随着AI智能的不断发展，现如今，AI已经深入在我们的生活和工作等各个领域，极大改变了我们原有的一些工作方式，尤其是智能设备的加入，让我们的生活变得更加便捷。其实在呼叫中心和客服领域，AI有很大的应用空间。它让我们的客户享受到更加快捷，更加全面，更加智能自助化的服务，同时也可以帮助我们的客服，包括运营管理人员来提升效率，在保证服务质量的同时更大地减轻成本上的一些压力。 我加入携程16年，在呼叫中心行业算是一名老兵了，见证了行业的发展和变化。包括从人工服务到智能服务，从电话到在线，随着AI的落地和应用，我们可以看到越来越多的简单的事情，重复性事情被机器替代；更多复杂的事情，包括客户情绪维度上的安抚还是需要人工服务的介入。但是，相信随着技术的不断发展，智能客服还是未来的方向。 我接下来从五个方面和大家分享一下携程在AI赋能客服领域的一些应用。 1. 携程AI概况介绍 2. 携程AI赋能机器人客服 3. 携程AI赋能人工客服 4. 携程AI赋能运营管理 5. AI赋能客服的畅想 01 我们有两个核心的平台，一个是数据平台，一个是我们的AI平台。AI平台是两大支柱核心平台之一，它为我们提供了非常丰富多样的功能，支持我们的运营团队通过API接入我们的数据，通过数据在里面加入规则，加入运算，加入验算，输出我们最终AI的成果。同时算法平台也可以通过算法的精进，不断精进模型。其实，AI平台包含了所有的业务逻辑，流程，可以认为它就是一个大脑。  携程AI算法的应用主要在两个方面，一是在线客服，一个是产品推荐。在线客服这边，它主要依托两个处理器和三个模型，分别是在常见问题推荐里面，我们使用特征的处理器，模型主要是推荐模型和顺序模型。当客人手输文字的时候，我们使用的是文本处理器和匹配的模型。在算法的内核上，行业内比较普遍使用都是一些短文本特征排序，包括文本过滤等一些比较普遍使用的一些技术。AI在我们推荐算法上，主要是利用一些历史上的搜索，包括意图的一些分类，产品的一些检索，经过这些模型的分析，最终推荐出符合客人诉求的这样一些产品。 有了平台，也有了算法，我们如何搭建整个AI在携程上的应用？首先肯定离不开客户在整个携程服务当中的体验，所以我们首先会看客户在整个服务体验地图中核心节点都是什么。通过这些节点，我们最终AI设计的时候，AI赋能方向是三个方向：当客人有需求，他首先是找到我们的服务入口发起服务需求。最简单的事情来说，我们肯定是赋能机器人客服来尽快地给客人一个快速准确的一个答案。当客人的诉求机器人无法识别或者无法解决的时候，我们应该第一时间让他快速进到人工，进到人工之后我们AI需要赋能客服，快速、准确地解答，包括服务好我们的客人。同时在运营和管理当中，通过AI的技术，让我们能够做到更加全面，更加深入，以及能够发现更多的一些问题，来不断地改进我们的服务。 同时在做这件事的时候，也遵循一个原则，以客户的体验为中心，不能是以前IVR，我们找一个人费了很多劲，找了一圈没有找到人工入口，这是不对。AI赋能服务业，离不开服务体验，所以我们设计AI赋能，首先以提升客户体验为核心，同时赋予省力和温暖，从识别客人需求、提供自助功能、人性化的机器服务、助力人工服务体验四个环节落地整个携程AI的设计与架构。 02 落地的时候，首先是AI赋能机器人客服。从功能分类上来看，分四类，问答型，任务型，语聊型和推荐型。 1.机器在线客服的体验设计 在机器人在线客服的体验设计中，我们主要遵循三个目标，精准识别客人的问题。如果识别不了，或者无法解答，要便捷进入到人工，或者操作需要非常便捷和省力，不需要客人猜，想，到处找。同时，我们机器人的形象和话术脚本设计上让他感觉亲切，有温度，而不是那种冷冰冰。 