兩年前,“互聯(lián)網+”的概念一提出,各大創(chuàng)業(yè)者及傳統(tǒng)行業(yè)從業(yè)者紛紛開始重塑產業(yè)鏈,信息的具現化極大地提升了生產效率,并有效地形成了消費生態(tài)圈,而“智能革命”則在此基礎上應運而生,從風靡全球的網紅“微軟小冰”,到單挑李世石的Alpha Go,再到現時突破傳統(tǒng)游戲模式的口袋妖怪游戲pokemon go也帶起了一波節(jié)奏瘋狂圈粉,可見“智能”這個詞匯已經擺脫了概念包裝走進大眾的生活。
在各類的媒體和資本的追捧下,智能機器人這個概念一時推上了風口浪尖,現時基本上各大電商行業(yè)以及傳統(tǒng)金融電信行業(yè)都開始進行了初級智能化的試水,但是縱觀在實驗室中的機器人的能力與真正運用到實際運營層面的機器人依舊是有著巨大的鴻溝。如何將人工智能的技術與運營平臺深度結合并形成更精細的解決方案,在客戶服務場景中發(fā)揮最大價值,也是現時運營商亟待探索的方向。
現在智能技術在客服運營層面的基本應用主要為兩大部分:IVR導航和基于NLP技術的人機交互,少部分還會運用于語音識別轉寫,但這些均是點狀的應用,在一定時期內的確能有效提高生產效率及節(jié)省運營成本,但從長期的發(fā)展來看,智能機器人的運用仍需要和核心是勞動密集型的呼叫中心未來發(fā)展的方向緊密結合,系統(tǒng)性地形成服務生態(tài)環(huán)境。
一、基礎性分流
分流和解決基本問題是智能客服的大前提,這里所提到的分流就是現在行業(yè)最普及應用的IVR和人機交互。IVR可應用的技術主要為語音接入和智能響應,解決傳統(tǒng)按鍵IVR菜單層級過深和業(yè)務承載有限的弊端,實現菜單扁平化,客戶只需說出自己的需求,通過調用聲學模型、語言模型的分析在各個節(jié)點菜單自由跳轉,與按鍵相比,可節(jié)約20秒操作時長,客戶無需再緊張兮兮地一邊聽著語音一邊急急忙忙戳按鍵,深怕聽漏了什么前功盡棄又要重新聽過,在客戶已經形成傳統(tǒng)IVR使用習慣的基礎上,進一步優(yōu)化客戶輸入感知,而對于客戶的回應也是采用TTS語音合成功能(此處建議引用《擁抱人工智能,從智能語音合成開始》鏈接),可有效降低運營成本,分流約25%的人工話務壓力。
除IVR外,客戶現在已經開始逐漸習慣在線客服的接入模式,微信公眾號、WEB、APP、H5短鏈、第三方服務平臺接入等紛紛上線智能機器人,基于自然語義的交互服務的優(yōu)勢在于輕量化接入、多渠道布放,但是在實際運營一定時間后,均會發(fā)現對話極度容易斷層,上下文關聯(lián)邏輯混亂等普遍性問題,除了在運營層面需要鋪資源發(fā)力在專業(yè)細分領域補充(此處建議引用《替代人工?智能機器人的三板斧》鏈接)外,人工智能在未來是需要擁有深度學習的能力,這不僅僅是語料庫的豐富,而是一套可自我循環(huán)進化的通用對話系統(tǒng),類似搜索引擎時代的長尾用戶體驗,不管客戶拋出何種問題,機器人都能脫離對話語料庫結構,直接學習互聯(lián)網海量非結構化大數據而把對話進行下去,并且能主動深入地延展話題(directchat技術),這樣才能在未來應對用戶更多樣化的需求與問題,更具競爭力以及增強用戶粘性,例如前段時間微軟小冰有個很火的應用叫“讀心術”,可以通過問十個問題而推理出用戶心里想的是什么,精準率高達90%以上,其實就是這種通用對話系統(tǒng)的雛形,通過人工智能、搜索引擎和大數據的技術儲備,以自然交互的形式在互聯(lián)網中“搜索”出用戶答案,同時這些答案又以知識的形式類聚至機器人語料庫,實現循環(huán)學習,這也是現時客服機器人需要突破的技術瓶頸。
二、工具化應用
除了在客戶前端可進行智能應用外,在后臺運營方面也是必不可少的,突出方面在與人工客服助手以及智能識別鑒權。當IVR和交互機器人無法滿足客戶時,此刻人工服務是補救客戶感知的關鍵,因此對于人工服務的質量要求肯定也是高于一切前端機器人。
