金融領域的智能客服研究

摘 要：簡單回顧了智能客服在金融領域的發展，介紹了金融領域的知識圖譜、智能問答等相關技術，討論了研究與應用的意義;另外分析了金融領域中智能客服相關技術的市場案例。在此基礎上討論了金融領域智能客服的系統架構設計和工作流程，并提出了金融領域未來創新和應用的方向。

關鍵詞：金融;智能客服;知識圖譜;智能問答

Abstract：This paper briefly reviews the development of intelligent customer service in the financial field，introduces the knowledge graph，intelligent question-answer and related technologies，and discusses the significance of research and application.In addition，several market cases of intelligent customer service and related technologies in the financial field are analyzed.On this basis，this paper discusses the system architecture design and workflow of intelligent customer service in the financial field，and puts forward the future direction of innovation and application.

Key words：finance;intelligent customer service;knowledge graph;intelligent question-anwser system

1 緒論

1.1 研究背景

回顧過去中國金融行業的客服產業歷史，大致可以分為以下幾個階段：電話短信客服、互聯網在線客服、網絡端智能客服、移動端智能客服、智能客服機器人等。隨著移動互聯網、人工智能等技術的不斷發展，微信、APP等移動端應用的不斷研發，智能客服的服務更加高效準確。在此基礎上，以金融領域為代表的智能客服發展迅速，客服的服務內容也從簡單的問答轉化為自助查詢式或者智能問答式的業務辦理模式。

金融領域中的智能客服系統在客戶面前的呈現方式包括文字、圖像、視頻等多種形式，涉及的功能也包含了智能推薦、多輪問答、H5網頁展現等等，因此系統的搭建涉及多方面的專業技術，包括自然語言處理技術、圖像識別技術、智能問答技術等等。

1.2 相關技術

智能問答系統是智能客服系統工作的第一步，智能問答系統承接語義理解工作，還包含信息抽取、信息檢索等功能。區別于傳統的搜索引擎只能尋找匹配度最高的文字內容后單一地展示，智能問答系統能夠基于用戶的問詢在知識庫中找到最正確的答案并返回，實現對問題的智能回復。在金融行業中，智能問答系統的研究重點是如何構造適當的金融知識庫以及如何設計能理解金融術語的意圖解析模型[1]。

構建金融知識圖譜是智能客服系統工作的第二步，金融知識圖譜混合了多種人工智能技術，例如知識圖譜、知識表現、知識融合、知識存儲、知識檢索等。一般情況下，知識圖譜的應用架構中包含數據采集、知識圖譜存儲、知識查詢等。基礎數據層為智能金融的大數據算法提供支持;知識圖譜數據庫的建立涉及實體提取、關系提取、表格提取、規則學習、圖數據庫技術、推理技術等;知識查詢則涉及機器學習和文本處理;最后與用戶交互包含了各種不同的場景。

1.3 研究目的及意義

其一，通過將金融知識圖譜與智能客服系統融合，可以有效發揮兩者的共同優勢。通過構建金額知識圖譜，可以挖掘大數據背景下的知識間的潛在聯系，提高智能問答系統的正確率和可靠性，進而避免金融行業的數據風險。

其二，降低金融機構的人力成本，提高客戶體驗。將人工客服與智能客服進行對比、將智能客服管理與金融客戶數據庫相融合，可以快速準確解決客戶需求，不僅有效地節省了人工的時間，還實現了人機交互的互補，提高了客戶的服務體驗，降低了人工客服的成本投入[2]。

其三，實現金融業務人員技能提升。原先的人工客服，經過崗位培訓和優秀選拔成為智能系統的維護人員，包括系統訓練監督、數據庫維護等，擴大客服人員的業務范疇，為金融行業貢獻專業人才。