我们看用户体验地图的核心SOP都是什么，把这些节点拆分开，对应赋予不同的指标来衡量和监控它，通过这些监控这些指标，我们不断地优化，提升我们整体的客户体验。 2.提高常见问题推荐准确性 前面说到整个框架，客人使用我们机器人的时候，首先就是我们的常见问题。常见问题就是前面讲到两个处理器，三个模型进行优化，我们如果想要提升这个机器人的准确性也好，识别率也好，它的这一步肯定是最为重要的，是它的机器人解决率的前提。如果无法识别客人的问题，解决问题就无从谈起，所以我们做的第一部分工作，就是提高我们常见问题推荐准确性。 2.1精细化场景推荐 我们怎么来做这件事呢，我记得最早的时候在搭建的时候，我们的场景就是从客户和员工的真实案例当中去看，我们的员工是用什么样的维度来判断这个客人的问题，我应该怎么解决。刚开始很少订单、到店、时间维度，后来发现随着维度越多，越精细的情况下，我们的识别准确性会越高，推荐的命中率也会越高，所以说我们不断地增加我们判断的维度，从以前的大概只有10个左右，发展到现在有60几个，我们识别的准确性也是不断在提升。 2.2逻辑修正 在不断提升识别准确性的时候，我们还会发现一个问题，就是模型。因为模型是机器做的，在做的时候会模拟一些人，这时候会出现一些情况，我们用到逻辑修正。举个例子，一个客人在携程下了一个订单，这个订单已经取消了，取消后10天如果再来找在线服务，机器人推荐一个问题是我要取消订单，这样就很傻，我们会通过逻辑修正，修正逻辑当中一些违反正常逻辑和思维的一些这类问题，就是来修正我们这个机器。 2.3优化场景匹配准确性&场景适配度 客人如果常见问题不能解决问题的时候，大部分客人这时候手输文字描述他的需求。在1.0版本的时候，我用这个词来形容我们最早做机器人的时候，把所有场景做一个Q，大概有30多万。在模型的时候就非常不精准，为什么呢？因为都很相似，举一个简单例子，我因为航班原因要取消订单，我有可能因为没有去住要取消订单，我有可能因为什么其他原因取消订单，原因很多，但是诉求就是一个取消，很多答案的时候很难命中它，我们怎么解决这个问题呢？就是我们把很多内容相似，比较相似的Q合并比较大的来命中，命中它的诉求是什么，核心诉求是要取消，取消场景下通过精细化问题场景对应原因是什么，再去对应机器人AI再来做，它的适配度有大的提升。 2.4提高答案内容有效度 常见问题给了客人，首适也匹配对了，我们要给答案了。答案就是有效性，以前写答案也是，根据员工是怎么回客人的，我们就照着它来一套，后来我们才发现，这是不对的，为什么？有一大段的文字堆上面，客人看的时候非常有费力度，文字和语音接收处理信息的机制还是有一些区别的，所以说我们就根据客人阅读的习惯进行了信息层级分类，包括视觉效果上的一些调整让我们的答案变得更清晰，直观，明了。 2.5提供更明确的解决方案 同样一个问题，我们会发现，我们有APP，有H5，有在线，大部分的机器人都会去指引客人，你到某一个页面某一个点去点它，发一个很长的图，这对客人来说有一定的费力度，虽然说你可以教育他，我们思路是要提供更明确的解决方案，我先给你一个操作，这个操作点击就直接能进行对应自助服务。下面我介绍，如果下次再来，可以更加详细了解我们的产品。 2.6机器在线客服的话术原则 在这个话述的设计上面，我们准确了六个原则：准确、预见、温暖、美观、易懂、方便，在这个原则基础上不断迭代和优化我们的话术。 2.7优化进人工策略 接下来就是有一个非常重要的，我们机器人不是万能，不可能解决客人所有的问题，这时候我们就必须要优化进人工策略。