近日，由51Callcenter主办2019（第12届）中国客户联络中心与大数据应用产业峰会( ACCC峰会)于4月8-9日在上海陆家嘴国际会议中心举行。活动获人社部、工信部、发改委等相关单位支持与指导，多地政府组团参加，数千位行业管理者嘉宾参加了峰会。 4PS国际标准/CNCBA主席颜晓滨、惠普副总裁周信宏、百度搜索服务联络中心总经理吴建伟及众多行业高管做了精彩演讲。

竹间智能的代表王海做了主题为“AI+ 助力客户联络中心的智能化升级”的演讲。

王海：各位嘉宾，各位伙伴，大家上午好！我是来自竹间智能的王海。今天给大家带来的主题是客户联络中心的智能化运营。今天我们会分两个板块。第一个会介绍一下竹间的背景，另外会简单介绍一下竹间智能的产品架构。第二板块会讲一下联络智能化的运营，主要讲一下如何重构业务流程，实现人机深度融合，另外从三个案例来看运营的智能化。
    

从去年开始，参加联络中心的一些大会，其实竹间智能一直活跃在AI圈。竹间智能成立于2015年，创始人是简仁贤，他在微软期间创办了微软的小冰及小娜。我们介绍一下竹间的背景。它成立于2015年，其实2015-2016年之间，很长时间竹间没有出现在媒体的视线中。竹间在做什么呢？是在做一些技术沉淀，竹间花了很长时间去做一些积累包括分词、语料的标注，一直在打磨我们的技术。正式因为前期在技术上的沉淀和打磨，快速发展的竹间也获得了行业的专业媒体、政府以及各种专业机构的认可。

    

这里给大家介绍一下竹间的产品架构。最底层就是竹间的基础技术，就是我们的NLP，除了NLP，还有人脸识别。人脸识别主要是处理图像的一部分，我们还有视频。中间的AI模块能够完整地提供AI的基础模块包括意图引擎，任务引擎，用户画像。二次开发层适合于一些渠道伙伴，诸如集成商。我们能够提供全线管理，API还有一些固定下来的知识问答库、语料库包括运营工具、学习平台。在标准化产品层面，竹间为各个行业制定了专属的机器人。包括VEA，主要是帮忙做智能客服、售前售中售后的支持，我们会通过大量语料的训练，行业知识的积累，帮你用机器人替代一部分员工要去支持的业务流量。在SALES-BOT方面也有营销机器人、客户画像。NLQ是可以用口语查询BOT及数据库数据。以往，如果你企业里使用的是MIS之类的报表系统，你在提取或查询数据的时候通常要写一些中间层，这比较讨厌。右上角是我们的重点，AICC，我们会提供呼入、外呼、质检、坐席辅助。

    
AICC主要涵盖于三个方面。刚才讲到了竹间最早做的是NLP，最早做的是一个在2015年做闲聊机器人，2016年以后开始做闲聊机器人以及2B这一块。我们开始帮助企业开发一些AI应用。这里放了两张图，都是来自于AI圈内的一个专家写了一个公众号。大致是这么说的，我在2016年年底做过测试对几个智能助理提一个看似简单的需求，推荐餐厅，不要日本菜，只是各家的AI助理都会给出一堆餐厅推荐，全是日本菜。右边一张图是竹间是处于什么位置。简单来说，你向机器人询问我们也推荐了候选菜单里面有中国菜、日本菜，你说不要日本菜，我们可以把日本菜排除掉。为什么说语义理解重要呢？因为很多机器人会把“不要”这两个字给完全忽略掉。人和人交流之间要，不要，想要，是，这些语义理解对整个沟通过程是非常重要的。
    

