好看的小说完本推荐,旷世神医,唐家三少

主頁 > 知識庫 > 從熵增定律理解AI在呼叫中心應(yīng)用

從熵增定律理解AI在呼叫中心應(yīng)用

本文速覽：
1.熵增定律
2.客服中心管理過程中的問題分解
3.價值系統(tǒng)和輔助工具
4.AI應(yīng)用實踐

1、熵增定律

了解熵增定律首先要了解熵的定義:事物的混亂和無序程度，在孤立系統(tǒng)下，熵是不斷增加的，當(dāng)熵達到最大值時，系統(tǒng)會出現(xiàn)嚴重混亂，最后走向衰敗。任何情況和事情如果不通過外力的干預(yù)將會變成靜止。我們講到熵增定律的時候，我們在生活當(dāng)中如果一個房間長時間的不去打掃就不堪入目，我們的身體不去鍛煉會變得肥胖，我們要通過外力這個外力就是我們的運動，人類從現(xiàn)在到衰老的一個過程當(dāng)中也是一個熵增的過程，我們要通過鍛煉，外力的抗增叫熵減），我們通過AI的應(yīng)用把呼叫中心的一些遇到運營管理的問題，怎么通過商檢來給呼叫中心企業(yè)的用戶提供助力。

呼叫中心是典型熵增的過程，從最早的紙質(zhì)的宣傳頁到后來電話媒體，整個呼叫中心的演變越來越復(fù)雜，整個渠道有語音、文字、圖像、視頻的，整個系統(tǒng)服務(wù)也越來越復(fù)雜。所以我們在每個系統(tǒng)相對孤立，數(shù)據(jù)多樣化的情況下，怎么把數(shù)據(jù)和系統(tǒng)整合起來，讓他變得有序，讓客戶得到最好的體驗?zāi)?，這是值得思考和需要解決的問題。

2、客服中心管理過程中的問題分解

這是我們非常常見的在呼叫中心系統(tǒng)的架構(gòu)，在整個架構(gòu)中我們可以看到每一層都有AI的身影。接入端，有接入渠道的協(xié)調(diào)，還有動態(tài)的智能IVR，到后來實時輔助、智能外呼整個過程在服務(wù)過程系統(tǒng)層面上都少不了AI的身影，所以AI是呼叫中心熵減的外力，AI中臺目的是為了讓員工和管理層費力度降低，這是熵減的過程。

在每個層級應(yīng)用過程當(dāng)中我們會幫助呼叫中心應(yīng)用一些智能化工具。比如：語音識別，語音合成，自然語音處理，純粹的AI智能插入到客戶端應(yīng)用是起不到任何價值的。除了產(chǎn)品之外還有技術(shù)服務(wù)支持，一定要場景化落地，這種場景化就是經(jīng)驗和服務(wù)的積累。

在十幾年的服務(wù)過程中，我們積累了超十萬個模型，上千個應(yīng)用的場景，在語音分析、智能質(zhì)檢、實時輔助、機器人還有知識庫等等的應(yīng)用，我們把這些場景的積累會一一的傳遞到每一個潛在的客戶當(dāng)中去。

3、價值系統(tǒng)和輔助工具

這是我們在呼叫中心這一塊解決方案的模塊化實現(xiàn)。其實傳統(tǒng)的現(xiàn)在大家聽到一個概念，某某公司某某客戶建立了一個智能AI的中臺，這個中臺是非常龐大的，要把各種各樣的系統(tǒng)有機整理起來，企業(yè)要付出很大的成本和代價也要付出很多的人力，乙方要投入很大的團隊。但是我們看到，我們能不能把AI的應(yīng)用模塊化，我今天想要用到的這些東西能有機快速的融入到現(xiàn)在已有的系統(tǒng)里。我們做了一套基于普強大腦的AI模塊化產(chǎn)品，把這些AI模塊化分三層，一層是AI模塊解決了基礎(chǔ)的技術(shù)問題，比如說我們建立呼叫中心分析模型的時候，叫建模聯(lián)想、原因挖掘、情緒分析還有語境的自然搜索，解決了語音變文字之后應(yīng)用場景技術(shù)的底層能力，這是我們的AI模塊。

在AI模塊這上面其實研發(fā)了有十幾類產(chǎn)品，大部分是基于語音語義還有機器人TTS語音合成，還有語音搜索引擎做成標準化的產(chǎn)品，其中也有智能質(zhì)檢系統(tǒng)。基于這個場景上，我們在歷史服務(wù)過的300-500家的客戶服務(wù)過程當(dāng)中，把客戶的應(yīng)用場景都積累成業(yè)務(wù)場景，形成場景化的服務(wù)還有模塊化場景化純鏈條的專業(yè)服務(wù)給到我們客戶。其實在AI建設(shè)過程當(dāng)中，不需要一下子建成行業(yè)內(nèi)有標桿性人工智能的方案系統(tǒng)，我們可以做到三年到五年的規(guī)劃，從一個呼叫中心沒有任何AI元素到逐漸的變成純AI輔助的，能夠解決我們呼叫中心部分業(yè)務(wù)70-80%解決力這樣的應(yīng)用系統(tǒng)。

