讀懂文本背後的情緒，針對售後客服行業，「語憶科技」推出智能管理及數據分析方案

情緒識別是人工智慧的分水嶺。對於人類來說這是一種天生的能力，而對於人工智慧來說，卻代表了最高水平的進展。包括微軟、軟銀、蘋果等巨頭都在布局情感識別。

36氪此前的文章《【情感經濟】 為了讓計算機讀懂人類情感，全世界都是蠻拼的》中，作者詳細介紹了世界範圍內，利用表情、聲學特徵、體征特徵等數據，來分析本體情緒的技術和公司。典型的技術落地場景包括廣告效果評估、產品評測、視頻分析、醫療康復、安全駕駛和情感機器人等。

表情識別是目前最常見的情緒識別方式，創業公司數量眾多，技術和應用也相對成熟。不過在很多場景下，我們是無法獲取用戶表情和語音的。這時就凸顯了基於文本的情緒識別和分析技術的重要性，比如文本分析明星，被IBM收購的AlchemyAPI，這是一款基於雲的自然語言處理API，可以對情緒和語言進行檢測。

不過市面上的文本情感分析引擎大多依賴於LIWC（Linguistic Inquiry and Word Count）等較為成熟的大型開源情感詞庫，通過抽取特徵或規則進行文本屬性識別，因此對詞庫的質量和規模依賴度很高，且受到應用場景和語言的極大限制。

36氪此前報道過的杭州語憶科技自主開發的語憶中文文本情感解析引擎，並沒有完全依賴於開源情感詞庫。基於自主研發的深度學習演算法，語憶的情緒識別技術可以利用極小的基礎訓練庫實現跨行業、跨領域的商業應用。這種演算法實現正、負面共12種細節情緒的靈敏感知，返回不同語句下的情緒濃度差異，並按照客戶的需求挖掘其他特殊情緒。

語憶的情緒識別演算法已經成功應用於輿情監控和精準營銷領域，並和第一財經、今日頭條等大B客戶建立了合作關係。語憶科技CEO程凱告訴36氪，過去一段時間他們找到了新的技術落地場景——售後客服。

語憶科技之所以選擇落地在售後客服，是因為其痛點明顯。一是售後客服目前屬於人力密集型領域，如今絕大多數的企業都會配備客服部門以提升服務質量，但是人工智慧對於投訴等問題的處理還比較機械，因此人工客服仍是當前的主流工作方式。二是抽樣率太低，如今的客服質檢主要依靠人工抽檢，目前的行業抽查率僅為千分之六，對客服人員的監管力度十分有限。整體來講，售後客服的管理傳統而混亂。三是雖然存儲了大量的文本和錄音數據，但缺乏分析工具來分析反饋，進而無法從大量的客戶文本中提取有效信息作用於運營與生產。

針對以上問題和潛在需求，語憶科技基於該情緒分析引擎推出了三款產品——實時監控平台、質檢分析平台和事後大數據分析。實時監控平台可以在坐席交流過程中，實時分析用戶情緒變化，必要時會向後台管理人員告警。質檢分析平台則可以從用戶與坐席的情緒變化入手，規模化、數值化地對坐席的服務質量進行評定。事後大數據分析平台會分析溝通內容中蘊含的商業洞察（包括關注熱點、商品痛點、用戶特徵等），企業進行針對性的產品優化和服務提升。

據悉，語憶科技的平台產品已應用於聯通等大客戶的客服部門，並有效降低了投訴率和退貨率，節省了運營成本。

程凱告訴36氪，這三款產品被包裝成定製項目、SaaS平台和API的形式來服務不同類型的客戶。如聯通、京東等大型運營商、電商客戶會選擇本地項目定製開發服務，語憶科技則主要收取初次的項目定製開發費與後期的維護與演算法迭代費用。面向一些線上商城，如天貓、京東入駐店，以及品牌自有線上商城等，語憶科技主要提供SaaS服務，並根據坐席數按月收服務費。另外語憶科技也會將平台的API開放給第三方雲客服公司，為他們賦能文本情緒解析能力，並根據通話量大小收取服務費。

除了繼續迭代技術，語憶科技今年會著力拓展客服市場。程凱表示，2018年語憶的定製化大B客戶預期可以從2家增至10家以上。SaaS服務平台客戶將增至百家以上。

除了在客服、輿情監控、精準營銷領域深耕以外，語憶科技還在持續探索其他的潛在應用場景，比如網路文學IP的挖掘，以及在物聯網和機器人領域基於情緒提供特性化交互等。

專註於文本情緒識別領域的公司除了被IBM收購的AIchemyAPI，還有加拿大公司Receptiviti.ai和西班牙公司Bitext，應用場景多集中在廣告、金融服務等市場。

語憶科技於2017年中完成了來自天使灣的天使輪融資，現在正在尋求1200萬元Pre-A輪融資，資金將用於技術開發、市場拓展和團隊擴招。語憶科技現有10多人，預期今年可增至20人。語憶的技術團隊來自Oracle、SAP和中興，市場團隊來自華為，運營和財務總監來自畢馬威。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！