您当前的位置是:  首页 > 资讯 > 文章精选 >
 首页 > 资讯 > 文章精选 >

科大讯飞姚佶超:数智化转型下AICC的思考

2021-04-20 10:13:05   作者:   来源:CTI论坛   评论:0  点击:


  由CTI论坛(www.ctiforum.com)主办的2021中国呼叫中心及企业通信大会[http://www.ctiforum.com/expo/2021/ccec2021spring/index.html]于4月15日在北京辽宁大厦成功召开。本次会议以“5G时代共筑企业通信云生态”为主题。科大讯飞智能服务事业部产品总监姚佶超应邀出席此次会议并发表题为《数智化转型下AICC的思考》的主题演讲。目前CC的数智化现状,以银行业为例,41%的客服中心在IVR系统中建设了智能语音导航,打破语音菜单层级限制,多数客服中心建设了多媒体全渠道服务平台,并加强渠道融合。姚佶超认为智能化为CC业务发展带来了降低经营成本、优化客户体验、改善运营效率、提高服务质量、驱动业务创新等诸多价值。随着消费者对个性化和智能化CC服务的诉求不断增强,未来三年,CC业务中将有70%由机器人完成,人工的服务将更有价值更有温度,语音热线依然是CC非常重要的业务渠道。科大讯飞提供AICC全渠道个性化服务方案、AICC视频服务方案、AICC人工坐席自学习方案等服务,优化AICC组织架构,进行智能化运营,同时关注养老慰老作为未来CC提升方向。

