非结构化数据在客户服务体验管理的应用

客户世界 | 2025年8月27日 | 客世原创 | 评论已关闭 | 150

随着互联网、富媒体、移动终端的普及，各行各业每天产生大量的数据，世界数据呈现出指数级增长，据IDC发布《数据时代2025》的报告显示，全球每年产生的数据到2025年将增长到175ZB，其中80%的数据都是非结构化数据。非结构化数据的自由表达力和包含的丰富信息，使其在图像识别、语音处理和自然语言处理等领域有广泛的应用潜力，建行远程智能银行中心（下简称“远银中心”）充分挖掘非结构化数据将其转化为企业经营的宝库。

一、非结构化数据

非结构化数据与结构化数据相比，没有可识别的结构和预定义的数据模型，或者说没有固定结构逻辑表达规则，与传统关系型数据库表不相同，包括视频、文本、文档、图片、音频等多种类型。自然语言处理（NLP）、机器学习（ML）、人工智能AI、图像识别等技术发展，让非结构化数据分析在远银中心的应用更加容易。目前远银中心聚集了海量的语音加文本数据，每日新增超150万的音频服务，超80万的文本服务。其中，音频数据包括客户来电、外呼等，文本数据主要来源于在线咨询、工单等。2023年是大模型技术在金融落地应用的元年，让非结构化数据分析运用更是插上了技术的翅膀放飞。远银中心在非结构化数据的具体应用主要集中在五大业务领域，一是智能语音导航优化，客户拨打95533电话，除传统的语音菜单播报，较多机构都引入由智能机器人主导的语音导航服务，分流或指引客户；二是交互机器人调优，每天上百万的客户服务中，有75%都是主要依靠机器人来实现的；三是客户服务智能助手场景丰富，建设完善线上服务场景；四是来电及工单分析运用，包括智能质检、资源转化分析系统等。五是交互总结及知识拆分，总结客户问题诉求自动化生成工单，在还款提醒场景中，对客户还款意愿及其他诉求言简意赅的自动记录，以及及向量知识库建设等。

二、非结构化数据分析场景应用

业内称为“大数据商业应用第一人”牛津大学教授维克托•迈尔•舍恩伯格在他的著作《大数据时代》中指出：“大数据的最大转变就是，我们不再热衷于寻找因果关系，而应该寻找事物之间的相关关系。”关联分析也促成非结构化数据分析的多样运用，远银中心结合中心非结构化数据的情况，以融入银行经营活动为目标，不断在业务分析、运营支持、质量管理、经营决策、价值创造等方面进行探索。

简单来说非结构化数据分析基础建设以客户来电数据为载体建设业务标签体系，以客户工单数据为载体搭建客户问题资源转化分析系统，运用先进的数据处理技术和方法实现实时数据分析，包括客户问题智能细分、客户问题预警、资源转化报告等、投诉智能分析等。以客户问题资源转化分析为例，通过机器学习方式建立五级业务场景1500余个，能够按照业务场景实现客户问题精准分类，实时了解到客户最关注的问题，实现异常监测。

（一）捕捉客户问题支持业务优化

每天上百万客户来电咨询什么？客户的疑难问题是什么？客户投诉什么？来电最多的是什么？引发来电增加的是什么？这是客服行业每位管理者每天都极为关心的问题。非结构化数据分析实现管理者的期待。

案例1：热点问题聚焦。在疫情期间，远银中心并未间断服务，同时还利用转译平台跟踪客户问题来电情况。通过对比疫情前后的来电业务类型，发现信用卡服务、网点服务、个人贷款等三个方面的来电占比明显上升。说明客户因为疫情困在家中时，对部分业务有更多的需求，具体细分后如信用卡延期还款，个贷延期还款需求明显增加。远银中心根据客户的业务需求变化，向有关部门做了通报。业务部门及时提供个贷、信用卡延期还款相关话术，并在微信公众号等移动端开通房贷、信用卡延期还款绿色通道，此期间远银中心上述问题95%可在线解决；同时渠道部门考虑客户需求将网点查询功能布放到手机银行首页，方便客户自助查询。