在机器人也匹配了人工入口，甚至客人从某些渠道，比如说他从一个无法顺利入住渠道，或者是他所有的描述他的需求有一些非常重要的敏感词，我们会进行分类，甚至于我们会直接上来把客服拉进来为客人进行服务，来平衡自助和人工服务，实际上还是围绕客户体验来做。 03 携程AI赋能人工客服 1.人工在线客服的体验设计 目标是暖心、简单、主动和信任。对于AI如何赋能人工客服，首先也是一样的，我们拆解了它的客人在人工客服中的体验地图，通过体验地图分解，我们可以看到，真正在四个环节当中是可以使用AI赋能我们的客服去为客人提供更好的服务。 2. AI赋能人工客服的方法  2.1AI辅助判断客人需求 首先第一个，帮助员工来判断客人的进线的需求，这个是很重要的，为什么说很重要？它体现出来的一个传统的呼叫中心所有的客人打通的人工服务第一句话就是请问，您好某某先生，或者某某小姐，请问有什么可以帮你。客人在自助环节中描述了他的需求，如果我们再说这句话显得非常不专业，对于尤其是那种比较焦虑客人，或者没有耐心客人，他就会觉得我们的客服非常不够专业，或者不够耐心，难道你没有看到我之前的对话吗，难道你没有看到我之前的反馈吗？我不知道是不是，至少在我们以前的时候，在这种场景下，我们拆解这种场景发现真还是一个比较普遍的问题，这是一个痛点的问题。 我们使用AI技术，把客人历史上沟通记录，包括猜他这次进线的情况猜这个客人进先想要做什么。员工要看这些东西，需要翻很多的页面，翻工单，也有可能翻订单，看看前面的投诉，甚至还要听听录音才能了解到前面，这些都需要大量的时间，但是客人不可能在线去等你这些时间，这时候AI它的优点就显现出来了，我们现在用AI的技术，把这些东西全部都汇总成一个小结，瞬间给到员工，节约了员工的时间，不需要去翻，我到工单去翻，录音当中去翻，直接看到客人需求，他就能够及时和客人核对和响应，提高效率的同时其实也提升了服务质量和客户体验。同时还在一个环节，就在创工单我们也是通过AI技术来完成的一件事。 2.2AI辅助员工回复客人 在开始沟通过程中也是一样的，我们也会有一个AI的小助手来辅助我们的员工，根据客人说的话，根据订单当前的状态，根据我们知识库内部的流程，以及我写好的规范，你把最好的话述推荐给员工，员工可以实时点击或者发送。做过呼叫中心，我们员工脑子里记的流程非常多，产品迭代，更新很快，一天更新一次，少一点一个礼拜更新一次，这些更新对我们OP，员工来讲都是负担，因为他都需要用大脑记住，这个时候AI对重复性，简单的事件类型，包括指引，就是在AI助手当中实时告诉他，下一步建议你应该怎么做，这是一块。 第二块是什么呢？就是等于说我们的员工尤其有一些新员工，不能理解客人真实的诉求，为什么？有的时候客人描述只是冰山上一角，冰山下才是真实诉求，有时候员工被客户带着走，这个时候怎么做？AI挺好的，通过这些场景可以提醒员工，这个客人的真实诉求是这样，你应该帮他多做一步，不是算盘一样，客人拨一下，我们员工动一下，提升效率的同时，AI可以辅助员工提升他的服务质量，提升客人的体验。 2.3AI替代客服 简单事情就是AI可以直接做，我这边举一个很简单的例子，有一个订单确认环节，就是打一个电话给酒店，问一下这张订单可以确认还是可以取消了，还是不能给我，这件事情很简单，打电话过去问他有没有，现在这项工作基本上被AI全部已经取代掉了。我们使用了自动语音，用TTS转换语音拨叫给酒店，酒店听到客服声音，和真实人工是一模一样，但是它是合成的。接下来我们收集酒店回复，转成文字对应完成一系列订单的操作。 2.4AI辅助预警客人情绪 还有一个就是AI辅助预警客人的情绪，通过文本，语音，语调，语速，敏感词等等模型，我们可以发现，这个客人现在情绪已经比较激动，我们提示员工你要注意一下，客人激动了。