接下来讲一下AICC的解决方案。我们有针对机器人的服务也有针对坐席的也有针对离线质检的。我们有呼入应用和导航，我们针对坐席有坐席辅助和坐席地图。针对运营和管理分型，有离线质检和洞察分析。这边跟大家沟通一下我和联络中心的渊源。我接触联络中心已经很长时间了，十二三年前在平安的车险中心，现在呼叫中心是一个超大规模，同时也接触了客服型的联络中心。最近两年也接触了车险电销中心。无论是电销还是客服型的联络中心，我都很了解。包括这么长时间里面，可能很多你们遇到过的问题我也遇到过。你们没有遇到过的问题我也遇到过。

    
联络中心的智能化运营主要看什么？第一点不是看信息化，而是看信息整合程度。联络中心会涉及到一个底层系统非常多，包括业务系统非常多。包括最近几年我们讲多渠道的整合。很多时候我们的系统都是像烟囱一样，它是垂直的，底层是不打通的。系统与系统之间很多东西的整合、数据传递都要通过导表。第二个，我们也看到很多客户很多伙伴，他是智能客服。你单纯上了一个客服也不能叫智能化。这要看AI业务在业务当中的比重，你替代了多少人力，你和人的耦合程度有多高。第二个是对现有数据的分析。不是说我们本周有多少客户问题，多少解决，多少是在30秒内或者一分钟之内解决。真正智能化是看你能不能对未来一些业务进行预测。未来安排能够给到你指导，你的人和机器的业务配比应该怎么样去安排。
    

对于联络中心的智能化运营做了一些分解。第一个是战略，联络中心的自我定位，两到三年的运营规划。有的联络中心规模很小，比如小到一百人以下。看你老板对于整个联络中心的定位，未来有什么期望。很多系统化的建设都是要砸钱的。有钱才能有人来。第二部分是流程，我们引入AI的时候要考虑做一些重构你的业务流程。我在保险公司的时候，我们有在做业务的规划。保险销售坐席和做车险保单成交的时候一定要跟你念一段合规的话术，需要5-8分钟，你必须要听完，因为涉及到后面的保险保障等等。这个时候其实很枯燥，那部分完全就是照着念，大概有的坐席慢，如果客户打断当中要念第二次或者第三次。这当中能不能用机器人去读完，这可以节省时间，可以去拨打下一个客户。这是一个非常好的想法。你引入AI之后怎么样和现有的流程进行融合。这就是一个重构。还有一个就是分工。现在能看到的趋势是，人和机器的分工基本上是简单重复的给AI，复杂业务给人工。这是合适且合理的方向。

    
另外一个就是协作，这当中可以从两方面来讲。第一个在机器人运作的过程当中，外呼机器人或者呼入机器人，机器人兜不住的时候，人工可以介入。另外一部分是机器去帮助人。比如坐席做一些比较复杂业务的时候尤其是处理一些客户的资讯。我知道有一些细分行业客户问的问题会非常专业。这些问题对应的答案、词条都是很长的，靠人工是不可能记住的。这时候机器会实时抓取到通话的内容，然后在屏幕上给出提示。坐席不用记那么多，背那么多的专业知识，这样能够提升效率。这样对人的压力也会有效地缓解。
    
还有一点是效率提升，在联络中心运营的时候，效率就会有明显的提升。下一个就是效率，客户满意度能够维持原先的水平，为什么不是提高呢？其实在真正人机合作的智能化运营过程当中，因为有一部分业务是由机器去提供的。从我们接触过很多的案例、项目来讲，客户对此的期望是我的满意度，我的客户服务水平，保持原来的水准。这时候能够带来更低的运营成本和不变的产能。客户看中的是产出，你的ROI要非常好看。企业讲投入产出回报。引入了机器人这部分之后我们会降低管理复杂度。联络中心当中核心是人，成也是人，败也是人。尤其做电销型的，入职的时候是一批一批入，培训时候也是，离职也是。因为规模大了之后，管理复杂度就会特别高。
    

