複製鏈接
請複製以下鏈接發送給好友

智能客服系統

鎖定
智能客服系統是在大規模知識處理基礎上發展起來的一項面向行業應用的,適用大規模知識處理、自然語言理解、知識管理、自動問答系統、推理等等技術行業,智能客服不僅為企業提供了細粒度知識管理技術,還為企業與海量用户之間的溝通建立了一種基於自然語言的快捷有效的技術手段;同時還能夠為企業提供精細化管理所需的統計分析信息。
中文名
智能客服系統
外文名
Intelligent customer service system
用    途
提高話務人員的工作效率
類    型
智能客服系統
解    釋
一個涉及多種先進技術的綜合體

智能客服系統主要功能

知識管理
知識管理系統是基於我們十餘年面向客户服務的大型知識庫建立方法的經驗而形成的精細化結構知識管理工具。系統內設立一套通用化的知識管理建模方案,該方案可以迅速地幫助大型企業對龐雜的知識內容進行面向客户化的知識管理。而該套方案是一般知識管理系統工具(如MS Sharepoint和IBM Lotus)中所沒有的。
該系統是一種點式或條式的知識管理系統,因此是一種細粒度的管理工具。這中細粒度的知識管理工具,使得大型企業更有效,更能從知識的運行中實時地掌握企業的運行狀態,從而更有效地進行科學決策。例如,在客户的統計信息、熱點業務統計分析、VIP統計信息等可以在極短的時間內獲得。這是一般知識管理工具所不支持的。
下表具體給出了該系統與其它主要知識管理工具的重要區別。
區別
知識管理系統
其它工具(如Lotus、Sharepoint、)
管理的規範化
具有通用化的知識管理建模方案,可以迅速地幫助大型企業對龐雜的知識內容進行面向客户化的知識管理。
沒有內置的知識管理方案,需要企業從頭設計。
面向的對象
知識面向客户的知識管理,使得客户可以直接有效訪問到客户化知識庫。同時也面向企業內部進行知識管理。
主要是面向企業內部進行知識管理,缺乏客户化管理的有效支撐。
管理的粒度
支持“點式”或“條式”的知識管理,是一種細粒度的管理;使得大型企業更有效,更能從知識的運行中實時地掌握企業的運行狀態,從而更有效地進行科學決策。
沒有現成的方法支持細粒度知識管理,僅對“文檔”式或“表單”式數據管理有效。
管理的多層次
支持多層次管理,從“地域—時間—客户羣—渠道—業務—主體—摘要—文法—詞類”等多個層次管理企業知識。
不支持多層次知識管理。
管理的多層次
由於是細粒度知識管理,系統所產生的使用信息可以直接用於統計決策分析、深度挖掘,降低企業的管理成本。例如,客户的統計信息、熱點業務統計分析、VIP統計信息等可以在極短的時間內獲得。這是一般知識管理工具所不支持的。
對企業的運行支持度很低。
語言應答
智能應答系統 智能應答系統
首先對客户文字諮詢進行預處理系統(包括諮詢無關詞語識別、敏感詞識別等),然後在三個不同的層次上對客户諮詢進行解析——語義文法層理解、詞模層理解、關鍵詞層理解。
下表具體給出了該系統與其它傳統系統的重要區別。
區別
智能應答系統
傳統應答系統
多層次語言分析
從語義文法層、詞模層、關鍵詞層三個層面自動理解客户諮詢。
通常僅單層分析
模糊推理
針對客户的模糊問題,採用模糊分析技術,識別客户的意圖,從而準確地搜索客户所需的知識內容
遇到模糊諮詢,性能驟然降低
縮略語識別
根據縮略語識別算法,自動識別縮略語所對應的正式稱呼,然後從知識庫中搜索到正確的知識內容。
沒有現成的方法支持細粒度知識管理,僅對“文檔”式或“表單”式數據管理有效。
錯別字識別
對客户諮詢中的錯誤字進行自動糾正
不支持
智能分詞
在錯別字、縮略語、模糊推理等引導下,進行智能分詞;但分詞遇到失敗時,在進行上述迭代處理,直至分詞成功
傳統分詞技術,難以處理海量客户發出的海量諮詢
業務擴展性
隨着業務知識的不斷增長,系統的性能不會降低,因此具有良好的可擴展性
可擴展性差
易於管理
採用企業知識管理系統,對文法、詞典進行維護管理
不支持
多渠道接入
能同時接入短信、飛信、BBS、Web、WAP渠道
不支持
配套的運營系統
配以話務員補發系統、話務質檢系統、話務員小休管理模塊、短信網關接口、惡意攻擊檢測系統等。
不支持
多角度可配置的統計分析
智能監控系統截圖 智能監控系統截圖
我們設計的統計分析系統是一種統一的系統,可以監控不同的地區、渠道、品牌、業務、時間、話務員、客户類型等9個基本維度,同時也可以將上述基本維度進行復合,形成複合型監控維度,極大地擴展了現有監控技術。
人工輔助
在系統不能自動回覆用户的問題時,將轉人工處理。為此,我們研製並提供話務員操作系統,供話務員操作使用。該系統具有精確的語義檢索能力,並且話務員可以在線編輯知識庫,供其他話務員使用,或者經過審核後,供智能客服系統自動使用。

