簡介：2021年10月21日，阿里巴巴達摩院“新一代企業(yè)智能服務(wù)論壇”在杭州圓滿舉行。達摩院產(chǎn)品創(chuàng)新中心阿里云智能客服業(yè)務(wù)總經(jīng)理王巍巍分享了阿里云智能客服最新進展，包括全渠道全場覆蓋的云上產(chǎn)品矩陣，從智能服務(wù)向智能營銷場景延伸的解決方案，國內(nèi)首創(chuàng)的智能策略中心；號召客戶和生態(tài)伙伴共同探討智能服務(wù)行業(yè)未來發(fā)展動向。

一、阿里云智能客服最新進展

1、發(fā)展軌跡及應(yīng)用效果：智能客服作為生產(chǎn)力工具經(jīng)歷了從算法的具體效果到實戰(zhàn)中降本增效的層面轉(zhuǎn)換；2015-2016年左右，智能客服的特征主要體現(xiàn)在算法效果 ，在各個行業(yè)客戶不斷解決和驗證的過程中，有的企業(yè)可以達到50%降本增效的效果，這也就意味著原來有1000位人團隊負責的工作，現(xiàn)在500位就可以解決同樣的問題，余下的坐席人員可以投入到營銷、用戶增長等層面上去；

阿里云智能客服近期在《IDC MarketScape：2021年全球通用對話式AI平臺廠商評估》成為國內(nèi)唯一入選的廠商。無論是在產(chǎn)品力、收入規(guī)模和長期發(fā)展策略上都贏得了國際化分析師的認可；

2、智能客服落地需要解決的難題：經(jīng)過長時間的探索發(fā)展下來，除了面向經(jīng)營者視角的提效降本已被廣泛驗證外；仍然有幾個問題沒有解決，比如：B端客戶是一個經(jīng)營鏈條，里面有客戶、知識運營人員、銷售/客戶代表、坐席人員、管理者等不同角色；以下三個維度我們依然有很長的路要走；

• 面向客戶視角的完美體驗：客戶是否擁有精準、快速解決問題的良好體驗，在現(xiàn)階段客服環(huán)境下，服務(wù)離不開人，服務(wù)過程中離不開坐席人員的參與；用戶潛意識依然是轉(zhuǎn)接人工跟進解決；是否有更好的解決方案促進人機結(jié)合，照顧用戶的產(chǎn)品體驗，使回答疑難問題越來越精準，溝通過程效率越來越高；

• 面向知識運營人員的低成本運營：過去主要依賴FAQ或者文檔為主，現(xiàn)在融入了更多的知識結(jié)構(gòu)，像知識圖譜、TableQA，甚至圖片知識；在這個過程中知識運營人員迎來非常大的挑戰(zhàn)，2017年初智能客服業(yè)務(wù)剛落地，標注量十分龐大，雖然現(xiàn)在有一些下降，但還沒有下降到讓運營人員非常輕松的地步；

• 面向客戶經(jīng)理貼身助手：業(yè)務(wù)變化非常迅速，知識變化也隨之飛快，坐席團隊流失率居高不下，有些甚至達到100%以上，這也就意味著，坐席人員在服務(wù)過程中亟需強大有力的輔助工具來解決效率和學習的問題。

二、阿里云智能客服矩陣升級及優(yōu)勢

針對我們觀察到的這些比較普遍存在現(xiàn)象，阿里云智能客服是如何逐步來解決的呢？

1、不懈追求客戶視角的完美體驗

• 驚艷的智能語音對話能力；面向C端場景時，如何持續(xù)提升服務(wù)體驗？問答過程中的擬人度和對于復(fù)雜關(guān)鍵信息的收集，像人名、身份證號等；我們現(xiàn)在的語氣承接的擬人度相比原來有了較大提升，同時在復(fù)雜關(guān)鍵實體信息的提取收集上可通過多輪對話完成，更貼近于實際的交互體驗，尤其在長數(shù)字識別應(yīng)用上，可用性非常高；

• 靈活多變的Chat UI：除一體化完整解決方案外，C端客服體驗在智能客服領(lǐng)域關(guān)注度較少；面對頭部客戶時，就會出現(xiàn)一個問題，阿里云智能客服所有能力是組合在一起的，前端部分會邀請供應(yīng)商共同參與；經(jīng)過一年多的打磨，我們希望用戶在C端體驗是所見即所得，靈活可配置，并為客戶與伙伴提供便捷、可運營的交互體驗，快速滿足客戶差異化的產(chǎn)品需求；

• 數(shù)據(jù)驅(qū)動的人機融合： 坐席與被服務(wù)的C端對象如何形成一個更好的組合關(guān)系，更快度的解決問題，提升客戶滿意度。通過智能分配與實施推薦能力，在人機結(jié)合場景上，基于客戶畫像與歷史行為表現(xiàn)，集合當前線路的忙閑、技能組等情況進行綜合制定；我們可以很大程度上讓客戶的問題能匹配到當前最適合解決這個問題的坐席身上，縮短解決問題時間的同時，兼顧提升客戶滿意度，極大釋放坐席人員效能。

