淺談人工智慧在呼叫中心行業的應用
原標題：淺談人工智慧在呼叫中心行業的應用
通過這篇文章，我們來看一下人工智慧技術在呼叫中心行業的一些具體運用場景。
熟悉呼叫中心的人都知道，其實呼叫中心業務場景是隨著技術的變革一直在豐富和完善著的。從最初的單純解決客戶諮詢、投訴問題人工熱線外呼，到預覽式外呼，再到電話銷售、金融貸款、催收的預測式外呼和自動外呼（這也是現在經常困擾大家的電話騷擾）。其實你可以發現一直是技術在推動著呼叫中心業務場景的變化，反過來客戶業務的痛點也促進技術的發展迭代。
作為一個學習型和擁有豐富項目運營經驗的團隊，我們一直以來一直著力於做一件事：研究新技術對呼叫中心行業的影響，並將實踐。這其中自然少不了現在正在大火的人工智慧。（PS：最近boss又交代一個任務，研究區塊鏈在呼叫中心的可能應用，真是殘忍但又不能佩服其眼光和境界）
那麼，和呼叫中心相關的人工智慧技術有哪些？人工智慧究竟在呼叫中心行業是如何落地，又有什麼具體的場景？筆者還是結合項目經驗和自身學習，給各位剖析一二。
首先，我們要有一個普遍的認知，當前階段下，研究和應用的比較成熟並且和呼叫中心有關係的人工智慧技術主要包括：語音識別、自然語言處理、圖像識別等。
有了這個基礎，我們來看看人工智慧技術在呼叫中心行業的一些具體運用場景。
第一個，智能IVR和智能知識庫
以前的人，包括現在的大部分人，可能都有一個這樣的體驗，你去某銀行熱線諮詢一個問題，你首先聽到的是語言的選擇（中文還是英文等）然後是業務選擇（儲蓄卡業務還是信用卡業務等），可能下一層是業務操作（掛失還是新辦），很多人其實在這過程中會變的很不耐煩，會直接切換到人工。
其實這種行為是違背企業設置IVR業務以減少人工服務量的初衷的。那麼，有什麼能解決這個問題嗎？是的，你可能通過智能IVR和智能知識庫很好的解決這個問題。
具體的邏輯如下：你撥通某銀行的熱線，在進入服務層級之前，我們的智能IVR進行業務需求引導（比如：你需要辦理什麼業務？）。這個時候，你需要的是直接說出你的需求（比如：我想要辦理新卡）。
這個時候，我們的智能IVR能通過語音識別和自然語言處理，快速並且高效的理解你的需求，並通過銀行業務系統的智能知識庫，進行關鍵詞檢索，鎖定該業務的答案，並且通過TTS、系統錄音或者最原始的簡訊將當前業務的答案發送或者觸達給你。
你會發現你節省了大量的時間，客戶滿意度一下提升，同時銀行業也省去大量的人工，運營更加高效。
我們曾經做過一個測試，針對某銀行的同一個項目中的同一個業務，相比於傳統的按鍵式IVR，這種智能IVR和智能知識庫的組合能節省客戶43秒，這種效率不得不說是非常可觀的。這裡出來說明一下，智能知識庫和傳統知識庫的差別，主要是表現在智能知識庫能根據大數據演算法，按照你設定的規則，進行階段性重點關鍵問題的智能排序，和報表生成，有助於企業實時關注客戶痛點和關注點的變化，並採取針對性的措施。
第二個，智能全量質檢
在呼叫中心運營中各項數據都非常重要，如：接通率、通話時長、投訴、客戶滿意度等。與這些數據直接相關的就是客服人員或者電銷人員的業務素質。而不同人員之間的業務素質差距，不是完全靠培訓能就能全部解決的。
這時候，需要我們有一種監控反饋提升的辦法或者機制，這就是業內人常叫的話務質檢。在以前，我們話務質檢數量和質量，其實也是差強人意的。
在一個中等規模的呼叫中心（50-100人叫中等規模），我們一般安排3-5個質檢人員，你會發現1天的質檢量其實也就是全天話務量的3%-5%，而且這還是在這幾個質檢人員不怎麼休息的情況下才能達到的質檢量，其實這是非常低效率的，而且也不能避免存在樣本量檢查的變差，造成個別差的話務員「渾水摸魚」。
人工智慧技術很好的解決了這個問題，可以說是給話務質檢帶來質的變化。具體的邏輯如下：我們通過ASR技術實現話務服務的全量錄音轉文本，轉換成文本後依據大數據進行關鍵核心詞匹配（事前可在大數據關鍵字抓取模型中輸入服務禁忌用於或者易出錯知識點），最後完成全通話服務量文本的關鍵字標紅和統計，這樣就能清楚的知道整個運營現場的話務服務質量統計和趨勢，同樣也試用於單個業務員所有話務服務質量分析。
其實這中間還有一個好玩的東西，給大家分享一下。現在的呼叫中心在做全量質檢的時候，其實可以往全面一點考慮，做好客服人員和客戶的雙質檢（有個專業詞語叫音軌分離，意思是可分別對通話雙方進行分軌道錄音，雙方之間基本不存在影響），這麼做的一個好處是，你可以把客戶的全部錄音進行文本轉寫，這樣你就能很好的統計和分析，客戶的具體需求和投訴點，並總結出相關規律，協助業務的開展和投訴的解決。
舉個真實的例子，有個客戶最近一段時間出現大量用戶投訴，如果他要運用原來的方法進行處理，耗時耗力。這個時候，我們了解到它的這個煩勞，我們幫助它用全量的音軌分離轉寫問題技術，在1個小時之內，確認了問題所在，原來它在部分區域的促銷政策和在廣告宣傳中的折扣不一致，導致客戶不滿投訴，最後經他們內部核查，原因是經銷商的個人所為，最終它很好的解決了這個問題。
其實人工智慧在客服行業的應用還有很多，這些也深刻的改變著行業的效率及形象。由於篇幅和時間限制，不能一一細說，舉出兩例希望能激發諸位興趣。
最後，想通過最近的經歷，告誡大家一句「生活其實和學習一樣，逆水行舟，不進則退」。
2018年3月於成都。
本文由 @雄州穀雨忙 原創發佈於人人都是產品經理。未經許可，禁止轉載。
題圖來自PEXELS，基於CC0協議
TAG:人人都是產品經理 |