智能客服在运营商中的主要应用场景探讨

马 娟

(中国联通新疆分公司，新疆 乌鲁木齐 830000)

0 引言

在人工智能技术快速发展的背景下，大数据以及智能化方面的挑战[1]和数字化产业的不断加速成长，对于运营商既是机遇也是挑战。运营商数字化的典型场景包括客服热线和实体营业厅业务咨询、办理等，随着用户量的不断增长、客户问题的复杂化以及业务流程的复杂化，传统客服的效能亟待优化。为有效解决客户满意度问题，本文引入智能客服系统技术，并给出系统性的基于智能客服的解决方案和运营策略。

1 运营商客服场景和问题分析

1.1 传统客服场景分析

目前运营商传统客服包括人工客服及IVR按键模式，随着用户量增多及业务越来越复杂，传统客服的服务压力及处理效率都面临挑战，具体包括服务时长增加、服务流程复杂、服务业务受限等问题。

1.2 营业厅业务场景分析

营业厅是运营商的重要渠道，而渠道运营是运营商的主流模式[2]，客服人员包括销售人员和服务人员。随着门店客流减少及线上渠道的影响，营业厅客服也存在成本高等问题。

2 智能客服关键技术和挑战

2.1 语音识别

智能客服系统以自然语言交互为主，主要涉及语音识别技术，包括传统识别方法和基于深度神经网络的“端到端”方法[3]。但无论哪种方法，基本遵循“输入—编码—解码—输出”的主要技术流程。

语音识别的输入是声音，需要通过编码将其转变为数字信号，并提取其中的特征进行处理。解码则是将编码得到的向量变成文字的过程，其中需要用到两个模型：声学模型和语言模型。声学模型把音频编码转换为音素，语言模型把音素进一步识别为通顺的文字。当前业界领先的方法也都在探索使用神经网络技术方案来端对端构建语音识别系统。

在效果上，以科大讯飞、百度等商用为代表在中文通用领域已达到95%以上的准确率，并且落地应用到各种场景，包括智能音箱、自动会议纪要、智能客服等，应用的技术难点和挑战也主要集中在各种噪声环境以及口语化场景下的识别问题。

2.2 人机对话技术

人机对话技术的核心在于人机对话技术可以让机器理解人类的说话需求，并可以和人进行自然的对话交流，在语义不清的情况下会通过多轮交互能力和人进一步澄清从而精准理解用户需求，这也是智能客服的核心关键技术。

人机对话从技术模块上可以分为语音识别、对话理解、对话管理、自然语言生成以及文本播报。语音识别是把用户的语音指令转换为文本指令，对话理解是利用自然语言理解技术对用户指令的需求建模。对话管理的核心是对话状态追踪以及依据对话状态生成系统响应或动作，最后利用文本播报技术把话术转换为语音信号，从而使用户直接可以听到系统的回复。

最新的研究方法已尝试直接通过神经网络对人机对话系统建模，但人机对话技术依旧面临很多挑战，例如特别复杂的多轮上下文以及人类情感融入等方面，但一些典型的消费级场景已广泛应用，例如智能音箱场景下，都是利用人机对话技术实现智能语音交互，人机交互技术也广泛应用到智能客服领域，也可以大大提升人和机器的沟通效率。

2.3 智能问答技术

智能问答技术作为智能客服的核心技术一直备受人们关注，智能问答技术主要基于问答库中的模板进行匹配，然后采用模糊匹配的方式给出问题的答案或基于检索模型建模[4]。近年来，随着深度学习技术的快速发展，智能问答技术也取得了长足的进步，并在诸如智能搜索以及智能客服等领域落地应用，且取得了非常不错的效果。

智能问答的技术挑战主要在于对问题的精准理解，问答召回的技术挑战主要在于知识图谱的构建以及实时更新，还有文档集的覆盖面和质量。在智能客服业务系统中，这两者往往需要结合业务系统协同构建才能发挥最大价值。

3 基于智能客服的运营商效能提升方案

3.1 整体解决方案

基于上文关于运营商面临的主要场景以及智能客服关键技术的论述，本文提出系统化的基于智能客服分层架构，以解决运营商在实践中的问题。

如图1所示，整个层次架构有4层，分布式部署层、能力层、接入层以及应用层。部署层支持私有云和公有云部署，对于一些公共成熟服务可以直接复用公有云服务，例如语音识别服务等。对于和运营商本身业务强相关的，甚至涉及数据安全的服务可以部署在私有云上。能力层主要是智能客服系统本身所具备的可以对各种场景提供的核心基础能力，主要包括语音识别、智能对话、智能问答以及智能图像相关能力和服务。接入层是系统可以构建统一的接入层，保证接入按照统一标准规范接入，降低维护成本。应用层就是在能力层服务的基础上结合运营商各种场景构建场景化的智能客服解决方案，包括智能呼叫中心、智能客服助手、智能视频客服、营业厅智能机器人等场景应用。