2. 知識運營人員的提效利器「全鏈路運營工具」

• 任務(wù)式對話半自動化構(gòu)建：基于人工會話日志自動化構(gòu)建任務(wù)式對話流，包括意圖、結(jié)構(gòu)、流程；多輪對話場景下。作為企業(yè)內(nèi)部的知識運營者，垂直業(yè)務(wù)可能只有幾位坐席，在面臨整體復(fù)雜度較高，包含數(shù)千個細分場景的業(yè)務(wù)時。一個人可能承擔著好幾個角色，多輪對話的知識樹構(gòu)建便成為有挑戰(zhàn)的任務(wù)。利用先進的NLP技術(shù)挖掘企業(yè)之前的海量溝通記錄、歷史日志等數(shù)據(jù)源，自動生成業(yè)務(wù)大圖；在此基礎(chǔ)上，方便對業(yè)務(wù)種類、頻度進行優(yōu)化調(diào)整，方便業(yè)務(wù)快速上線；溝通過程中的情緒識別不久也將上線語音識別；

• 自動化知識挖掘：從會話日志、網(wǎng)頁、文檔挖掘FAQ，從非結(jié)構(gòu)化文檔中挖掘知識圖譜三元組。面向同樣文檔、日志數(shù)據(jù)源的非多輪對話場景下，我們可以挖掘出FAQ、知識圖譜等信息，知識運營人員只需快速復(fù)核即可入庫，緩解業(yè)務(wù)冷啟動時的知識匱乏；

• 智能薦句：基于薦句算法，自動化生成及推薦相似問。在創(chuàng)建一個新知識點時，需要很多關(guān)聯(lián)的擴展問來提升準確率；在缺少數(shù)據(jù)參考的情況下，基于公開、可獲取的數(shù)據(jù)集上結(jié)合客戶企業(yè)內(nèi)部所有可獲取的數(shù)據(jù)，自動生成推薦擴展問，快速構(gòu)建知識；

• 語音語義一體化融合標注：語音語義一體化線上標注系統(tǒng)，實時聚類語義標注，實時標注數(shù)據(jù)回流，模型訓(xùn)練一鍵拉取數(shù)據(jù)。標注作為相對標配的能力，后續(xù)進行訓(xùn)練、做小樣本、小流量測試最后上線；將語音語義分開標注相結(jié)合，同時對兩者進行標注，提升整體效率；也支持在原有標注工具的基礎(chǔ)上進一步提升體驗。

3. 知識運營人員的提效利器「白皮書方法論和課程」

阿里巴巴08-09年開始組建客服業(yè)務(wù)，2014年成立CCO，我們將一線落地的產(chǎn)品經(jīng)理、人工智能訓(xùn)練師，客戶代表們的積累經(jīng)驗進行沉淀和融合，不僅要解決智能客服遇到的問題，也要解決客戶原有客服業(yè)務(wù)問題；經(jīng)過多年探索努力，梳理打造出一套3-5天的課程體系；在工具之外幫助客戶們進一步提升效能；提高運轉(zhuǎn)與落地效率。

4、讓客戶經(jīng)理信手拈來「智能輔助、對話洞察和分析」

知識運營人員在這個方法的指導(dǎo)和工具的幫助下，可以快速推進進程，長線來看，我們要解決客戶的產(chǎn)品、服務(wù)和營銷需求。面向于客戶經(jīng)理和一線坐席，我們現(xiàn)在能有哪些工具和產(chǎn)品可以幫助到大家？

• 自我進化的智能輔助：基于坐席采用反饋和服務(wù)效果反饋的自我進化的知識和SOP挖掘模型，降低坐席負荷同時提高了滿意度和轉(zhuǎn)化率。核心解決企業(yè)內(nèi)部知識生產(chǎn)匱乏，減少人力沉淀知識比重；將問答知識、意圖知識、SOP知識等通過技術(shù)進行提煉，結(jié)合人工參與到業(yè)務(wù)；使企業(yè)內(nèi)部知識庫實時更新、流動起來；

• 實時對話洞察和分析：基于輿情分析，通過雙向分析客戶和坐席情緒識別服務(wù)過程中的情緒異常情況，為管理和干預(yù)提供指導(dǎo)，識別VOC中的高頻詞匯及話題，快速了解客戶的關(guān)注點。通話內(nèi)容分析，借助NLP能力，分析海量來電的主要表達內(nèi)容，深挖重復(fù)來電的具體內(nèi)容和客訴類電話的主要原因。還可以做到話術(shù)執(zhí)行監(jiān)督，智能化判斷對話場景，根據(jù)場景判斷話術(shù)執(zhí)行情況是否符合要求，形成分析總結(jié)，輔助坐席針對性改進提升。最后，它會根據(jù)客戶統(tǒng)計數(shù)據(jù)挖掘，以在線、熱線會話記錄為數(shù)據(jù)源，分別生成客戶統(tǒng)計數(shù)據(jù)，基于類別對客戶進行智能營銷；形成分析總結(jié)，輔助坐席針對性改進提升。并將會話內(nèi)容生成客戶統(tǒng)計數(shù)據(jù)反哺到其他業(yè)務(wù)系統(tǒng)，實現(xiàn)呼叫中心的數(shù)據(jù)資產(chǎn)增值。

