IP PBX – BPO Call center – Artatel
IP PBX – BPO Call center – Artatel
Apa itu Voice Biometric
Teknologi biometrik suara yang mampu memverifikasi identitas pembicara sebagai pengganti PIN atau finger print. Atau dikenal sebagai pengenalan suara atau otentikasi suara. Saat ini teknologi ini disebut Voice Biometric atau biometrik suara, . (passive voice biometrics, google voice biometrics)
Kelebihan utama voice biometric adalah:
• Easy and fast access to information
Waktu yang menyita untuk menanyakan pelanggan data pribadi oleh agent tidak terjadi lagi, sehingga waktu
layanan per pelanggan jauh lebih cepat.
• Jauh lebih aman
Kerahasiaan pelanggan anda terjamin aman bahkan oleh agent call center anda sendiri.
• Jauh lebih cepat, Biometrik suara kurang dari 7 detik untuk terverifikasi
• Dapat digunakan di berbagai media
voice biometric authentication java voice biometric system voice biometrics in voice identification
Keunggulan lainnya:
a. Pengurangan waktu otentifikasi
Sebelumnya setiap CS anda ingin memastikan bahwa penelpon adalah pemilik akun yang sah, akan
membutuhkan waktu yang lama untuk melakukan proses tanya jawab yang melelahkan seperti :
– Menanyakan nama lengkap sesuai KTP
– Menanyakan nama gadis ibu kandung
– 4 digit nomor kartu kredit
– Alamat rumah
– Tempat dan tanggal lahir
– Nomor handphone
– Alamat email
– Adakah kartu tambahan
b. Peningkatan customer experience & confidential.
Pelanggan cukup menyebutkan nama lengkap, server akan menentukan apakah suara pelanggan adalah pemilik
yang sah.
c. Penghematan uang karena tingkat tambahan pencegahan penipuan.
d. Biaya operasional yang lebih rendah.
Waktu otentifikasi yang semakin singkat menyebabkan ada tidak membutuhkan jumlah agent, tempat kerja dan
sarana lainnya yang lebih banyak
e. Keamanan lebih tinggi dan biaya lebih rendah
f. Pelanggan senang dan karyawan puas karena tidak mengalami pertanyaan pribadi setiap menghubungi customer care.
g. Alternatif yang kurang aman dan akurat yang memerlukan biaya perangkat keras tambahan dan keberadaan fisik
Untuk memulainya, penting untuk diketahui bahwa tidak ada biometrik yang 100% akurat. Misalnya, sebuah studi tahun 2014 tentang pengenalan iris menentukan akurasi sistem bisa antara 90 dan 99%, rentang yang luas. Akurasi biometrik suara juga berada dalam kisaran ini karena berbagai alasan. Namun, meski dengan ketidaksempurnaannya, biometrik suara adalah alat yang sangat berharga.
Metode untuk menilai akurasi sistem biometrik suara adalah “Equal Error Rate”, atau “EER”. EER adalah titik di mana “False Acceptance Rate” atau “FAR” (yaitu, membiarkan penipu lewat) sama dengan “False Rejection Rate” atau “FRR” (yaitu, menolak akses ke pengguna yang valid). Sistem penilaian biometrik suara didasarkan pada probabilitas statistik, jadi ada trade-off antara kesalahan ini yang perlu dipertimbangkan. Misalnya, jika Anda menyetel tingkat kepercayaan “tinggi” untuk mencegah penipu, Anda mungkin akan memblokir lebih banyak pengguna yang valid, yang menyebabkan gangguan. Menetapkan tingkat kepercayaan “lebih rendah” akan memberikan kenyamanan lebih bagi pengguna valid Anda, tetapi Anda mungkin akan membiarkan lebih banyak penipu masuk. VBG akan bekerja sama dengan Anda untuk memberikan keseimbangan optimal antara keamanan dan kenyamanan. Perhatikan juga bahwa EER diukur untuk sekali percobaan. Dengan mengizinkan percobaan ulang dalam aplikasi Anda, Anda dapat meningkatkan kemungkinan bahwa pengguna yang valid dapat melewati percobaan ulang kedua atau ketiga, meskipun Anda pada awalnya menetapkan tingkat kepercayaan yang tinggi untuk menolak penipu.
Perhatikan bahwa hasil EER, FAR, dan FRR berasal dari sekumpulan sampel audio yang digunakan untuk memproses dan memperoleh pengukuran ini. Waspadai nilai EER yang sangat rendah yang diiklankan oleh beberapa vendor, karena hasil EER yang diturunkan dari laboratorium dapat dengan mudah dimanipulasi dengan membuang sampel yang berdampak negatif pada hasil. Hasil EER hanya sebaik pengambilan sampel data yang dilakukan untuk perhitungannya. Hasil dunia nyata yang tidak terduga dapat (dan akan) terjadi jika pengambilan sampel Anda tidak benar-benar mewakili populasi pengguna akhir, bahasa dan dialek tertentu, jenis perangkat yang digunakan, lingkungan tempat ucapan dikumpulkan, dll. Oleh karena itu, kami menyarankan Anda membandingkan sistem biometrik suara berdasarkan pengguna dunia nyata, termasuk menjalankan uji coba dalam lingkungan produksi yang Anda inginkan,
Faktor penting lainnya yang memengaruhi EER dunia nyata adalah konten sampel ucapan dan keberadaan noise. Jika sampel ucapan terlalu berisik, atau jika informasi yang salah diucapkan ke sistem biometrik suara, maka mesin biometrik suara akan kesulitan menggunakan sampel ucapan tersebut untuk membuat penentuan yang akurat. Menggunakan berbagai jenis perangkat juga dapat memengaruhi hasil.
Misalnya, jaringan telepon seluler menggunakan teknik kompresi yang berbeda dibandingkan dengan telepon rumah – ini memengaruhi proses biometrik suara yang mengekstrak karakteristik vokal unik dari sampel ucapan.