目錄（26 節）

通話 Speech Analytics：100% 轉寫＋合規監察

質檢抽聽一至五個百分比，九成半通話冇人聽過。Speech analytics 將全部通話轉文字自動分析：高頻問題、投訴訊號、合規違規全部機器先捉到。

2026年10月9日— 港嘢內容團隊約 10 分鐘speech analytics 通話質檢合規監察客服中心

一句答你：Speech analytics 就係將客服中心所有通話——唔係抽樣，係一百分百——轉做文字再自動分析：高頻問題、投訴訊號、合規違規全部機器先捉到；傳統質檢抽聽一至五個百分比，等於成個中心嘅品質靠幾隻手指去感水溫，而家可以成鍋水都有溫度計。

Key Takeaways

質檢嘅結構性盲區：抽聽一至五個百分比，九成半以上嘅通話從來冇人聽過

100% 轉寫係基礎工程：全部通話變文字，先有得做分析、監察同搜尋

業界研究（ASAPP）：一萬鐘通話只需約二百四十一個高頻字就覆蓋八成內容——詞庫係成本關鍵

合規監察係金融業剛需：mis-selling 偵測由事後抽查變實時或者近實時自動化

投訴升溫偵測：情緒訊號自動標記，令主管喺客人爆發之前介入

粵語場景：香港嘅中英夾雜通話要求詞庫本地化，通用模型唔夠用

質檢嘅盲區問題

每一個客服中心都有質檢：主管抽聽通話錄音、評分、輔導同事。制度本身冇錯，問題係覆蓋率——

一個每月三萬通嘅中心，傳統做法抽聽百分之三，即係每月九百通。剩返嗰兩萬九千幾通呢？冇人聽過。客人嘅怒吼、同事嘅承諾錯講、流程嘅系統性問題——全部靜靜咁沉喺錄音櫃度。

抽樣質檢嘅本質問題唔係「聽得唔夠細心」，係「揀到嗰幾通唔代表其餘嗰啲」：抽中嘅可能係平常嘅通話，而真正出事嗰啲——爆投訴前嗰幾通、mis-selling 嗰幾秒——好大機會永遠冇人聽到。

Speech analytics 就係將呢個盲區整個照光：所有通話過機器，全部轉文字、全部被分析。主管嘅時間由「搵問題」變「處理機器已經搵到嘅問題」。

100% 轉寫係點運作

技術流程四步：錄音（或者實時音流）入系統 → 語音轉文字（粵語加中英夾雜場景詞庫）→ 文本分析（關鍵詞、情緒、意圖、覆蓋檢查）→ 輸出（警號、報告、儀表板）。

成條鏈入面，最值得投資嘅係第二步同第三步之間嘅「場景詞庫」——佢決定咗你個系統係「通用玩具」定「行業工具」。業界研究嘅啟示好清楚：對話詞彙高度集中，幾百個場景詞覆蓋大部分內容，所以建詞庫嘅投入產出比極高。

三層應用：由營運到合規

第一層：營運洞察

全部通話轉寫之後，最先睇到嘅係「客人在講乜」嘅全景：

高頻問題排行。今個月客人最常問嘅十樣嘢、邊條選單位最多人㷫、邊個新產品嘅疑問特別多。呢啲資訊以前要靠同事大約講，而家有精確數字，而且係逐週更新的趨勢。

流程堵点位。幾多通話係因為「網上申請失敗」而打嚟？幾多是「帳單睇唔明」？呢啲數字直接話你知，應該修邊個流程先——修一個高頻位，等於喺源頭拆走幾千通電話。

第二層：品質同風險

投訴升溫偵測。通話入面嘅情緒訊號——音量、語速、關鍵詞（「投訴」「消委會」「律師」）——自動標記。主管即時睇到邊條線緊緊地，喺客人爆發之前接入或者回電。客訴處理嘅黃金時間，就係「未公開爆之前」嗰段。

同事輔導有據。每個同事嘅通話都有文字紀錄，輔導會談由「我覺得你啱先語氣急咗啲」變「睇下呢三句，客人問咗三次轉期，我哋答咗三次價錢」。具體、公平、可複習。

第三層：合規監察

金融業係 speech analytics 嘅剛需場景。香港嘅證券期貨事務監察委員會同保險業監管局對銷售通話早有錄音要求，而錄音之後嘅下一步就係監察——以前靠人手抽查，而家可以：

mis-selling 關鍵詞偵測。保證回報、穩賺、冇風險——呢啲喺受規管銷售入面唔應該出現嘅句式，機器通場掃，一秒出報告。

必需語句覆蓋檢查。風險披露有冇讀、冷靜期有冇講——全部通話自動核對，唔再靠抽查賭運氣。

近實時介入。進階部署可以喺通話進行中flag，主管即刻聽線——金融業嘅監察趨勢，正由事後抽查走向實時。

業界數據：詞庫係成本關鍵

100% 轉寫聽落好貴，但對話式 AI 公司 ASAPP 公開嘅研究俾咗一個關鍵洞察：一萬鐘通話入面，只需約二百四十一個高頻字，就覆蓋八成嘅內容。

呢個數字嘅意義係：客服對話嘅詞彙分佈極度集中——客人嚟嚟去去都係嗰啲問法、嗰啲產品名、嗰啲動作詞。分析系統唔需要「識晒所有嘢」，需要「識透你哋場景嗰幾百個詞」。

所以建設嘅重心唔係買最勁嘅通用模型，係建好你哋場景嘅詞庫：產品名、部門名、常見縮寫、行業術語。呢份詞庫係你嘅資產，佢嘅品質決定成個系統嘅分析品質。

粵語場景：香港嘅特別工程

香港通話嘅轉寫有兩層額外工程：

中英夾雜。香港客服通話係「我幫你 check 咗，你個 plan 下個月到期」咁嘅語言。通用語音模型處理呢種混合語，錯誤率明顯高過單語。場景詞庫要有意識咁收入常用混合位：check、book、confirm、reference number 呢類香港職場高頻英文。

