أي صوت يناسب وكيلكم؟

اختاروا الصوت على مكالمة حقيقية

بعد أسابيع، يتصل وكيل الذكاء الاصطناعي الصوتي الجديد لديكم بإحدى العميلات، ويتحدث بالصوت الذي اختاره الاجتماع. تقف عند موقف حافلة والسيارات تمرّ بجانبها. يبدأ الصوت بقراءة موعد توصيلها، فتغلق الخط قبل أن يصل إلى عنوانها.

إذا كنتم على وشك اختيار صوت الذكاء الاصطناعي لمكالماتكم مع العملاء، فاختاروه كما سيسمعونه هم: عبر الهاتف، وفي مكالمة كاملة، وعند اللحظات التي تصعب فيها مكالماتكم. واحسموا قراركم بما لا يمكن تغييره لاحقاً، وهو طابع الصوت، وأجّلوا النطق والإيقاع إلى ما بعد ذلك. ثم شغّلوا أفضل صوتين لديكم على المكالمات الحقيقية نفسها، واحتفظوا بالصوت الذي يبقى معه عدد أكبر من العملاء على الخط حتى يوافقوا على ما تطلبه المكالمة، كموعد التوصيل.

لماذا يضلل صوت العرض التوضيحي؟

صفحة العرض التوضيحي مصممة لتُظهر كل صوت في أفضل حالاته. فكل صوت من أصوات تحويل النص إلى كلام عليها يقرأ جملة العرض التوضيحي التي اختارها المورّد، ومدتها نحو ست ثوانٍ، وهي نقية كتسجيل الاستوديو، ويسمعها الحاضرون في غرفة هادئة.

أما العميل فيسمع صوت وكيل الذكاء الاصطناعي لديكم عبر خط الهاتف، وقد يكون واقفاً في الشارع أو داخل متجر أثناء الكلام. وخط الهاتف ينقل من الصوت أقل مما تنقله سماعات الرأس أو الحاسوب المحمول. تستمر المكالمة دقيقتين أو ثلاث دقائق، ويقرأ الصوت بيانات العميل نفسه بدل جملة مصقولة: اسمه، وفترة التوصيل، وعنوانه، ورقم طلبه. وحين يقول العميل «عفواً؟»، على الصوت أن يعيد ما قاله.

بعض الأصوات التي تفوز في الاجتماع تخسر على هذا الخط. فالصوت المشرق الذي يكثر فيه النَفَس قد يبدو رائعاً على الحاسوب المحمول ثم يفقد امتلاءه على الهاتف، ولا سيما في الهواء الطلق. أما صوت المذيع، الصوت المصقول الذي تعرفونه من الإعلانات الإذاعية والكتب المسموعة، فقد يبقى شديد الوضوح على الهاتف ويبدو مع ذلك كتسجيل، والناس يغلقون الخط في وجه التسجيلات.

الصوت جزء واحد فقط من الفجوة بين العرض التوضيحي والمكالمة الفعلية، وتجدون بقيتها في مقالنا عن وكلاء ينجحون في العرض التوضيحي ويتعثرون في المكالمات الفعلية.

كيف ينبغي أن يبدو الصوت؟

اللغة أولاً. يجب أن يكون الصوت صوت متحدث أصلي بلغة عملائكم ولهجتهم. فاللهجة الخليجية والمصرية يميّز السامع الفرق بينهما من الكلمة الأولى، والصوت الذي يناسب عملاء الرياض لا يناسب عملاء القاهرة، مهما كانت جودته.

بعد ذلك فكّروا في الموظف الذي يسعد عملاؤكم بالبقاء على الخط معه، وابحثوا عن صوت عادي يشبه صوته، كأنه زميل في فريقكم يتحدث، لا صوت مذيع. وأياً كان الصوت الذي تختارونه، اضبطوه على إيقاع متزن يتباطأ قليلاً عند الأوقات والأرقام، ليتمكن العميل من تدوينها.

وينبغي أن يلائم الصوت شخصية الوكيل أيضاً، أي الاسم والأسلوب اللذين يقدّم بهما نفسه. فالوكيل الذي يقدّم نفسه باسم ميا يحتاج إلى صوت امرأة. وليس معنى أن يبدو الصوت طبيعياً أن يتظاهر الوكيل بأنه إنسان. وإن كان سوقكم يشترط ذلك، يقول الوكيل في تحيته إنه ذكاء اصطناعي، مهما كان الصوت الذي يتحدث به.

