893
淺談智能質檢在客服領域的應用
隨著互聯網信息技術在金融領域的應用程度越來越深，各企業在創新力度上的不斷加強，市場競爭也在變得越來越激烈，在這種激烈的市場競爭中，客戶服務已經越來越成為體現競爭差異、提升公司形象、增加客戶滿意度的重要舉措，因此對客服體係服務質量的管理和控製已經變成了企業經營管理者日常的重要工作，而質檢就是其中的主要組成部分。
一、質檢工作現狀
一直以來，服務質檢的工作方式以人工抽查為主，形式上主要依靠質檢客服的聽錄音、看記錄並結合自己的專業判斷來進行合規性檢測。在目前業務量越來越大的情況下，傳統的質檢方式的弊端越來越明顯的暴露出來：
1. 覆蓋率。目前行業的抽檢比例大概在1-2%，這個比例意味著大量的工作錄音被忽略了，這其中隱藏的價值並沒有被有效地發掘出來；
2. 業務價值。由於覆蓋率比較低，無法對所有數據進行聚合分析，無法準確把握客戶需求抓住商機，質檢客服的業務價值被局限在合規性檢查這一領域；
3. 質檢延時。人工質檢一般是第二天甚至更晚對前一天發生的語音進行抽檢，這其實是一種事後定期抽檢的方式，無法在事件發生的第一時間定位到問題，無法對風險進行及時應對；
4. 工作效率。質檢客服針對每一通隨機選擇的電話，往往都需要反複進行複聽，導致在工作時間內發現的問題有限；
5. 質檢標準。人工抽聽受限於對事務的認知，不同的人對事件的判斷，往往會有不同的結論，甚至相同的人在不同時間對同一事件的看法也會發生改變，這都造成了標準上的不統一；
6. 質檢成本。質檢工作重複性高，任務繁重，隨著業務量的增加，在保證抽檢比例的情況下，公司需要投入大量的人力物力來滿足質檢的需要。
考慮傳統質檢形式的工作現狀，很容易想到，我們需要一個新的智能質檢工作平台，能夠實現全量自動化的質檢；能夠實時、準實時或者批量地輸出質檢結果；能夠有效提升質檢客服的工作效率；促成質檢客服的價值升級；能夠顯著降低企業成本。如圖1：
圖１
二、智能質檢的定位
隨著雲計算、人工智能技術的發展，以智能語音識別（ASR）、自然語言處理（NLP）、大數據挖掘等技術的應用為代表，智能質檢產品被催生出來。阿裏雲智能質檢產品——智能對話分析服務——就是其中的典型代表。
智能對話分析服務（SCA，以下簡稱SCA）可以實時或離線地將海量錄音數據轉化為文本，實現了對語音文件的100%全覆蓋，大幅降低了人工質檢成本，通過對文本的分析和數據挖掘，可以實現對合規的檢查、風險的預警、趨勢的分析、商機的挖掘等。其典型應用場景如下（圖2）：
１. 合規性檢測
對服務的合規性檢測是人工質檢日常的主要工作，智能質檢係統通過設定標準作業流程、標準話術、服務禁語等，判斷客服人員是否存在不符合規定流程、違規用語、泄露公司機密等行為；通過判斷上下文，理解用戶的意願是否得到合理的滿足；通過匹配標準知識庫，判斷用戶的問題是否得到正確的解答。
顯而易見的是，對合規性的檢測，尤其是對客服標準作業流程、問題解答的質檢，僅僅使用關鍵詞是無法達到目的的，真正有價值的，是能夠理解上下文、匹配作業流程、命中交互場景的智能質檢工具。
２. 企業風險管理
根據統計，一通服務電話下來，當客戶有好的體驗時，會告訴其他五個客戶，但是一個不好的體驗，卻可能告訴其他二十個客戶，而在互聯網時代，微博、微信的使用使得口碑傳播的速度更加快。因此對企業來說，監控客戶的情緒變化，分析客戶的滿意度，發現客戶反應中蘊含的輿情風險，成為客服體係必須重視並加以解決的工作。
