今年25岁的小雅在某服装电商客服工作仅半年,已经有好几次想要离职的冲动了,因为“客户太难搞”,被气哭好几次。
面临小雅这种工作状态的客服不在少数。数据显示,当前51.4%的客服对工作状态不满意,原因包括工作强度大、工资待遇低、负面情绪多、工作内容枯燥等等。
![AI时代,如何选用智能客服?](http://www.ctiforum.com/uploadfile/2018/0808/20180808095006345.jpg)
后来这家服装电商从去年底开始,引进了智能客服,工作内容转向了智能客服工作,机器人系统主要服务来自呼叫中心、网上咨询、掌上银行、网银、微信等多个渠道的客户。在过去,这些渠道需要很多同事共同完成,如今她一个人做好系统维护就能实现了。
不只是像服装电商这样的企业,已经有越来越多的企业开始使用或考虑使用智能客服。
如今人工智能技术已悄然在客服领域广泛应用,智能语音导航、在线机器人和金牌话术等模拟的AI场景包括服务场景,都是人工智能在客服领域的重要应用。
在2017年的“双11”消费狂欢节中,巨大的交易订单数再创新高背后,一支全新的市场力量正在浮出水面。以阿里机器人客服“小蜜”、京东“无人客服”、苏宁“苏小语”、网易“七鱼”等智能客服,成为了成就这场电商大战幕后的重要角色。
显然,AI的战火已燃烧到大大小小每一个企业的客服坐席之中,涌现了大批智能客服和智能问答相关企业。在这场技术盛宴中BATJ的身影随处可见了,它们接连推出自家的智能云客服产品,欲统江山;除了BATJ,深耕智能客服领域多年的专业厂商,如小i机器人、合力亿捷等厂商也表现抢眼;而从TTS相关业务衍生而来的AI技术企业,如科大讯飞、捷通华声近年发展迅速,实力凸显;还有,从手机助手业务转型到智能客服领域的企业,如智齿、云问,以及大量的新兴创业公司,这些有如初生牛犊,前景可期。
艾瑞机构统计数据显示,对企业来说,智能客服的成本只相当于人工的10%,使用智能客服后服务效率能提升86%,客户满意度能够达到96%,订单转化率提升约20%。例如中国建行的智能客服“小微”,它的服务能力已相当于9000个人工坐席,超过95533、400人工坐席服务的总和。因此智能客服必将星火燎原势不可挡。
据Garner预测,在2020年,人与商业之间产生的90%的商业互动都是将由数字助手来完成。网易在2017年底发布的《客服行业现状白皮书》显示,33.6%的客服表示所在企业已经在逐步使用智能客服,40.5%的企业将会在未来一年内使用上智能客服。在用户体验上,在线客服是企业使用率最高的客服系统,达到73.9%,呼叫中心使用率50.7%,而智能客服的使用率仅为31.5%。赛迪机构调查统计,目前国内整个客服的市场规模已超过千亿,智能客服和智能问答相关企业已有三四百家,智能客服企业用户破亿。
总之,AI技术之所以能够在客服行业不断渗透,发起一轮颠覆式革新,总结而言:一方面国内经济规模不断增长,客服行业市场规模不断增大,对AI技术需求日益扩大;另一方面企业客服部门正在陷入人力成本剧增、用户需求碎片化、服务满意度降低等运营困扰之中,而随着消费升级新时代的到来,传统的IT技术加人工客服模式已难以应对不断增长的用户规模和服务多元化、碎片化的需求,AI成为客服实现革新质变、转型升级的主要技术,能打破多项物理成本的天花板,能为企业节省大量成本、极大提高经营效率,所带来的经济效益不可估量,因此未来前景亦不可限量。
如何选择一家靠谱的智能客服供应商?
当下,面对市面上形形色色的AI技术公司扑面而来,问题亦随之而来,泥沙俱下,良芜难分,加上各式各样的的概念炒作,更令用户企业晕头转向。各大服务商纷纷声称自己的智能客服方案技术领先,对外宣导的产品功能非常强大,但事实上真的如此吗?用户企业如何“上对轿选对郎”,选好智能客服厂商?
