互联网下智能客服系统的建设与实践

2018-07-09陈刚

石油库与加油站 2018年2期

关键词：知识库客服语义

陈刚

〔中国石化上海石油分公司上海 200002〕

1 概述

在激烈的市场竞争中，各大企业尤其是销售企业越来越注重产品的咨询和售后服务，纷纷建立客服中心，解决客户对业务的咨询和产品使用中的问题。然而维持一个客服中心，需要雇佣大量的客服人员并对其进行大量深入的专业培训，以满足客户的需要。

随着企业发展和客户需求的增长，某石油公司的客服中心经历了从无到有，从模拟线路到数字线路的发展，服务方式和模式从2004年至今有了两次大的提升（见表1）。

表1 某公司客服发展情况表

从表1中可以看到，该客服中心从最初的几个人几部电话、全部纸质文档，发展到有了客服系统和IVR，再到如今的数字线路、IP电话，客服系统有了明显的进步。然而随着互联网，尤其是移动互联网的发展，用户的需求呈现爆炸性增长（见图1、图2），客服系统已落后于企业的发展和客户需求的增长速度。

图1 加油卡发展趋势

图2 客户需求与客服处理能力对比

2 存在的问题

2.1 运营成本高

传统的客服中心在应对当前客户需求量猛增的情况时，如果要保持好的服务质量，势必要同比例地增加客服人员、通讯线路和设备，相应的人工、办公和培训成本都要同比增加。以传统的客服模式应对移动互联时代的客户需求增长，面临的成本上升，数额巨大。

2.2 劳动强度大

现在该客户服务中心的主要职能是为本地区1 000万加油卡用户和潜在用户提供业务咨询、账户查询、对账单、投诉等服务，人均劳动强度大、重复性劳动多的问题非常突出，目前该中心的基本运行情况见表2。

表2 客服运行现状表

该中心2015年全年电话呼入总量达到30万次，其中业务咨询占总通话量的86%，人均每天接听电话80个，按照每个电话5 min计算，单个员工每天提供服务时间已接近7 h，基本处于满负荷运转状态。

据对客户咨询问题的不完全统计，在监测的时间段内，在咨询问题排名中前5位分别是：①加油卡办卡手续，②加油站网点信息，③开票网点，④开票手续，⑤优惠信息，总计占所有咨询量的83%。这些“同质性”的问题占用了客服人员大量的时间，即客服人员在低效率的重复劳动上消耗了大量的精力。

客服人员为了能更好地服务客户，还要在工作之余学习各种新的专业知识，这样的新文档每月都有几十个，也相应增加了他们的劳动强度。

2.3 客户体验差

在客服人员接近满负荷运转的情况下，坐席电话总是处于繁忙状态，造成客户长时间等待或干脆无法呼入；客服人员长期处于疲劳状态，精神状态难免不受到影响，服务质量很难得到保障；客服人员业务水平不一，同样问题的回答可能不尽相同，服务标准化水平也很低。所有这些都导致目前客服中心给予客户的体验差强人意，满意度不高也就成为必然。

3 智能客服系统的建立

为应对移动互联网等用户需求的新变化，传统的客服中心需要改变原有的服务模式，充分利用先进的信息技术、人工智能技术，在信息的捕捉、识别、加工、存储、检索、传输、展现等方面，提升服务效率，提高服务水平。

为此，笔者认为，需要建立智能客服系统，实现减少运行成本、降低劳动强度，提高服务质量、大幅提升客户体验的目的。该系统不仅为客服人员提供技术支撑，又能直接服务于客户。

3.1 智能客服系统

智能客服系统是在大规模知识处理基础上建立起来的一套面向行业应用，适于进行大规模知识处理、自然语言理解、知识管理、自动问答系统和推理等专业技术服务，不仅可为企业提供专业化的知识管理，还能为企业与海量用户的沟通建立基于自然语言的快捷有效的渠道；为企业提供精细化管理所需的统计分析信息。

3.2 关键技术

3.2.1 智能知识库

智能知识库涵盖了众多知识数据，能提供全面强大的全文检索，实现对多种格式文档（Word、Excel、pdf、txt、html等）的扫描并建立索引，并显示知识条目的分类和无限制层数的树状菜单，给知识条目打上各种分类标签，进行基于标签、关键词、关键词组合的全文快速检索。原理如图3。

图3 知识库技术架构

3.2.2 智能机器人

智能机器人可把客户用自然语言提出的问题，翻译成机器能够识别的搜索条件，在知识库中搜索到相应的知识条目，再返回到用户。即基于自然语言的语义识别技术。该技术主要由三部分组成，分层识别、语义搜索、语义相关性。