智能質檢係統通過檢測電話靜音、客戶語速變化、情緒波動，及時判斷客戶的情緒變化，幫助客服檢員發現通話中的輿情風險。
３. 商業機會挖掘
質檢過程中，通過對客服大數據的分析和挖掘，能夠有效地分析客戶需求，挖掘商業機會和金融服務的潛力。例如客戶關注的業務熱點、客戶對產品的反饋、客戶未被滿足的需求等，這些都蘊含著新的產品機會和銷售機會。
質檢係統與企業內部係統的深度集成後，可以建立用戶的反饋記錄、購買記錄、興趣鏈等，通過建立用戶畫像，實現精準營銷。
４. 數據趨勢分析
智能質檢係統是個大數據分析的平台，通過對服務合規數據的統計，可以了解在不同周期內整體服務品質的變化情況；通過對客戶行為數據的聚類、歸納與分析，可以形成客戶熱點問題統計、業務趨勢分析；通過從通話中挖掘客戶、產品等有價值信息，為客服、運營、營銷提供支撐。
智能質檢係統充分發揮人工智能的優勢，挖掘和釋放質檢客服的價值潛力，通過在各個場景下的落地和應用，實現企業經營策略的優化，為企業戰略的實現提供更多動力。
圖２
三、智能質檢的具體實現
１.智能語音識別
部署和應用智能質檢係統，我們需要考慮如何才能夠實現上述的幾種場景？兩個模型是關鍵，一是語音模型，二是業務模型，這其中，語音模型，也就是智能語音技術的應用是基礎，語音轉出來的文本不準確，一切的分析都是無根之木、無源之水。
隨著智能語音技術的發展，市場上的主要語音廠商都能提供，或者在一定的模型優化後，提供準確率達到80%以上的服務，這在一定程度上已經為文本分析掃除了障礙。但是在選擇語音廠商時，仍需要注意到，語音模型不是一成不變的，需要考慮到隨著業務的發展、產品的變化和服務的升級，會有階段性的關鍵詞變化，這也要求語音產品需要具備模型迭代、熱詞更新能力。
2.業務模型創建
業務模型是質檢係統的核心組成部分，優秀的業務模型，能夠準確地描述企業的業務場景，真實地反映質檢流程。
質檢中最常見的數據是對話語音，而語音是典型的非結構化內容，客戶、客服的對話具有口語化、發散、上下文相關等等特點。另一方麵，客服在對話過程中，往往有著本企業規定的標準話術流程，與客戶的交流過程，有著定義清晰的對話結構，對於客戶不同的反應，有著相應的會話標準和技巧。
很明顯，單純的關鍵詞搜索是無法有效提取客戶需求，描述客戶意願，和檢查話術流程的。智能質檢的業務模型需要能夠命中交互場景，理解上下文，真正理解客戶交流的意圖，需要具備更高的技術處理能力。
質檢規則不是簡單的關鍵詞識別，更是標準作業流程的計算機化的表達；不僅僅是對文本文字的抓取，更是糅合了對客戶情緒、語音語速、語義分析於一體的綜合評估。
對標準作業流程進行分析，會發現有幾個關鍵的特點，例如：
第一，有處理步驟，也就是處理動作，步驟之間有前後關係；
第二，處理步驟有處理人，對於質檢行為來說，處理人就是客服和客戶；
第三，步驟與步驟之間，由條件鏈接，不同的條件分支可以指向不同的步驟；
第四，條件分支可以是一個邏輯表達式，也可以是一組邏輯表達式的組合。
SCA通過應用角色設定、位置設定、範圍設定和表達式組合，實現將符合標準作業流程的質檢行為轉化為係統可識別的規則，將規則的定義和係統的實現剝離出來，支持質檢客服的靈活自定義。
在SCA支持如下的邏輯判斷：
關鍵字：與市場主流關鍵字匹配功能相近，精確匹配，同時又擴展了全部包括、全部不包括、任意包括等類型；
正則表達式：提供對正則表達式的支持，相較關鍵字，正則是一種更加靈活的判斷方式；
語義匹配：匹配出於給定參考句句義相近的句子，通過自然語義理解判斷語義是否相近；
