A novel semi-supervised framework for call center agent malpractice detection via neural feature learning

Ozan, Sukru; Iheme, Leonardo O.

doi:10.1016/j.eswa.2022.118173

Cited by 4 publications

(3 citation statements)

References 19 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Agent well-being is a vital element [50] that is essential for the optimal functioning of the contact center and the delivery of high-quality services to customers. As advanced technology and automation continue to transform the operation of contact centers, it is becoming increasingly common for employees to experience technostress and technoanxiety.…”

Section: Agent Well-beingmentioning

confidence: 99%

An Assessment of Digitalization Techniques in Contact Centers and Their Impact on Agent Performance and Well-Being

Pacella,

Vasco,

Papadia

et al. 2024

Sustainability

View full text Add to dashboard Cite

The role of contact centers in improving the operational efficiency of numerous organizations is of utmost importance. Presently, digitalization technology has enabled contact centers to deliver exceptional customer service and support, while minimizing the adverse impact on agent well-being. Artificial intelligence techniques such as topic modeling and sentiment analysis can aid agents in addressing specific queries, providing real-time support and feedback, and helping them build stronger relationships with customers. This study aims to investigate the advantages of integrating these techniques in the analysis of customer–agent conversations within contact centers. This study examines whether there is a discernible advantage in analyzing customer–agent conversations in real-time and whether it is worth using this type of digitization to enhance agent performance and well-being. Furthermore, this study explores the impact of these technologies on European privacy, business, real-time agent support, the value of conversation data, brand reputation, and customer satisfaction. The results of this study demonstrate the significance of incorporating topic modeling and sentiment analysis into the analysis of customer–agent conversations at contact centers.

show abstract

Section: Agent Well-beingmentioning

confidence: 99%

An Assessment of Digitalization Techniques in Contact Centers and Their Impact on Agent Performance and Well-Being

Pacella,

Vasco,

Papadia

et al. 2024

Sustainability

View full text Add to dashboard Cite

show abstract

“…Dijitalleşme ile birlikte çevrimiçi görüşmelerdeki artış veri yığını oluşturmakta olup görüşmelerde anomali ve duygu tespitinin hızlı ve etkili bir şekilde gerçekleştirilmesinde zorluklarla karşılaşılmaktadır. Son yıllarda genel olarak yapay zeka alanında ve özel olarak da dijital ses işleme alanında yaşanan gelişmelerle birlikte otomatik konuşma tanıma ve ses verisinden duygu tanıma konularında elde edilen başarılı sonuçlar ses verilerinin geleneksel yöntemlerle analizinde karşılaşılan zorluklara pratik ve hızlı çözümler sunmaktadır [1][2][3]. Özlan vd.…”

Section: Gi̇ri̇ş (Introduction)unclassified

“…Iheme vd. doğrusal olmayan güç dönüşümü, sinirsel özellik öğrenme ve kümeleme içeren yarı denetimli yöntem ile çağrı merkezi temsilcisi hatasını tespit eden bir çalışma sunmuşlardır [2]. Çağrı süresindeki sessizlik miktarı önemli bir performans göstergesi olarak belirlenmiş olup, önerilen sistem ile kalite kontrol yöneticilerinin ve çağrı merkezi çalışanlarının performansında artış gözlemlendiği belirtilmiştir.…”

Section: Gi̇ri̇ş (Introduction)unclassified

Detection of Negative Calls in Call Centers with Convolutional Neural Networks

KARATAŞ>¹,

MERCAN²,

ÖZDİL>³

et al. 2023

Bilişim Teknolojileri Dergisi

Self Cite

View full text Add to dashboard Cite

Bu çalışmada çağrı merkezi çalışanları ile müşteriler arasındaki telefon konuşmalarının otomatik olarak olumlu veya olumsuz şeklinde değerlendirilmesi üzerine odaklanılmıştır. Çalışmada kullanılan veri seti firma bünyesinde gerçekleştirilen telefon görüşmelerinden oluşmaktadır. Veri seti üçer saniyelik 10411 adet ses kaydını içermekte olup bu kayıtların 5408 tanesi olumlu kayıtlardan 5003 tanesi münakaşa, öfke ve hakaret içeren olumsuz kayıtlardan oluşmaktadır. Çağrı merkezi kayıtlarından duygu tanıma için anlamlı öznitelikler elde etmek amacıyla her bir ses kaydından MFCC öznitelikleri çıkarılmıştır. Çağrı merkezi kayıtlarını olumlu olumsuz olarak sınıflandırmak için önerilen CNN mimarisi MFCC öznitelikleriyle eğitilmiştir. Önerilen CNN modeli %86,1 eğitim başarısı, %77,3 doğrulama başarısı göstermiş olup test verileri üzerinde %69,4 sınıflandırma başarısı elde edilmiştir. Bu çalışma ile çağrı merkezlerinde gerçekleşen konuşmaların otomatik analizi yapılıp olumsuz durumların kalite yöneticilerine bildirilmesiyle gerekli önlemlerin alınarak müşteri memnuniyetinin artırılması amaçlanmaktadır.

show abstract

EMPC: Efficient multi-view parallel co-learning for semi-supervised action recognition

Tong,

Tang,

Wang

2024

Expert Systems with Applications

View full text Add to dashboard Cite

A novel semi-supervised framework for call center agent malpractice detection via neural feature learning

Cited by 4 publications

References 19 publications

An Assessment of Digitalization Techniques in Contact Centers and Their Impact on Agent Performance and Well-Being

An Assessment of Digitalization Techniques in Contact Centers and Their Impact on Agent Performance and Well-Being

Detection of Negative Calls in Call Centers with Convolutional Neural Networks

EMPC: Efficient multi-view parallel co-learning for semi-supervised action recognition

Contact Info

Product

Resources

About