洞见银行远程客户服务的未来

    |     2018年9月19日   |   2018年, 客世原创   |     评论已关闭   |    168

一、智能客服行业发展现状

客服是连接企业与客户的重要桥梁,极大地影响着企业的销售成果、品牌影响及市场地位。但是长期以来客服行业都存在诸多痛点,客服人员流动性大、培训成本高、客服效果难以把控、大量重复性问题过度消耗人工客服,同时,如何提升售前转化,如何优化客服流程,如何从客服数据中发现企业业务问题等,都是各类企业面临的普遍问题。

在移动互联网、大数据、超级计算、传感网、脑科学等新理论新技术的共同驱动下,人工智能迅猛发展,呈现出深度学习、跨界融合、人机协同、群智开放、自助操控等新特征。早期AI技术解决了简单重复性问题,如今深度学习算法的应用使得客服机器人所依赖的知识库构建和维护成本的大幅下降,大数据分析和智能语音技术在客服场景深入应用更为客服行业带来了巨大变革。

根据2018年5月28日发布的智能客服行业报告,当前中国客服软件市场主要由电信运营商、呼叫中心设备厂商、传统呼叫中心厂商、传统客服软件厂商、系统集成商、云客服SaaS厂商、客服机器人厂商等构成。

1、中国目前客服产量存量达150亿

首先在呼叫中心市场中,运营商话费规模在10-20亿之间,呼叫中心设备厂商占1020亿左右规模,传统呼叫中心厂商占10-20亿规模,业务系统集成商和行业集成商占30-40亿规模,总计60到100亿市场规模。其次,在线客服领域,传统软件公司和SaaS公司各占10亿左右规模,各类系统集成商占10-20亿规模总计约40-50亿市场规模。因此中国客服软件当前存量市场规模在100-150亿人民币。

2、AI技术将释放更大的市场空间

根据智能客服厂商所给出的数据,AI将取代40%左右人工,释放人工工资、场地、设备租赁等,大概会有200-300亿规模留给客服公司;除了取代部分人工的客服机器人,AI也在变革企业传统的线下客服交互方式,智能客服公司尤其是AI公司有机会在千亿智能设备交互市场中分得200-300亿规模;此外,AI对企业服务市场的变革并不仅限于客服场景,通过推动企业外部服务的全面智能化能释放100-200亿的原有营销、销售等市场规模。

联想创投集团总裁贺志强说过这样一句话:“人工智能必须融入行业发展,才能真正发挥效益。”早在几年前,世界科技巨头已在布局人工智能。国内的两大电商巨头,阿里和京东则自主研发出了“阿里小蜜”和京东“JIMI”。统计数据显示,“阿里小蜜”的工作量堪比3.3万人工客服,京东“JIMI”累计服务用户早已突破亿级大关。此外,还有其他企业也研发出了人工智能客服。

二、银行远程服务现状分析

现如今,随着互联网、大数据、人工智能和实体经济的不断推动融合,居民金融消费能力的不断提升、金融诉求的日益多元化发展,对服务、产品、渠道等方面的改革和创新成了我国商业银行的重点关注对象。其中银行客服中心作为商业银行与客户直接接触的关系触角,充分发挥着为服务客户、与客户沟通、了解并维护客户的桥梁纽带作用,为增强商业银行的核心竞争力提供着有力保障。

2018年7月2日中国银行业协会在其官网上发布了《中国银行业客服中心发展报告(2017)》,报告介绍了过去一年银行业客服中心的整体发展情况,从报告的主要内容我们可以发现目前银行远程服务有以下两大特点:

1、人工智能不断深入,远程服务质量不断提升

从客服人数上看,据报告显示截至2017年末,银行业客服中心从业人员为5.12万人,较2016年降低4%,这4%的员工几乎都已经被人工智能所取代了;从业务量上看,2017年银行业客服中心整体自助语音服务比例达到69%,自助语音服务量22.45亿通,自助语音客户满意度达到98.42%,连续四年保持在98%以上。人工智能在银行远程服务中不断深入,有效提升了在线服务体验和服务效率,实现了传统电话人工呼入来电量的分流,节省了运营成本,慢慢地影响银行与客户互动的方式,改变银行客服运营模式。