أي لحظات عليكم اختبارها؟

خذوا [المتجر] مثالاً، وهو متجر إلكتروني للأثاث. المتجر والأشخاص ولجنة الاستماع والدرجات والمكالمات في هذا المقال كلها مثال، وليست بيانات حقيقية. في اليوم السابق لكل توصيل، يتصل وكيل الذكاء الاصطناعي في [المتجر] بالعميل ليؤكد فترة التوصيل والعنوان. ولدى لينا، التي تدير خدمة العملاء في [المتجر]، قائمة مختصرة من ثلاثة أصوات من صفحة العرض التوضيحي لدى المورّد، كلها أصوات نسائية لأن الوكيل يقدّم نفسه باسم ميا. وفي الاجتماع أعجب الصوت C الجميع أكثر من غيره، وهو صوت مشرق يكثر فيه النَفَس.

ابدأوا، كما تفعل لينا، بالمكالمة التي يجريها وكيلكم أكثر من غيرها. تكتب لينا مكالمة التوصيل في [المتجر] أطول قليلاً من المعتاد، لتستغرق نحو ثلاث دقائق وتضم كل لحظة صعبة، ثم تشغّل مكالمة الاختبار هذه بكل صوت على هاتفها المحمول، مرة في مكتبها ومرة في الشارع.

تبدأ مكالمة الاختبار بعبارة «السلام عليكم، معكم ميا، مساعِدة الذكاء الاصطناعي في [المتجر].» وتتأكد ميا من أنها تتحدث إلى السيدة الظنحاني، وهو اسم عائلة صعب النطق من قائمة عملاء [المتجر]، ثم تخبرها أن أريكتها تصل «غداً الخميس، بين 9:00 صباحاً و12:00 ظهراً» إلى المنزل رقم 14 في شارع النخيل. وتقرأ ميا رقم الطلب في مجموعتين، 4471 2093. وتقول العميلة «عفواً؟»، فتقرؤه ميا من جديد ببطء أكبر. بعد ذلك تطلب العميلة فترة بعد الظهر، وهي ممتلئة غداً، فتعتذر ميا وتعرض يوم الاثنين بين 1:00 و4:00 بعد الظهر. تقبل العميلة، وتعيد ميا قراءة اليوم وفترة التوصيل والعنوان، ثم يودّع كل منهما الآخر.

تستغرق جملة العرض التوضيحي نحو ست ثوانٍ، أي بقدر التحية تقريباً. وقد حكم الاجتماع على الأصوات من هذه اللحظة الأولى، ولم يسمع أياً من اللحظات السبع الأخرى.

كيف تقيّمون القائمة المختصرة؟

تشكّل لينا لجنة استماع من خمسة أشخاص: موظفان يتحدثان إلى عملاء [المتجر] كل يوم، ولينا نفسها، ومنسّق توصيل يعرف ما يشتكي منه العملاء، وشخص من خارج المشروع. يستمعون إلى الصوت A والصوت B والصوت C دون أن يعرفوا مصدرها، بلا أسماء موردين ولا أسعار. ويسمع كل منهم مكالمة الاختبار كاملة على الهاتف، ويمنح كل صوت درجة من 1 إلى 5 على خمسة أسئلة.

تقرأ الأصوات الثلاثة مكالمة الاختبار بالإعدادات نفسها والإيقاع نفسه وتجميع الأرقام نفسه، فأي فرق تسمعه اللجنة مصدره الصوت وحده. وفي جدول «كيف قيّمت اللجنة ثلاثة أصوات»، كل خانة هي مجموع درجات المستمعين الخمسة، فتتراوح الخانة بين 5 و25 والمجموع بين 25 و125.

جاء الصوت C، المفضل في الاجتماع، في المركز الأخير على الهاتف بمجموع 75 من 125. وكان الأدنى بين الثلاثة في سهولة المتابعة على الهاتف، 12 من 25، وفي وضوح الأرقام والأوقات، 13. فالإشراق الذي بدا شديد الوضوح على الحاسوب المحمول فقد امتلاءه على خط الهاتف.

أما الصوت A، صوت المذيع في القائمة المختصرة، فكان الأوضح بين الثلاثة في الأرقام والأوقات بدرجة 21 من 25، والأدنى في الدقيقة الثالثة بدرجة 11. وحصل على 14 فقط في «يبدو كأحد أهل المنطقة»، وكتب مستمعان بجانبه «يبدو كإعلان».

نال الصوت B مجموع 103 من 125، وتصدّر أربعة من الأسئلة الخمسة. ولم يتفوق عليه الصوت A إلا في الأرقام والأوقات، 21 من 25 مقابل 20.

وجاء صف الأسماء والعلامة التجارية متقارباً، 18 و19 و18 من 25، لأن الأصوات الثلاثة أخطأت في نطق اسم عائلة السيدة الظنحاني بالطريقة نفسها.

تأخذ لينا أعلى مجموعين، الصوت B والصوت A، إلى اختبار على مكالمات فعلية. فقد بدا الصوت A لمستمعين اثنين كإعلان، ولا تكشف إلا المكالمات الحقيقية ما إذا كان العملاء يغلقون الخط في وجهه.