图:科大讯飞智能服务事业部产品总监姚佶超
  (以下为演讲实录,略有删减)
  大家早上好!科大讯飞在2010年已经开始参与呼叫中心智能化的建设,从最开始按键导航后的语音服务到全语音门户,再到现在全渠道、全媒体的智能客服。今天分享的题目“数智化转型下AICC的思考”也是把前一阶段建设的经验总结、对呼叫中心发展的趋势研判、正在建设尝试的方面进行一下分享。
  首先我们先来回顾下呼叫中心数字化的现状,我们从2010年开始做呼叫中心的智能化建设,最早在运营商和银行中开始相关工作,运营商和银行算是走得比较早,有67%的银行已经有了自助语音的服务、有41%的银行已经做了智能语音导航(2018年的数据),超过60%的银行已经做了在线服务,银行业数字化和智能化建设已经走得比较靠前了。
  前一阶段智能化建设带来的价值方面:
  首先是降低了呼叫中心的经营成本,2019年某省电信已经明确告诉我们智能化团队由280人左右优化调整为67人。
  二是优化了客户的体验,从IVR云语音引导到全语音门户接入智能客服后,直接说就可以找到服务了。同时,机器人也可以进行7x24H不间断的服务,同时高峰的业务并发下可以动态地进行拓展。
  三是提高了服务的质量,通过实时质检可以发现坐席和用户沟通中的违规项,可以为坐席服务进行提升。
  最后2018年开始建设的智能外呼机器人,可以更快的向利润中心转变,带来新的收入和利润创新。
  消费者对呼叫中心的希望方面,随着消费者的主力从60后、70后转向80后、90后甚至00后,大家对个性化、智能化服务诉求在不断的增加。去年开始的疫情的影响也加速了呼叫中心的智能化建设,对呼叫中心数字化转型未来机遇挑战并存,机遇趋势很明显的,主要的挑战有几个方面:
  一是企业对智能化建设,尤其是智能客服建设,对于运营价值诉求更加务实了,之前企业智能化建设完了之后可以用、可以降低人工分流率,就算是达到目标了,现在企业追求更高了,希望机器人带来更大的价值。
  二是随着个性化和越来越高的智能化服务要求,对认知技术、企业业务知识的管理提出的挑战也更大,有了机器人以后数字员工和传统的人工坐席的管理需要什么样的工具,这个也是未来的一个很重大的挑战。
  在呼叫中心未来发展趋势的基本研判方面,未来在三年内会有70%的业务由机器人承载,剩下30%更有温度、更有价值交给人来做,意味着有更多的呼叫中心包括更多的银行传统业务会搬到呼叫中心体系来做,会有更多业务交给机器人承载,人可以做更加有价值、更加有温度的事情。
  支撑这样的目标和愿景要有哪些改变呢?
  第一便是全渠道的服务,从传统的语音接入到在线的文本,再到我们现在正在做的视频客服、全渠道多媒体的客服,服务接入上变化非常大。对于个性化服务,我们今年在和某城商行做的个性化语音服务案例,比如刘女士是全职妈妈,进入语音服务后会优先推荐一些理财产品;对于商务人士,进入到语音服务之后优先匹配高频应用的业务,比如信用卡额度和账单查询,发现信用卡额度不足情况下会自动转人工,也在尝试通过对接VIP业务的坐席语音合成音库的建设,可以让用户接入后由专属的机器人进行服务,机器人声音和最后的客服声音是一致的,转人工后不会让其察觉到前期是机器人在为其服务。
  对于老年人用户群可以由人工定期做回访和促活,提升老年人的用户体验。随着社会老龄化进程,未来养老慰老一系列的业务场景下都是通过CC做整体的入口,CC可以帮助老年人慢病管理、可以做健康随访、帮助叫车、订餐、快递代收等等业务都可以通过电话呼叫中心作为服务的入口,这对呼叫中心未来发展可以带来增值。
  怎么让人更高效、更有效率的为客户服务呢?需要一个强大的人机协同的体系,人工服务的时候也是由机器人帮助人更好地完成各项业务。这是给一家股份制银行做的集成AI能力的远程银行的工作台,如图。知识库接口、高频业务的推荐、实时转写、实时质检、金牌话术流程的推荐,帮助话务员可以更好地为客户更高效找到相关业务和服务。
  以上的变化带来了对于呼叫中心未来建设的一些诉求方面的变化,首先在服务侧,要支持全渠道的接入和高效的人机协同;第二,为了支撑业务发展,呼叫中心组织是需要进行变化的,要能够匹配数字化转型、设定不同的新岗位来做机器人的优化,做整个呼叫中心的运营;在运营侧,我们认为呼叫中心的运营需要分层,要能够匹配数字化的运营,能够对呼叫中心产生各种各样的知识做统一的管理;对于新员工和数字员工要有一样的自学习的闭环,来提升呼叫中心服务的体验。
  在建设的思考方面,服务侧已经开始做基于AI呼叫中心全渠道的方案了,包括全渠道接入能力,语音、文本和视频的接入,能够原生地适应科大讯飞音视频的技术,作为接入交换的中心,一体化呼入呼出的机器人做前端客户服务接入的入口,转人工后有新一代的坐席工作台帮助坐席高效完成业务。
  同时一些研报觉得语音客服市场已经到达天花板,我们不是这么认为的,语言热线仍然是未来非常重要的业务渠道。为什么呢?首先用语言表达是最自然最快最准确的;第二,语言接入渠道上也可以宣泄情绪,即有温度,很重要的事情才会打电话,所以在热线上承载的一定是重要的事情;并且对老年人而言语言服务是没有门槛了,我们整合了各地“12345热线”未来大家记录一个号码就可以和政府去沟通办事了,对于社会老龄化而言是非常便捷的一件事。
  随着5G的到来,构建视频客服也是一个重要的发展方向,科大讯飞也在做尝试,正是因为有了基础设施的发展,才会把更多的业务放到呼叫中心来做,包括从以前的咨询和查询类业务到后面的办理和购买类的业务,通过视频做开户、核审,中间会匹配人脸识别、双录、三录的检测等等,视频客服上也有虚拟形象,形成“数字人”,今年在一些招聘场景已经在落地了,对于企业而言会有春招、秋招这样的招聘,中间有大批量面试的海选,我们用视频客服这种虚拟形象做一些简单FAQ和多种问答的初筛。