第四点就是我们的人员，人员有几个部分。一个是客户一个是员工还有一个是运营者。第一个，在客户体验那一块，原先依靠纯人力的联络中心，对于客户体验和运营工具，这是很难保证的。比如你的质检覆盖率有多高，规模比较大的时候，你完全不知道什么情况。还有一点，员工关怀和员工成长。十年前接触联络中心的时候，联络中心还能看到有研究生学历。那个时候为了考研，做一个沉淀做一个过渡。到现在，联络中心都招不到本科的人了。这是一个脏活累活，真的很累。基本上干个两年没得过咽炎都不好意思说你干过联络中心。因为人员层次不高，联络中心的岗位又比较有限。前线是客服坐席、客服单组长，规模大一点按片区来划分，上海一队、上海二队。如果是一个女员工，她结婚了她怀孕了，联络中心给她安排的岗位也比较少。做一些行政。这对于人员的成长是不利的。有的时候没有选择，你花了两三年或者更长时间去培养一个人，其实人员流失蛮可惜的。第二个是人员规模，前十年联络中心的规模都很大。基本上都是上千席。盲目扩张的时候会带来产能的提升，相对而言，素质就下降了，同时管理难度非常大。

    
最后一个是方法Methods，方法也涵盖了工具。我们做智能化运营的时候需要整体的AI架构。全站式AI解决方案。我们真正考虑落地的时候，我们要关注一下你的产品或者工具能不能给我带来一些分析和预测能力。融合我现有的系统。
    

接下来我会跟大家分享三个案例，来给大家阐述一下对于智能化运营的理念。第一个是声音背后的秘密，第二个是鸡肋的质检员，第三个是转化率和成本的困境。看第一个，声音背后的秘密，其实在去年的时候，我们有一个运营商找到我们，我们知道我们服务坐席承受了很大压力，但是很多时候不知道压力有多大，也不知道什么时候去介入。每个月坐席流失很大。同时因为坐席不好的服务，我们也不知道在哪个时间点进行一些业务的比较。带着客户的诉求，我们做了一个东西。大家应该有在之前的PPT上留意到，竹间能够提供ASR，还能够提供语音情绪。我们的语音情绪能够识别出人类的六种情绪。我们的文字情绪能够支持22种。客户给了我们近万条的数据，我们把这些数据导进系统里面会跑出来一个愤怒指数。15、16、19，那就是愤怒指数。底下代表每种情绪代表的模型。这三张图分别代表着中性、生气和愤怒。基本上大家可以看到，最左侧那边代表中性的声学模型，中间是生气，右侧那个就是愤怒。其实每一种人类的情绪在声音上都有不同的声学模型。我们把客户给的近万条数据导进系统跑出来一个愤怒指数之后，得出来这样一个图。类似像能量密度。我来把这个图做一下解释。根据我们跑出来的数据以后，我们可以看到，均值是28，最高是64。我们把0-64划分成四档，0-28建议客户，我们包括也进行了人工的复合。0-28是代表客服在整个通话过程当中情绪控制得非常不错，客户体验很好，没有出现生气或者愤怒。28-40我们认为，这个是可以进行少部分抽样去进行一些互查。28-40这个区间还是有一些点，客服的话回复有可能让客户有一些不满意。客服会在电话里比如说，你们怎么这个样子，类似整个通话里面会出现一句两句，我们把这列为少量抽取。40-60是要重点抽查，60-64这个区间是100%一定要抽查，因为这个时候基本上很明确，这通通话是存在着客户不满的情绪。客户拿到这个数据之后结合我们的分析报告，客户后面制定了一些新的方式，比如说针对通话50以上就安排专家坐席及时跟进，解决在业务办理或者业务咨询过程当中的错误的答复。使用下来的反馈非常不错。

