运营智慧客服体系化建设.docx

?

?

运营智慧客服体系化建设

?

?

摘要：从运营商重要的语音客服热线、微信客服智能化发展出发，首先分析了传统客服面临的问题与挑战，对人工智能技术在客服领域应用的关键技术进行了客观的评估，提出人工智能与运营商客服结合的方向和体系化思考。结合某运营商现网实际情况，针对人工智能与运营商客服结合的关键技术和应用实践进行了剖析研究，推进智能语音客服、微信机器人的应用实践，提出现网改造、能力开放、智能应用体系部署解决方案。最后对人工智能在智慧客服中的应用进行了展望。

关键词：人工智能，智慧客服，语音识别，自然语言处理，呼叫中心

1引言

运营商移动、宽带市场已呈饱和状态，未来是全业务竞争的阶段，服务质量竞争正变得日益关键。运营商客服包含语音客服热线、微信客服和实体营业厅，其中客服热线是电信运营商进行业务咨询、办理以及故障申告、投诉建议等客户服务总量的主要对外服务平台，其服务量通常占运营商客户服务总量的85%以上。传统语音客服热线主要以人工客服和IVR（interactivevoiceresponse）按键模式为主，由于用户数不断增长、业务复杂性增加、人工成本增加，人工客服人员压力不断增大，而按键模式层级越来越多，操作也越来越烦琐，导致服务质量降低。

近年来由于云计算、大数据、高性能并行计算及神经网络深度学习算法的成熟，人工智能语音、视频技术实现了快速发展，主流厂商语音识别准确率达到95%以上；图像识别准确率超过了人眼；自然语言处理可实现多轮次、可打断式复杂语音对话能力；声纹识别和人脸识别可以有效识别用户属性。将人工智能和客服应用相结合，可以为用户提供扁平化IVR智能导航、微信客服机器人、在线进行情绪识别、基于生物特征识别的千人千面的个性化服务；为人工客服提供智能辅助工具以及自动化流程处理和质检；利用深度学习和知识图谱结合，相比于传统大数据分析，可以在深度、广度、更高语义理解水平上进行分析，更好地应对用户需求，并提供更有针对性的服务。人工智能已逐步引入运营商客服应用中，由于目前还处于发展阶段，不同厂商的训练模型、接口形式、支撑能力都有很多差异，运营商多租户的现状和业务场景的差异化，希望可以被提供能力共享并满足差异化需求，因此智慧客服的体系化设计就变得非常重要了。

本文从运营商最重要的语音客服热线、微信客服智能化发展出发，首先分析了传统客服面临的语音识别、图像识别、自然语言处理等人工智能的关键技术在不断成熟完善，将人工智能技术应用在客服领域，为解决传统人工客服和按键模式随着用户增长产生的问题提供了可能。本文在分析传统客服中存在的问题及其与人工智能技术结合的方向的基础上，提出了运营商智慧客服体系化建设架构，并结合实践应用进行了案例剖析，最后对运营商智慧客服发展进行了总结和展望。

2传统语音客服面临的挑战

传统运营商客服无论是人工客服还是IVR按键模式，随着客户基数的增大，客服人工成本和管理成本增多、服务质量越来越难以保障，已经进入发展瓶颈期，主要体现在以下5个方面。

?服务体验感知较差：传统IVR按键模式客户服务系统中客户需要面对复杂、冗长、烦琐的IVR导航菜单，用户需要逐层听取菜单提示，并根据引导进行按键操作，用户获取服务平均时长接近1min，平均按键3.5次。

?服务效率相对较低：由于用户不能获取便捷的自助服务，大量服务涌入人工客服坐席，宝贵的人工客服坐席资源被简单、重复、低价值的服务占用，整体工作效率难以提升。

?服务能力提升受限：IVR按键模式受制于交互方式，可提供的服务项目有限，集中用于查询、办理、报障类等服务，对于服务复杂的咨询类需求无法满足，不能根据用户标签提供个性化、差异化、智能化服务。

?客服人员压力过大：客服人员每天接待的用户持续增加，同时业务越来越复杂，也需要不断学习、查询各种系统，压力过大导致有经验的客服人员不断流失，形成恶性循环。

?自动化水平低：客服质检、服务小结是通过人工完成，因此服务质量检测只能采用抽检的方式，更加导致了服务质量的下降，运营商客服成本的升高。

随着人工智能技术快速发展，向传统客服领域赋能，为解决目前语言客服领域的问题与挑战提供了新的机遇和思路。智慧客服的渠道触点主要有语音（呼叫中心）和文本（微信），未来还会有视频客服。基于人机对话的问答系统，包括唤醒、识别、理解、反馈4个过程，涉及的人工智能技术主要包括语音识别、自然语言理解、语音合成、声纹识别、人脸识别等AI能力。

（1）语音识别

语音识别是指将语音信号转换为文字的过程，系统主要由信号处理、语言模型、声学模型和解码器等组成，其中，声学模型和语言模型是代表语音识别系统水平最关键的部分。目前业界语音识别引擎能力已经成熟，呈现实用化的发展趋势，但在运营商实际应用中，一些复杂因素会对识别效果造成很大干扰，影响识别率，实际应用发现至少句