你一定遇過這種電話:客戶一接通就火力全開,語速越講越快、音量越來越大,最後變成「你們到底有沒有在處理?」那種快要爆炸的節奏。
偏偏電話又是最容易把情緒放大的管道,因為人一急,第一個念頭往往還是「算了,我直接打過去比較快」。
而且也別以為大家都跑去用聊天機器人了,電話就不重要。Microsoft 的全球調查裡就提到,受訪者最常使用的客服方式,依然是電話或語音通話,占了七成以上。
不少客服團隊也觀察到,電話慢慢變成專門處理複雜問題、已經升級的案件。這類狀況用文字很難講清楚,最後還是得靠一通電話收尾。
換句話說,電話量也許不是最大宗,但打進來的每一通,往往都是高難度關卡,情緒也特別濃。
接下來的重點就在這裡。以前只能靠資深專員憑經驗、靠直覺去撐場面,現在很多系統已經做得到一件事,把電話裡的情緒變成即時看得到、用得上的訊號。
為什麼電話這條線,還是企業情感攻防的第一線?
客戶願意打電話,通常不是因為他想聊天。
很多時候是三種情況疊在一起:
第一,他很急。線上表單或訊息要等,電話至少有人「現在」回應。
第二,他遇到的事情很複雜,光用文字講不清楚。
第三,他需要被接住。就算你回覆再快,冷冰冰的文字也很難安撫一個正在焦慮或生氣的人。
但站在客服端,電話也最容易失控。
專員會被情緒推著走,越解釋越急,語速也不自覺跟著拉高。
主管更不用說,不可能同時監聽幾十通、幾百通電話。結果就是:真正該介入的那一通,常常等到客戶拍桌、客訴、上網開罵才被看到。
所以現在的趨勢很明確:電話裡的「聽覺訊號」不只是在傳遞內容,它也開始被當成一種早期預警資料。
AI 到底怎麼「聽出」客戶的情緒?
很多人以為情緒分析就是抓關鍵字,像「爛透了」「我要退費」。其實電話裡最有價值的,往往不是字,而是「講話的方式」。
1) 聲音層:語調、節奏、停頓,本身就有戲
做語音情緒辨識(Speech Emotion Recognition)的研究很早就提到,像音高(pitch)、能量/音量(energy)、語句長短(duration)這些韻律特徵,本來就能拿來判斷情緒。
另外也有人整理過,常見特徵還包含語速、停頓、聲音抖動等。
用白話講就是:
客戶突然越講越快、越講越大聲,或是反過來長時間沉默、一直吸氣停頓,系統都可以把這些變化抓出來。
有些平台甚至會把「非對話時間」也列成分析項目,因為一直沒人說話、或卡住太久,本身就很容易讓情緒往壞的方向走。
2) 文字層:即時轉成逐字稿,再看語意跟脈絡
現在不少方案會把通話即時轉成逐字稿,再進一步做語意判讀,讓專員和主管在通話進行中就能掌握狀況。像 Google Cloud 的 Agent Assist,主打即時轉寫,同時在通話中提供回應建議,通話結束後還能自動產出摘要,減少事後整理的時間。它也支援把對話情緒算成分數,甚至能直接從音訊串流中估算使用者的情緒變化。
同樣的概念,也開始被整合進單一客服平台裡。以 FIRST LINE 為例,通話結束後會自動或人工執行產生 AI 逐字稿,並同步進行情緒分析與標記,讓客服人員和主管不用再另外切到其他系統查資料、對錄音。對實務現場來說,少一次系統切換,就少一次漏看重點的機會。
Google 的 Customer Experience Insights 也有提到,情緒分析通常會用「數值分數加上文字標籤」來呈現。這樣的好處很直接,情緒不是一個模糊感覺,而是變成人人看得懂的指標,才有辦法在通話當下或事後,做出真正有效的介入與調整。
3) 即時評分:把情緒變成可觸發的「警報」
很多系統最後會做一個即時分數,名字可能叫壓力指數、不滿指標、負向情緒趨勢之類的。當分數跨過門檻,就觸發動作:提醒專員、跳出建議、通知主管。
三、實戰最有感的三種用法
你可以把它想成:AI 不跟客戶吵,它做的是「在旁邊扶著專員」,必要時把主管叫來。
