当今，移动互联网、客户体验革命、大数据、人工智能等新观念、新技术正在深刻改变着客户交互与服务领域的形态与内涵，新渠道、轻渠道、微渠道层出不穷，全渠道的互动形式迅速崛起，在线、社交化媒体等新兴渠道迅速提升。伴随着客户互动的革命，传统呼叫中心正逐步演变为智能客户服务中心，并不断扩展至全媒体时代下的客户交互中心。

　　几年前，当大家谈及客服中心，首先问及的是规模，信用卡中心的呼叫中心是针对银行信用卡客户建立的服务渠道，目前大都以专线形式运营，而最大的痛点是伴随业务量的变化而带来的团队规模迅速发展、人员流失率高、基层管理力量跟不上等问题。但科技为传统客服中心带来了转型的可能。为顺应时代与科技的进步，交通银行信用卡中心客户服务部围绕着“如何提升客户体验”这一课题，提出了以“5A”（Anyone，Anytime，Anywhere，Anyway，Anyservice）为愿景的服务模式，并据此制定了“主动服务-个性服务-智能服务-人工服务”的四层智能化服务策略，在智能化转型的道路上进行了初探。

　　围绕大流量和高频的来电场景，通过客户画像技术，精准预判并触发主动服务。智能服务的本质在于服务，从客户的角度来看，客户更关心的是服务的过程。客户不知道也不需要知道在服务过程中是否使用了智能的技术，反之，即使不使用智能的技术同样能让客户感觉到智能。“关键时刻”MOT（MomentofTruth）理论自20世纪80年代由北欧航空公司前总裁詹·卡尔森提出以来深受服务行业认可，它的理念是指当客户与企业的各种资源发生接触的那一刻，就定了企业未来的成败。

　　传统的银行业呼叫中心服务主要是以客户呼入、客服代表解答为主的被动服务模式。时至今日，这种服务模式给予客户的体验是远远不够的。因此，实现服务场景化，化被动为主动，创造超预期服务尤为重要。而场景化服务实现的基础，在于对客户需求的精准预判。信用卡客户在整个用卡生命周期中可以划分出成千上万个“关键时刻”，通过深入梳理这些“关键时刻”，并结合客户实际来电原因，进而运用大数据和机器算法模型，即可从茫茫的“关键时刻”中筛选出适合主动前置的服务触点。同时，结合客户反馈及后台数据，精准划分客户群体，并根据场景建立客户标识体系，进而实现客户需求的挖掘并预判。以支付失败场景为例，在传统服务模式下，当客户输错密码导致卡片被锁定需要致电客服并经历繁琐的身份核实过程。然而当运用大数据分析等手段深度梳理卡片被锁的原因后，通过针对不同的锁定原因，设计不同的服务策略和服务流程，在合规要求及风险可控的前提下，即可实现智能机器人主动外呼为客户提供解锁重置密码功能。对于客户而言，能在最需要帮助的“关键时刻”及时获得主动服务，即为智能。

　　以大数据分析及人工智能技术作为基础，实现“个性化服务”。信用卡业务在中国发展已十年有余，客户的消费观念和消费习惯都产生了巨大变化，唯有积极主动研究客户，了解客户的需求与期望才能以不变应万变。通过不同渠道服务的数据分析，我们能迅速分类不同年龄层、不同消费习惯人员的服务需求类型。如“90后”客群的使用范围多用于创业、娱乐；“80后”客群可能多用于购房购车，不同的年龄段对信用卡使用需求的侧重点是不同的，而我们则需要将这些数据进行汇总分析，并以此为基础建立对应的数据模型，改变固有的服务模式，通过客户习惯进行服务方案推选，做到“千人千面”。

　　以信用卡服务的IVR为例，传统的IVR系统设置复杂且繁琐，服务层级全面但繁多，而每层服务层级设置下还有更多的服务类型选择。对于客户而言，客户的需求往往是单一而直接的，当单一而直接的需求遇见繁多而复杂的选项时，必然会产生强烈的不满情绪。依托大数据对客户行为进行分析，挖掘客户需求，实现将传统IVR系统固定菜单的模式优化成符合客户需求、便于操作的极简3x1菜单，并配套机器人进行服务，从而有效达到客户满意度与企业服务水平的双提高，实现双赢。

　　优化业务流程，致力于“秒级”服务的实现。天下武功，唯快不破。客户对于信用卡业务的诉求是简单且单一的，即按照统一、规范的标准及模式为其快速地解决。而对于银行内部而言，却因为组织架构及岗位职责的分工不同，容易出现多点受理、职责不清的情况，如何突破架构的束缚，有效整合业务的不同处理环节，并清晰地将进度展示给客户是重中之重。

　　以信用卡的争议业务为例。一个简单的用卡争议场景背后却往往涉及多部门间的业务流转，甚至涉及卡组织的规则与限制。这曾经是一道不可逾越的鸿沟。然而，通过运用大数据分析等手段对客户问题场景进行细分，对不同维度、不同模块的问题分类整合，进而对各分散在不同系统中的业务环节进行原子化的重构并制定细化的处理流程，最后基于统一的模式、统一的维度将处理进展展现给客户，将本来繁琐复杂的信用卡争议处理碎片化、模块化，交行信用卡的客户现在用喝一杯咖啡的时间就能完成争议申请、查询和赔付，在解决传统业务处理模式下的责任模糊、时效过长、成本过高的内部问题的同时，服务体验得到了大幅提升。

　　以“人机协作”为手段，实现智能能力的提升。线下的人工客服模式其实是最早形成的，也是最为传统的客服形态，而恰恰就是这种最早开始发展的线下客服形态，由于受限于其本身的服务模式而在技术革新和发展速度上远不如其他的客服形态。如今随着人工智能时代的到来，线下服务机器人逐渐进入大众的视野。然而，尽管声纹识别、图像识别、人脸识别等新兴技术赋予了机器人“听觉”与“视觉”，机器人的“智力”仍然无法直接取代传统的人工。因此，如何赋予机器人思考能力及其后续的反馈机制才是其核心，也是其智能化程度的体现。人机协作模式就是在此背景下诞生的解决方案。通过综合运用语音识别技术（ASR）、自然语言理解技术(NLP)及语音合成技术(TTS)，实现客户与机器人间的拟人化人机交互，达到智能化第一步，清晰地了解客户需求；通过知识点结构化与非结构化重组并引入分布式搜索引擎、内存数据库、前端框架等为机器人提供强大的后台支持，实现智能化的第二步，调动不同策略满足客户服务诉求；通过智能专家实时标注，改善机器人的训练效率，实现智能化的第三步，实时迭代，深化智能能力；通过人工赋能机器人，协助机器人从“听得见”向“听得懂”转变。

　　银行业客服中心的转型其本质就是实现从事件、业务化管理模式到数据化管理模式的转型，其核心依旧是紧紧围绕着客户的体验。面对人工智能、机器学习、AR、VR这些词语、概念与实践，大家都踊跃实践，这是时代发展使然，也恰恰是推动社会前进的力量和方式。回归到日常的业务领域，通过人工与智能的结合，推动内部流程的智能化转型，将复杂的业务流程留给自己，将便捷的服务体验给予客户将是未来智能客服的必经之路。随着人工智能技术的发展及数据挖掘能力的进一步强化，交通银行信用卡将继续创新产品及服务模式，为广大客户带去个性化的极致体验，开启金融机构创新的新历程。