CTI论坛(ctiforum.com) （编译/老秦）： 由于需要改善客户体验和交易成功率，组织正在向全渠道服务过渡。其他业务（和 IT）驱动因素将缩短上市时间，同时降低所有渠道的调整和维护成本。并且越来越多地意味着依赖由自然语言理解(NLU) 提供支持的应用程序。

　　让我们简要概述自然语言处理 (NLP)、NLU 和自然语言生成 (NLG)，以确保这些术语的共同点。 NLP 处理和分析大量音频/语音和文本数据，以便计算机能够响应基于语言的命令。我在 2021 年冬季刊中的专栏--"语音技术作为Hyperpolyglot？"--深入探讨了机器对语音的解释。人脑处理的语法不规则、同音异义词和其他复杂问题必须由 NLU 处理，因为它将结构、规则和逻辑分配给语言，以便计算机能够理解人类所说的话。相反，NLG 基于结构化数据生成类似人类的文本或音频输出。 NLU 和 NLG 是 NLP 的子集。

　　有效的全渠道产品允许客户在渠道之间无缝移动。例如，虽然客户可能从聊天开始，但交互可能会转移到语音渠道更容易支持的更复杂的主题。良好的客户体验将包括先前的聊天对话，因此处理语音交互的其他座席不必要求客户重复详细信息。一些全渠道供应商正在努力提供情绪建议（愤怒、兴奋等），并附上之前聊天的简短摘要，以便语音渠道座席可以更好地为通话做好准备。

　　越来越多的企业正在通过单一供应商的全渠道战略将更多的鸡蛋放在一个篮子里，即使是有采购最佳品种历史的组织也是如此。是什么推动了 IT 战略的这种变化？很简单，有效性，被企业定义为客户体验和交易成功率的结合。当客户在您的网站上进行聊天交易并由智能虚拟助手成功协助时，无需人工座席，这被视为交易成功。客户对流程的反馈推动了客户体验指标。

　　许多大型企业依赖于由自然语言理解推动的强大的交互式语音响应 (IVR) 应用程序，其中许多企业依赖于他们的语音识别供应商来调整他们的 NLU 模型。但随着由机器学习驱动的人工智能的加入，在没有直接供应商参与的情况下对其 NLU 模型进行持续增量改进，导致企业希望在其数字渠道中重复这些成功。相反，有些人希望将他们的 NLU 学习从较新的聊天机器人扩展到传统的 IVR。在这一点上，应该注意的是，深度神经网络正在成熟，以增强部署在云中的 NLU；谷歌、IBM 和微软都在云端提供深度神经网络和 NLU（微软通过收购 Nuance Communications。）

　　拥有用于跨渠道管理 NLU 模型的通用工具集可降低培训成本和上市时间。将现有的 NLU 模型从一个渠道扩展到另一个渠道，在同一供应商的工具集中本地共享它，比导出模型（即使可能）并尝试在不同供应商的解决方案中使用它要有效得多。因此，大型企业从同类最佳解决方案转向单一供应商解决方案。

　　这些全渠道 NLU 驱动的解决方案才刚刚开始成熟。他们可能已经离开了训练轮，但肯定还没有超过十几岁。他们在平台集成合作伙伴关系上竞争，而不是作为独立产品进行竞争，专注于垂直行业，以及他们使用深度神经网络的能力。微软以 197 亿美元收购 Nuance，并表示有意利用 Nuance 的重要医疗保健经验。谷歌宣布，它正在与许多客户合作，以创建医疗保健垂直焦点。甲骨文在 6 月以 283 亿美元的价格完成了对医疗保健 IT 服务和软件巨头 Cerner 的收购，同月 IBM 完成了将其 Watson Health 部门剥离给 Francisco Partners。三个大型企业向重要的医疗保健垂直方向发展，而一个剥离应该在未来进行一项有趣的研究。

　　对于客户服务人员来说，这是一个令人兴奋的时刻。我的建议是，通过深度神经网络支持的NLU与垂直行业的整合，观察谁跳得最快、最远。正如本专栏经常提醒的那样，围绕数据隐私和安全的法规将发挥作用，并且通常遵循技术而非准备。

　　声明：版权所有 非合作媒体谢绝转载

　　作者：Kevin Brown

　　原文网址：https://www.speechtechmag.com/Articles/Columns/Inside-Speech/New-Omnichannel-Offerings-Share-the-Power-of-NLU-154991.aspx