用法一:專員的神隊友:即時提示該怎麼講
這類功能通常被稱為 Real-time Agent Assist,重點不在於幫專員「講得多漂亮」,而是在情緒開始偏離時,及時拉回正軌。
實務上,多數系統是透過即時語音轉寫,加上情緒與關鍵語句的判斷,在背景持續監測通話狀況。一旦偵測到客戶的不耐、焦躁或語氣升高,就會跳出提醒,讓專員知道現在這通電話的風險正在上升。
這些提示不一定是完整話術,更多時候是方向性的提醒。
像是提示目前對話情緒偏高,建議先放慢節奏、避免補充過多解釋,或提醒專員先確認客戶真正卡住的點,而不是照流程一路往下講。
對專員來說,這種即時提醒的價值在於減少判斷負擔。當電話氣氛開始緊繃,他不用一邊應付情緒、一邊還要回想 SOP,而是有人在旁邊提醒「現在先穩住,比較重要」。
用法二:主管的千里眼:高風險通話先亮燈、再介入
當情緒分數一路往負面掉,後台可以直接把這通標成高風險。主管不用再亂抽查,而是先把注意力放在「最可能出事的那幾通」上。
真正關鍵的是後續怎麼介入,而且方式不只一種。
有些系統支援主管直接加入通話,必要時接手處理,避免情況繼續惡化。也有比較細膩的做法,主管不必現身,而是透過只對專員可見、客戶聽不到的方式,在旁邊即時提醒該怎麼回應。FIRST LINE 就提供這樣的「教練模式」,讓主管能在通話進行中給提示,卻不會打斷客戶的情緒流。
國際平台也有類似設計。像 Amazon Connect 就有說明,主管可以即時介入正在進行的語音或聊天對話;也有廠商把這種模式定位成通話中的即時教練,目的都是一樣,讓專員在關鍵時刻不會孤軍奮戰。
這類即時介入,特別適合那種「客戶已經快爆炸,其實只差一句話就能解掉」的情境。與其事後檢討,不如在當下把局面拉回來,效果通常好得多。
用法三:事後檢討變快:先把高情緒案件抓出來
情緒分析不只是在通話當下派上用場,事後回頭看,其實更好用。
像 FIRST LINE 本身就已經支援通話結束後的自動逐字稿分析,系統會把對話內容整理下來,同時標記出對應情緒,協助團隊快速篩選哪些通話需要特別關注。客服主管不用一通一通慢慢聽,就能先鎖定高情緒、高風險的案件來做盤查。
國際上也有類似做法。像 Genesys Cloud 的 speech / text analytics,會把逐字稿、對話主題、情緒狀態一起整理,讓團隊能從大量通話中看出規律,判斷問題是卡在流程、政策,還是某類產品反覆出狀況。AWS 的 Contact Lens 也提供逐字稿、情緒分數,甚至連對話中出現多少空白、沉默時間,都能納入分析。
實務上,這些資料最直接的用法,就是把「高情緒工單」自動打標。
後續回訪先做這一批,主管檢討也先聽這一批,很快就能發現哪些問題是偶發事件,哪些其實早就該被修掉。
順帶一提,一旦開始大量產生逐字稿,隱私保護就不能忽略。像 AWS 的文件就有提到,Contact Lens 可以自動把姓名、地址、信用卡等敏感資訊,從逐字稿和音檔裡遮蔽掉。這類機制也會是企業在導入情緒分析時,必須一起納入評估的基本配備。

從通話現場到 KPI,情緒分析怎麼影響實際成效
講到最後,老闆最在意的還是成效。情緒分析+即時干預,通常會推動三個地方:
1) 一次解決率(FCR)更有機會拉起來
客戶一旦情緒真的炸掉,後面就算你把事情處理對了,他也未必會買單。很多時候問題已經解決了,但不滿還卡在心裡,通話一掛,後續麻煩反而更多。
如果能在情緒爆點出現前,就先把狀況穩住,把重點問題收束,客戶通常比較願意配合,事情也比較有機會在同一通電話裡結束。
不少客服團隊都有一個共識,電話這條線,早就不只是拿來回覆簡單問題,而是專門用來處理最複雜、最需要耐心溝通的狀況。既然電話一接就是高難度,那一次就把事情解決好,自然會成為最重要的目標。