在发展人工智能技术应用的同时,人工服务的效率不断提升,2017年银行业客服中心人工电话接听量10.73亿通,人工电话接通率达到91.22%,连续五年高于90%。人工服务与自助语音服务的相互补充相互配合加快了客户问题的解决速度,提升了客户满意度,使远程服务的质量不断提升。

2、服务渠道更加多样化、信息获取更加全面

2017年银行业客服中心不断推出手机银行、微信银行、视频银行、在线客服等更加智能便捷的线上服务渠道。其中75%的客服中心提供微信服务,68%的客服中心提供互联网渠道在线客服,59%的客服中心提供手机客户端(APP)服务,55%的客服中心提供短信服务,44%的客服中心提供邮件服务,28%的客服中心提供视频服务,22%的客服中心提供微博服务。

银行业客服中心全媒体服务渠道的不断拓展,2017年银行业客服中心共服务客户42.09亿人次,丰富的服务渠道从各个方面渗入到客户的日常生活中去,在为客户提供服务的同时,也获取了海量的结构化和非结构化的客户交互数据,为进一步精准服务打下了良好的基础。

三、人工智能在商业银行远程客户服务中的嵌入与应用展望

将人工智能技术与银行客服相结合,可以减少大量的重复劳动,提高客服的工作效率,促使银行的零售业由劳动力密集型转变为资本密集和智力密集型。

在国外已有英国苏格兰皇家银行、瑞典北欧斯安银行、西班牙桑坦德银行等开始使用人工智能客服,日本软件银行也启动机器人pepper与客户交流互动,三菱东京UFJ银行推出机器人NAO接待顾客等。在我国,已有工商银行推出智能机器人解答客户咨询,建设银行启用智慧柜员机STM为客户提供智能服务,招商银行推出微信客服机器人等。

客户金融服务需求多元化碎片化为银行远程服务带了新的机遇与挑战,人工智能带来的创新产品设计赋予客服新能力,重新定义了全天候、全渠道客服中心的服务价值。如何更好地利用人工智能新产品新设计,创新客服运营新模式,推进智慧客服体系建设是打造旨在为客户提供最便捷最满意的服务体验的银行远程服务的重要问题。

(一)智能化银行远程客服业务流程

本文将从银行产品服务的售前、售后两个场景探讨人工智能在银行远程客户服务中的嵌入与应用。

1、售前场景——智能营销

第一步,利用人工智能技术进行消费银行业市场划分,设计迎合客户需求的金融产品。

设计出迎合市场需求的产品是展开高效营销的第一步,也是至关重要的一步。人工神经网络在算法交易相较于传统的统计分类模型有很大优势,对于银行的消费银行业务和庞大的用户数据,分析客户数据,根据这些实际客户的消费特点来进行市场划分,提高了消费银行领域的市场划分准确度,进一步提高了各个划分领域中的风险管理实践。

第二步,多渠道发现并获取潜在营销对象,增加流量转化率

在文章第一部分中提出我国银行业推出手机银行、微信银行、视频银行、在线客服等丰富线上服务渠道。客户从各个服务渠道进入平台中,标签信息并不完整,我们可以开利用人工智能技术建立模型,全方位采集客户信息如浏览版块,点击量等,将各个渠道取得的数据整合带入模型,对用户进行分级,根据客户对产品的兴趣程度分为高、中、低三个类型。对于兴趣程度高的客户采取外呼或者短信等主动营销策略;对有一般意向的客户持观望态度,并对进行持续“监测”,因为客户的需求情况并不是一成不变的,在客户意向上升时及时主动出击,精准营销;对于没有这方面需求的客户无需做额外的工作投入,在降低营销成本的同时,避免对这类客户的打扰。

通过大数据以及智能模型的运用,将潜在营销对象进行科学的分类,在流量驱动的获客阶段,使得银行能合理地进行资源配置,把最好的营销资源用到意向最高的客户身上。

第三步,营销类机器人做首轮营销,提升单位人均产出

采用云呼叫中心云电销系统,利用机器人来进行首轮营销,同时进行任务管理以及数据管理。其中值得注意的是银行金融产品与一般产品营销不同的是,专业性太强,客户难以理解,因此在这一步过程中,需要银行人员将产品口语化,以浅显易懂的语言在较短时间让客户理解。银行工作人员根据产品设计行业话术、录音、剪辑、发布话术给到机器人,由机器人进行首轮大范围营销。不断优化机器人声音语气,实现自然交互,打消客户对机器语音的疑虑。同时在电销过程中保障数据安全性,防止客户信息泄露。在营销过程中根据客户的回答以及语气生成客户标签,进行对客户二次分类。

