 데이터

NLP처리 및 Text Mining엔

진

NLP처리 및 Text Mining엔

진

1

2

3 4

① 내부 집계된 VOC 분석을 위한 Text Mining 엔진은 보안상 사내에 존재하여야 하며, ② Crawler는 회사별 특성에 따라 외부 서비스를 받거나, 내부화가 가능 ③ Crawler를 외부 서비스로 Outsourcing하는 경우 NLP/TM 엔진 또한 외부에 존재 ④ 이때, Text Mining 결과를 Outsourcing 업체를 통해 공급받아, ⑤ 내부 VOC와 통합하여 종합 분석 결과 제시 필요

Text Data Non

Text Data

5


Copyright © 2014 Minds Lab. All rights reserved

Real-time Market Sensing

463-100, 12F, U-Space 1-B, 660, Daewangpangyo-ro, Bundang-gu, Seongnam-si, Gyeonggi-do, Korea T.031-625-4340 F.031-625-4119 | www.mindslab.co.kr www.mindsinsight.co.kr

No part of this publication may be circulated, quoted, or reproduced for distribution outside the client organization without prior written approval.