智慧客服系統(tǒng)的設計與應用

一、課題背景和意義

人工智能開啟了萬物智能新時代。大數據、云計算、移動互聯(lián)網等技術的成熟為服務的數字化、智能化奠定了基礎。VR/AR與人工智能等創(chuàng)新技術在服務領域的應用，極大地拓展了客戶體驗的想象空間。隨著信息技術的快速發(fā)展，以及人工成本的不斷增加，用更先進的技術取代成本高昂效率低下的人工勞動是所有行業(yè)的共同趨勢。同時，客戶群體特征也在悄然改變。要想快速響應客戶需求，高效解決客戶痛點，形成差異化的服務優(yōu)勢，企業(yè)需要改變傳統(tǒng)的服務流程，通過運用大數據、人工智能等先進技術手段，全方位了解客戶的需求和特征，在客戶需要服務時或先于客戶洞察需求，為其提供高效化、扁平化的客戶體驗。因此，如何設計一套智能高效的客戶服務系統(tǒng)至關重要。

二、課題主要技術要點

（一）構建客戶畫像能力

1.設計挖掘算法，固化全景畫像

傳統(tǒng)的鎖定目標處理，需按CRISP-DM（Cross-Industry Standard Process for Data Mining）模型處理，包括商業(yè)理解、數據理解、數據準備等過程。當前運營商業(yè)務競爭激烈，如果每一場景均按此過程處理，一來耗時較長，二來業(yè)務緊急，三來往往數據洞察結果鎖定目標較少，難以形成場景的規(guī)模效益。

本課題采用日、月標簽更新模式，支撐基于業(yè)務經驗的關聯(lián)規(guī)則和利用數據算法進行洞察等模式，對服務預判和展現自動匹配。在數據方面，基于BSS和互聯(lián)網DPI數據，實現客戶、產品、終端、收入、行為、營銷、渠道等七大類信息的標簽，覆蓋了移動、寬帶、iTV產品，對有價值的特征標簽進行動態(tài)積累和更新，為服務分流、隨銷、反哺打下基礎。模型方面，主要包括社會屬性、家庭結構、號碼黏性、客戶價值、上網偏好、終端推薦、渠道接觸等。建模算法方面，根據實際情況豐富模型種類，除傳統(tǒng)決策樹、邏輯回歸外，新增基于機器學習的GBDT、隨機森林等。建模工具方面，新增RPERL調用R和Python，極大方便了多種模型的周期性執(zhí)行。

2.客戶畫像能力輸出

通過搭建Mongo內存數據庫和應用服務器的云化部署，客戶標簽的動態(tài)更新，對服務預判核心查詢進行服務封裝和注冊發(fā)布，實現企業(yè)級的能力共享。在接口服務方面，一方面，基于場景和策略，輸出場景應用畫像標簽；另一方面，基于全景畫像，整合業(yè)務場景標簽，輸出標準版畫像。

（二）構建智能化服務模式

以場景為抓手、數據為核心、模型為關鍵，提供最短服務路徑，打造智慧客服門戶，實現人工服務智能化。

從用戶服務核心需求出發(fā)，以場景處理流程脈絡為抓手，對各場景需求判斷、閉環(huán)解決所需的數據標簽、實時查看數據、處理手段等服務資源進行全面梳理。搭建簡單高頻話務需求首頁一鍵查看、一鍵處理，典型或復雜話務場景以標簽化智能診斷結果輸出為核心，動態(tài)組合數據查看、處理手段等服務資源一屏化處理的最短服務路徑模型框架，實現人工服務的智能化、精準化。

（三）引入AI提升服務效率

在原有的人工服務模式下，話務處理效率主要依賴于員工的能力和經驗。在人工智能浪潮下，智能技術的不斷成熟已具備部分代替人工來解決客戶問題的能力。系統(tǒng)可以利用智能技術輔助人工，用機器取代大量人工重復工作，有效降低人工成本，提升客服效率和感知。

1.基于AI實現扁平式風險事件管控

在企業(yè)的服務過程中，投訴工單是群體性事件的匯聚之處。當群體性服務事件發(fā)生時，信息卻極度分散。投訴事件的分析對群體性事件源頭的定位、協(xié)同、預警、倒逼解決存在滯后性。因此，本課題通過“投訴事件預警 + 全電子全事件管理流程優(yōu)化”手段相結合的方式，通過0D0檢測、文本聚類、文本摘要等技術，從投訴工單內容里對服務事件進行自動發(fā)現，在服務群體性服務事件發(fā)展過程中及時識別事件，制定前臺服務口徑，啟動后臺預警機制，推動事件的快速解決。