第四步,人工客服进行二次精准营销,提高营销成功率

根据机器人在首轮营销中给出的用户标签画像,人工客服对于有意向但尚未营销成功的客户进行二次营销,在二次远程营销过程中,触发智能客服助手进行人工座席的知识图谱推送、客户信息标签的实时弹窗推送等智能化辅助。在这一过程中有明确的目标客户,且对情感交互要求很高,人工客服给予更客户更加亲近的营销体验而智能客服助手给予人工客服更丰富更精确的客户信息,帮助人工客服在远程也能对陌生的客户有较多了解,根据智能客服所提供的信息为客户提供更加贴心的服务,提高客户体验。

第五步,跟进营销效果,建立完善客户营销评价考核系统

利用智能客服对营销结果进行跟踪分析,采集营销成功的客户行为信息包括流程步数、人工或智能客服外呼营销时长等,对初始模型进行检验,进一步优化模型算法。

2、售后场景——智能客服

第一步,智能客服进行来电预判,帮助人工客服全面掌握客户信息。

智能客服初步询问客户的基本信息,通过后台数据库搜索调取来电客户的完整信息,建立后台客户画像标签体系,帮助人工客服第一时间了解客户的深度资料。并且,智能客服通过大数据分析对客户的来电意图进行初步预判,并将来电客户可能提出的问题及解决方案提供给人工客服。这一步骤便于人工客服迅速对客户的问题进行反映,及时提供有针对性的服务。来电预判功能强化了客服中心即时理解并引导客户进行互动交流的重要性。

第二步,智能客服进行语音识别提取关键字,由人工客服选择服务模式。

在第一步的基础上,智能客服将进一步询问来电客户的需求,通过在线实时语音识别引擎将来电客户的问题诉求转化为文本,并自动提取出关键字,全文展示给人工客服。人工客服可以根据智能客服提供的关键字判断是否需要人工解决,自主切换纯机器人模式或辅助人工模式。利用在线机器人来处理大部分简单高频重复问题,对于机器无法解决的问题,则交予人工客服来答复。比如一些高频重复的问题,完全可以移交智能客服处理,从而大大减轻人工座席工作负担,实现人机完美结合,无缝对接,各取所长。

第三步,智能客服通过实时监听,为人工客服提供相关的后台支持。

人工客服进行了上一步的判断后,将与有特殊需要、在线机器人无法解决其问题的来电客户进行语音通话。智能客服则转化为顾问模式,通过知识库推送、模拟流程引导、关联产品推荐、应急处理预案提示等形式,来支持人工客服处理客户需求。并且,根据之前的来电客户大数据分析为人工客服提供忌语敏感关键字预警、情绪检测、静音检测、语速检测等支撑手段。智能客服的后台支持手段可以帮助人工客服实时了解客户的情绪变化,对自己提出的解决方案的满意程度,避免触碰客户雷区,从而缓解客户的焦躁情绪,提升满意度。

第四步,智能客服运用语音识别功能对来电客户进行满意度调查。

人工客服在为来电客户解决了问题后,直接切换成智能客服询问客户的满意度。客户只需语音回答“满意”或“不满意”,智能客服通过语音识别将客户的回答记录在后台系统。如客户回答“不满意”。智能客户则进一步询问客户的不满之处,同样通过语音识别将客户的回答记录在后台系统。智能客服对记录的不满之处进行大数据处理与分析,将同一类型的原因归类反馈给人工客服,由人工客服提出改进方案。智能客服的语音识别功能免去客户按键的麻烦,也可以记录下具体原因以便后期的改进。

(二)人工智能在嵌入银行远程服务过程中存在的摩擦碰撞

1、模型以及算法的准确性时效性难以保证

人工智能依靠的是人类给予计算机的程序算法,如果算法存在问题,那么其对数据的处理就会存在误差。现代金融行业瞬息万变,各种金融政策也在随市场不断更新,虽然银行拥有完善的数据,但如果没有合适的算法模型进行处理,或使用的算法没有及时的更新,其得出的数据结果仍然是不可接受的。银行是与金钱密切相关的行业,对各种数据结果准确率要求十分严格,如果人工智能对这些动态性很强的金融业务无法得出精准的结果,或者老是存在误差,那么其在银行业业务中的应用势必受到阻碍。

