基于AI技术的客服数据分析创新研究与实践

郑蓉蓉 宫晓峰

1.国家电网有限公司信息通信分公司 北京 100761；

2.中国人民财产保险股份有限公司 北京 100080

1 研究思路

1.1 智能客服的背景与意义

智能客服近几十年来飞速发展，从1997年打败国际象棋冠军的“Deep Blue”，2011年极具挑战性的医疗机器人“Watson”，再到2017年战胜多位围棋大师“Master”。人工智能正在融入各个行业。人工智能一个重要应用场景是同用户进行基本沟通，并自动回复用户的问题，以达到降低企业客服运营成本、提升用户体验的目的。传统呼叫中心问题提报来源不同，虽可汇入统一系统，但资源无法动态分配。智能 呼叫中心的愿景为设立统一管理，急需统一储存、统一维护、统一分配、统一管理的综合受理平台[1]。

1.2 智能客服的研究重点

（1）智能知识库:通过人工客服日常积累的问题集，建立一个高质量、高扩展性的语料库，并在此基础上通过各种渠道获取尽可能多的行业问答知识。语料库是智能客服知识库寻找答案的来源，语料库覆盖面越广意味着智能客服知识库可以回答的问题越多。

（2）智能分析引擎：用户所提的问题的形式通常都是非标准化的，同一问题的问法多种多样，因此必须将各种形式的问题归一化，以便同知识库中的标准问法匹配[2]。

2 功能介绍

2.1 智能知识库

（1）构建知识库模型：基于语义而非词形的语言词典结构建立动态多维度智能知识库模型，可进行知识的有效积累和复用，使用语言知识库和业务知识库两库构建智能知识库，两库分离的维护机制有利于智能客服知识库系统的维护和扩展，便于维护人员对于企业知识进行规范的精细化管理。

（2）构建智能服务引擎：基于自然语言处理技术，通过智能分词、模板匹配、相似度计算等定位知识点，并将问题答案反馈给用户。智能服务引擎具备词法分析，句法分析和语法分析的三重能力。智能服务引擎具有密集的算法和密集的数据，包括了智能分词及标注引擎、语意分析引擎、智能问答系统、命名实体识别系统、聊天引擎和答案处理引擎等[3]。

本研究针对保险公司垂直行业海量知识进行长期的机器训练，形成了专属的自然语言交互引擎，达到了毫秒级对话水平。当提出的问题中缺少一些关键信息时，引擎会将这样的问题与问题的上文结合起来进行分析，再给出最合适的答案。智能服务引擎模拟人的思维进行交互，一些特定知识点之间存在着关联关系，引擎具有“记忆用户上文”的能力，并能和新的问题结合在一起进行解析并给出答案，体现了智能客服知识库问答过程的流畅性。

2.2 智能客服数据分析

本研究区别于传统话务数据指标行分析，重点在客户问题语义上。本文从信息系统实用化热点分析、用户需求分析两方面使用大数据技术进行挖掘[4]。

（1）信息系统实用化热点分析。本研究通过业务条线和问题数据分析掌握不同业务类别的用户需求，在此基础上进一步对问题进行分类，从而切实解决客户问题，提高客户满意度。能否真实了解客户需求，并提供有效解决方案，是区分客服管理水平的差异的关键点。实现模型步骤如下：①将多元信息转化为文本信息；②将文本信息导入大数据分析模型；③结合专业词库、停用词库将原数据进行分词并清洗数据；④按频率统计方法及关联关系算法分析出数据中高频词汇及关联词汇，指导座席明确描述问题时精准定位问题[5]；⑤结合智能知识库，统一分类颗粒度，按照业务场景将问题进行分类，并展示业务详情及原因分析；⑥针对不同问题现象，根据自学习机制，匹配对应解决办法，通过对比完善并补充智能知识库，扩大其支撑范围。⑦可实现用户实用化热点的监测分析，从应用运维角度切入提升业务智能运营水平。

（2）用户需求分析。本研究通过用户需求数据分析，对用户问题进行分类，进行用户肖像绘制，形成用户个性化热点问题、热点服务用户分布、热点服务部门分布、用户实用化轨迹，为用户进行需求挖掘，为用户提供主动式精准服务，提升用户满意度[6]。

3 结束语

智能客服数据分析创新研究与实践具有重要的经济效益及社会效益。可帮助明确信息系统优化方向，节约无效开发资金。在社会效益上：①节省用户导航等待时间等，提升客户服务满意度；②明确信息系统优化方向，向服务界面友好化系统转变；③深挖用户需求，树立客服品牌，提升服务能力。

目前，智能客服数据分析已应用于电力行业、保险行业等多个专业领域，并为总部多个部门定制大数据分析报告。本创新在技术、知识库、商业模式方面的高度可移植性和共享能力。下一步可在电力系统内部及社会各行业 呼叫中心推广使用。