粵語口語詞。書面「沒有問題」同口語「冇問題」係唔同嘅詞；「係咁先」「唔該晒」呢類收尾詞係轉寫嘅高頻位。詞庫要用真實通話統計去建，唔好用書面語清單。

建議嘅做法：攞五十至一百通真實錄音做轉寫測試，逐通對稿，將錯位記錄返入詞庫。呢個「校準迴圈」行兩三輪，轉寫品質就會去到可用嘅水平。想深入測試方法，可以睇語音 agent 測試指南。

一個銀行場景行一遍

睇吓一個 hotlines 中心點樣用呢套系統行一個月：

第一週：接通錄音源，校準詞庫（產品名、術語、混合語位），跑歷史錄音建立基線——過去三個月嘅高頻問題排行、投訴訊號分佈。

第二至三週：開投訴警號同 mis-selling 詞組偵測。主管每朝收到前十條「緊通話」清單；合規部每週收覆蓋報告。同事通知會：個系統睇乜唔睇乜，數據點用。

第四週：第一次月度覆盤。通常會發現幾樣嘢：某類查詢多到意外（去修源頭流程）、某幾位同事嘅必需語句覆蓋有缺口（去輔導）、某個推廣嘅查詢特別多（去補知識庫）。呢啲發現冇一樣係抽聽百分之三會捉到嘅。

之後就係運營節奏：每日警號、每週排行、每月合規報告，詞庫每季校準。

投入回報框架

Speech analytics 嘅投入：分析平台月費（按通話量計）＋詞庫建設同事工時＋主管處理警號嘅時間。回報位逐個數：

合規風險減免：一單 mis-selling 投訴嘅處理成本（調查、賠償、監管跟進）係六位數起跳；系統嘅價值係「早幾個月捉到」，一單已經夠回本。

投訴升級減少：升溫偵測令主管喺客人去消委會之前介入。每攔截一單升級投訴，慳返嘅處理成本同商譽損失唔止一個警號嘅成本。

流程修正：高頻問題排行話你知修邊度——修走一個佔通話一成嘅流程位，等於月月慳幾千通電話。

質檢人手轉型：主管由「聽音檔」變「睇報告」，同樣人手覆蓋十倍通話量。

用你自己嘅通話量同合規環境代入，呢套數通常唔使 marketing 技巧都講得通。

合規紅線：分析本身都要合規

用機器監察同事通話，本身都涉及個人資料同事工監察嘅敏感位：

告知。通話錄音告知（開場嗰句）要覆蓋轉寫同分析用途；內部政策要寫明通話數據用喺邊啲用途。

用途限定。通話數據用嚟做品質同合規分析可以；拎去監控同事每分鐘講幾多字、上廁所幾多次，就係另一回事——唔止法律風險，仲會即刻摧毀團隊信任。

保存期限。《個人資料（私隱）條例》要求唔超逾必要時限；金融行業對錄音保存另有法定下限（年期級），兩者取其長。

存取控制。通話轉寫入面有客戶個人資料，邊個可以睇到邊啲，要有清晰嘅權限設計。

私隱專員公署嘅 AI 框架對人為監督同透明度有清晰要求，部署之前過一次呢份清單係最穩陣嘅做法。

落地四步

第一步：定目標。你做 speech analytics 係為咗乜？投訴預警？合規監察？流程洞察？目標決定詞庫設計同指標，唔好「先買再諗用嚟做乜」。

第二步：接通話源。由你現有電話系統將錄音（或者實時音流）接入分析系統。呢一步嘅技術可行性要早問——舊系統可能要加橋接。

第三步：建詞庫＋校準。攞真實錄音做轉寫校準迴圈，行到關鍵詞命中率達標。呢步係最花人力嘅，亦係最值錢嘅。

第四步：定報告節奏。每日：投訴警號清單（主管睇）；每週：高頻問題排行（營運睇）；每月：合規覆蓋報告（合規部睇）。報告冇人睇嘅系統，係最貴嘅擺設。

常見陷阱

陷阱一：求全。 想一次過分析所有嘢，結果詞庫大而淺，樣樣唔準。由一個目標（例如投訴偵測）做深，再擴。

陷阱二：信通用模型。 通用粵語轉寫喺你哋嘅術語位一定錯。詞庫工程唔使慳。

陷阱三：只上報唔閉環。 系統flag咗一百個投訴訊號，冇人跟進——比冇系統更差（因為你已知但唔做）。報告必須綁一個負責人同處理時限。

陷阱四：同事覺得被監視。 之前講過，用途透明係生命線。推第一日就同團隊講清楚個系統睇乜、唔睇乜、數據用嚟做乜。

Agent assist 令每個客服背後站住全知教練：實時轉寫、推回應、翻背景。新人爬坡由幾個月縮到幾星期，客人感覺每個接線員都做了十年。

2026年10月9日

通話 Speech Analytics：100% 轉寫＋合規監察