問句檢測：判斷是否屬於問句，疑問、反問等，用於判斷用戶意圖；
語速檢測：判斷通話是否超出給定的通話語速，一般來說，超出一定語速範圍的通話會給人帶來理解上的困難，同時檢測一個人語速的變化，有助於對情緒識別的判斷；
情緒識別：通過對說話人聲音特征和語義的理解，判斷用戶情緒的波動；
時間間隔：用於判斷通話過程中是否出現過盲音；
搶話：判斷是否存在插話、搶話等行為。
3.智能語義處理
人工智能的一個典型層麵即是自然語義處理，在模型設定中，語義處理有著廣泛的作用。
一個問題，會有多種不同的表達方式，在模型設定時，如果僅使用關鍵字識別，勢必會需要窮舉到所有的可能性。而語義理解可以智能地識別出相近的句子和相似的意思，在識別過程中，通過對上下文的語義處理，實現對用戶意願和服務效果的精確匹配。
語義識別處理建立在大規模語料庫和統計機器學習方法的基礎上，是一種對語言現象的數學建模，主要是基於大數據和算法模型搭建的，包括了分詞、詞法分析、句法分析、篇章分析技術等等。
可以看到，對語義的識別處理，離不開語料庫的創建和訓練，為增加適配性，語義模型應該是個能夠迭代發展的模型，針對語義識別不準確的地方，又應該允許人工幹預加以調整。
SCA提供了基於語義進行規分析的規則處理流程，考慮到模型迭代的速度以及行業的特殊性，同時提供了人工幹預的接口，使得人機配合更加緊密，同時更加貼合實際的需求。
4.數據挖掘
目前，智能質檢大部分的應用還是通過解放繁瑣低效的人工監聽、查看等行為，來協助業務人員快速、有效地發現服務質量問題，而這隻是基礎能力的應用，能夠為管理人員優化服務質量、提高人員素質提供輔助決策建議，才是更深層次的應用。
例如，通過對違規規則分析和服務評分分析，及時發現服務短板，有針對性地進行人員培訓提升服務質量；通過數據挖掘和聚類分析，及時掌握客戶關注的業務熱點，有助於了解產品市場反饋、了解競品能力，從而幫助提升公司產品能力和市場競爭力；通過趨勢分析，可以從容地調整運營策略，優化市場響應。
四、智能質檢為企業帶來的收益
1.通過解決傳統人工質檢存在的不足，從而幫助企業更加高效地開展服務質量管理工作，從服務質量提高的角度來看，智能質檢對比傳統人工質檢在覆蓋率、成本上都有明顯的變化（如圖3），
圖3
2.通過數據挖掘、分析，輔助企業進行經營策略優化，從而提升企業的市場競爭力和市場滿意度。
3.質檢客服工作方式的變更
智能質檢產品為企業提供了一個優質的服務、分析和學習平台，它的應用必將會對質檢客服的日常工作方式和內容產生巨大的影響：
1）從日常繁瑣、重複的監聽錄音解放出來，轉變為質檢標準製定、業務模型創建、人工智能訓練等工作；
2）從人工收集客服存在的問題，轉變為整理、分析客服的服務水平，有針對性的培訓和指導客服工作；
3）從服務質量這一具體領域，升級為對輿情分析、市場調研、商機挖掘、輔助經營策略優化等諸多經營領域的工作，實現價值鏈的升級。
五、總結
從市場來看，當前大多數的智能質檢對技術的應用還不夠深入，承載的功能還是比較單一，導致了質檢範圍有限、業務效果不突出。隨著人工智能、雲計算技術的不斷深入應用和自然語言處理、機器學習、文本分析技術的逐漸成熟，智能質檢平台應用除了在合規風險管理方麵發揮優勢外，更加能夠在輿情分析、商機挖掘、精準營銷等方麵提供更多的智能服務。
通過智能質檢平台的應用，充分挖掘和釋放質檢客服的價值潛力，助力公司戰略落地，為金融服務創新發展提供持久動力。
最後更新：2017-08-25 12:02:29