包括员工自己的情绪，如果说到员工有的时候也会被客人的情绪所感染或者带动，有时候也会变得语速很快，或者很激动，这时候提醒员工要注意自己服务的态度。这个包括前面电网也有介绍到，是一样的。 04 AI赋能运营管理  1.全面质检 全面质检，如果大家做过呼叫中心知道，一线和质检还是通常比较对立，为什么？一线觉得质检，你抽我的东西，抽两、三条，我们的人多，这个首先抽检数量偶然性，不具代表性，不够客观，耗时耗人，这个时候AI在这方面发挥很大的作用。举一个很简单例子，以前的质检每一个人听同一个录音，给到的分数还有可能不一样，这些都是困扰我们质检的痛点，也是困扰一线的痛点。作为运营管理者来讲，我的服务到底或不好，我现在流程的执行率到底怎么样子，我通过质检，但是这个抽的样本能不能代表我的全体，这些都是痛点。AI技术的应用，其实就比较好地解决了这个问题，我们把核心SIP分到每一个环节，我知道结果是满意的，过程是不是按照流程来做的，当中有没有问题，做到全面，还做到智能。所以说它在这方面的应用，其实还是有很广阔的空间。 2.智能调控 智能调控，也是一样，大家知道以前调控人根据日因子，时间因子，小时因子进行24小时排班，但是排班有很多还是凭经验去排。为了不要太紧张，甚至多排一些人在里面，其实也是浪费。通过AI，我们和预警热线平台，可能突发一些事件或者怎么样，我们有专门的热点平台，把热点平台引入到AI里面，我们可以实时判断一下，我们的预测排班是怎么样。以前一个排班一天或者两天的工作放到一个模型当中去排，有可能10分钟排得更好，而且排得更加科学，更加准确。因为人排列大知道，人总有犯错的时候，我就因为排班漏排一个组，造成服务故障现象，机器人基本上按照这个数字输入进去，通常情况下概率上不太会犯错，犯这种相对来说漏掉或者错排这种相对比较低级的错误，使人员利用率达到最大化。实时预测也是一样，调控人员是人，不可能24小时盯着屏幕去看现在实时的数据是怎么样子，我应该什么样子，但是机器没有关系，24小时只要电脑开着不宕机，都能实时兼顾现在业务量的变化。我是不是需要加人或者减人，以前发一个邮件，你去支援谁，不需要支援谁。当发生实时预测的时候，自动量的时候，该怎么做就怎么做，所以说这种对于智能的这种调控，对于管理运营效率的提升还是有非常显著的作用。 3.数据智能运营 数据智能运营，主要是我们大家都知道看数据，呼叫中心每一天都会产生海量数据，大数据海洋当中大家去遨游，大家只能看到什么，大数据当中的变化，但是细节上的变化是什么，到底怎么看，我看多细才能发现问题，如果靠人每天要耗费大量时间在上面看，有AI可以实时帮你分析，帮你去看，把结果实时好。 05 AI赋能客服的畅想 我把现在呼叫中心，包括智能客服的分为四个阶段。第一阶段纯人工服务，若干年前只有电话，后来有AI机器人服务，引入到第三方服务，以后机器人主动服务。第四阶段，我认为有可能在未来还是可以进到一个智能的“无人”服务的时代，这个“无人”是带引号，在现在看来是不太可能永远取代人类，但是能大幅取代人类。 在全旅程服务中，现在AI都是比较被动的，客人进线了我去为他服务，实际上真正AI的服务，应该是在客人心中种草，之后他有需求，他有动机，付出实施的时候，包括在实施过程中享受这个服务。整个旅程的环节链条上都可以使用AI服务。在未来，实际上大部分的工作就是由机器服务，我们人去监督机器有没有做得很好。 文章来源 节选摘自 | 2021(第六届)中国客户联络中心行业发展年会 主题演讲 | 携程AI赋能客服 整理编排 | 周末More |
|
|
来自： 二八0y2nkds3vi > 《待分类》