案例2：业务系统异常发现。通过模型、标签组合分析客户来电时，可以捕捉到一些系统问题。比如在“五一”期间汽车卡权益来电在信用卡业务中的占比情况突然上升，明显高于上月。通过分析来电内容，发现有以下三个主要客户问题。一是具备洗车资格但在洗车点刷卡时POS机提示无洗车资格；二是处于到期换卡期，旧卡尚未过期，新卡还未收到或未激活，具备洗车资格但无法使用旧卡洗车；三是周末未洗车，刷卡时却提示本周已洗车。这些问题疑似因为系统异常，快速通报业务部门排查处置。在五一假日还未结束时，业务部门通报，汽车卡到期换卡期间旧卡无法洗车等问题已修复，成功防范客户问题大面积扩散。

案例3：新业务监测跟踪。根据监管要求，行内推进LPR存量利率转换工作，考虑到此业务涉及面大时间长，远银中心专项建立了LPR业务监测模型。通过建立模型，对存量利率转换相关服务录音进行专项跟踪分析，对客户关注热点、线上解答水平、系统功能及知识文档支撑等方方面面情况进行对比分析，发现并提出优化建议。上线初期快速侦测发现客户咨询热点11个，显性服务问题9个，定期与业务部门沟通，业务部门及时优化话术和流程，支持业务部门顺利完成3000余万客户的转换工作。

（二）发现服务问题，提升运营管理能力

远银中心作为客户服务的一线窗口，服务是主责主业，优质服务是基本要求，如何快速发现每位员工服务问题，避免管理上的“灯下黑”。非结构化分析发挥作用，让员工服务监测实现质的飞跃，由低抽检率到100%全员质检，解决抽样质检带来的不确定性，让管理更加有效。

案例1：服务规范全面监测：通过自然语音识别技术将语音转译为文本，采用正则表达式建立监测模型，解决长期存在的质量抽检偏低的问题，做到全检，更加精准发现员工服务的问题。以服务用语不规范监测为例，以“不知道”、“不清楚”、“不行”等设立关键词，模型对超64000通电话普检发现不规范用语的占比为0.25%。以此为依据分解到员工，为一线准确找到不规范率高的员工以及不规范的表现方式等，积极帮助管理人员提供精准目标，开展有针对性辅导员工，促进服务质量的提升。

案例2：无效内耗工作识别：远银中心早期因托管业务和分行范围不同，各个机构间呼入电话需要相互转接，日均转接量上万通。为有效降低转接，开展转接专项分析。首先对转接数据对比发现，综合银行业务类中心电话转接率超信用卡类中心10个百分点。而且，综合银行业务各中心转接率差异较大，最大差距近11个百分点，同一业务范围的转接造成人力消耗占用。接着在来电处理流程分析发现综合银行类中心转接率高低与流程不统一有关，员工依据个人习惯处理。具体是转接率高的中心优先询问账户分行，转接率低的中心优先询问客户问题。中心针对内部问题快速统一流程降低转低，也减少客户不满。

（三）数据分析融合识别内外风险，保护客户权益

防控风险管理是银行业务的永恒主题，科学识别和管理客户服务中风险为银行防控风险的新路径。远银中心借助结构化数据与非结构化数据的融合分析，立足早发现早识别，成为风险防控的前哨。

案例1：外部风险发现。根据业务运行需要，建立重复录音监听工作，建立专项模型，全量筛查所有来电发现重复来电，某天发现5个号码多次进线，要求查询不同账号的电子渠道开通信息，情况可疑。通过非结构化文本核查均为同一用户冒充客户本人查询不同客户储蓄卡是否签约电子渠道。远银中心及时反馈分支机构，提醒相关部门予以关注。后续经核实，可疑号码属高息贷款的中介担保公司，客户与其签订协议提供了卡信息及介质用于归还贷款，分支机构迅速提示客户外泄信息风险。

案例2：同业不当竞争。：远银中心来电跟踪中发现分行一业务来电有异常，从2月客户来电日均近200通，每月持续增加到第4个月陡增2倍。通过来电数据对比发现是该分行有多个电话号码重复来电，最高达15次。通过分析非结构化交互记录发现，客户挂失不同社保卡账户的情况。均是在成功进线后，可以根据业务流程要求快速在人工协助下完成每张卡的挂失。再进一步对分行相关业务分析发现该行社保卡更换流程缺少对客户真实换卡的确认，无形助长了同行恶意竞争乱销卡。分行收到相关提示后，立即实施针对性的流程调整和营销活动，后续跟踪该分行当月社保卡挂失日均来电量较历史同期锐减80%以上。

