智能客服在運營商中的主要應用場景探討

馬 娟

(中國聯通新疆分公司，新疆 烏魯木齊 830000)

0 引言

在人工智能技術快速發展的背景下，大數據以及智能化方面的挑戰[1]和數字化產業的不斷加速成長，對于運營商既是機遇也是挑戰。運營商數字化的典型場景包括客服熱線和實體營業廳業務咨詢、辦理等，隨著用戶量的不斷增長、客戶問題的復雜化以及業務流程的復雜化，傳統客服的效能亟待優化。為有效解決客戶滿意度問題，本文引入智能客服系統技術，并給出系統性的基于智能客服的解決方案和運營策略。

1 運營商客服場景和問題分析

1.1 傳統客服場景分析

目前運營商傳統客服包括人工客服及IVR按鍵模式，隨著用戶量增多及業務越來越復雜，傳統客服的服務壓力及處理效率都面臨挑戰，具體包括服務時長增加、服務流程復雜、服務業務受限等問題。

1.2 營業廳業務場景分析

營業廳是運營商的重要渠道，而渠道運營是運營商的主流模式[2]，客服人員包括銷售人員和服務人員。隨著門店客流減少及線上渠道的影響，營業廳客服也存在成本高等問題。

2 智能客服關鍵技術和挑戰

2.1 語音識別

智能客服系統以自然語言交互為主，主要涉及語音識別技術，包括傳統識別方法和基于深度神經網絡的“端到端”方法[3]。但無論哪種方法，基本遵循“輸入—編碼—解碼—輸出”的主要技術流程。

語音識別的輸入是聲音，需要通過編碼將其轉變為數字信號，并提取其中的特征進行處理。解碼則是將編碼得到的向量變成文字的過程，其中需要用到兩個模型：聲學模型和語言模型。聲學模型把音頻編碼轉換為音素，語言模型把音素進一步識別為通順的文字。當前業界領先的方法也都在探索使用神經網絡技術方案來端對端構建語音識別系統。

在效果上，以科大訊飛、百度等商用為代表在中文通用領域已達到95%以上的準確率，并且落地應用到各種場景，包括智能音箱、自動會議紀要、智能客服等，應用的技術難點和挑戰也主要集中在各種噪聲環境以及口語化場景下的識別問題。

2.2 人機對話技術

人機對話技術的核心在于人機對話技術可以讓機器理解人類的說話需求，并可以和人進行自然的對話交流，在語義不清的情況下會通過多輪交互能力和人進一步澄清從而精準理解用戶需求，這也是智能客服的核心關鍵技術。

人機對話從技術模塊上可以分為語音識別、對話理解、對話管理、自然語言生成以及文本播報。語音識別是把用戶的語音指令轉換為文本指令，對話理解是利用自然語言理解技術對用戶指令的需求建模。對話管理的核心是對話狀態追蹤以及依據對話狀態生成系統響應或動作，最后利用文本播報技術把話術轉換為語音信號，從而使用戶直接可以聽到系統的回復。

最新的研究方法已嘗試直接通過神經網絡對人機對話系統建模，但人機對話技術依舊面臨很多挑戰，例如特別復雜的多輪上下文以及人類情感融入等方面，但一些典型的消費級場景已廣泛應用，例如智能音箱場景下，都是利用人機對話技術實現智能語音交互，人機交互技術也廣泛應用到智能客服領域，也可以大大提升人和機器的溝通效率。

2.3 智能問答技術

智能問答技術作為智能客服的核心技術一直備受人們關注，智能問答技術主要基于問答庫中的模板進行匹配，然后采用模糊匹配的方式給出問題的答案或基于檢索模型建模[4]。近年來，隨著深度學習技術的快速發展，智能問答技術也取得了長足的進步，并在諸如智能搜索以及智能客服等領域落地應用，且取得了非常不錯的效果。

智能問答的技術挑戰主要在于對問題的精準理解，問答召回的技術挑戰主要在于知識圖譜的構建以及實時更新，還有文檔集的覆蓋面和質量。在智能客服業務系統中，這兩者往往需要結合業務系統協同構建才能發揮最大價值。

3 基于智能客服的運營商效能提升方案

3.1 整體解決方案

基于上文關于運營商面臨的主要場景以及智能客服關鍵技術的論述，本文提出系統化的基于智能客服分層架構，以解決運營商在實踐中的問題。

如圖1所示，整個層次架構有4層，分布式部署層、能力層、接入層以及應用層。部署層支持私有云和公有云部署，對于一些公共成熟服務可以直接復用公有云服務，例如語音識別服務等。對于和運營商本身業務強相關的，甚至涉及數據安全的服務可以部署在私有云上。能力層主要是智能客服系統本身所具備的可以對各種場景提供的核心基礎能力，主要包括語音識別、智能對話、智能問答以及智能圖像相關能力和服務。接入層是系統可以構建統一的接入層，保證接入按照統一標準規范接入，降低維護成本。應用層就是在能力層服務的基礎上結合運營商各種場景構建場景化的智能客服解決方案，包括智能呼叫中心、智能客服助手、智能視頻客服、營業廳智能機器人等場景應用。