2.基于AI實現投訴工單的自動打標

投訴工單分類方式一般為人工分類。由于電信運營商產品種類多、管控渠道多、分類問題維度多，人工分類不僅效率低，且易受到員工理解能力的影響，造成分類原因偏差。針對這一痛點，本文課題搭建了投訴工單智能分類模型，用智能化工具取代人工投訴分類，壓降人工分類時長，提升分類的準確性。針對業(yè)務系統(tǒng)中產生的大量問題處理工單（短文本形式）無法有效分類的問題，本課題提出了一種針對電信領域大規(guī)模短文本的分類方法。將給定投訴工單文本集合，根據一定的文本相似度計算方式自動歸檔到不同類別中，并結合中文自然語言處理技術以及矩陣壓縮技術實現面向電信行業(yè)的大規(guī)模短文本分類的目的。通過搭建智能分類系統(tǒng)，提取人工操作規(guī)則，借助應用文本智能識別技術研發(fā)出原因模型，實現對投訴工單1000余項分類的自動打標。

3.引入座席輔助機器人輔助客戶服務

基于ASR語音識別，識別客戶與座席的通話，并將語音實時轉寫為文本，通過意圖識別判斷用戶訴求，推送服務場景、工具及相關的知識內容。同時，也可以對服務過程進行監(jiān)控及質檢，以便及時發(fā)現服務問題，提醒客服人員，以提升對用戶的服務感知。需要注意的是，語音識別的速度直接關系到用戶的服務體驗。如果識別轉寫文本的時間超過3秒，將對服務效果大打折扣。

4.數字人構建，實現話務分流

通過梳理常用的服務場景，將高頻服務場景加載到虛擬數字人，提供全流程服務。數字人實現與人工話務的協(xié)同，將部分話務分流到線上數字人。

通過這種方式，不僅可以減輕人工話務的負擔，提高服務效率，還能為客戶提供全天候的實時服務。數字人通過自然語言處理和深度學習技術，能夠不斷學習和適應用戶的需求，并為其提供更加人性化的交互體驗。

在具體的實施過程中，首先對常見的客戶服務中心場景進行了分類和整理，挑選出高頻服務場景，如復開機、掛失解掛、補換卡等。接著，將這些場景集成到虛擬數字人的服務流程中，確保它們能夠獨立處理這些任務。為了保證服務質量，還實現了數字人與人工話務的協(xié)同工作。這樣，在數字人無法處理復雜情況時，可以及時將通話轉接給人類客服，確保問題得到妥善解決。

此外，通過收集和分析用戶與數字人的互動數據，可以不斷優(yōu)化和調整服務流程，提升用戶體驗。相信隨著技術的進步，未來虛擬數字人將能處理更多復雜的任務，進一步提高服務效率和用戶滿意度。

（四）大模型應用于客服系統(tǒng)

新質生產力推動了自動化工具和人工智能技術的發(fā)展，這使得客戶服務可以實現自動化和智能化。通過引人大模型技術，客戶服務可以提供更快的響應時間、更準確的問題解答和更個性化的服務體驗，從而提高客戶的滿意度。本文基于大模型技術，主要從話務意圖、話務摘要、質檢摘要、投訴報告生成等方面進行了應用探索。大模型技術在話務意圖識別方面的應用，使得客戶服務系統(tǒng)能夠準確理解客戶的來電目的，從而迅速將電話轉接至合適的客服代表或者自動為客戶提供相關解答，從而大大減少客戶的等待時間。

話務摘要的生成能夠讓客服代表在處理電話時快速了解客戶的背景信息和歷史交互記錄，這有助于提供連貫且有針對性的服務。質檢摘要功能則能幫助管理者高效評估客服代表的工作表現，優(yōu)化服務質量。

基于大模型技術的投訴報告生成功能，可以自動分析客戶投訴的關鍵點，并自動生成報告供相關部門參考。這不僅提高了處理投訴的效率，同時也增加了處理的公正性和準確性。

三、基于微服務架構構建客服系統(tǒng)

（一）架構設計的核心訴求

可依賴：用戶首先需要認可系統(tǒng)運行的穩(wěn)定性和數據的準確性，進而才能相信并依賴系統(tǒng)。因此，在架構之初就必須視系統(tǒng)的魯棒性設計為第一要素，如：分布式多機房部署、多數據源策略設計等；

可擴展：在軟件生命周期內，用戶的需求往往是永無止境的。如何快速響應用戶需求的變化是架構成功的關鍵之一。微服務設計在此方面有天然的優(yōu)勢；

高性能：性能指標是架構永恒的追求，異步化編程、基于事件循環(huán)的服務處理、合理使用緩存、良好的數據庫設計等都有助于提升性能；

安全：這是最基本的要求，現代開發(fā)框架幾乎不會存在SQL注入風險，但必須重視存儲架構、備份設計和認證鑒權等；

使用簡單：盡可能地降低對開發(fā)人員的技能要求是架構必須考慮的關鍵因素，如使用主流的語言/框架、對復雜且通用的功能進行最大化的封裝等；

可測試：微服務最大的劣勢之一是測試的復雜性。如何將之降到最低，如何在單一組件中完成核心測試是對架構的一大挑戰(zhàn)；

持續(xù)交付：這是開發(fā)流程架構必須考慮的因素。各類CI和DevOps工具的興起和成熟讓持續(xù)交付變成可能，同時這也是微服務的優(yōu)勢之一。