2) 專員比較不容易被磨光
客服最消耗的,很多時候真的不是工作量,而是長時間累積下來的情緒傷害。一天接好幾通情緒高張的電話,被質疑、被抱怨,甚至被遷怒,久了很難不影響狀態。
如果系統能在通話過程中即時提醒,告訴專員現在該怎麼回應比較不會火上加油,或是在情況快失控時,主動把主管拉進來一起處理,專員的感受會差很多。至少他知道,這通電話不是自己一個人在撐,也不用硬著頭皮把所有情緒都吞下來。
長期下來,這種「有人在旁邊撐著」的安全感,往往比再多一份話術手冊還有用。
3) 口碑跟客訴,能提早在通話階段止血
有些平台其實已經不只把情緒拿來做事後分析,而是直接當成一種預測指標在用。從通話過程中的語氣變化、情緒起伏,就能大概看出這通電話結束後,客戶會不會真的滿意。
你可以把它想成一個很早就亮起來的警示燈。當系統判斷客戶情緒一路往負面走,其實就代表後面的評分、回饋,甚至投訴風險都在升高。這時候如果能及早補一句說明、多給一個選項,或請更有經驗的人接手,常常就能把結果拉回來。
比起等客戶掛電話、心裡已經定調,才跑去留一星或寫抱怨,這種在通話當下就看得出來的訊號,讓企業多了很多補救空間。

AI 讓客服更有餘裕,把人該做的事做好
情緒分析真正厲害的地方,不是把客戶貼標籤說他「很難搞」,而是把專員最難做到的那件事變簡單一點:
在壓力很高的那幾秒,還能講對話、講到點上,讓事情往解決走。
如果你正在評估要不要導入,建議你先從小範圍開始想三件事:
第一,你們想要系統幫忙「提醒專員」到什麼程度?
第二,你們主管介入的流程要先定好,不然亮紅燈也沒人接。
第三,你們的錄音、逐字稿、敏感資料遮蔽怎麼做,最好一開始就一起規劃。
最後補一個常被忽略的雷:如果你的公司有跨國營運,情緒辨識也可能碰到合規問題。EU AI Act 跟歐盟委員會的指南,都特別把「職場中的情緒辨識」列為高度限制/禁止的範圍之一,所以如果你打算拿這套去評分員工情緒或行為,務必先請法務看過規範。
電話這條線短短幾分鐘,情緒可以決定一切。
而現在的差別是:你終於有工具,可以在情緒變成災難前先出手。

引用資料
- Global State of Customer Service (Microsoft Dynamics 365, PDF)
- Agent Assist (Google Cloud)
- Analyze message sentiment | Agent Assist (Google Cloud Docs)
- Sentiment analysis | Customer Experience Insights (Google Cloud Docs)
- Real-Time Interaction Guidance (NICE)
- Speech and text analytics (Genesys Cloud Resource Center)
- Analyze conversations using Contact Lens (AWS Docs)
- Use sensitive data redaction to protect customer privacy using Contact Lens (AWS Docs)
- Barge into live conversations (Amazon Connect Docs)
- Why Call Whisper (Nextiva)
- Regulation (EU) 2024/1689 (AI Act) – EUR-Lex
- European Commission Guidelines on prohibited AI practices (AI Act)
