“您好，这里是****客服中心，请问有什么可以帮到您？”
……
“如果没其它问题的话，麻烦请稍后为我的本次服务打个分，谢谢”
相信你一定曾经听到过这样的请求，当你曾因某些问题想向客服寻求帮助或投诉的时候，客服人员总会在通话的最后补充这样一段说明，希望你为本次通话服务进行打分。然而你是否知道，在很长一段时间内，这种简单的主观判断会成为判断他们工作是否合格及绩效考核的主要手段……
在网上购物及客服系统日益完善的当今，人们越来越意识到落后的客服人员工作考核制度成了阻碍行业发展的一道坎，急需等待着变化和革新。庆幸的是，当传统的资源调度、被动考核都无法满足需求时，人工智能客服系统应运而生。随着深度学习及自然语言处理技术不断完善，AI将彻底地解决了客服质检的问题，并令这个行业焕然一新……今天，我们就来具体探讨下客服质检这个细分行业在互联网浪潮下是如何变迁的吧。
传统客服质检
众所周知，绩效考核和工作质量监督是企业管理的重要部分，处于人力资源管理中的核心地位。企业想要达成预定的目标、及时发现问题、合理分配利益等都离不开良好的绩效考核制度。然而，对于呼叫中心的客服人员而言，由于缺乏有效、便于统计的量化指标，客服质检在很长一段时间内一直处于一种非常落后且不科学的状态，质检人员很难在有限的资源下公正客观地对每个呼叫员进行评分考核。
举例来说，据观察，一般呼叫中心QA监控比例范围只有0.3%-2%，代表着抽样数量太少从而很难做到对坐席人员的无缝全监控。也由于无法做到全量质检，抽样时很难保证均衡性检查。抽样时需要考虑很多因素，比如时间（忙时，闲时）、录音时长、业务内容（咨询，投诉）等等，均衡性的缺失对于坐席人员的评价是不公平的，同时增加了质检员的工作量。抽样检测还会导致对坐席人员的工作无法做到连续评判，需要长时间的考核才能进行有效的判定。
上述一些问题是方法因素产生的痛点，对应的，质检员人为因素也会产生一定的问题。比如不同的质检员评分标准不一致，以及质检员的专业水平不同，导致本身对对话中的错误不能有效识别。
云客服系统应运而生
随着互联网技术的蓬勃发展，传统的客服系统也在逐步进行升级，渐渐的升级进入了SaaS模式的智能云客服系统。可能有些读者对这个名词会比较陌生，
SaaS模式的智能云客服做的是一套整合性流程管理解决方案：在线客服、客服工作台、呼叫中心、客服机器人、工单系统等这一套智能客服功能全都涵盖在内，甚至还能进行数据挖掘，帮助企业做出商业决策。
由于移动互联网时代下，消费者不仅仅会在官网等渠道与企业联系，还会在商家微博号，微信公众号，电商网站、app等多种渠道与企业互动，这样的多重渠道会造成传统的分平台客服人员效率低下，资源浪费严重。针对这类问题而诞生的云客服系统则能将所有的联系渠道进行整合，任何渠道反馈来的信息都会由统一的客服进行跟踪和反馈：
首先智能客服机器人将会通过语义分析算法，以及客户的问题归类，寻找自己的知识词库并试着回答。当遇到一些无法回答的问题，机器人将会将相关的问题转接给人工客服。工单系统则是当客服人员遇到需要企业内部协作一起解决的问题时，用于建立相应协作任务的功能，其允许该问题按灵活的流程进行内部轮转，让全公司都参与到客服的协同处理。呼叫中心则是最后最传统的解决方案，大部分客户都可以在此通过人工对话的方式解决他们所遇到的问题。
整合的一体化客服支持系统，从很大程度上简化了这个行业的执行操作难度。更重要的是也为智能客服质检系统提供了一个平台，企业能够有效的收集并整合客服人员的工作讯息，如上线状态、通话次数、通话时长等。只不过，作为客服人员工作最重要的一部分、通话内容无疑是一个无法避免的核心考核内容，而显然只通过云客服系统仍无法满足这个要求。
人工智能解决方案
正如前文所述，云客服支持系统的出现很大程度上为智能客服质检提供了一个良好的平台。甚至已能满足一些基础需要，例如统计客服人员的通话次数、通话时长等信息。然而最关键的通话内容及效果考核却始终无法实现。