智能客服系統主要目標

智能客服系統用途

使得用户體驗從5-10分鐘減為1-2條短信、Web交互、Wap交互,大大改善用户體驗感覺。
幫助企業統計和了解客户需要,實現精細化業務管理。

智能客服系統技術層面上

支持多層次企業知識建模;
支持細粒度企業知識管理;
支持多視角企業知識分析;
支持對客户諮詢自然語言的多層次語義分析
支持跨業務的語義檢索;
支持企業信息和知識融合。

智能客服系統業務層面

支持企業面向客户的知識管理;
支持人工話務和文字話務的有效結合,成倍的提高人工話務效率,大幅度降低企業客服成本;
精細化業務管理:支持精細化統計分析,支持近60個統計指標的數據分析,支持熱點業務精細分析;
支持多渠道接入,可支持電話短信、MSN、QQ、飛信、BBS等渠道無縫接入
支持面向CRM的數據深度挖掘分析。
是幫助CFO寬心、放心、欣慰、得意的好產品,是CMO提出市場運營策略的數據基石。

智能客服系統性能指標

系統召回率達到:95%,準確率達到:95%,產品穩定性、兼容性、運行效率、併發能力、危機處理能力等產品化要求已達到電信級實用水平,並已實際在廣東移動通信公司全省上線運營20個月,在Lenovo運行6個月。

智能客服系統人機交互

愛客服智能機器人5大引擎擺脱人機交互困境,提升客服體驗。
語義分析引擎、分詞標註引擎可以實現一個問題應付各種相似問法的效果;
答案優選引擎讓智能機器人能夠精準匹配答案;
智能過濾引擎賦予機器人智能篩選答案的能力,屏蔽無效答案,將最有效的信息傳遞給用户;
智能反問引擎使機器人具備了多輪對話能力,持續地與用户保持互動;
場景識別引擎,通過上下文語境判斷,讓人機交互更加自然;

智能客服系統技術挑戰

圖1 自然語言查詢的處理技術流程 圖1 自然語言查詢的處理技術流程
系統的關鍵技術涉及三個主要方面:基於自然語言理解的語義檢索技術、多渠道知識服務技術、大規模知識庫建構技術。
在自然語言理解語義檢索技術方面,我們讓公眾以最自然的方式表達自己的信息或知識需求,並能夠獲得其最想要的精準信息。我們的系統首先對用户的查詢進行自然語言分析,這種分析在三個層次上進行:語義文法分析、代詞類的短語文法分析、特徵詞檢索。同時,對上述用户的自然語言查詢繼續擰縮略語識別、錯別字識別、模糊推理、特徵術語識別,以進一步增強自然語言理解的準確性。
如圖1。
在支持多渠道、多用户的知識服務技術方面,根據多年的技術推廣經驗以及對多個行業的需求分析,我們設計一種可支撐不同用户、不同渠道的統一的知識服務模式。該模式不僅融合了人工智能的研究成果和我們的核心技術,也融合了專家、話務員、知識管理員等人工因素,是一種人機結合的服務模式。該模式可以統一的方式服務不同的用户,應用於不同的渠道(可支持短信、MSN、QQ、飛信、BBS等渠道無縫接入)。因此,大大降低了企業客服成本。
圖2 多渠道統一的知識服務 圖2 多渠道統一的知識服務
參見圖2。