熟悉呼叫中心的人都知道，其实呼叫中心业务场景是随着技术的变革一直在丰富和完善着的。从最初的单纯解决客户咨询、投诉问题人工热线外呼，到预览式外呼，再到电话销售、金融贷款、催收的预测式外呼和自动外呼（这也是现在经常困扰大家的电话）。其实你可以发现一直是技术在推动着呼叫中心业务场景的变化，反过来客户业务的痛点也促进技术的发展迭代。 作为一个学习型和拥有丰富项目运营经验的团队，我们一直以来一直着力于做一件事：研究新技术对呼叫中心行业的影响，并将实践。这其中自然少不了现在正在大火的人工智能。（PS：最近boss又交代一个任务，研究区块链在呼叫中心的可能应用，真是但又不能其眼光和境界） 那么，和呼叫中心相关的人工智能技术有哪些？人工智能究竟在呼叫中心行业是如何落地，又有什么具体的场景？笔者还是结合项目经验和自身学习，给各位剖析一二。 首先，我们要有一个普遍的认知，当前阶段下，研究和应用的比较成熟并且和呼叫中心有关系的人工智能技术主要包括：语音识别、自然语言处理、图像识别等。 以前的人，包括现在的大部分人，可能都有一个这样的体验，你去某银行热线咨询一个问题，你首先听到的是语言的选择（中文还是英文等）然后是业务选择（储蓄卡业务还是信用卡业务等），可能下一层是业务操作（挂失还是新办），很多人其实在这过程中会变的很不耐烦，会直接切换到人工。 其实这种行为是企业设置IVR业务以减少人工服务量的初衷的。那么，有什么能解决这个问题吗？是的，你可能通过智能IVR和智能知识库很好的解决这个问题。 具体的逻辑如下：你拨通某银行的热线，在进入服务层级之前，我们的智能IVR进行业务需求引导（比如：你需要办理什么业务？）。这个时候，你需要的是直接说出你的需求（比如：我想要办理新卡）。 这个时候，我们的智能IVR能通过语音识别和自然语言处理，快速并且高效的理解你的需求，并通过银行业务系统的智能知识库，进行关键词检索，锁定该业务的答案，并且通过TTS、系统录音或者最原始的短信将当前业务的答案发送或者触达给你。 我们曾经做过一个测试，针对某银行的同一个项目中的同一个业务，相比于传统的按键式IVR，这种智能IVR和智能知识库的组合能节省客户43秒，这种效率不得不说常可观的。这里出来说明一下，智能知识库和传统知识库的差别，主要是表现在智能知识库能根据大数据算法，按照你设定的规则，进行阶段性重点关键问题的智能排序，和报表生成，有助于企业实时关注客户痛点和关注点的变化，并采取针对性的措施。 在呼叫中心运营中各项数据都非常重要，如：接通率、通话时长、投诉、客户满意度等。与这些数据直接相关的就是客服人员或者电销人员的业务素质。而不同人员之间的业务素质差距，不是完全靠培训能就能全部解决的。 这时候，需要我们有一种反馈提升的办法或者机制，这就是业内人常叫的话务质检。在以前，我们话务质检数量和质量，其实也是差强人意的。 在一个中等规模的呼叫中心（50-100人叫中等规模），我们一般安排3-5个质检人员，你会发现1天的质检量其实也就是全天线%，而且这还是在这几个质检人员不怎么休息的情况下才能达到的质检量，其实这常低效率的，而且也不能避免存在样本量检查的变差，造成个别差的话务员“浑水摸鱼”。 人工智能技术很好的解决了这个问题，可以说是给话务质检带来质的变化。具体的逻辑如下：我们通过ASR技术实现话务服务的全量录音转文本，转换成文本后依据大数据进行关键核心词匹配（事前可在大数据关键字抓取模型中输入服务禁忌用于或者易出错知识点），最后完成全通话服务量文本的关键字标红和统计，这样就能清楚的知道整个运营现场的话务服务质量统计和趋势，同样也试用于单个业务员所有话务服务质量分析。 其实这中间还有一个好玩的东西，给大家分享一下。现在的呼叫中心在做全量质检的时候，其实可以往全面一点考虑，做好客服人员和客户的双质检（有个专业词语叫音轨分离，意思是可分别对通话双方进行分轨道录音，双方之间基本不存在影响），这么做的一个好处是，你可以把客户的全部录音进行文本转写，这样你就能很好的统计和分析，客户的具体需求和投诉点，并总结出相关规律，协助业务的开展和投诉的解决。 举个真实的例子，有个客户最近一段时间出现大量用户投诉，如果他要运用原来的方法进行处理，耗时耗力。这个时候，我们了解到它的这个烦劳，我们帮助它用全量的音轨分离转写问题技术，在1个小时之内，确认了问题所在，原来它在部分区域的促销政策和在广告宣传中的折扣不一致，导致客户不满投诉，最后经他们内部核查，原因是经销商的个人所为，最终它很好的解决了这个问题。 其实人工智能在客服行业的应用还有很多，这些也深刻的改变着行业的效率及形象。由于篇幅和时间，不能一一细说，举出两例希望能激发诸位兴趣。
|