在做質(zhì)檢的時候我們常常遇到一個問題。解決方案客戶提出，怎么保證我的數(shù)據(jù)安全，錄音要給到你，你要幫他優(yōu)化，在訓(xùn)練錄音的時候，其實是含有客戶信息的，在這個質(zhì)檢這一層，其實有一個叫自適應(yīng)自訓(xùn)練平臺。在未來使用智能質(zhì)檢工具的時候，完全不需要把錄音拿出來，自己在辦公室自主就可以完成了，自主的錄音標注，他可以解決；歷史開展的業(yè)務(wù)有不正確的，可以標注糾正。但是明天可能要去外呼新的業(yè)務(wù)，這些新的業(yè)務(wù)有新的名詞沒有在錄音中產(chǎn)生，可以做預(yù)標注，這樣就會給我們在整個的業(yè)務(wù)拓展快速性和適應(yīng)性上提供很大的便利，這就是我們的質(zhì)檢工具。

智能外呼機器人有兩塊一個是呼入呼出，還有我們的智能IVR，呼入呼出機器人是一體的，不要分開的，他是隨意切換的場景，這個解決在購買機器人的時候常常是有我們的客戶會告訴我們，你買的是呼入還是呼出，呼入是多少呼出是多少，我們是一體的。

還有一個就是叫精準的用戶畫像，我這里分享一個銀行客戶的案例：最大的痛點他有很多很多的用戶，很多的客戶群這類客戶其實標簽也都有，但是就是沒有產(chǎn)出。我們跟他交流我們推出叫一個有溫度的標簽，其實傳統(tǒng)的標簽是在講我們客戶年齡身高家庭住址收入自己的財產(chǎn)情況等等。這些情況是你去跟客戶溝通和服務(wù)和銷售的一個依據(jù)，這個也沒有錯。

但是客戶真正的心里動態(tài)是怎么想的，他想不想知道有錢的人不一定會買有錢的東西，會買高價值的東西，我們推出了一個叫心理畫像，我們把人分成27類，每一分類這種人的購買意向，購買意愿，平時怎么去表達，在溝通過程當(dāng)中怎么快速捕捉他屬于哪一類的，這一類人用什么樣的形象方式或者什么樣的服務(wù)方式能觸達心靈深處，把傳統(tǒng)的標簽加上客戶心理購買意愿和服務(wù)意愿這些標簽結(jié)合起來，整個的服務(wù)才會變得更加有溫度。

常常發(fā)現(xiàn)兩個問題：有很多應(yīng)用系統(tǒng)很強大，但底層的自身能力不強，底層能力不強并不是講技術(shù)不行，而是整個業(yè)務(wù)場景是發(fā)生不同的變化的。特別是在我們呼叫中心過程當(dāng)中其實常常我們ASR（音）識別準確率非常高，在保險業(yè)有的做到95%有的做到98%，但不代表會一直這樣，因為明天的方式發(fā)生變化了，它的準確率會降低，我們會借助系統(tǒng)平臺及時的去幫助業(yè)務(wù)強化。

4、AI應(yīng)用實踐

一個新的企業(yè)，一個新的用戶要做去質(zhì)檢分析面臨幾個問題。一我要想我對什么場景進行質(zhì)檢，第二個在這個場景下面要建多少模型。銀行信用卡消卡的過程要有七八個數(shù)據(jù)模型支撐場景甚至更多。

首先有場景，在過去十年積累超十萬個模型以及場景全部導(dǎo)入到質(zhì)檢產(chǎn)品里面，根據(jù)行業(yè)告訴你可以只要去做選擇題不需要在想告訴我你的業(yè)務(wù)是什么，你可以看到過去系統(tǒng)里面在銀行業(yè)在保險業(yè)在物流教育健康等各個行業(yè)的模型，大家就快速的理解，然后整個的建立需求的過程就非常快捷、簡單。

第二個可視化的專業(yè)質(zhì)檢報表，傳統(tǒng)的質(zhì)檢報表是我們做了一下更新，因為我們剛才講了一下，我們有數(shù)據(jù)中臺的概念，我們其實把數(shù)據(jù)中臺的一些板塊和應(yīng)用界面已經(jīng)推到質(zhì)檢，我們呼叫中心負責(zé)質(zhì)檢跟質(zhì)檢應(yīng)用相關(guān)的領(lǐng)導(dǎo)，其實根據(jù)自身的角色和關(guān)心的數(shù)據(jù)點快速看這些方法，我們還增加了叫風(fēng)險輿情可視化，傳統(tǒng)的事情發(fā)生之后再去補救，現(xiàn)在推出底層的運算，推出我預(yù)測你可能未來根據(jù)過去通話的結(jié)果和過去分析的結(jié)果，我預(yù)測你未來可能會有投訴，有多少人投訴什么樣的問題。

