智能质检背景：传统人肉方式难以为继
一直以来，服务质检的工作方式以人工抽查为主，形式上主要依靠质检客服听录音、看记录并结合自己的专业判断来进行合规性检测。在目前业务量越来越大的情况下，传统的质检方式的弊端越来越明显的暴露出来：
覆盖率。目前行业的抽检比例大概在1-2%，这个比例意味着大量的工作录音被忽略了，这其中隐藏的价值或者风险并没有被有效地发掘出来；
业务价值。由于覆盖率比较低，无法对所有数据进行聚合分析，无法准确把握客户需求抓住商机，质检客服的业务价值被局限在合规性检查这一狭小的领域；
质检延时。人工质检一般是第二天甚至更晚对前一天发生的语音进行抽检，这种事后定期抽检的方式无法在事件发生的第一时间定位到问题，更无法对风险进行及时应对；
工作效率。质检客服针对每一通随机选择的电话，往往都需要反复进行复听，导致效率低下，且在工作时间内发现的问题有限；
质检标准。人工抽检受限于对业务的认知，不同的人对事件的判断，往往会有不同的结论，甚至相同的人在不同时间对同一事件的看法也会发生改变，这都造成了标准上的不统一；
质检成本。质检工作重复性高，任务繁重，随着业务量的增加，在保证抽检比例的情况下，公司需要投入大量的人力物力来满足质检的需要。
根据以上传统质检形式的工作现状，一个新的智能质检工作平台就变成迫切的需求，这个平台需要能够实现全量自动化的质检；能够实时、准实时或者批量地输出质检结果；能够有效提升质检客服的工作效率；促成质检客服的价值升级；能够显着降低企业成本。如图1：
智能质检场景：合规检测之外大有可为
随着云计算、人工智能技术的发展，以智能语音识别（ASR）、自然语言处理（NLP）、大数据挖掘等技术的应用为代表，智能质检产品被催生出来。阿里云智能质检产品—智能对话分析服务（SCA，以下简称SCA），就是其中的典型代表。
SCA可以实时或离线地将海量录音数据转化为文本，实现了对语音文件的100%全覆盖，大幅降低了人工质检成本，通过对文本的分析和数据挖掘，可以实现对合规的检查、风险的预警、趋势的分析、商机的挖掘等。其典型应用场景如下：
合规性检测
对服务的合规性检测是人工质检日常的主要工作，智能质检系统通过设定标准作业流程、标准话术、服务禁语等，判断客服人员是否存在不符合规定流程、违规用语、泄露公司机密等行为；通过判断上下文，理解用户的意愿是否得到合理的满足；通过匹配标准知识库，判断用户的问题是否得到正确的解答。
显而易见的是，对合规性的检测，尤其是对客服标准作业流程、问题解答的质检，仅仅使用关键词是无法达到目的的，真正有价值的，是能够理解上下文、匹配作业流程、命中交互场景的智能质检工具。
企业风险管理
根据统计，一通服务电话下来，当客户有好的体验时，会告诉其他五个客户，但是一个不好的体验，却可能告诉其他二十个客户，而在互联网时代，微博、微信的使用使得口碑传播的速度更加快。因此对企业来说，监控客户的情绪变化，分析客户的满意度，发现客户反应中蕴含的舆情风险，成为客服体系必须重视并加以解决的工作。
智能质检系统通过检测电话静音、客户语速变化、情绪波动，及时判断客户的情绪变化，帮助客服检员发现通话中的舆情风险。
商业机会挖掘
质检过程中，通过对客服大数据的分析和挖掘，能够有效地分析客户需求，挖掘商业机会和金融服务的潜力。例如客户关注的业务热点、客户对产品的反馈、客户未被满足的需求等，这些都蕴含着新的产品机会和销售机会。
质检系统与企业内部系统的深度集成后，可以建立用户的反馈记录、购买记录、兴趣链等，通过建立用户画像，实现精准营销。
数据趋势分析
智能质检系统是个大数据分析的平台，通过对服务合规数据的统计，可以了解在不同周期内整体服务品质的变化情况；通过对客户行为数据的聚类、归纳与分析，可以形成客户热点问题统计、业务趋势分析；通过从通话中挖掘客户、产品等有价值信息，为客服、运营、营销提供支撑。
智能质检系统充分发挥人工智能的优势，挖掘和释放质检客服的价值潜力，通过在各个场景下的落地和应用，实现企业经营策略的优化，为企业战略的实现提供更多动力。
智能质检实践：系统应如何部署和应用
部署和应用智能质检系统，我们需要考虑如何才能够实现上述的几种场景？两个模型是关键，一是语音模型，二是业务模型。
1.智能语音识别
语音模型，也就是智能语音技术的应用是基础，语音转出来的文本不准确，一切的分析都是无根之木、无源之水。
随着智能语音技术的发展，市场上的主要语音厂商都能提供，或者在一定的模型优化后，提供准确率达到80%以上的服务，这在一定程度上已经为文本分析扫除了障碍。但是在选择语音厂商时，仍需要注意到，语音模型不是一成不变的，需要考虑到随着业务的发展、产品的变化和服务的升级，会有阶段性的关键词变化，这也要求语音产品需要具备模型迭代、热词更新能力。
2.业务模型创建
业务模型是质检系统的核心组成部分，优秀的业务模型，能够准确地描述企业的业务场景，真实地反映质检流程。