提到通话内容，不管是文字信息还是语音信息，其本质乃是语言，亦称为中文文本。想要对通话内容进行考核，势必要对每一次对话中的中文文本进行解析，并抓取其中对企业有用的关键词，从而判断客服人员本身是否合规。然而光这样还远远不够，且不说关键词提取只能提供最基本的产品说明及文明用语判断，对于客服是否有效、通话整体是否满足要求等仍然束手无策。
变革出现在近两年，随着人工智能技术的日益成熟，针对中文文本的自然语言处理技术也得到了飞速发展，其中情绪解析技术的完善对客服质检的革新起到了至关重要的作用。
让我们先来说说情绪解析技术，即从任意中文文本中分析出其所包含的情感信息。实际上，情绪解析并非一项新技术，根据中文分词以及词性的情感正负极判断早已不是新鲜事，然而除了词性判断本身的低准确率外，其最大的局限就是只能将情绪“两极分化”：积极和消极，这对于很多文本处理场景来说都是远远不够的。
有别于传统的文本语义正负极识别，一些以语忆为代表的新一代情绪解析引擎摆脱了传统语言情感正负极判断的局限，根据深度情感记忆神经网络模型以及半监督式的机器学习算法，引擎能从任意中文文本中提炼出多达18种情绪表现。
不仅如此，这类最新的情绪解析引擎还能基于细节情绪之上返回情感浓度值以及文本关键词。这些功能对于引擎进一步提炼文本核心观点及情绪激烈程度起到了重要作用。
那情绪识别对于客服质检系统来说又带来了什么呢？首先，针对客服通话双方的情绪识别本身即可作为一种实时监控系统。例如对客户语言中的“愤怒”情绪设置一个阈值，当所监测到某一客户的“愤怒”情绪浓度超出阈值之后，系统就会发出即时警报，从而便于管理人员及时参与进行调控。
不仅如此，通话期间情绪的变化幅度完全能作为客服效果的有效评判工具。若客户在刚打通电话时表现出来的是对产品的极度不满意，则其被识别出来的情绪大体上应是“愤怒”或“失望”。倘若通过客服人员的解释说明，让对方解开了误会或达成了共识，则其最终的情绪会改变成“乐观”甚至是“愉快”。即便对于同一种情绪，其浓度值的变化依旧可以反映出客服人员工作的成果。这些都可为最终客服人员的工作考核提供一个有力且客观依据。
综上所述，我们总结了如下情绪解析引擎能为客服质检系统带来变革：第一点就是质检的无缝覆盖，100%全量质检。每通电话，每句对话都会有情绪分析记录，解决了人工听录音的低效问题，同时也解决了抽样存在的偏见问题。
第二点，系统将会根据话务员情绪评分、用户通话后评分、脚本匹配度等多个方面给出最终客观的评价，从而解决了质检员打分标准不一致的问题。
第三点，实时预警功能可对客户情绪进行监控，标记出超出情绪阈值的客户，从而帮助主管人员第一时间发现并解决问题，提高管理效率和客户满意度。
第四点，系统还能对大量的语音、文字内容进行大数据分析，得到最真实的用户反馈，并将内容进行分类，发现潜在产品问题，并及时对客服人员进行再培训。
以下我们列出了两个基于情绪解析引擎的功能示例：
实时会话监控预警系统，客服质检引擎应当可以根据企业客户产品特点定制不同的情绪告警阈值，并实时对每一位终端产品用户的留言进行情绪分析。当侦测到终端用户的情绪反馈超过阈值后，及时反馈给后台管理者。
除了服务于”会话中”流程，系统也应该着眼于“会话后”，即为每一通会话提供质检服务，通过绘制产品终端用户在整个会话中的情绪走势曲线，及其接通话前后的情绪落差判断客服的服务质量。整套系统可以将原有的抽样检查提升到全量检查，节省了大量的人力成本。
结语，不止于客服质检
对于整个客服系统而言，不得不说，在短期内人工智能尚不能完全取代客服呼叫员的角色，人工客服仍然需要以电话的形式帮助回答、应付一些复杂、独特的问题。然而就客服质检而言，无疑通过情绪解析引擎配合云客服系统，传统质检员的职能已能被很好地取代。
不仅如此，综合性客服支持系统还能通过客服信息的收集及处理提供含有巨大商业价值的数据洞察。
如以上某手机客服数据示例，客服支持系统完全可以对所获得的历史客服数据进行整合与挖掘，并从中提炼出可对企业产品、服务或运营策略本身带来关键建议的数据洞察……综上所述，提高质检效率，让客服沟通、智能服务、商业决策变得更标准化及智能化，这便是人工智能客服系统今天最大的价值所在。
