Проще, но намного лучше
Сценарии применения систем видеоаналитики широки и базируются на полезном функционале: обнаружении определенных объектов и слежении за ними, идентификации и классификации объектов по заданным признакам, распознавании нештатных ситуаций.

Понимать, какие эмоции испытывают люди, умные машины научились довольно давно. Например, американский Emotient, ныне принадлежащий Apple, еще в 2014 году уже написал продвинутый софт для Google Glass (а непродвинутый – намного раньше). Affectiva, Realeyes, Beyond Verbal умеют здорово анализировать речь, записанную или живую. Рроссийский HeedBook, который использует видеопоток напрямую c рабочего места сотрудника в фоновом режиме, анализирует информацию с помощью нейронных сетей и получает в режиме реального времени оценку качества обслуживания клиента, анализ бизнес-процессов, контроль кросс-продаж. И все это с высоким качеством аудио- и видеосъемки и простой интеграцией к компьютеру сотрудника.

Как это делается
Система распознает эмоции, получая их через веб-камеру. Она делает это по тембру голоса и мимике, а также понимает содержание диалога, узнавая ключевые слова. Рейтинг удовлетворенности клиента составляется исходя из пяти основных показателей, среди которых интонации и содержание диалога, положительные мимические эмоции, отрицательные мимические эмоции, внимание.
Сферы применения нейросетей в клиентском сервисе очень широки: 

• государственные сервисы
• банки
• магазины и офисы продаж
• предприятия транспорта
• рестораны
• автосалоны
• клиники
• страховые и туристические агентства
• кинотеатры
• ремонтные центры
• музеи
  и многие другие 

Возможности умного сервиса
Есть две условных категории: первая направлена на работу с персоналом, вторая – с клиентом. Обе важны и взаимосвязаны. К «внутренним» относятся составление рейтинга сотрудников по качеству сервиса и нагрузке; просмотр обслуживания клиентов в реальном времени, контроль следования скрипту; оценка пиковых нагрузок и простоев; запись диалогов для различных целей, сбор точных данных о количестве и продолжительности диалогов; уведомления о событиях на фронт-линии.

Функционал «фокусировки» на клиенте – это, например, определение профиля клиента (по полу и возрасту); анализ слов и фраз, провоцирующих негативные и позитивные эмоции у клиентов; проведение таргетированных продуктовых предложений, демонстрация целевого медиаконтента, рекламы; анализ реакции клиента на специальные предложения, акции, скидки; индексация ключевых слов по частоте употребления и многое другое.

Невидимый наблюдатель
Люди просто работают, а нейросеть наблюдает и непрерывно анализирует происходящее по-максимуму. Результат – огромное количество бесценной аналитики: показатели можно фильтровать и просматривать на разных уровнях: например, конкретного клиента, сотрудника, бизнес-процесса, офиса, всей компании. Анализ осуществляется на основании внутреннего алгоритма и объективной оценки. Что особенно важно: такие системы не отвлекают сотрудников от работы, обезличивает и шифрует данные, интегрируется с CRM и ERM.

Состав решения - проще не бывает: нам понадобится компьютер (или смартфон/планшет) сотрудника, веб-камера/медиаэкран/мобильная камера и специализированное ПО.

В качестве примера использования таких решений в бизнесе приведем HeedBook. Российская компания, применяющая его, работает в сфере туризма. Это представитель крупного бизнеса, и одна из задач, стоящая перед ним, - рост продаж и лояльности клиентов. С использованием аналитики на основе данных нейросетей на 5% выросли продажи страховок, увеличилась воронка предложений, на 19% увеличились показатели удовлетворенности клиентов.

Еще один удачный пример – МФЦ подмосковного Реутова. В 2017 г. в работу центра была внедрена автоматическая система распознавания эмоций для получения данных о качестве клиентского сервиса. Веб-камеры в режиме реального времени наблюдают за эмоциями заявителей, их голосами, мимикой и содержанием речи, а итоговая аналитика превращается в отчет для руководства. Сразу становится понятно, где и что можно улучшить!