三、未来机遇探讨

2024年国银行业协会发布的《中国银行业客服中心与远程银行发展报告（2023）》显示有45%的机构应用非结构化数据进行大数据分析。非结构化数据运用既是远银中心推进数字化转型重要内容，也是锻造新质产力的重要方向。将客户行为数据与远银中心非结构化数据结合起来，形成与客户意愿结合的智能分析，在客户画像绘制、营销机会挖掘、客户关系维护、情感分析、投诉升级预测等方面探索更多应用，帮助员工做好线上服务，支持机构业务发展，实现“服务即经营”。但非结构化数据应用仍存在一些问题尚待解决。

1.客户服务来电场景复杂。目前客户来电可分为三类场景，一是单一场景，比如单纯查一个电话等；二是衍生问题场景，比如客户咨询理财产品推荐，网点联系电话等多个问题；三是复杂场景，客户可能提及多类问题，服务中需要将相关问题串联解答，增加机器判断的复杂性。大多数客户来电都属于复杂场景类，建立标签方式可以解决部分，但业务缠绕仍未根本解决会影响分析的准确性。

2.管理成本高。主要有三方面的原因导致分析成本较高。一是处理难，数据体量大，从海量数据中筛选并处理重要信息的难度较大，目前大模型出现后有一定的运用，但还需要深度探究；二是转译难，国内中文服务客户口音多种，全面引入方言包是解决方案，但目前来看可行性不高，一定程度上影响语音转译文本准确度；三存储容量受限，非结构化数据的天然属性容量大、产生速度快导致其在全部数据量占比高达80%，数据湖、分布式云存储等都需要考虑硬件设备投入的有限性。

3.数据安全与隐私保护。数据安全和隐私保护是金融市场的基础性问题，远银中心非结构化数据会包含客户信息等隐私内容，有效保护客户信息安全是必须要遵守的底线，如何在隐私协议范围内合理运用于业务发展或风险防控等也是要不断研究的内容。2024年韩国制定了人工智能使用“非结构化数据”最新规范，严防个人信息泄露，我国行业非结构化数据规范标准一旦出台也会对现有从产生、使用、存储等各方面带来影响。

随着数字化时代的到来，非结构化数据分析在银行业的应用前景更加广阔，不仅为银行提供了深入洞察客户行为、偏好和需求的能力，而且通过精准的风险管理和个性化服务，极大提高了客户体验和满意度。

1．精细服务分析，提高服务能力。面部识别技术，已支持情绪识别，这对远银中心以线上服务为主要方式的行业尤为重要，可以解决日常客户认证复杂的问题，减少交互的时间。还可以发现服务过程中客户的情感倾向，及时掌握客户对服务的满意程度，有针对性采取措施改进员工服务。

2．精准了解客户，实现个性化服务。分析客户的交易记录、在线行为、满意程度反馈和投诉习惯，挖掘客户偏好，构建远银渠道客户画像，智能助手在线提供个性化服务建议，或者产品营销策略，满足不同客户的特定需求，让客户感受到可接续的服务。

3．辅助生成分析报告，提高决策效率。以ChatGPT为代表的人工智能在认知能力方面迈出了一大步，随着银行业非结构化数据的积累，基于大模型的语言生成能力，辅助撰写各种专题问题分析报告初稿，生成效率显著提高，便于中间层管理者快速决策。

展望未来，随着人工智能、机器学习、人像识别、智能体等技术的升级迭代，非结构化数据分析将更加智能化、自动化、多样化。帮助银行在竞争激烈的市场中获得优势，实现从传统银行向智慧生态银行转型，银行能够更有效处理和分析海量的非结构化数据，挖掘数据中的潜在价值，为客户提供更加丰富、便捷、安全的金融产品和服务，这不仅是技术发展的必然趋势，也是远银中心转型的必由之路。

《客户世界》创办于2003年1月，是中国客户服务与数字运营行业的旗帜媒体。本文刊载于2024年玄武辑（总第236期），作者刘芳来自中国建设银行远程智能银行中心；联络编辑：edit@ccmw·net