首先知識庫是一線客服沖鋒陷陣的武器,傳統(tǒng)知識庫信息龐雜難搜索,同時由于渠道迅速接入的緣故,分渠道答案存在維護工作量大,口徑不同步的問題,因此利用”理解拆分+分解模板“的形式對海量業(yè)務底層進行歸類存儲并組合調用,不但可以從根源上減少未來維護的壓力,還能夠迅速提升40%的搜索效率(此處建議引用《服務轉型,從原子化知識庫起步》鏈接)。在這里,智能化的體現在于結合了機器人的算法邏輯重構了知識支撐系統(tǒng),精準了知識搜索率,還能夠調用機器人的能力自動識別客戶問題匹配出答案,一線員工只需審核過濾最后的答案輸出即可。除了知識搜索問題以外,有64%的員工表示歸檔在服務過程中由于一心N用較容易出錯,而智能機器人在前面自動識別匹配出答案后,通過抓取關鍵字的形式自動推送出對應的歸檔節(jié)點,客戶代表同樣只需在最后一步進行審核即可完成半自動歸檔,自動化歸檔結合前面提到的智能搜索推送,一通話務下來,客服代表無需記住龐大負責的業(yè)務節(jié)點,只需進行審核編輯便可完成服務,不但提升50%的工作效率,還大大地降低了技能門檻,實現客服代表“拎包上崗“,降低業(yè)務培訓成本,革新傳統(tǒng)呼叫中心運營模式。
由于智能客服是新的服務形式,其服務規(guī)范也理應不同于傳統(tǒng)服務門檻。生物識別在業(yè)界已經處于較成熟的態(tài)勢,除了隨機碼和服務密碼外,生物識別更加安全私密和個性化。現在行業(yè)認可可作為識別標準的基礎是2種以上的生物識別相結合,縱觀現在智能機已基本具備聲音錄入和指紋識別功能,所以可按照業(yè)務的等級來實行生物識別鑒權的功能。如二級業(yè)務可指紋識別,三級以上的業(yè)務以“指紋識別+聲紋識別”形式進行,甚至未來在實體化機器人上實現更高級別的虹膜識別,均是結合未來用戶渠道使用習慣的一種發(fā)展趨勢。
三、后臺運營的抓手
當大量簡單重復、可取代的話務和機械性勞動輸出分離至機器人后,在運營管理的層面肯定也是要更加精細化和智能化,其中最顯著就是質量的保障。機器人的服務質量應該以“客戶評價+內部撥測”的方式進行,機器人好不好用當然是客戶和使用的一線員工說了算,此時機器人系統(tǒng)具備前后端的評價功能和運算邏輯,當客戶和員工均認為這條答案不能解決問題或者有錯誤的時候,可進行實時評價,而評價的綜合得分低于設定的標準值時,機器人的自學習功能應調用底層先對此答案的語義權重進行拆解,初步形成分析建議,如修改語義表達式,補充擴展問或者更改業(yè)務底層,并將此分析作為參考建議一并推送至后臺維護人員,形成自學習評價流程。
而人工服務質量則是應該”機器人情感框架分析+人工抽檢“的形式進行,機器人的情感分析暫時有兩種渠道,一種是客戶語氣語調的分析,一種就是關鍵字的讀取,這兩種同樣也是適用于熱線語音和在線文字,但是鑒于機器人的分析無法做到100%準確,還需要投入少量的人工進行抽檢,因此在未來的智能客服質檢這塊,人工撥測正確率是行業(yè)間亟待探討的關鍵指標。
其實不單單是質量這塊,機器人總體的應用能力歸根到底都是基于算法的應用,目前行業(yè)間運用較多的都是kmeans,Canopy,Density
Peak等聚類算法和協(xié)同過濾算法(也就是電商們最愛用的“猜猜你還喜歡什么”),但從現時的整體行業(yè)運營情況來看,算法的不透明和實際運營落地優(yōu)化依舊是“兩張皮”,難以在從中找到共同的發(fā)力點,不妨參考15年谷歌開源深度學習系統(tǒng)TensorFlow的思路,TensorFlow是谷歌研發(fā)的第二代人工智能學習系統(tǒng),其命名來源于本身的運行原理,Tensor(張量)意味著N維數組,Flow(流)意味著基于數據流圖的計算,TensorFlow即為張量從圖象的一端流動到另一端——將復雜的數據結構傳輸至人工智能神經網中進行分析和處理,通俗地說,理論上使用谷歌的樣本模型架構的話,誰都可以很快地開始使用機器學習技術。不過,谷歌公司表示,開源該系統(tǒng)并不會危及公司的戰(zhàn)略,而且還是會讓公司保持優(yōu)勢,因為深度學習系統(tǒng)或軟件不是一裝上就能用的,它在發(fā)布前期需要通過使用者數據進行很多測試、調整,顧名思義就是一個學習的過程。通過開源算法,利用社會上各類移動操作系統(tǒng)和通信渠道來檢測產品,不斷試錯,使用者優(yōu)化產品并進行反饋,谷歌公司根據反饋調整底層算法,最終達到了一種共贏共生的目的,其實這也算是一場全人類的“圖靈測試”,同時也給智能客服發(fā)展的優(yōu)化方向帶來一絲啟發(fā)。