论电力行业智能服务体系搭建实践

客户世界 | 2021年11月19日 | 2021年, 客世原创 | 评论已关闭 | 955

摘要：

计算机，互联网的发明和应用催生了第三次工业革命，在社会和技术指数进步下，信息化和智能化带来了第四次工业革命，这次工业革命的核心技术就是人工智能和大数据。客户服务中心作为天然的企业信息收集器，自然成为人工智能最佳落地场景，处在这次革命的风口浪尖中。而互联网的发展带来客户服务渠道的变化和服务量的不断增加，传统的服务方式也随着业务量的增加显得心不从心。

关键词：人工智能、智能服务定位、业务流程梳理与优化、知识库建设、关键绩效指标体系建立、智能化团队打造。

一、引言

随着人工智能技术的持续发展，人工智能技术也在客服领域的快速生根发芽，传统客服中心早已全副智能武装，智能化技术的加持能够最大程度帮助现代化企业寻找质量与效之间的平衡点，极大的释放服务能力的同时，更能将服务能力转移使得一些急迫的服务能够优先得到满足。电力行业在我们国家是生产之本、民生之本，而电力行业的服务体系更是体现民生关怀的第一笑容。这一特殊的行业在智能化服务的建设过程中，则更需要谨慎再谨慎。本文将以电力行业智能服务体系搭建实践为例，总结打造智能化客户中心之路。

二、智能服务定位

所谓智能服务定位是指根据智能服务现状，业务场景及客服中心智能服务定位状等情况，明确真正的智能服务诉求，结合智能化产品的特点，确定智能化的定位与未来发展建设。

定位是行动的基础，通过定位，我们要给智能客服确定一个清晰的目标的，即“建立智能客服需要解决什么问题”，哪些可以做，哪些不能做，业务的范围是什么，服务哪些用户，以什么样的形象出现在客户面前，也就是服务的边界在哪里。

清楚了这些问题，我们才能进而确定解决问题的策略、手段、计划/目标等。

我们要搞清楚，我们做智能客服的目的是什么，我们公司为什么要做智能客服，绝对不是因为大家都在做，我们也要做。其次，智能客服解决哪些问题，我们如何评价我们上线智能客服之后，我们做到好不好。

智能服务软件是非常区别于传统服务类软件，传统的服务类软件绝大多数都是高度适配下面的开箱即用，使用软件的工作人员只用花费不多的时间基本就能将软件全面掌握。但智能服务软件则是大大不同，当软件购买/开发完成的那一刻，整个智能服务建设工作才算是正式开始，需要不断的进行训练，不断的投入语料、编写相似问、管理对话流、设计对话方案、编写应答答案，收集监控服务数据，更要随着企业服务业务的变化及时调整知识内容的更新，一刻都不能停歇，小步迭代，持续奔跑。在智能化奔跑的道路上选择的方向不同，终点也会大不相同，例如：有的企业是期望智能化能够给客户提供更加多样化的服务方式和更加深入、及时的服务触点；但有的企业则是期望智能化能够解决自己非正常工作日时间的无人值守问题；有的企业则是期望智能化能够大大降低峰值时间排队挂起问题；这些不同的终点回溯到智能化体系的建设中则体现在对于智能定位上面。

三、业务流程梳理与优化

智能化的业务流程梳理与优化工作是指根据实际场景梳理情况，并结合智能服务服务中与优化的置点问题，拆分并完善业务场景的流程梳理。智能训练与运营可以说是整个客服中心在智能化时代下的一个新兴事务，为此需要对原有的岗位进行升级、调整与适配，以便于更好的承接智能化训练与运营的日常工。

智能化相关的岗位同样是不可能孤立存在，它必然与其它部门和岗位发生工作联系，如何规范这种联系，确保权责清晰、责任到岗？此时，制度、流程粉墨登场。流程就是将同一价值链上的岗位串联起来，通过明确流程牵头人，规范各个流程节点的权限，来推动工作成果的输出。而制度呢，则是作为流程有效运行的一个权威性保障，主要目的在于规范流程中各个部门、岗位的权责，表单内容及配套的奖惩机制等。所谓“制度以流程为体现，流程以制度为依托”。

对于智能训练运营体系中的流程化建设其实就是两步工作：“写我们做的+做我们写的”。整个智能化体系的工作可以大致划分为三个维度：人员的管理、产品的训练、产品的运营；人员的管理为整个体系提供了基础的人员实施保障，同时良好的人员管理体系与制度能够保证团队能有源源不断的人才输送、团队的创新与活力；产品的训练工作则是涵盖是：语料的收集、知识的采编、应答话术的编写、脚本对话的设计、模型的调优等，能够保证智能服务产品在服务端的功能完整；产品的运营则是从智能服务定位的角度采取“拉新、留存、转化的思路对智能服务产品各个相干人进行运营。