（1）分层识别。分层语义识别是一种基于目标的识别方法，它一方面迎合了人们描述问题的习惯，另一方面是为了满足语义搜索的需求。分层语义识别是一种对语义识别结果的描述规范，它从上到下，从整体到局部，系统而完整地保存了语义识别的结果。

原始语义：最大限度地保留原始语料信息，对原始语料去符号、去重复词及同义词转换后形成的语素。

最大外延：保留所有相关语素及未识别词，可视为语义搜索的所有关联项。

最小内涵：保留核心语义的必要语素，可视为语义搜索的必要条件。语义分层识别模型见图4。

图4 语义分层识别模型

分层识别模型的本质是用来描述不同语义精度的语义结果集。由分层的概念不难看到，这种语义的收与放、聚与散，类似于一个漏斗形，从最大的外延到最小的内涵，就是语义识别的过程。这是寻找语义搜索必要条件的关键一步。

（2）语义搜索。一个语素只在很少的知识条目中出现，人们通过它容易确定相关目标，它的相关性也就应该大。反之，如果一个语素在大量条目中出现，人们看到它仍然不很清楚它的指向性，因此它应该小。

（3）语义相关性。对于多个不同的文本或者短文本对话消息要来计算他们之间的相似度，一个好的做法就是将这些文本中的词语，映射到向量空间，形成文本中文字和向量数据的映射关系，通过计算几个或者多个不同向量的差异的大小，来计算文本的相似度。

相似度度量（Similarity），即计算个体间的相似程度。相似度度量的值越大，说明个体间相似度越小，相似度度量的值越大说明个体间相似度越低。

余弦相似度用向量空间中两个向量夹角的余弦值作为衡量两个个体间差异的大小。余弦值越接近1，就表明夹角越接近0度，也就是两个向量越相似。

智能机器人是智能客服系统的重要组成部分，基于先进的人工智能信息交互技术，准确理解谈话意图，为客户提供智能交互和咨询引导。支持数据的自动整理拆分，将大量的现有知识文档自动整理为适合回答客户问题的细粒度词条。即可方便、快捷地体验多种个性化功能与服务。通过不断完善的知识库和对智能机器人的持续训练过程，能够处理大量“同质性”的业务咨询，大大降低坐席的工作量。

4 互联网下智能客服系统的设计

4.1 系统架构

智能客服系统由统一接入平台、智能机器人系统、支撑层、基础设施四个部分组成，四个层面同智能知识库双向交互，并建立统一的安全机制和统一技术标准规范。具体架构见图5。

图5 智能客服系统架构

统一接入平台。针对各种互联网渠道和电话的接口，通过统一的界面展示给客服人员，并把获取的答案回复给客户，客服人员无需知道用户所使用渠道。

智能机器人系统。把统一接入平台传递来的客户自然语言的问题进行智能分词、语义识别、语义搜索、模糊匹配，并从知识库中抽取答案、展示答案等。

支撑层。主要用于用户管理权限分配、报表统计、热点追踪分析，给客服管理提供统计数据。

基础设施。主要是一些操作系统、数据库、中间件等硬件。

统一的安全机制。主要针对用户在私密数据查询安全性方面的保护。

统一的技术标准规范。主要规范了语义识别、智能分词的字典数据等。

4.2 互联网下的知识库平台

知识库平台可以利用虚拟技术搭建在云上，知识条目的来源不仅仅依靠人工维护，还能连接企业的大数据平台、企业各业务系统、CRM和互联网。它们的数据交互应该是双向的。

知识库平台的另一个特别的功能是就客户提出但在现有知识库中没有的知识条目到互联网上去搜索并把结果返回给客户。同时把该问题和答案暂存在待审核库中，如果该问题出现频率达到了设定的一个阀值，将会通知管理人员就该问题进行专业化的完善并更新进知识库中（见图6）。

图6 互联网＋知识库

4.3 互联网下多渠道交互

智能客服系统依托互联网和智能手机等设备，以智能机器人为媒介，打通了微信、QQ等与知识库的通道，使客户对客服的需求不再是热线电话的1条路。客户可通过微信、QQ、WEB等向智能机器人提出问题，通过“语义识别”和“语义搜索”技术，在知识库中返回客户满意的答案（见图7）。

图7 互联网＋智能机器人

5 应用实践

5.1 工作流程

应用了智能客服系统后，人工坐席的工作流程就转变为，客户电话呼入，坐席接听后，通过智能机器人系统到知识库中去搜索相应的知识条目，然后通过客服人员回复给客户。客户也可以通过互联网直接把问题提给智能机器人，由智能机器人提供服务。新的流程省去了人工翻阅资料的时间，同时确保了回复内容的及时性和准确性，并且缩短了单个客户服务的时间，工作效率有了显著提高（见图8）。