质检中最常见的数据是对话语音，而语音是典型的非结构化内容，客户、客服的对话具有口语化、发散、上下文相关等等特点。另一方面，客服在对话过程中，往往有着本企业规定的标准话术流程，与客户的交流过程，有着定义清晰的对话结构，对于客户不同的反应，有着相应的会话标准和技巧。
很明显，单纯的关键词搜索是无法有效提取客户需求，描述客户意愿，和检查话术流程的。智能质检的业务模型需要能够命中交互场景，理解上下文，真正理解客户交流的意图，需要具备更高的技术处理能力。
质检规则不是简单的关键词识别，更是标准作业流程的计算机化的表达；不仅仅是对文本文字的抓取，更是糅合了对客户情绪、语音语速、语义分析于一体的综合评估。
对标准作业流程进行分析，会发现有几个关键的特点，例如：
有处理步骤，也就是处理动作，步骤之间有前后关系；
处理步骤有处理人，对于质检行为来说，处理人就是客服和客户；
步骤与步骤之间，由条件链接，不同的条件分支可以指向不同的步骤；
条件分支可以是一个逻辑表达式，也可以是一组逻辑表达式的组合。
SCA通过应用角色设定、位置设定、范围设定和表达式组合，实现将符合标准作业流程的质检行为转化为系统可识别的规则，将规则的定义和系统的实现剥离出来，支持质检客服的灵活自定义。
在SCA支持如下的逻辑判断：
关键字：与市场主流关键字匹配功能相近，精确匹配，同时又扩展了全部包括、全部不包括、任意包括等类型；
正则表达式：提供对正则表达式的支持，相较关键字，正则是一种更加灵活的判断方式；
语义匹配：匹配出于给定参考句句义相近的句子，通过自然语义理解判断语义是否相近；
问句检测：判断是否属于问句，疑问、反问等，用于判断用户意图；
语速检测：判断通话是否超出给定的通话语速，一般来说，超出一定语速范围的通话会给人带来理解上的困难，同时检测一个人语速的变化，有助于对情绪识别的判断；
时间间隔：用于判断通话过程中是否出现过盲音；
抢话：判断是否存在插话、抢话等行为。
3.智能语义处理
人工智能的一个典型层面即是自然语义处理，在模型设定中，语义处理有着广泛的作用。
一个问题，会有多种不同的表达方式，在模型设定时，如果仅使用关键字识别，势必会需要穷举到所有的可能性。而语义理解可以智能地识别出相近的句子和相似的意思，在识别过程中，通过对上下文的语义处理，实现对用户意愿和服务效果的精确匹配。
语义识别处理建立在大规模语料库和统计机器学习方法的基础上，是一种对语言现象的数学建模，主要是基于大数据和算法模型搭建的，包括了分词、词法分析、句法分析、篇章分析技术等等。
可以看到，对语义的识别处理，离不开语料库的创建和训练，为增加适配性，语义模型应该是个能够迭代发展的模型，针对语义识别不准确的地方，又应该允许人工干预加以调整。
SCA提供了基于语义进行规分析的规则处理流程，考虑到模型迭代的速度以及行业的特殊性，同时提供了人工干预的接口，使得人机配合更加紧密，同时更加贴合实际的需求。
4.数据挖掘
目前，智能质检大部分的应用还是通过解放繁琐低效的人工监听、查看等行为，来协助业务人员快速、有效地发现服务质量问题，而这只是基础能力的应用，能够为管理人员优化服务质量、提高人员素质提供辅助决策建议，才是更深层次的应用。
例如，通过对违规规则分析和服务评分分析，及时发现服务短板，有针对性地进行人员培训提升服务质量；通过数据挖掘和聚类分析，及时掌握客户关注的业务热点，有助于了解产品市场反馈、了解竞品能力，从而帮助提升公司产品能力和市场竞争力；通过趋势分析，可以从容地调整运营策略，优化市场响应。
智能质检的未来：AI将给客服领域带来什么
1.通过解决传统人工质检存在的不足，从而帮助企业更加高效地开展服务质量管理工作，从服务质量提高的角度来看，智能质检对比传统人工质检在覆盖率、成本上都有明显的变化（如图3），
2.通过数据挖掘、分析，辅助企业进行经营策略优化，从而提升企业的市场竞争力和市场满意度。
3.质检客服工作方式的变更
智能质检产品为企业提供了一个优质的服务、分析和学习平台，它的应用必将会对质检客服的日常工作方式和内容产生巨大的影响：
从日常繁琐、重复的监听录音解放出来，转变为质检标准制定、业务模型创建、人工智能训练等工作；
从人工收集客服存在的问题，转变为整理、分析客服的服务水平，有针对性的培训和指导客服工作；
从服务质量这一具体领域，升级为对舆情分析、市场调研、商机挖掘、辅助经营策略优化等诸多经营领域的工作，实现价值链的升级。
从市场来看，当前大多数的智能质检对技术的应用还不够深入，承载的功能还是比较单一，导致了质检范围有限、业务效果不突出。随着人工智能、云计算技术的不断深入应用和自然语言处理、机器学习、文本分析技术的逐渐成熟，智能质检平台应用除了在合规风险管理方面发挥优势外，更加能够在舆情分析、商机挖掘、精准营销等方面提供更多的智能服务。
通过智能质检平台的应用，充分挖掘和释放质检客服的价值潜力，助力公司战略落地，为金融服务创新发展提供持久动力。
