AI时代客户中心的“数商”、“智商”与“情商”

客户世界 | 2018年8月8日 | 2018年, 客世原创 | 评论已关闭 | 1340

以算力、算法和数据为框架的新一轮人工智能的触角不断延伸，推动着呼叫中心向智能化升级纵深发展。如何打造“数商”、“智商”与“情商”兼备的AI时代的客户中心？智能化基础平台架构的能力建设是立身之本。

运营与管理中的数据智能与业务洞察

AI场景下的客户中心，依靠机器智能在一定程度上优化了业务办理的速度和流程，提升了客户体验，但客服中心的运营管理最终的落点在于人，如何抓取和利用客户中心所累积的大数据，发现运营中的问题，支持业务的动态发展，同时，提供给座席及时恰当的指导和帮助，提升绩效，是极具管理价值的议题。

传统的呼叫中心数据分析，依靠的是相对固化的报表，缺乏交互能力，无法实现实时的业务分析。在实际的业务运营中，状况实时变化，客服中心必须具备较高的“数商”，管理者才能敏锐地捕捉到数据背后的逻辑走向，在短时间内快速完成海量数据的时效性分析，在直观的图形化分析结果中，准确定位问题，推导出潜在的原因以及可能的解决方案。

如何才能让客服中心具备“数商”？底层平台是基础，大数据分析工具的数据建模是核心。

底层平台必须是包容的，从而随业务动态同步发展。通过AIconnector智能连接器，不断将日新月异的新技术能力吸纳至底层平台，持续补充渠道交互以及智能的数据获取和分析的能力。比如，把解决数据孤岛的区块链技术作为数据收集和交叉对比的能力支持，将图像以及视频识别技术作为平台内置组件，丰富渠道交互渠道等。同时，设置标准的API接口，为特定的业务形态和项目需求进行定制化建模做铺垫。此外，底层平台的原始数据，包括数据字典，每个数据字段的含义，必须是开放的，方便管理者快速准确地理解模型含义，根据业务需求进行选择性加工和计算。

客户中心的大数据分析工具的数据建模分两个层次。首先，对客户中心全媒体的交互数据，包括语音、微信、视频等，基于交互特征，按照通用的计算维度和指标进行计算，比如，电话渠道上更多分析的是通话时长和平均响应时长的指标，而微信渠道则更多会考虑有效的处理率和用户满意度等。其次，根据具体的业务项目进行定制化的数据建模，以数据组合加工的方式，得出基于业务场景的定制数据分析结果。比如，银行业务较多关注转换率、成单率等指标，把客户客服中心交互的数据与业务成单数据做组合计算，就能得出每百通电话的成单率和交易金额等数据。

当客户中心具备足够高的“数商”之后，许多有价值的针对性思考都可以得到快速验证。比如，全媒体渠道上线之后，对电话量的分流是多少？电话量大的时候，能否让大量的来电消解在多媒体渠道？在来电高峰期，对比分析实时的传统语音与多媒体渠道交互数据，就能直观看出是否多媒体渠道是否具备消解部分高峰来电的能力；在下一代产品推广的节点时，通过数据趋势图，提前预见高峰来电，适时增加座席人员，并调整语音系统的导航菜单，增加提示音，告知客户可在多媒体渠道获取相关服务。

运用大数据分析工具，基于贴合业务动态发展的深度计算模型，获得针对性强的数据分析、动态验证和逻辑洞察，辅助客服中心的运营与管理决策。

交互与运营中的机器智能与情感计算

计算机图像识别、语音识别、知识图谱与自然语言处理等人工智能技术赋予了客户中心看、听、读、说的能力。随着全媒体渠道的铺设，客户中心与客户的联接不断向多元化的边缘接触点分布，分散化的交互方式给客户旅程管理以及体验提出了新的挑战。如何基于用户画像和市场营销模型实现精准化主动联络，提供跨渠道、跨平台的一致且连续的服务，利用AI智能提升座席的服务质量和业务绩效，成为了新的研究课题。

一个“智商”过人的客户中心带给客户的体验是什么样？以银行场景为例。

用户在银行官网浏览信用卡分期的信息，客户中心立即识别出该用户在系统中的个人信息，并感知到当前行为，于是在页面让弹出是否需要介绍信用卡分期的窗口。倘若用户点击同意，自动触发云呼叫，AI机器人开始向用户介绍信用卡分期相关的政策，在通话过程中用户做出分期的肯定答复后，AI机器人自动帮用户完成账单业务的办理。如果用户未点击主动弹出的联络窗口，而是在一段时间之后电话联系了银行客服。用户在电话接通之后，听到的不再是标准的IVR导航菜单，而是直接推送给用户特定的信息用分期的语音提示音。

如何才能实现客户中心的赋能？底层平台的智能感知能力是根本。在提供给用户的任意渠道或者接触点，结合底层的用户画像以及营销决策模型设定触发规则，以文本、视频、语音，或者预约座席进行回呼等多种手段富媒体的手段，为用户提供主动联络和精准营销服务。以理财或者保险产品为例，当用户输入的金额大于企业设定的目标值，会弹出主动联络；指定某一项业务设置人工服务介入，当有空闲座席时弹出，无空闲座席则不主动弹出。

当座席与用户的交互时，AI机器人全程提供“智商”与“情商”兼具的智能化辅助。

首先，辅助座席判断客户的意图，通过实时分析获取的语音流，适时地做知识库的推荐或者知识的推送。比如，客户说出想要查询某款理财产品时，AI机器人可以立即从知识库中搜索到这款产品的介绍推送给座席，提高了座席的工作效率。

第二，在营销的场景理解客户意图，做话术推荐。比如，客户对某款产品不感兴趣，AI机器人会告诉座席如何继续推荐，起到了一个销售辅助的作用。

第三，辅助进行实时质检。AI机器人可以在通话过程中，辅助进行流程合规性操作，检查座席是否完成了相关流程的命中，包括判断是否涉及违禁语，并在命中时触发后台告警。

第四，侦测判断客户的情绪。把客户的情绪变化直接呈现给座席，提示座席参考系统给出的指标进行对比，适时调整服务方式。当感知到客户的情绪比较糟糕时，会触发相关提醒，由管理者提前介入。

第五，监测座席人员的疲劳状态。将疲劳信息提交给运营主管，为排班决策提供有价值的信息参考。

新一代的客户中心，是AI场景下的全联接中心，底层的大数据和AI综合智能支撑起平台上的每一个组件和功能，从而在交互层面，无论是自助还是人工服务，座席资源的配置与管理，座席的辅助和赋能，整体的运营洞察，赋予客户中心以“数商”、“智商”与“情商”。

本文刊载于《客户世界》2018年6月刊；作者为熊谢刚，作者单位为Avaya大中华区副总裁、大中华区首席技术官。