三个维度明确之后就相当于我们已经明确了整个一级流程地图：人员的管理——产品的训练——产品的运营；接下来就需要在明确整个二级流程地图，那么二级流程地图就是针对三个维度中各个维度的详细工作进行展开，在这里可以去借鉴流程管理的PDCA环工具进行二级流程的梳理，梳理的过程中可以从整个流程的规划开始，比如说：人员管理维度中规划工作主要体现在人员的计划流程、训练维度中则是训练计划等；其次则是流程的详细梳理，这一点就需要明白为什么要去梳理流程，不是为了梳理而梳理，要收集整个流程中的信息流、对流程进行分析和设计，原有流程中一些不合理的点需要改正、明确各个活动节点的管理标准，包括但不限于开展的工作有：流程步骤确认、活动描述、责任岗位、指标、输入与输出、风险与控制。真正的做到把所做的工作正确的写来下。梳理好流程以后就需要放在实际的工作过程中去检验流程的实效，从“写我们所做的——做我们所写的”，只有将流程真正放到实际工作当中去，并且严格执行流程，在执行的过程中不断检验流程，对流程中漏出去的工作内容进行分析，只有这样才能够让流程不断的进化，长期有效的运行起来。

同时在流程执行的过程中不断建立流程的检查机制并对检查出的问题及时的优化与调整。

四、知识体系建设

知识库可以说得上是整个智能服务产品中枢所在，不管是刚刚开始智能运营，还是已经上线一段时间，而绝大多数智能服务团队都经常会遇到一个问题：“机器人无法正确识别用户的意图”，这其实也是来自于知识库上面的建设。

对于知识体系的建设实践来说，可以参考以下的思路：

首先是知识体系的底层梳理，我们需要注意知识来自哪里？知识是不是越多越好？知识应该如何呈现给客户？对于这些浩瀚如烟的工作，可以先从知识体系目录开展工作：

第一步，进行场景梳理，根据我们企业的服务量，梳理出机器人能够解决而且服务量比较大的问题，根据这些问题，进行场景的梳理；

第二步，根据这些场景，我们梳理出机器人服务的一级类目、二级类目、三级类目，三级目录可以看做是知识问题的最小颗粒度，如：常见的标准问就是从三级类目中来的。这种做法会避免一个问题，那就是训练师在标注中无法标出的问题时，就不会随意增加标准问了，也就是不会增加分母的数量；

第三步，基于训练的方便和业务经验，对于不同类目进行合并和新增分类，这样会大大增加训练的效率和识别率。

知识目录的梳理，是整个机器人识别的知识架构，也是标准问产生的基础，有了这个，我们就解决了识别的第一个问题。

其次是个性化知识和问题的管理，我们知道，客户是不会按照我们整理好的标准问来向机器人提问的，而是个性问，所以，我们整理的个性问越多，覆盖到客户问题的概率也就越大，那我们该如何进行相似问的整理呢。

个性问是从客户中来，也就是客户和我们实际对话中说的话，我们称之为原始语料，我们根据不同场景收集客户的原始问法，收集的越多，覆盖的越广，机器人的识别能力就越强，就好像我们学生学习，在掌握了各种学习方法和公式之后，最重要的就是刷题，一个学生刷的题越多，考试的时候，成绩就越好。个性问还有一个来源，那就是训练人员根据自己的经验，模仿客户的问法进行整理输出。

一个学生为什么会做错题，只有两种可能，一是审题错误，二是看了之后不会，怎么办呢，除了掌握正确的方法之外，就是多做题。机器人同理，多整理个性问，机器人看的个性问越多，自然识别能力就越强。

我们该如何处理相似问呢？从客户原始对话中得到的原始语料拿来就可以直接使用吗？当然不行，为了提高准确度和效率，可以按照以下步骤进行处理：

第一步，进行语料的清洗；

第二步，对清洗之后的语料，根据我们上一环节出的类目进行聚类和分类，聚类可以让我们分清楚每一个大类，分类可以对每一类语料的多少进行判断；

第三步，对于归类之后的语料，如果达不到训练的要求，可以继续收集或者训练师自己进行编写。

通过以上步骤，我们对机器人识别需要用到的个性问就处理好了，这是机器人训练的基础，没有这一步，机器人的识别能力是很难提高的。

对于智能服务产品识别能力提升来说，标注的质量是至关重要的，例如：同样的一个问题或者是知识，不同的训练师理解完全不同那那个，那自然给出的答案也就不同。本质就是不同训练师的标注会对智能服务产品的理解能力有着直接影响，对于提高标注的质量核心在于标注规则的制定，是根据公司业务的实际情况，对收集的语料该如何落到知识库响应的类目进行明确详细的规定，规则制定的越明确，越清晰，标注人员在进行标注时就会越准确，那训练的效果自然就会越好。标注流程对标注中出现的各种情况，不同人员之间的分工、衔接进行规划，这也是保证标注之间的关键。团队中需要指定一个明确的管理者全盘负责标注工作的开展，进行标注规则和流程的制定，才能保证标注的质量。