图1 运营商智能客服分层架构

这种架构的优势就在于把各种核心能力统一起来，就像积木一样在各种应用场景下进行组合从而产生智能化的解决方案，而统一的接入层进一步降低了维护以及运营成本，同时随着每种场景下客户和系统的交互数据回流，进一步促进能力层的演进，形成数据和业务的闭环。

3.2 智能呼叫中心场景化方案

传统呼叫中心背后的核心服务还是以真人服务为主，传统呼叫中心主要利用电信IT技术高效地把客户的呼叫进行有效分发，在这个基础上后续又引入了交互式语音应答子系统技术(Interactive Voice Response， IVR)[5]，IVR技术以语音导航为主引导用户，这两种技术都存在人工成本高以及效率低的问题，且在业务咨询以及客户回访上无法很好地满足运营商需求，因此本文引入智能呼叫中心场景化方案来解决这种问题，方案如图2所示。

图2 基于智能IVR的呼叫中心

智能IVR主要利用智能对话和用户进行自然语言交互，相比于按键更加自然、高效，在一定的场景下和真人服务无异，可以显著提升用户体验。针对客户咨询的相关业务或问题首先由智能问答系统进行回复，在判断用户依旧不能满足时会及时转人工进行处理，从而避免机器不能解决的问题。智能问答一般和业务系统对接，利用语义理解相关技术可以让机器对业务系统进行建模，从而能够准确地结合业务场景回答问题，进一步提升用户体验。

3.3 智能客服助手场景化方案

在运营商服务中有一部分用户会通过非电话渠道进行咨询，例如通过Web网页、微信、小程序等方式，同时在人工客服服务客户的过程中可能需要随时查询相关服务或信息，会导致客户等待时间较长而影响服务体验。如果单独引入智能客服或相关人工智能技术显然会增加运维成本，因此本文在核心能力的基础上构建智能客服助手来解决这个问题，如图3所示。

图3 智能客服助手

在能力层基础上构建智能客服助手，通过自然语言交互方式让人和机器进行交流，可以是语音也可以是文本，在Web网页、微信以及小程序场景下往往用户习惯性地以文本居多，智能客服助手可直接满足客户需求，包括协作客户进行业务办理。当用户通过电话直接咨询客服的时候，如果涉及需要查询或回答一些较难问题，那么人工客服也可以让智能客服助手辅助提供相关答案或辅助办理业务，从而提升客服的工作效率，进一步提升用户体验。

3.4 智能视频场景化方案

在运营商服务中往往会存在客户的网络出现故障而拨打客服电话的情况，但单单靠客户对问题的描述有时无法将问题描述清楚，在线客服无法解决问题，只能派工程师到客户现场进行检修，而这种检修既费时也费力，人工成本和时间成本都非常高，为此本文引入智能视频客服，如图4所示。

图4 智能视频客服

智能视频客服主要基于5G高速网络实现实时视频无损传输，保证问题现场实时视频能稳定地传输到人工客服后的工程师设备屏上，从而精准协助定位问题，同时人工客服在解决问题的时候可以进一步借助智能问答辅助解决用户疑难问题。在智能视频客服方案下就可以解决类似网络等故障问题的及时定位和及时服务处理，从而大大降低现场工程师派单的人力和时间成本。

3.5 营业厅智能机器人场景化方案

结合营业厅业务场景可以引入迎宾机器人、业务引导机器人。

智能引导机器人对于用户所咨询的问题，可以进行快速应答，也可以通过智能对话的方式和客户进行交流并引导客户直接在机器人身上的屏幕完成业务办理，如果用户需要去人工窗口办理业务，机器人也会引导客户至需要办理业务的相关区域。

迎宾机器人在营业厅场景上会涉及和营业厅相关的欢迎语定制以及相关动作规范，而引导机器人则需要和业务系统对接，需要把引导机器人的对话交互和业务系统打通，让引导机器人能深入理解业务逻辑，从而替代部分员工来服务客户。这种打通往往需要进行二次开发，但开发成本相对较低，整体上可以提升服务的科技属性并降低人力成本。

4 结语

人工智能是多学科交叉的技术，在众多领域已经得到广泛应用，本分提出的分层智能客服解决方案，适用于公有云和私有云。电信运营商运用基于统一接入协议构建各自场景下的智能客服解决方案，降低人工投入和运营成本支出，最终对运营商效能提升具有深远影响。