2、智能客服与客户的自然交互沟通存在阻碍

解决客户问题就一定会涉及到语言沟通,智能客服最核心的地方在于,技术是否真的成熟到足以应对任何情况。银行拥有海量的客户,是一个非常繁忙的金融机构,我们能看到的场景就是银行每天都是在排队,客服中心每天所接到的客户咨询、投诉等也十分繁多。如果智能客服对于连续性对话和专业性的学习不够彻底,在客户沟通的过程中,非常容易会答非所问,使智能客服变成“智障”客服,造成不必要的客户误解,这一定会影响工作效率、消磨客户耐心,给客户带来极差的服务体验。而营销类智能客服对语义识别和对话能力的要求自然更高,会说话说好话对人来说尚且是门大学问,如何在营销中揣摩客户心理、保持流畅的沟通对现阶段的智能客服仍是巨大挑战。

(三)增强智能与人工服务一致性与连贯性的优化措施

1、产品开发——符合银行远程服务特征的“私人订制”

智能服务想要与人工服务保持一致性的第一步就是开发出最适合客户需要的产品。根据客户的需求,为客户订制出具有差异化特征的产品,才能让客户在营销体验的时候能够实现快速促成。

作为特殊金融服务机构的银行,对智能客服无论在售前还是售后都存在着不同的痛点。在银行前台的远程营销端,存在着电销需求旺盛,对效率和数据隔离要求高;而在银行后台的风险控制端,用户征信信息、数据安全、销售过程把控等,都成为管理的痛点。针对售前的这些痛点,就应该采用具有保障数据安全性,电销系统支持敏感词报警以及会话实时监控等功能要求的产品;在银行售后客户服务场景中存在的痛点包括客户咨询问题相似度高,重复性解答消耗较高人工客服成本;对金融业务知识要求性较高,客服培训成本高,客户咨询难度高;用户回访场景多,对外呼效率要求高等,针对这些问题,银行对智能客服产品的要求则包括客服机器人要能准确地理解用户问题,知识库对信息的查询提取速度要快等。

2、改变思维——人机协作

改变智能替代人工的思维模式,促进人机协作。我们发现在体验感较差的人工智能和应用得风生水起的智能产品之间存在着人为干预这个变量。人为干预程度的不同在一定程度上决定了这项智能产品的体验感。通过观察那些人工智能只是承担前期的观察、分析,最多再加一点初步结论,最终的决策仍由人类完成的智能应用,比如用人工智能模型做各种预测、帮助医生读 X 光片等,我们能发现这类更多有人类干预和把控的人工智能反而是运行的更好。

对于银行客服来说,人工智能要完全独立地承担工作任务,也就是我们常说的“替代”人类还是有些难度的,毕竟银行是属于金融服务机构,人与人有温度的沟通是任何机器所无法企及的,银行业仍存在78%的岗位在未来十年内无法完全被人工智能取代。所以作为银行从业者不能赶鸭子上架,应该转变智能“替代”人工的思维,而是更多地将人工智能作为在为客户服务的得力助手,利用人工智能搜集数据处理数据的能力长处结合人工客服带温度的情感沟通,既为客户带来智能科技的快速便捷又能让其感受到银行对客户温暖的服务。

3、客户培养——培养客户使用技能

作为服务对象的客户主动去连接银行,为的是解决自身的金融痛点和需求,并不需要知道银行智能客服的运作程式,只需要知道怎样才能让它按照自己的指令工作就够了。但即便是这样,基于客户自己以往的行为习惯,习惯于人与人的沟通咨询来解决问题,从内心深处抵触不愿意学习接受新兴的智能服务。如果客户不愿意去接受这种智能服务,即使产品服务做得再完美,也会被晾在一边。因此,银行在智能客服产品的过程中,需要在充分熟知产品的特性和业务规则的前提下,再去对客户进行指导和培训,以新颖和便捷为卖点吸引客户去学习,让产品在贴合自身需求的情况下,客户还能熟练操作,这样才能实现人工智能服务的价值最大化。

本文刊载于《客户世界》2018年9月刊;作者为郭子枫,作者中国工商银行苏州分行远程维护团队负责人。

转载请注明来源:洞见银行远程客户服务的未来

相关文章

噢!评论已关闭。