    
接下来我们讲一下鸡肋的质检员。刚才也提到，质检的工作包括质检员这个角色有一个尴尬的定位。覆盖率低了，工作价值体现不了。QA的规模小，人员也没有什么成长。通常在整个联络中心属于一个打酱油的角色。上线一个产品的时候，质检团队来检查一下。如果覆盖率高了之后人员成本会高得吓人。高强度和大规模和管理复杂。你会看到做质检那帮人永远戴着耳机，其实做人工质检的阶段的时候其实你没有什么工具，也没办法衡量他们的工作产出。基本上你能看到的就是他们整天戴着耳机听录音，针对听的录音写一些报告。其实这些都没怎么用。因为但凡把它铺得高了之后，很多联络中心是有成本考量的。如果你有一个销售型的联络中心，通常质检员是作为一个纪律委员的角色，他要去纠偏纠错。问题是前期还背着产能，KPI。你整天抓我小辫子，这是非常矛盾的。质检团队得到的就是睁一只眼，闭一只眼。
    

竹间针对这部分，我们做了自己的探索。竹间对于质检的应用，我们在前端通过把语音转化成文字之后，结合我们的深度语义和语义标签去进行质检。我们能够帮忙把设计好的规则之后在质检系统里面跑起来，能够帮你事先做一遍筛选。对于疑似的可以进行人工复查。语义标签做质检和传统关键词做质检有什么不一样呢？大家可以回想一下刚才最早放的一张图。为什么语义理解这么重要？如果用关键词来做，推荐餐厅不要日本菜，只会根据餐厅和日本菜给到你日本菜的推荐。用关键词也会存在这样的问题。以前做过一个非语义的质检系统。在项目建设期间，我们的模型跑的准确率非常高，剩下一些有疑问的我们进行人工的复合。过了两个月以后，其实前线的坐席知道因为消息是互通的，呼叫中心里面上了一套质检系统。它能抓到你很多问题。以往电话里面骂客户的情况都会抓出来，甚至抓出来一个坐席利用公司客户打了50分钟的个人电话，是跟他女朋友吵架的电话。这是用关键词来做的。用关键词，它只能按照一句话转化文本，通常会遗漏掉很多，人类沟通的时候很多重要信息。比如客户会说我不要这个，我要那个。或者说我不要1200块的那种，我要3500块的那种。当中会有一些转折包括话外语。你用关键词写的质检规则要花大量人力去维护。过了三个月之后，前线的销售坐席、客服坐席都知道了，就会换一种说法。大家知道中文的意思是非常强大的，正着说反着说都可以。上了智能质检以后带来的人员（规模）差异非常大。这里拿了一张2016年参加阿里云栖大会公布的数据。这个数据有点质疑。这12人应该不包括语标签维护的训练人员。如果纯质检12人肯定相信的，智能那部分肯定有一些训练师，标签标注师。

    
第三个，我们分享一下成本和转化率的困境。这是我问我行业内的一个朋友要的一份去年3月份的电销名单。非续保名单指的是新保，如果你的车险去年是在平安保的，今年在人保保了，你就属于人保的新客户。这只是一个例子，不代表真实的。当月名单有905742条，这是一个拨打记录。我们可以忽略不看，首拨名单接通率是90.88%，首拨名单大于30秒的接通率是63.92%。比如说王海先生你好，我这边怎么怎么，大概七到八句话，只有63%能够跟客户说上话。真正给客户说完，客户说，你给我报个价，你给他报个价，大概到报价那一步不到50。如果名单（质量）再烂一点，六年期或者六年期或更久的名单，数据是更烂的。也就是说，大家可以看到传统销售型的外呼，名单的衰减，销售漏斗漏掉最大一部分就是那部分。怎么争取两分钟之内给客户报个价。成功率基本上业界超过两位数的，保险电销。像很多信用卡分期营销就是20%-40%的成功率，也要看客户质量。比如白金卡或者金卡、普卡又是不一样的。
    