圖1 運營商智能客服分層架構

這種架構的優勢就在于把各種核心能力統一起來，就像積木一樣在各種應用場景下進行組合從而產生智能化的解決方案，而統一的接入層進一步降低了維護以及運營成本，同時隨著每種場景下客戶和系統的交互數據回流，進一步促進能力層的演進，形成數據和業務的閉環。

3.2 智能呼叫中心場景化方案

傳統呼叫中心背后的核心服務還是以真人服務為主，傳統呼叫中心主要利用電信IT技術高效地把客戶的呼叫進行有效分發，在這個基礎上后續又引入了交互式語音應答子系統技術(Interactive Voice Response， IVR)[5]，IVR技術以語音導航為主引導用戶，這兩種技術都存在人工成本高以及效率低的問題，且在業務咨詢以及客戶回訪上無法很好地滿足運營商需求，因此本文引入智能呼叫中心場景化方案來解決這種問題，方案如圖2所示。

圖2 基于智能IVR的呼叫中心

智能IVR主要利用智能對話和用戶進行自然語言交互，相比于按鍵更加自然、高效，在一定的場景下和真人服務無異，可以顯著提升用戶體驗。針對客戶咨詢的相關業務或問題首先由智能問答系統進行回復，在判斷用戶依舊不能滿足時會及時轉人工進行處理，從而避免機器不能解決的問題。智能問答一般和業務系統對接，利用語義理解相關技術可以讓機器對業務系統進行建模，從而能夠準確地結合業務場景回答問題，進一步提升用戶體驗。

3.3 智能客服助手場景化方案

在運營商服務中有一部分用戶會通過非電話渠道進行咨詢，例如通過Web網頁、微信、小程序等方式，同時在人工客服服務客戶的過程中可能需要隨時查詢相關服務或信息，會導致客戶等待時間較長而影響服務體驗。如果單獨引入智能客服或相關人工智能技術顯然會增加運維成本，因此本文在核心能力的基礎上構建智能客服助手來解決這個問題，如圖3所示。

圖3 智能客服助手

在能力層基礎上構建智能客服助手，通過自然語言交互方式讓人和機器進行交流，可以是語音也可以是文本，在Web網頁、微信以及小程序場景下往往用戶習慣性地以文本居多，智能客服助手可直接滿足客戶需求，包括協作客戶進行業務辦理。當用戶通過電話直接咨詢客服的時候，如果涉及需要查詢或回答一些較難問題，那么人工客服也可以讓智能客服助手輔助提供相關答案或輔助辦理業務，從而提升客服的工作效率，進一步提升用戶體驗。

3.4 智能視頻場景化方案

在運營商服務中往往會存在客戶的網絡出現故障而撥打客服電話的情況，但單單靠客戶對問題的描述有時無法將問題描述清楚，在線客服無法解決問題，只能派工程師到客戶現場進行檢修，而這種檢修既費時也費力，人工成本和時間成本都非常高，為此本文引入智能視頻客服，如圖4所示。

圖4 智能視頻客服

智能視頻客服主要基于5G高速網絡實現實時視頻無損傳輸，保證問題現場實時視頻能穩定地傳輸到人工客服后的工程師設備屏上，從而精準協助定位問題，同時人工客服在解決問題的時候可以進一步借助智能問答輔助解決用戶疑難問題。在智能視頻客服方案下就可以解決類似網絡等故障問題的及時定位和及時服務處理，從而大大降低現場工程師派單的人力和時間成本。

3.5 營業廳智能機器人場景化方案

結合營業廳業務場景可以引入迎賓機器人、業務引導機器人。

智能引導機器人對于用戶所咨詢的問題，可以進行快速應答，也可以通過智能對話的方式和客戶進行交流并引導客戶直接在機器人身上的屏幕完成業務辦理，如果用戶需要去人工窗口辦理業務，機器人也會引導客戶至需要辦理業務的相關區域。

迎賓機器人在營業廳場景上會涉及和營業廳相關的歡迎語定制以及相關動作規范，而引導機器人則需要和業務系統對接，需要把引導機器人的對話交互和業務系統打通，讓引導機器人能深入理解業務邏輯，從而替代部分員工來服務客戶。這種打通往往需要進行二次開發，但開發成本相對較低，整體上可以提升服務的科技屬性并降低人力成本。

4 結語

人工智能是多學科交叉的技術，在眾多領域已經得到廣泛應用，本分提出的分層智能客服解決方案，適用于公有云和私有云。電信運營商運用基于統一接入協議構建各自場景下的智能客服解決方案，降低人工投入和運營成本支出，最終對運營商效能提升具有深遠影響。