對坐席能力的定量分析，在坐席服務(wù)客戶過程中，每個人的能力偏向其實不一樣。這一點正好坐席能力的分析和剛剛講的智能培訓(xùn)是結(jié)合的。我們在質(zhì)檢的過程當(dāng)中去看同樣的問題，這個坐席看產(chǎn)品的熟悉程度，每次打電話客戶問產(chǎn)品總是有靜音時間或者回答不準確，這些分析會及時的同步到培訓(xùn)系統(tǒng)，培訓(xùn)系統(tǒng)自動的會生成跟產(chǎn)品相關(guān)的問卷，我們通過培訓(xùn)產(chǎn)品的系統(tǒng)化跟他互動，看他改善的能力。這是分析產(chǎn)品推出來的應(yīng)用叫語音分析。
我們把培訓(xùn)系統(tǒng)和我們的分析質(zhì)檢系統(tǒng)相有機的整合在一起，整個培訓(xùn)過程可以通過拖拉生成的，不需要我們自己定義，我們還有數(shù)字人的一個概念放在整個的培訓(xùn)產(chǎn)品里面，我們在培訓(xùn)過程當(dāng)中一有機器人和你互動，可以通過機器人給你打電話，達成千人千面的培訓(xùn)效果，第二個還有通過視頻的培訓(xùn)觀察你在表達這個概念和回答了時候，你的眼神、表情整個狀態(tài)是什么樣的，來給你評分。

還有一個外呼機器人，大家想一想，如果做機器人你的TTS和機器人的應(yīng)用場景全部是一個廠商提供的會有什么效果，那不一樣了。在做機器人外呼的時候，因為你在外呼之前你不知道這個機器人的準確率是多少，我們可以去做預(yù)標注可以把你可能發(fā)生的一些關(guān)鍵的詞提前去關(guān)注。

第二，在整個機器人的技術(shù)包括ASR是我們自己的，ASR的調(diào)整就很快捷，當(dāng)我們在部署機器人的時候，有一個叫遠程ASR調(diào)用的概念，當(dāng)我們的機器人服務(wù)器發(fā)生意外的時候，我們有跟云端互動，會隨時監(jiān)控，我們就通過云端的機器人幫你接管你的業(yè)務(wù)了，這個是根據(jù)我們在合作的過程當(dāng)中雙方共同達成的。

TTS我們目前有幾十種記錄的聲音，還有幾大地方的方言只需要帶普通話的方言都沒有問題。這一塊就是剛剛講的數(shù)據(jù)中臺，這一塊傳統(tǒng)的在呼叫中心的數(shù)據(jù)是要通過人工的導(dǎo)入到處各個系統(tǒng)的整理人工整理分析通過供應(yīng)商去把你開發(fā)這樣的數(shù)據(jù)化報表再到處生成，但現(xiàn)在我們提供AI能力的數(shù)據(jù)統(tǒng)一整理的平臺，他可以通過NLP的能力提供底層對接的能力，把所有的數(shù)據(jù)報表快速的對接和展示，整個配置過程當(dāng)中只要你懂業(yè)務(wù)不需要懂技術(shù)，只要懂業(yè)務(wù)就能快速的生成你想要的報表的形式。

報表的形式有各式各樣的，而且每個報表形式展現(xiàn)形式后面是可以通過我們不同的去深挖挖掘每一個圖片后面整個交叉的分析，不是傳統(tǒng)只是看到報表樣式。剛才介紹其實就是普強一些產(chǎn)品，這些產(chǎn)品其實是一個給呼叫中心提供價值的，也是片頭講我們熵增給呼叫中心提供外力讓呼叫中心各個系統(tǒng)運作，數(shù)據(jù)更有條例不變混亂。

標簽：防城港承德黃石大同山西內(nèi)蒙古棗莊贛州

巨人網(wǎng)絡(luò)通訊聲明：本文標題《從熵增定律理解AI在呼叫中心應(yīng)用》，本文關(guān)鍵詞從,熵增,定律,理解,在,呼叫中心,；如發(fā)現(xiàn)本文內(nèi)容存在版權(quán)問題，煩請?zhí)峁┫嚓P(guān)信息告之我們，我們將及時溝通與處理。本站內(nèi)容系統(tǒng)采集于網(wǎng)絡(luò)，涉及言論、版權(quán)與本站無關(guān)。

濮阳杆衣贸易有限公司

從熵增定律理解AI在呼叫中心應(yīng)用