ما الذي يمكن إصلاحه لاحقاً؟

اختاروا على أساس طابع الصوت، لأن الإعدادات يمكن تغييرها بعد ذلك مهما كان الصوت الذي تختارونه. فقواعد النطق تحدد كيف ينطق الصوت الأسماء والأماكن وعلامتكم التجارية ومصطلحات منتجاتكم، وكذلك الإيقاع والوقفات وطريقة تجميع الأرقام وأرقام الطلبات، فكلها إعدادات.

ولهذا لا ينبغي أن يحسم صف الأسماء في جدول لينا أي قرار. فقد تعثّر نطق اسم العائلة، وقاعدة واحدة تصحح ذلك في أي من الأصوات الثلاثة. وكتابة قواعد كهذه هي موضوع مقالنا عن قواميس النطق للأسماء والعلامات التجارية والمنتجات.

أما الطابع فيأتي مع الصوت نفسه. كيف يُسمع عبر خط الهاتف، وهل يبدو كصوت مذيع، وهل ما زال مريحاً للاستماع في الدقيقة الثالثة، كل ذلك يبقى على حاله مهما ضبطتم. وإبطاء الصوت C لن يجعله أكثر امتلاءً على الهاتف، ولا يوجد إعداد يمنع الصوت A من أن يبدو كإعلان.

مع أي صوت يبقى العملاء؟

على مدى أسبوعين، يسمع كل عميل في قائمة التوصيل لدى [المتجر] الصوت A أو الصوت B بالاختيار العشوائي، بالنص نفسه وفي الساعات نفسها، فلا يتغير سوى الصوت. وفي نهاية الأسبوعين يكون لكل صوت 400 مكالمة رُدّ عليها. ولا تجري لينا المقارنة قبل ذلك، لأن بضع عشرات من المكالمات لكل صوت لا تكفي.

تصنّف لينا كل مكالمة رُدّ عليها في واحدة من ثلاث نتائج مجموعها 400. فإن أغلق العميل الخط خلال أول عشر ثوانٍ فهي «إغلاق مبكر للخط»، وإن وافق على فترة توصيل، سواء كانت المقررة أو جديدة، فهي «تأكيد موعد». وكل نهاية أخرى، كأن يطلب العميل التحدث إلى موظف أو ينقطع الخط أو لا يتفقان على موعد، تدخل في عمود «أخرى». وتحصي لينا كذلك العملاء الذين طلبوا الإعادة مرة واحدة على الأقل. وقد يفعل العميل ذلك ثم يؤكد موعداً، لذلك فعمود «طلب الإعادة» ليس جزءاً من مجموع 400.

مع الصوت B أكّد 338 من 400 عميل موعداً، مقابل 296 مع الصوت A، أي أن 42 عميلاً إضافياً وافقوا على موعد توصيل. وكان عدد حالات الإغلاق المبكر للخط أقل مع الصوت B، 44 مقابل 72، وانتهت 18 من مكالماته بطريقة أخرى، مقابل 32 للصوت A.

كل عميل طلب الإعادة كان قد بقي على الخط بعد أول عشر ثوانٍ، لذلك فالمقارنة العادلة هي بين العملاء الذين بقوا: 36 من 328 مع الصوت A مقابل 41 من 356 مع الصوت B، أي نسبة متقاربة. وقد تابعوا صوت المذيع بالسهولة نفسها تقريباً، ومع ذلك أغلق عدد أكبر من العملاء الخط في وجه الصوت A خلال أول عشر ثوانٍ.

هنا اتفق العملاء مع اللجنة، وتُبقي لينا على الصوت B في كل مكالمات التوصيل لدى [المتجر].

أين يأتي دور DRING؟

في نواة الكلام لدى DRING، تختار كل علامة تجارية صوتاً منتقى من المكتبة لكل لغة، مع شخصية تحدد الإيقاع ودرجة الرسمية والنبرة، وتصحيح اللكنة، وقاموس نطق للأسماء والأماكن ومصطلحات المنتجات. وأنتم من يعتمد الصياغة والشخصية والصوت قبل إجراء أي اتصال.

أي جملة افتتاحية أو نبرة أو صوت ينجح، يُحسم في مكالمات صادرة فعلية، لا في اجتماع. وفي حملات الاتصال الصادرة لدى DRING، يمكن تشغيل صوتين جنباً إلى جنب في الحملة نفسها لمقارنة النتائج. أما نماذج الأصوات في صفحتنا الرئيسية فهي عروض توضيحية لسير العمل لدى DRING، فاستمعوا إليها على هاتفكم لا على الحاسوب المحمول.