图8 智能客服系统工作流程

5.2 目前应用状况

目前，智能客服系统试用一年来，主要应用在辅助人工客服知识搜索和服务标准化方面。

知识库是智能客服系统一个重要部分。在知识库的管理模块中，知识条目可以手工录入，文件导入，修改，删除。

知识库中知识条目的数量从刚开始批导入的6万条，经过模仿学习和互联网自主学习，现在已经达到了15万条。

经过客服人员的实际使用，在知识条目大幅度增长的情况下，智能机器人的语义识别命中率也得到了相应的提升，从运行之初的30%上升到80%。客服人员的普遍反应是智能机器人查询速度变快，准确率提高，对于智能客服系统辅助表现的满意度由最初的50%提升到85%。

知识库按知识条目访问的频率从高到低排序，提供快速查询功能，并以TOP排行榜的形式显示在界面上如：1.办卡手续，2.挂失手续，3.开增值发票，4.油价查询，5.优惠信息……。排行榜数量可以自定义，方便客服人员对热点知识的查询和访问。解决了以往每个电话接听后都要手工记录，然后再人工统计热点的问题，达到了实时统计的目的，提供给管理人员一个更好完善热点知识库的工具。

对当下最流行的即时通讯应用平台微信的接入做了测试，达到了预期效果。测试结果如图9。

图9 手机微信的测试

5.3 阶段性成果

5.3.1 运营成本有所降低

在运营成本方面，有了一定的降低。在启用智能客服系统之前，按照业务量的增长趋势，原先预计话务量将增加2.5万次，要保证服务质量就必须增加30条线路和10名客服人员，还需添置必要设备。需增加大量固定成本、人工成本、培训费用，现在启用了智能客服系统，线路和人员都不用增加，明显节约了成本。

5.3.2 劳动强度有所降低

原本大量的业务知识需要坐席人员熟悉掌握，而人员水平参差不齐，难免会有错漏。现在所有知识都进了知识库，需要时只要搜索就能给出完整、准确的答案。劳动强度对比见表3。

表3 劳动强度对比表

5.3.3 客户体验度有所提高

原先客户花大量时间排队等候电话接通，且客服对于客户问题的响应时间也比较长，还常常出错误导客户。用了智能客服后，排队时间和响应时间明显缩短，回答的准确率显著提高。通过对客户的回访，体验度和满意度有了很大提升（见表4）。

表4 客户体验度对比表

6 总结和展望

该公司目前在智能客服方面做了初步探索，试运行期间已经明显提高了客服中心的运行效率，降低了工作强度，减少了运营和培训成本，大大提升了客户体验度和企业形象，效果明显，已成为提升企业形象和核心竞争力的强大支撑。可以认为智能客服的发展方向是正确的，有价值的，今后将继续深化提高。

知识库相当于智能客服系统的大脑，智能机器人相当于智能客服系统的耳朵和嘴巴。下一步，考虑对知识库和智能机器人系统进行深化应用，使智能客服系统更加耳聪目明，能说会道。

知识库平台目前处于建设的初级阶段。通过该项目的建设，已初步实现客服数据的有效采集、存储、加工、检索及应用，下一步考虑提升知识库平台的信息处理、知识管理的深度和广度，考虑与互联网加深融合，从根本上提升客服中心信息处理、知识管理的水平。同时，知识库平台不仅可以为客服系统提供服务，也可以为企业管理、员工培训助力。通过把知识库载入到企业云上，把企业制度、非油信息、推广活动等数据融入知识库内，实现全企业的知识共享，经验传承，提升企业管理水平。

对于智能机器人系统，考虑把语音识别（ASR）和语音合成（TTS）融入智能机器人平台，实现直接识别客户语音并调用资源，做出回应，届时基于智能机器人系统的客服平台将可以利用互联网打通和各种主流社交平台（微信、QQ、微博、短信、电话）之间的通道，通过语音识别（ASR）和语音合成（TTS）实现与客户的直接交流和服务。

未来统一、先进的客户智能客服平台，实现油品、非油品、直销、批发等客服业务整合，将微博、微信、QQ、网站在线留言、在线客服、智能机器人等线上客服平台整合在一个交流界面中，坐席人员或者智能机器人可以自由与不同来源的客户，借助邮件、短信、微信、APP、传真等多种沟通方式进行无缝而高效的交流，那时“无论客户在哪里，公司的客户服务就在哪里”的服务理念将得到真正的实现。未来智能客服系统模型见图10。