Opóźnienie odpowiedzi asystenta głosowego: skąd cisza i jak ją skrócić

Z czego składa się cisza po pytaniu

Milisekunda to tysięczna część sekundy. Kilka odcinków po kilkaset milisekund daje razem przerwę, którą klient wyraźnie słyszy.

Tych liczb nie sumuje się wprost, bo w dobrym systemie odcinki na siebie zachodzą. Narzędzia pojawiają się tylko w części wypowiedzi. Kiedy już są, potrafią dołożyć najwięcej.

Ile ciszy klient zniesie, zanim powie „halo?”

Ludzie w rozmowie odpowiadają sobie bardzo szybko, zwykle w ułamku sekundy. Kiedy przerwa po pytaniu przeciąga się do dwóch, trzech sekund, dzwoniący zaczyna podejrzewać, że połączenie się zerwało. Mówi „halo?” albo powtarza pytanie. Agent dostaje wtedy drugą wypowiedź w chwili, gdy kończy układać odpowiedź na pierwszą, i obie strony zaczynają mówić naraz.

Ważniejsza od średniej jest przewidywalność. Agent, który zawsze odzywa się po sekundzie z kawałkiem, brzmi spokojnie i rzeczowo. Taki, który raz odpowiada natychmiast, a raz milknie na cztery sekundy, sprawia wrażenie zepsutego, nawet jeśli średnio jest szybszy.

Jak zmierzyć opóźnienie u siebie

1. Dzwoń ze zwykłej komórki na numer, który wybierają klienci. Test w przeglądarce na szybkim biurowym łączu wypada zwykle lepiej niż prawdziwe połączenie.
2. Nagraj 20-30 rozmów w różnych porach, także w godzinach największego ruchu, na przykład o 8:00 w przychodni.
3. Na nagraniu zmierz odstęp od końca swojego zdania do pierwszego dźwięku agenta. Byle program do edycji dźwięku pokazuje to na wykresie fali.
4. Osobno notuj wypowiedzi, przy których agent coś sprawdzał w systemie, bo mają inny czas niż zwykła odpowiedź.
5. Policz medianę, czyli wartość środkową, oraz czas, którego nie przekracza 9 na 10 odpowiedzi. Średnia potrafi ukryć pojedyncze długie przerwy.

Część platform pokazuje czas każdej wypowiedzi w panelu. Porównaj go z własnym pomiarem, bo log nie zawsze obejmuje drogę przez sieć telefoniczną. Wynik przyda się też przy testowaniu asystenta głosowego przed startem.

Gdzie da się odzyskać czas

• Synteza mowy zaczyna czytać pierwsze zdanie, zanim model napisze następne. Takie strumieniowanie powinno działać na każdym etapie, inaczej dłuższa odpowiedź rusza wyraźnie później.
• Model czyta instrukcję i fragmenty wiedzy przy każdej wypowiedzi od nowa, więc krótsza instrukcja od razu skraca czekanie. Czasem pomaga też szybszy model językowy.
• Wszystkie elementy łańcucha powinny działać blisko siebie i blisko rozmówcy. Jeśli część z nich pracuje w Europie, a część za oceanem, każda wymiana dokłada podróż danych przez Atlantyk, rzędu stu milisekund. To także sprawa danych osobowych (o hostingu danych piszemy osobno).
• Grafik, który odpowiada po trzech sekundach, spowalnia agenta bardziej niż jakikolwiek model, dlatego czas narzędzi agenta trzeba mierzyć osobno. Część danych da się pobrać zawczasu, na przykład rozpoznać stałego klienta po numerze, zanim skończy się powitanie.
• Zbyt ostrożny próg ciszy wydłuża każdą odpowiedź, a zbyt nerwowy sprawia, że agent wchodzi w słowo. Wartość dobiera się razem z wykrywaniem końca wypowiedzi.

„Chwileczkę, sprawdzam” jako uczciwe wypełnienie ciszy

Czasem przerwy nie da się skrócić, bo system firmy potrzebuje chwili. Wtedy agent może powiedzieć krótkie zdanie, zanim dostanie wynik. To działa, bo jest prawdą: agent naprawdę coś sprawdza.

W sezonie opon, kiedy do wulkanizacji dzwonią wszyscy naraz, system rezerwacji też potrafi zwolnić, więc takie zdanie ratuje sytuację.

Gorzej, kiedy wypełniacz staje się tikiem. Agent, który przed każdą odpowiedzią mówi „chwileczkę”, choć niczego nie sprawdza, irytuje już przy trzeciej wymianie. Ta sama pułapka czeka przy sztucznym „yyy” i odgłosie stukania w klawiaturę, które da się włączyć w niektórych systemach. Klient szybko wyczuwa teatr.

Zanim uwierzysz w liczbę z prezentacji dostawcy

Zapytaj, ile wynosi czas do pierwszego słowa agenta w medianie i w najwolniejszych rozmowach na zwykłych połączeniach telefonicznych. Ustal, gdzie fizycznie działają poszczególne elementy i czy wszystkie w tym samym regionie, czy każdy etap pracuje strumieniowo i czy w panelu widać czas każdej wypowiedzi. Dopytaj też o awarie: co agent mówi, gdy integracja milczy przez kilka sekund, i po jakim czasie przestaje czekać? Resztę pytań do dostawcy, niezwiązanych z czasem, zebraliśmy w poradniku jak wybrać dostawcę.

Jeśli dostawca podaje jedną liczbę z pokazu, poproś o nagrania z prawdziwego ruchu, najlepiej z godzin szczytu.