伴随着智能客服大量涌入,不同服务商的实力差异也凸显出来。入门级的智能客服,大多数服务商都能提供,一般以云的方式交付,其特点在于对准确率的要求不高,能够简单帮助人工客服降低工作量和工作压力。而若用户企业需要AI能力更强,具有更高的语义识别准确率,就要构建一个大的AI平台,以客服中心这个企业最主要的信息来源部门为基础对业务底层进行全面的智能化升级,这就需要智能技术实力更强、行业经验和知识沉淀更多的大公司。
那么用户企业要如何从众多繁杂的智能客服市场学淘沙识真金?如何不会“乱花渐欲迷人眼”,量体裁衣对症下药,找到合身合体、与企业融会贯通、促进企业发展壮大的智能客服产品?
可以从以下几个层面来观察、判断和选用:
一是从技术实现方式看,多轮对话和复杂场景处理能力最能直观地考验AI的应用能力
目前大多数智能客服企业都是基于搜索的方式实现FAQ类单轮问答,并没有上下文和复杂场景处理能力。如果消费者的提问刚好在提前设定FAQ的范围内,那么智能客服看起来一切正常。一旦问题超纲,或者需要应对的场景稍微复杂,那么这类智能客服就基本失效,回答得驴唇不对马嘴。
还有一部分企业宣称使用深度学习的方式进行问答处理,通过一定量的问答对训练后,系统就可以处理所有日常聊天类的对话。但在实际领域的应用场景下,由于深度学习下机器回复内容的不可确定性以及不可控制性,也决定了这类系统真的是只能应对“日常聊天”,而在商业环境下基本难于实际应用。
当前客服机器人的一大技术难点在于多轮对话和多意图的理解力。日常活动中,人类的某个需求往往包含多个信息,比如说买飞机票,涉及买票的主体、时间、出发地和目的地。这些信息通常难以一次性表述完整,需要多轮对话来完成。比如:
上海用户:帮我买一张明天到厦门的飞机票。
机器人:出发地点是哪里?
用户:上海。
机器人:……
用户的第二句话虽然缺少主语和谓语,但通过联系上下文可以轻易判断出,其隐藏含义为“帮我买一张明天从上海到厦门的飞机票”。机器人客服要想做到用自然语言和用户交流,就必须具备通过多轮对话,并联系上下文获取完整需求信息的能力,不然动不动就“哑火”。了
此外,用户的一段话里还可能包含多个需求,比如“帮我买一张明天从上海到厦门的飞机票,再帮我叫一份黑椒牛肉饭外卖”,这段话里就包含“买飞机票”和“叫外卖”两个需求,客服机器人需要将它们一一分辨出来,这就叫做多意图理解。有的用户更“刁”,甚至一句话有三个需求,若客服机器人不“灵动”,用户体验就不好,就会抱怨。
用户所提的问题的形式通常都是非标准化的,同一问题的问法多种多样。可见,一个好的智能客服在垂直场景下,可以多轮次可打断复杂语音对话能力,根据对话语境进行多轮次自然语言理解。支持用户随时打断,保障机器人可及时灵活响应客户对话,对于打断句子进行二次分析,优化话术内容。
总之,各家企业在具体实现时有自己的算法模型,抛开效果说模型孰优孰劣没有意义,但有几个特征必须参考判断:是否支持全渠道多维度的交互框架?是否能解决多轮对话、动态场景、多意图理解等一些在人类对话中必须会碰到的问题?等等。
二是从核心技术壁垒看,AI客服企业需要行业领域的大量积累、大量的实际项目和应用积累的行业经验
语料库是智能客服寻找答案的来源,语料库覆盖面越广意味着机器可以回答的问题越多。在此基础上通过各种渠道获取尽可能多的行业问答知识,建立行业知识库,在某种程度上代表了AI企业在智能化方面的实力。
比如,当用户想查询网上一件衣服卖多少钱,提问的方式可以是“这件衣服是多少钱”、“这件衣服价格多少”、“这件衣服最优惠是多少”,等等,其表现形式可能是文字或者语音,因此必须将各种形式的问题归一化,以便同知识库中的标准问法相匹配有备料。而语料库和数据标注要达到满足实际应用的需求,这可能需要数百人花费数年的时间才能够积累完善。这就非常考验智能客服企业在语料库和知识库上的积累。
每个软件产品在具体的技术方面不会有太大差异,但是经受过足够多的行业积累和实施经验的软件产品,才是最终成功的软件产品,在AI领域也是如此。目前国内智能客服市场上,拥有大量的实际项目、应用积累的行业经验、多行业跨场景的应用实践、且具备AI平台化能力的服务商屈指可数,基本集中在BAT等互联网巨头和科大讯飞、小i机器人等垂直领域AI厂商。
因此考量智能客服供应商时应该对其的技术积累、从业经验、工程化能力,行业案例等方面进行综合考察。特别是行业积累,因为现有的算法理论并没有实质差别,关键的是看谁的行业知识积累、运营能力更强,行业应用经验更丰富,这是产品可靠性、实用性的保障。
三是懂得企业业务需求,无缝衔接灵活多变
智能客服厂商要根据自身的实际业务情况,需明确用户企业渠道、服务架构、系统功能等几方面有哪些需求,确定用户企业需要接入的有哪几个渠道,是通过文字、语音还是视频接入?网站、App、微信公众号是否都需要接入客服系统?如何整合?