三、技術(shù)產(chǎn)品創(chuàng)新與生態(tài)伙伴相互成就

除了上面介紹的產(chǎn)品維度外，技術(shù)維度上有很多大家在使用過程中無法感知的底層技術(shù)，占據(jù)達摩院智能客服投入的最大部分。我們各種引擎能力在全球都取得了非常好的效果，大幅降低人工標注成本；在WikiSQL、Spider、SParC、COSQL四大國際榜單長期排名第一，成績斐然；

• 多引擎能力持續(xù)打破紀錄：我們打造的大規(guī)模預(yù)訓(xùn)練對話模型，口語語言理解準確率提升5%。大幅降低30%人工標注成本，在QA對問答引擎方面，多模態(tài)FAQ問答首次超越人類基準80.83%，準確率達到了81.26%。下一步多模態(tài)VQA即基于圖片的問答將繼續(xù)整合融入。

• 挖掘私域客戶的價值，向產(chǎn)品和運營要增長：將企業(yè)營銷從經(jīng)驗驅(qū)動轉(zhuǎn)變?yōu)?strong>數(shù)據(jù)驅(qū)動，過去只能靠人力沉淀數(shù)據(jù)，總結(jié)經(jīng)驗；現(xiàn)在我們的算法加上過往歷史數(shù)據(jù)可以比人工經(jīng)驗洞察更多信息，為客戶提供個性化推薦，匹配更優(yōu)質(zhì)的坐席進行服務(wù)；將來算法會伴隨數(shù)據(jù)進行自主進化和學習，用數(shù)據(jù)迭代模型能力，服務(wù)滿意度和營銷轉(zhuǎn)化率在原有基礎(chǔ)上進一步提升；在零售場景比如店鋪、商家、商品法人信息等。我們能提供支撐智能客服的一些能力，希望從服務(wù)向營銷領(lǐng)域做的一些延伸。所以我們提出了服務(wù)式營銷:用客戶運營思維，構(gòu)建”始于客戶、終于客戶”的營銷閉環(huán)，幫助客戶找到更合適解決問題的客戶經(jīng)理。

• 賦予品牌具化的擬人形象：交互技術(shù)在實時變化，像最近火熱的Metaverse元宇宙概念；不可能所有直播都靠人力承載，這對很多商家來說不是最經(jīng)濟的方式，我們做了具有互動效果的交互形態(tài)，賦予品牌化的擬人形象，現(xiàn)階段場景中，應(yīng)用數(shù)字人技術(shù)可以很大程度上解決交互體驗拉近距離的問題。

四、阿里云智能客服矩陣架構(gòu)

如下圖所示， 智能客服的產(chǎn)品能力架構(gòu)底層是溝通通信能力，中間層是達摩院各個實驗室的先進AI技術(shù)，往上是智能客服產(chǎn)品矩陣；我們擁有一個非常好的開放度，并已覆蓋阿里云的所有行業(yè)；在對外落地過程中豐富的開放方式支持客戶間業(yè)務(wù)相互打通。

之前取得的成績都與生態(tài)伙伴息息相關(guān)。在過去的幾年，有幾十個伙伴與我們一起為客戶提供服務(wù)。大家在各個行業(yè)耕耘多年，具體到行業(yè)中，具體到客戶的細分場景里，像稅務(wù)、法律、金融等業(yè)務(wù)；其中貢獻最多、最重要能力有三個：交付能力；產(chǎn)品/方案能力；渠道銷售能力。

我們把阿里云智能客服的產(chǎn)品、技術(shù)優(yōu)勢與合作伙伴的綜合能力有效結(jié)合在一起，讓服務(wù)創(chuàng)造出更多企業(yè)價值，實現(xiàn)商業(yè)增長。

原文鏈接：https://developer.aliyun.com/article/807437?

版權(quán)聲明：本文內(nèi)容由阿里云實名注冊用戶自發(fā)貢獻，版權(quán)歸原作者所有，阿里云開發(fā)者社區(qū)不擁有其著作權(quán)，亦不承擔相應(yīng)法律責任。具體規(guī)則請查看《阿里云開發(fā)者社區(qū)用戶服務(wù)協(xié)議》和《阿里云開發(fā)者社區(qū)知識產(chǎn)權(quán)保護指引》。如果您發(fā)現(xiàn)本社區(qū)中有涉嫌抄襲的內(nèi)容，填寫侵權(quán)投訴表單進行舉報，一經(jīng)查實，本社區(qū)將立刻刪除涉嫌侵權(quán)內(nèi)容。

總結(jié)

以上是生活随笔為你收集整理的如何让智能客服成为企业的生产力工具？的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。