黎飞 张森 程登 王兴月 苏国传 张亮

摘 要：汽车行业的售后客服团队通常面临着人员流动性大、专业性不足、容易产生负面情绪、长时间工作等问题。此外，售后客服人员所使用的工具非常单一，如电话，微信或QQ等，不够智能，导致了整个汽车售后服务的成本高，效率低下，用户的体验不好。本文利用前沿的大数据技术及语音处理技术与客服业务相结合，设计了一种汽车售后智能客服系统，帮助售后服务团队降低成本，提高效率，提升用户体验。

关键词：语音技术 智能 客服

Abstract：After-sales customer service teams in the automotive industry usually face problems such as high turnover， insufficient professionalism， prone to negative emotions， and long working hours. In addition， the tools used by after-sales customer service staff are very single， such as phone calls， WeChat， or QQ， which are not smart enough， resulting in high cost， low efficiency， and poor user experience for the entire automotive after-sales service. This paper uses cutting-edge big data technology and voice processing technology to combine with customer service business to design an automotive after-sales intelligent customer service system to help after-sales service teams reduce costs， improve efficiency， and enhance user experience.

Key words：voice technology， intelligence， customer service

1 引言

近些年来随着国家经济的高速发展，人民的生活水平蒸蒸日上，大众对于消费的要求也相应地提高，随之而来的是大众关于各种商品的抱怨及投诉日益增多。汽车作为高价值的商品，已然成为抱怨投诉的焦点之一。各车企为了在激烈的市场竞争中处于优势地位，均把客户服务作为留住用户，提升用户粘性的重要手段，售后客服团队成为直面用户的一线团队承担了巨大的压力。传统的企业售后客服团队通常存在人数众多，长时间集中办工，直面较多负面情绪，不熟悉企业各业务流程等问题，从而导致人员流动频率高，服务响应慢等一系列弊端;同时，企业需要为此支付大量的培训费，场地费，通信费等，且培训周期长，见效慢。但随着技术的进步，尤其是大数据，语音处理技术的突飞猛进，这些技术的整合，并与客服业务的深度融合之后所形成的汽车售后智能客服系统，将极大地改善了这些现状。

2 总体方案

汽车售后智能客服系统相对于传统统计分析方式，在使用过程中数据沉淀和分析采用了ASR、NLP、大数据分析挖掘等技术，具备更高的效益与优势。首先从成本考虑，该系统在采集、整理客服过程中数据，全程序自动采集，不再需要人为统计。另因为采用标准化的、基于语义结构的统一底层数据存储格式，更有利于支撑上层业务的多样性使得拓展成本低。其次该系统依托于强大的算力，可以对大量的数据进行整理与计算，不再局限于人力的限制，对数据采集来源的全覆盖，可针对于真实环境进行全量的采集，保证数据的完整性。最后语音对话实时转文本，并可进行语义分析，可快速定位问题，形成有效QA。同步对过程的数据基于语义分析的实时监控，可查看对话过程的详细效果对比和全局数据。

该系统从逻辑上共分为六个层，分别是服务渠道层，业务方式层，语音技能层，控制管理层，专家知识库。总体业务架构如图1。

服务渠道层：用于对接售后服务的渠道，識别服务来源。目前最主要的是400服务热线和企业App售后服务模块。

业务方式层：主要有自助服务，客服服务，专家服务。当用户进入时，系统首先启动自助服务，并通过语音技能层，控制管理层，专家知识库等识别用户的问题并找到最佳的话术进行回复;当系统识别自助服务无法解决用户的问题时或用户自主选择人工服务，此时将接入人工的客服服务，若问题的专业性超出了客服的能力范围，便将接入专家服务。专家团队主要由各领域资深汽车工程师负责。通过这种方式能极大的分担了客服人员的压力，同时可以降低客服人员的技术门槛。

语音技能层：用于语音的识别，语义理解，自然语言的生成与语音合成。将用户的语音输入转成文本，并通过分词，标注，句法分析等技术完成对于用户语义的理解。同时该层将专家知识库里匹配的话术通过语言生成技术生成并通过语音合成技术转化成语音播放。