智能客服产品应能对来自包括微信、易信、在线网页、手机APP等电子渠道的用户问题进行智能的意图识别,根据识别结果通过对接知识库或企业业务系统,实现知识的查询及各种业务流程,最终将结果以合理可定制的方式返回至渠道终端,展现给用户。
比如合力亿捷研究院所做的语音交互机器人,首先能对来电用户作后台的客户画像标签体系建立;然后是利用语音识别的技术把座席和用户的语音实时转写以弹幕的形式展现在客服代表的屏幕上;并且当智能机器人客服无法解答时,就接入人工客服,使得由机器人和人工客服无缝配合,发挥各自所长;针对重要渠道或页面指定人工服务,根据不同客户的属性判断智能机器人客服与人工客服的优先接入;根据时段分别配置机器人或人工客服。
就服务架构上,智能客服厂商要想清楚整个服务环节,从客户发起问题之时起,都要经过哪些步骤,生成工单后如何流转,哪些部门会参与,如何进行风险控制和质检。并能对能对来自包括微信、易信、在线网页、手机APP等电子渠道进行整合。服务环节的明确是后续选择第三方客服系统的前提。
一个好的智能客服系统甚至需要具备用户CRM功能来管理庞大的用户流量与访问。
四是智能分析要更懂客户心,智能客服关键在于读心术
让系统听懂人话甚至能有读心术是智能客服一个成败的基础。要做到让客户感觉与智能客服的对话跟人工客服、人工交谈没有差异十分不容易,这取决于系统是否能够适应客户提问方式的随意性,并渐具人性化。
一个优秀的智能客服系统甚至能进行用户情绪在线分析,系统可通过对用户通话中的用户语速语调变化等异常信息进行情绪侦测,对客户情绪激动客户提升监控级别,并自动安慰疏导,若还是不行,及时转接人工处理。
语音识别功能只是智能客服的小技能,更厉害的还是人工智能客服的“读心术”。比如打开支付宝客服“小蚂答”,你或许还没想好要问什么,“小蚂答”已能够根据你平时的访问轨迹“猜出”你要问哪些问题,并在客服界面逐个列出,就像用“读心术”看透了你内心的想法。
更厉害的是,“小蚂答”还能根据你周边所处的环境推断出你可能会问的问题。比如因为当时环境信号不佳,支付宝的页面突然一时无法刷新,而当信号重现时,重新打开客服中心时,预测列表中的第一个问题竟然是“没有信号的情况下怎么转账?”这种根据周边环境的变化随时更新问题的能力令人叫赞。
比如微软小冰,就是将“她”打造成一款将检索到的信息用更生活化的语言讲述出来的搜索引擎,比如自然跟进、扩展搜索与整合,以便让“好友式聊天”得到更好地发挥,吸引了不少年轻人与之互动。
总之,引进一套智能客服系统,好比生养一个孩子。这个孩子,生容易,养很难。如果你想要一个天资聪颖,且能力不断提升的“孩子”,那么它需要企业和技术供应商一起悉心栽培,要不断进行系统维护和升级,不断丰富知识库和语义库,不断拓展和延伸它的智能功能,逐具个性化、人性化,而不是一个账号,或一套系统就万事大吉。
此外,AI智能供应商还要有能力提供完善的售后服务,帮助企业培养一支专业的运营和操作人员,为企业提供更好的同行案例分享和学习,与企业一起改善系统,一起挖掘系统的功能和价值。而不能只是卖弄概念,乘热造势,甚至不能只是实验室里的一项技术。
总之,智能客服从数据到技术,从技术到系统,从系统到具体场景应用,这每一步都需要保质保量的人才和成本投入,需要经年累月的数据和经验积累,需要千锤百炼的资源和项目整合,需要厚积薄发的耐心和勇气支撑,才能大功告成,造福各方。