  在这种语音和视频基础能力双提升下,更多的业务被分到呼叫中心来做,以前是一些咨询类的业务,对风险管控要求并不严格,在进入到到更多的办理类、购买类业务的时候,对实时风险预警是非常关键的,这块我们会去对人工办理过程中的风险点和整体的办理流程做全流程的管控。我们和一家股份制银行做的案例,如图,是类似于理财产品定期存款这样产品的购买,这中间会对整个流程做前后端服务的每一个环节、整体流程做质检,对涉及到的关键信息,比如购买的年化回报,下面成交后的金额、最终确认的年化回报是否和前面有不一致的地方,对于呼叫中心业务变化这样实时风险控制尤其是在银行业或是金融行业是未来一定会产生的,就需要全流程以及对关键要素的质检。
  支撑业务的组织形式方面,呼叫中心人员架构以客服代表为主,最开始我们在某省电信做这样的尝试,全语音门户之后优化了67名左右的客服代表和运营专员这样的员工,该省电信也调整了其组织架构,成立新的智能化运营团队。在2019年他们调整完毕,此时我们也有一个城商行的客户对智能化建设有诉求,我们带领他们去该省电信现场学习的,回来之后他们也调整了他们远程银行部的架构,匹配远程银行的组织架构的变化,有AI智能应用中心岗位、客户体验中心、智能化运营、质检专员等等。
  呼叫中心智能化运营团队中包括了行业专家去梳理我们承载的业务,这些业务如何放到机器人、人机协同系统中,能够帮助客户能够获得更好的用户体验。同时,我们也有对话流程设计专家,能够设计对话流程,更高效、能够更有温度的帮助客户。还有我们的数据分析专家,每天呼叫中心都会产生的数据,通过这些数据如何提升运营的质量、能够改善机器人和员工的服务水平,都是数据分析专家做的。最后由我们的效果优化专家,通过数据去引导做怎么样的调优,是去做标注还是做二次训练,还是做热点词汇的添加来提升机器人的效率。
  对于这样岗位变化需要匹配怎样的工具,怎么去帮助他们数字化运营呢?有个国有大行的建设案例,整个呼叫中心的系统是不同的厂家来建设的,每个厂家都有报表,这些异构的数据如何做汇集和运营呢?首先运营应该要分层,呼叫中心的组织发生变化后,有不同岗位、不同的中心,对于智能化应用系统和传统的业务系统运营是要分层的。对于高层管理者来说,他们关注的是整个中心的运营情况,各个团队的效能和业务出现的预警,对于中心管理者而言关注的是中心业务指标以及整个中心的系统运转情况,对于中心下面的团队经理来说,他其实更关注团队任务和完成情况以及接触到具体的案例,每个案例中客户说了什么、想知道什么、想办什么。
  如图,某远程银行运营管理的大屏,包括业务指标、数字员工、人工座席的质效指标、系统运行的情况等等。
  运营上还有另一个非常重要的一点是统一的知识管理,以前呼叫中心都会有传统的知识库坐席细查询,智能化建设后每一个智能机器人都有一个智能FAQ库,不同的电子渠道又会有自己的业务支撑知识,这些知识要形成全渠道的服务如何做管理呢?我们和一家股份制银行做了融合知识库的方案,落地的情况和已有的传统知识库做了打通融合与对接。首先做了非结构文档的知识采编,非结构文档数据采编成结构化数据,形成机器人FAQ库供机器人使用,这个过程其实我们做的也比较痛苦,最开始想用全自动方案但是效果不好,后来通过不同的方式由机器推荐文档里面的知识、由人工做筛选入库。
  知识入库之后,在高效的查询方面,我们在搜索一些关键问题的时候会出现多一个字少一个字的现象,出现很多条目的情况和搜索不出来的情况,这个时候就需要基于意图的搜索。去年我们也实现了对知识点语义的搜索,识别用户意图,做到精确去定位,提高整体查询效率。
  以上是我们对于呼叫中心在运营层面做的一些尝试和探索。
  在管理层面,我们也在配合客户做一些改变。首先对于人工坐席的学习和指标提升方面,把人工坐席需要学习的整体课件放到系统中供学员学习,学习后会进行模拟考评,也会有产品帮助人工坐席做实战训练。当它上岗后,实时质检系统会把它的服务的情况,通过质检规则、语义标签能够形成服务考评,并且把维护点提取出来再回到系统来做专项提升。
  去年在一家股份制商业银行做的案例,这个场景下,机器人模拟客户来对基金销售经理进行实战演练,机器人会不断地分化出各种各样的问题,如问基金如何购买、和其他基金的比较……对于回答问题的结果会进行系统性的考评,找出其中薄弱环节,上线之后效果比较好。
  对于数字员工而言比较重要的是让机器人不断地自我学习变得更加聪明。实际上,在前一阶段智能化建设中发现语言机器人、文字机器人都有自己的数据,这些数据是在各自系统中做训练,中间会带来扩展性冲突、关键词、热词冲突,解决这些问题是非常耗费运营成本的。一家城商行做过这种统一标注和训练的平台,能够把整体数据做采集、回收然后进行整体标注,训练之后回到各个智能化系统中,这样会解决员工标注冲突带来的二次优化问题,并且能够把一些业务点反馈到对应的业务系统中。
  如图,这就是我们刚刚说的标注平台整体的工作流,包括数据提取、分配标注任务,能由人工审核标注质量,审核通过或驳回,同时也有训练和测试,并且能够支持热加载式信息。这样,整体机器人核心效果、训练周期会大大的提升,以前周期是以月为单位,现在以小时为单位,发现问题很快可以被改掉。
  最后,是我们对于AICC未来呼叫中心建设的蓝图,包括全场景智能客服、在线客服系统、视频客服、CRM、智能质检、智能客服机器人、云呼叫中心等等,这些应用之下是科大讯飞的A。I。能力和大数据能力做支撑,形成AICC体系后会服务于多元业务场景,以及实现更加有温度、更有力度的服务。
  我今天的分享到此结束,感谢大家!
 
【免责声明】本文仅代表作者本人观点,与CTI论坛无关。CTI论坛对文中陈述、观点判断保持中立,不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考,并请自行承担全部责任。

专题

CTI论坛会员企业