控制管理层：用于对话管理及语言理解后的专家知识库匹配。用户的交流不是一问一答就结束了，往往是多轮交互，故需要通过多轮对话的管理不断的理解用户的真实意图。在理解用户意图之后通过搜索管理到专家库中寻找相关性最强的主题并匹配最优话术。

专家知识库：提供车辆各子系统知识库。将该知识库按整车系统结构进行划分为不同主题子库，分别由各领域资深工程师负责更新和维护。

2.1 关键技术

2.1.1 语音处理技术

核心技术包括语音识别，自然语言理解，自然语言生成，语音合成，其中

语音识别（ASR）即自动语音识别Automatic Speech Recognition。该技术是通过语音信号处理将人类的语音转换为计算机可读的内容，主要包括特征提取、模式匹配、参考模式库等三个关键环节。语音信号输入后通过模数转换，量化降噪等语音预处理技术进行数据清洗，接着提取语音特征，并与已经建立好的語音特征库进行比较，找到最优的识别结果。

自然语言理解（NLU）即Natural Language Understanding，用计算机模拟人的语言交互过程，使计算机能理解和运用人类社会的自然语言如汉语、英语等，实现人机之间的自然语言通信，以代替人的部分脑力劳动，如查询资料、解答问题等。

自然语言生成（NLG）即Natural Language Generation，其使计算机具有人一样的表达和写作的功能，能够根据一些关键信息及其在机器内部的表达形式，经过一个规划过程，来自动生成一段高质量的自然语言文本，是NLU的逆过程。

语音合成（TTS）又称文本语音转换技术，即Text To Speech。其将计算机自己产生的、或外部输入的文字信息转变为人可以听得懂的、流利的汉语口语或其他语言输出的技术。

以上技术建立了人与系统实时沟通的桥梁，同时将所有内容转换成了可存储、分析的文本信息，为大数据分析奠定了基础。

2.2 对话管理及搜索

对话管理（DM）即Dialog Management，它模拟和控制着整个人机对话的过程。由于日常生活人们交流过程中往往不能一次性将关键信息说完或将意图描述清楚，需要多轮的问答之后才渐渐清晰。该功能十分重要，若对话交互次数较多容易让人产生烦躁情绪，而“智能化”也无从谈起。对话管理主要包含四项内容。（1）对话状态维护：主要是对前一时刻和当前时刻的对话状态，用户行为进行记录和更新;（2）系统决策生成：根据对话状态产生系统行为;（3）与后端任务或模型进行交互：获取反馈对的结果，生成文字信息。（4）提供语义表达的期望值：根据用户输入的表达，包括语言表达和语义解析，做出满足用户期望的语义表达，满足用户需求。该技术保障了用户反馈的问题能在第一时间能够找到解决方案。在应用过程中不断积累实施案列，后台工程师对管理与搜索算法实时调优，让系统不断的成长。

2.3 专家知识库

知识库主要功能是存储和管理各领域专家在长期工作时间中所获得的经验知识，全面“TO C”，其质量好坏直接影响智能客服系统的“质量”。通过系统收集各渠道来的问题，经整理汇总后分成不同的问题域并邀请该领域专家制定统一话术及处理措施。该知识库可与企业用户画像系统打通，通过对用户驾驶行为，充电加油行为，出行习惯等多维度分析可将知识库中的相关知识推荐给用户，并结合用户的对于信息的反馈，可不断地更新完善现有的知识库。

3 结语

基于语音处理技术的汽车售后智能客服系统是将语音处理，大数据等多种前沿技术相结合并应用在汽车售后服务业务中，它有效的降低了客服人员的工作强度和难度，提升了整个售后服务的效率和用户体验。

柳州市科技计划项目（2021ADB0101）。

参考文献：

[1]张志强，汪健雄，靳超.铁路智能客服关键技术研究[J].铁路计算机应用，2019，28（09）：1-5.

[2]王冰纯，毛妍捷，孙滨颐，吴献策，汤逸震.基于大数据背景下的人工智能客服系统[J].电子测试，2018（13）：72-73.

[3]程广兵.运营商问答系统融入AI 打造智能客服[J].通信世界，2018（14）：45-47.