我们会想，无论是在电销或者服务型的联络中心总会存在一个到多个的接触点，会造成我们大量的流失。这部分的流失造成了坐席简单重复和机械的劳动，增加了工作压力和管理难度。通常销型的坐席每天要打的新名单最低30条，最高的一天要两三百条，看你是什么细分行业。我相信大家平常也有接触到一些销售电话，你通常说不需要。对于坐席来说，其实压力非常大。那部分拒接的概率非常高，他没办法做到30秒内跟客户说上话。企业也在为这部分的损耗支付了大量的运营时间。坐席要花一半的时间去验证这条名单是不是我们的意向客户。其实我们在想，有没有一种办法来减少当中的损耗。如果存在解决办法是否能够降低我们的成本，提高我们的转化。如果存在这样的解决方案是否能够保持一致的客户体验或者满意度。
    
这两年我们能够看到AI的应用在产业里面已经看到大规模的落地。我们可以看到很多公司很多联络中心开始不同程度地引入外呼机器人或者是呼入服务机器人。外呼通常是从企业这边来讲，主要是处理一些回访，一些满意度调查，包括很多保险公司人保、太保、平安，它开始用机器人来做回访的任务。因为回访其实是一种非常收缩和收敛的应用场景。客户只要沿着机器人对话的逻辑就能够完成这部分的工作。以往人工去做这个回访其实非常枯燥。因为你会问请问你收到了保单没有或者礼品没有，请问你对我们的配送员是否满意。其实那部分是简单又重复，完全可以交给机器人。同时做一些新客户或者意向客户筛选，我们指的都是正规的企业内部的应用，不是315曝光的那些骚扰小电话。企业对自身存量客户进行意向客户筛选，会有一些老名单激活的时候会用到。这个电话转交给人工，同时在一些呼入场景，比如客户要办理一些退货、退票，现在看到很多厂商或者是客户已经在开始做那部分的应用。包括我们也在同程做了火车票、机票退订业务。
    
其实外呼机器人demo很多，我给大家放一个呼入应用的demo。大家可以看到，在整个演示当中，其实我们的ASR语音识别送进来的文字有一些错误，比如我想开卡，它说成了我想看看。其实，现在的语音识别在处理一些短字和短词，五个字以下的场景，其实缺乏上下文的依托。其实没办法，它的错误率是非常高的。这是目前整个业界的真实水平。但是我们在语义阶段，竹间在语义阶段做了很多纠错，我们增加了很多相似语义包括还有拼音纠错模型，能够弥补你的错误。通过办理开卡和查账单这样的场景，算上对话是超过十轮。这符合呼入应用或者外呼应用的场景。竹间的一个语音AI平台也是我负责的一个产品。大家可以看一下截图，流程图是我们可视化的多轮对话编辑工具。它能够去拖拽节点，答搭建完你的场景。不同的节点都能够使用不同的解析器。解析器是一个非常强大的工具。你可以理解成插件、外挂，可以帮你做关键字，以及各种其他的一些计算，有一种场景，比如信用卡分期推荐，全机器办理会有一种什么情况。比如说有一类数据是要在对话中去收集的。比如机器人问你，你想办三期六期还是十二期，你告诉他一个分期的值，就会记下来，记到场景里面，记到缓存的数据里面，再应用在场景里，它会根据分期的期数再根据账单的金额汇率算出来应该有的一个手续费或者利息。同时我们在企业应用，比如我们去做一些回访或者满意度或者意向客户筛选，你在节点里面，会有非常多的一些参数。参数能够支持个性化，这样才不会是那种盲打，通话的时候都不会带姓名或者称谓。这是帮企业做的2B的外呼应用，区别于那种骚扰小电话。它是标准模板，就像我刚才说的，老板昆山30万的房子有没有兴趣了解一下。同时，基于高效的数据回调的方法能够实时构建数据报表，你不依赖于IT做二次开发。对于语音平台的产品大致介绍到这里。
    
竹间的愿景是通过全站式的AI帮助联络中心建设AI能力，通过AICC帮助联络中心实现智能化运营的转型，帮助实现企业客户的双赢，谢谢大家！


如下为大会现场演讲实录，如需完整观看所有内容，请登录--http://www.51callcenter.com/2019/index.html。

本新闻为51Callcenter原创稿件，转载请注明出自51Callcenter。谢谢！