五、关键绩效指标体系建立

智能服务产品是为了解决企业在服务过程中的效率、质量的一些问题，想要确保高效达成目标，确保智能服务产品能够在日常运营过程中持续稳定的运行至关重要的部分就是一套关键、客观、科学、量化、公正的智能服务绩效指标体系。

智能服务指标体系覆盖智能文本机器人、智能IVR、智能外呼、智能质检，包括系统层面、运营层面、业务层面三个大类。

系统类指标：是运营端和业务端对系统表现的评价，是系统上线前，以及系统上线后对系统能力的评价指标；包括有：语义识别准确率、模型分类准确率等；

运营类指标：是从公司管理层的角度来评价智能服务水平的指标，也就是从经济性方面对智能客服进行评价的指标；如：访客数、提问量、拦截量等

业务类指标：是从客户的角度来评价机器人解决问题能力的指标，也是评价机器人团队对机器人训练水平的指标；如：问题解决率、服务满意度、答复率、对话轮次等；

通过明确三个维度的绩效指标可以有效的覆盖整个智能化体系建设中的各个关键要素，如：通过业务指标衡量智能服务的训练、运营是否最终满足了服务目标，如：是否解决了分流问题，是否解决满意问题，是否解决短时间内给出客户答案问题；通过运营指标则可以清晰的知道当前智能服务的训练与运营工作是否正常开展，是否根据客户的行为习惯及时进行调整；通过系统类指标的监控则是在可作为未来系统采购、优化与建设的数据基础。

明确了整个绩效指标体系之后，对于考核的设计也是非常重要的一个环节，好的绩效考核能够最大程度的激发员工的主观能动性。想要做到这一点可以将指标的标准分为门槛值和目标值，其中门槛值是对智能服务机器人最低的要求，是运营上必须达到的标准。目标值是智能服务机器人运营上达到理想状态的指标，是智能服务运营追求的目标。

六、智能化团队打造

对于智能化团队的打造不仅是新型技术下对于人员能力要求的体现，同时也是智能化、数字化时代下传统服务行业职业的再造。2020年2月25日，国家人力资源社会保障部与市场监管总局、国家统计局联合向社会发布了人工智能训练师这一新职业，这是自2015年版《中华人民共和国职业分类大典》颁布以来发布的第二批新职业。人工智能训练师是随着人工智能服务行业发展带来的精细化分工下而诞生的新劳动者，更是智能化服务产品下的最佳实践者。

智能化团队打造的关键在于需要结合行业的智能服务经验和行业特点、企业当前的实际情况相结合进行岗位设置。岗位包括有：智能产品经理：协调研发与运营团队，负责智能机器人产品的相关事宜；需求承接岗：承接并分析运营侧系统需求，输出需求文档，与研发对接，推进实现；答案编辑岗：根据业务规则，编辑和维护答案，根据机器人模型情况进行模型维护、整理模型问题等；语料训练岗：根据一定的标注规则，进行语料的收集、清洗、归类、纠错、标注，保证机器人训练的需要；体验优化岗：负责跟进客户服务诉求；对智能客服的识别训练、应答方式提出优化建议，输出需求报告；数据管理岗：负责智能机器人全端口，全业务的数据分析，输出分析报告，指导运营工作。

对于各个岗位来说需要明确岗位的职责描述、工作关系、招聘方式等内容，在岗位明确的基础之上通过对于该岗位人员的核心能力、专业能力的挖掘，从而明确各个岗位的任职标准。并通过观察、分析、记录的方法明确各个岗位不同时间段的工作负荷情况，工作的详细内容、频次、所需时长，才能科学的设置各个岗位的人数情况。

七、结束语

如何在有限的人力情况下，不断提升服务能力，保证服务水平，优化服务体验，实践人民电业为人民的宗旨，一直是我们在服务中不断追求的目标，我们相信，在新的服务渠道、新的服务方式、新的服务工具的帮助下，智能服务将会承担越来越重要的作用，而我们的服务也将不断地完善。

作者：冯显时、郑蓉蓉、薛文婷、王晨辉；就职于国网电网公司信息通信部客服中心；

本文刊载于《客户世界》2021年10月刊。