2 市場案例

2.1 交通銀行

2015年前后，交通銀行打造為期兩期的客服體系，首期為智能客服機器人網頁版和短信版，二期是上線的APP版和微信版智能客服機器人，實現的功能更為全面，在節省服務成本的基礎上大大提升了客戶使用體驗[3];2017年，交通銀行信用卡首次提出“秒級服務”，是行業內第一個提出以“快”為核心展開業務的銀行，建立了銀行服務業的標桿;2018年，交通銀行注意到了消費者滿意度和體驗感提升的重要性，開始建設更加“聰明”“周到”的客服服務;2020年，交通銀行與浪潮AIStation合作，將機器視覺技術融入項目實驗，致力于打造高效率、高并發的計算服務項目;除此之外，交通銀行的“嬌嬌”智能客服機器人也為大眾所知曉，為客戶帶來了全新的科技體驗。

2.2 天津農商銀行

天津農商銀行于智能機器方面有行業特色：首先是客戶轉接人工服務后必須轉接智能機器人，然后是智能機器人會將客戶咨詢的問題進行存儲，在線直接答復。

此外，天津農商銀行在智能客服系統上線之后對于智能機器的訓練工作十分重視，尤其是智能訓練。首先，利用計算機對于每日顧客與智能客服之間交流的歷史數據進行數據挖掘和聚類;然后，相關工作人員對系統未能及時正確回答的問題進行分類，在數據庫中增加關聯的知識點作為儲備，并及時增添正確答案與多種形式的問題之間的對照關系。憑借這樣的訓練去實現全量分析，以達到能夠不斷提高機器人的訓練效率、準確率的目的。據統計，經過訓練的智能客服系統日均可以處理2000多條機器人會話，上線后三個月的不斷訓練使機器人理解率由60%上升到85%以上[4]。

3 系統設計

基于金融知識圖譜的智能客服系統至少應包含五個組成模塊：交互模塊、構建圖譜模塊、知識圖譜維護模塊、智能問答模塊、后臺管理模塊。金融領域的智能客服架構設計如下圖所示。

系統功能架構設計圖

4 創新

金融領域的智能客服系統的創新，可以從三個方面考慮：技術創新、交互創新、業務創新。

第一，技術創新。在金融知識圖譜構建階段，通過知識推理等算法挖掘知識單元間的潛在聯系，以此為基礎發掘潛在客戶，開展金融新業務，實現金融業務推廣。

第二，交互創新。富媒體的快速發展，使得信息傳播的方式變得多種多樣。金融行業的知識大多以文字或數字的形式闡述，形式單一且可解釋性差，基于智能客服系統基礎，可以進一步實現多種答案呈現的方式，比如動畫、短視頻等等，更加清晰直觀地為用戶呈現正確的答案;基于知識圖譜的優勢，增強對話的流暢度和契合度，提升系統對于客戶的內在情感、真實意圖的識別能力以及能夠快速實現多輪問答的能力。

第三，業務創新。針對金融行業大部分客戶接觸的產品與技術具有相對先進性的情況，智能客服投入使用后，可接入的渠道除了電話、短信、郵件等傳統方式，還可以擴展到手機端APP、微信平臺、PC端等;智能客服在金融行業的應用場景十分廣闊，例如智能問答、智能工單、智能理財推薦、智能財務分析、智能風控、智能營銷等，在知識圖譜技術的加成之下，智能客服系統能夠創造新的智能服務模式。

參考文獻：

[1]范紅杰.淺談新時代銀行智能客服應用與展望[J].商訊，2020（17）：136-137.

[2]李斐，邵曉東，周力恒，等.智能客服機器人的現狀及發展[J].中國傳媒科技，2015（Z1）：106-108.

[3]李明富，馮薇.“智能客服”讓服務更智能[J].金融電子化，2019（11）：86-87.

[4]正月.知識圖譜加持智能金融[J].IT經理世界，2017（23）：48-50.

項目：本篇論文由上海市經信委人工智能創新發展專項資金（2018年）《基于知識圖譜的跨行業智能應用平臺》項目（編號2018-RGZN-02025）資助完成

作者簡介：周揚（1994— ），男，江西上饒人，碩士，研究方向：通信與信息系統。