（二）輕量化開發(fā)架構

本課題使用主流的輕量化技術構建客服系統(tǒng)。前端JS采用vueJS框架，CSS采用BootStrap框架；后端應用采用SpringCloud微服務框架，內存數據庫采用redis、hazelcast，消息隊列采用kafka等，開發(fā)基于SpringBoot這一簡單的框架，適合快速開發(fā)大型微服務系統(tǒng)。

將客服業(yè)務按核心功能進行組件化，引入Widget封裝原子級業(yè)務，結合Dubbo開源分布式服務框架實現業(yè)務功能原子化、服務化。通過組合原子級Widget業(yè)務組件，可快速構建各類服務場景。

系統(tǒng)按功能模塊進行組件化設計，拆分成Kernel（核心組件）、Widget（業(yè)務處理組件）、Recommend（推薦組件）等組件，每個組件獨立運行，減少系統(tǒng)功能耦合和故障發(fā)生。

系統(tǒng)采用前后端分離技術，引人輕量化前端框架，實現互聯(lián)網化的交互體驗提升。

平臺分四層：View、APP、Service、Support。其中，View為視圖層，即大前端，是用戶交互層，可分為Web、H5、App、SDK等多種形式；App為應用層，處理核心功能，與視圖通過基于JSON的HTTP（S）協(xié)議或Webscoket交互；Service為服務層，是對常用功能的抽象與封裝，多用于與第三方系統(tǒng)直接或間接通信；Support為支持層，提供常用的基礎環(huán)境，如數據庫、消息隊列、大數據等。

（三）采用服務高可用設計系統(tǒng)架構

合理切分業(yè)務組件，為組件定義明確業(yè)務邊界、依賴及可用資源，如數據庫連接池、JVM內存；規(guī)劃服務優(yōu)先級，針對不同優(yōu)先級確立服務可用性級別，資源向優(yōu)先級高的組件傾斜；無狀態(tài)化，所有請求相互獨立，需要用到的狀態(tài)信息存儲在分布式緩存或數據庫中，盡量使用冪等請求；超時保護，對核心流程要有超時／過載保護，防止出現雪崩；無單點，禁止出現單點設計。

（四）技術選型

開源優(yōu)先原則：優(yōu)先考察開源解決方案，存在多個開源方案時主要關注社區(qū)成熟度、活躍度、代碼質量和行業(yè)案例；

輕量化原則：所有技術方案必須是輕量化、去耦合的，禁止引入高侵入性的方案；

需求適配原則：世上沒有脫離業(yè)務而言的“好”技術。因此，應當根據業(yè)務的不同選用適合的技術；

人員適配原則：所選方案必須匹配團隊整體的技術能力。不一味地追求技術的前瞻性。

四、應用效果

借助大數據客戶畫像、AI、智能診斷、場景專區(qū)整合，實現了客戶、客服滿意度的雙重提升。一線服務手段及處理能力的提升，有效提升了客戶滿意度，同時，話務滿意度逐年提升。運用智能診斷，精準定位客戶問題，極大地降低了客服工作的難度，緩解了員工情緒壓力，使得一線客服的滿意度提升了 4% 。通過對精準服務預判、智能一鍵診斷、一鍵處理等服務手段的整合與應用，以話務場景和營銷服務脈絡為抓手，輔助智能化操作系統(tǒng)，使得話務服務效率提升了 12% 。借助風險事件預警能力，風險事件的發(fā)現時間縮短了1小時。風險事件識別面較人工風險識別更寬廣，形式從被動轉化為主動。結合文本后的預警信息更加精準還原了客戶的原聲，更豐富地呈現了風險事件的多種元素特性，有效提升了對越級投訴的防控能力。系統(tǒng)基于輕量化的微服務框架，將業(yè)務系統(tǒng)按核心功能進行組件化，減少了系統(tǒng)功能耦合和故障發(fā)生率；系統(tǒng)結合Dubbo開源分布式服務框架，實現了業(yè)務功能的服務化。該系統(tǒng)使用多種創(chuàng)新的開源技術，實現了短平快的支撐模式，使得支撐效率得到大幅提升。

五、結束語

在構建智能化的客服系統(tǒng)時，不僅要關注技術層面的創(chuàng)新，還需要結合具體的業(yè)務需求，提出切實可行的解決方案。智能化的實現不僅僅是技術的堆砌，更是對用戶需求的深度洞察和對業(yè)務場景的精準把握。通過引人大數據分析和AI技術，實現對海量用戶數據的挖掘和利用，為客服系統(tǒng)提供了智能化的決策支持。同時，微服務架構的引入，使得系統(tǒng)更加靈活、可擴展，能夠快速響應業(yè)務變化，滿足不斷增長的客戶需求。

作者單位：朱佩佩張翼洪坤中國電信股份有限公司浙江分公司

參考文獻

[1]范淑煥，侯孟書.數據空間：一種新的數據組織和管理模式[J].計算機科學，2023，（05）：115-127.

[2]金永鑫.建設通信運營企業(yè)大數據平臺的研究分析[].中國新通信，2024，26（02）：1-3.

[3]鄂維南.AI助力打造科學研究新范式[J].中國科學院院刊，2024，（01）：10-16.