此前我們曾發(fā)表過一篇文章《下一個因AI巨變的行業(yè)——走近客服質(zhì)檢》宇色，我們在文中重點闡述了以語憶為代表的人工智能宣蠕、尤其是以情感解析為主的自然語言處理技術(shù)是如何為客服質(zhì)檢領域帶來變革的抢蚀。事實上不僅如此思币，對于整個客服行業(yè)來說谷饿，由于幾乎所有的服務內(nèi)容都是以對話——即非結(jié)構(gòu)化數(shù)據(jù)的形式進行展示和保存博投，故對于這部分的數(shù)據(jù)的充分挖掘和解讀仍疑存無在著巨大的未知和潛力毅哗，而這些將很可能在未來為整個客服產(chǎn)業(yè)的運營和管理帶來質(zhì)的改變虑绵。

今天我們就基于語憶正式上線的客服管理智能支持方案2.0一起來探討下翅睛，當所有的客服服務內(nèi)容被赤裸裸地暴露在日益強大的文本數(shù)據(jù)處理技術(shù)面前，人工智能究竟能為整個客服系統(tǒng)帶來多大的改變扎酷？

模式的更迭

縱觀整個互聯(lián)網(wǎng)生態(tài)法挨，隨著線上服務的不斷增多凡纳，人們在線購物的習慣也日益養(yǎng)成惫企，客服呼叫中心已在不知不覺中逐漸形成了越來越大的規(guī)模狞尔。即便如今越來越多企業(yè)都投入智能客服機器人的研發(fā)，然而不可否認的是胖替，整個產(chǎn)業(yè)仍將在之后很長的一段時間內(nèi)離不開大量的人工客服呼叫員。因此好芭，如何客觀舍败、高效邻薯、智能地對大量客服員進行評估考核厕诡，對企業(yè)的績效管理來說變得尤為重要灵嫌。不僅如此，傳統(tǒng)以結(jié)構(gòu)化數(shù)據(jù)為主的管理方案进鸠，最后呈現(xiàn)的只是數(shù)據(jù)統(tǒng)計結(jié)果而已霞幅，而用戶若想要分析數(shù)字背后的原因司恳，或針對性地對服務進行優(yōu)化都會因信息的匱乏而變得難以實現(xiàn)扔傅。

有一點是值得慶幸的猎塞，相比傳統(tǒng)客服中心荠耽，以云（文字）客服系統(tǒng)為代表的新一代互聯(lián)網(wǎng)客服呼叫體系铝量，其成熟的數(shù)字化系統(tǒng)為客服智能管理帶來了先天的優(yōu)勢：這種系統(tǒng)允許實時的數(shù)據(jù)收集慢叨、整合哄辣，前后端數(shù)據(jù)的打通赠尾，并擁有簡單的統(tǒng)計功能气嫁。這些都為新的智能系統(tǒng)的二次分析提供了很好的技術(shù)基礎。

回到客服管理梯影，我們相信最能影響其管理效率的還是一套成熟的評價體系——一種既可以客觀甲棍、高效感猛、全面地對客服進行考核陪白，同時又能滿足企業(yè)對運營成本的控制的方案咱士。無疑序厉，對不同企業(yè)來說，客服考評體系也存在的巨大的差異霉晕。比較傳統(tǒng)的方式是將每位客服所帶來的轉(zhuǎn)化數(shù)據(jù)作為主要考核標準，例如服務過的用戶中有多大比例最后完成了銷售轉(zhuǎn)化颅围。當然隨著不同企業(yè)實際情況的不同院促，算法也可以有相應的調(diào)整常拓，如將具體“銷售”變成有效行為：加入購物車弄抬、收藏商品或小店等掂恕；基數(shù)亦可以從“用戶數(shù)”調(diào)整成“用戶咨詢數(shù)”……

然而，這只是一方面店枣。事實上影響轉(zhuǎn)化的成因及其復雜艰争，會受到不同因素的影響甩卓，若只是簡單地統(tǒng)計結(jié)構(gòu)化數(shù)據(jù)逾柿，將為數(shù)不多的用戶隨機行為作為評價客服的單一（或主要）指標押袍，必然難以公正、客觀地對客服服務進行評判景馁。而要想解決這個問題，還是要從客服代表本身的服務表現(xiàn)上著手哑诊。當然镀裤，目前已有云客服系統(tǒng)已提供了諸如：響應時長暑劝、會話時長等基本信息铃岔，只是對客服整體表現(xiàn)評估而言，這些指標則明顯顯得力不從心卖丸。

最終的解決方案必然會落到對自然語言稍浆，或者說中文文本的理解上來。作為客服服務的主要內(nèi)容朗伶，與客戶的“交流”本身將一定承載著客服質(zhì)檢所需要的足夠信息论皆。而如何從海量的文本數(shù)據(jù)中挖取点晴、提煉具有價值的洞察粒督、以及如何設置恰當?shù)臄?shù)據(jù)維度作為參考依據(jù)屠橄，一是取決于自然語言處理技術(shù)的成熟度，二則離不開人工智能的開發(fā)者對客服行業(yè)的深入研究庸蔼。

細說質(zhì)檢模式

可以說常規(guī)客服“智能”評估的實現(xiàn)都是基于經(jīng)驗姐仅，以及堆疊詞庫所做到的“規(guī)則數(shù)字化”劳翰。例如對特定關鍵詞報警馒疹，依靠關鍵詞“判斷”客服或者用戶的情緒生均，但實際上關鍵詞的設置一定程度上仍取決于從業(yè)者極大的主觀性马胧，并需要不斷根據(jù)當下的業(yè)務重心對系統(tǒng)進行維護佩脊，可以說其無論是便利性或是嚴謹性都無法提高到能作為客服績效考評依據(jù)的高度威彰。而要解決這個問題歇盼，則需要通過另一種方式旺遮，真正地對原始服務內(nèi)容進行解析才能滿足行業(yè)的要求耿眉，正因為如此鸣剪，語憶選擇了以人工智能自然語言處理技術(shù)為核心來能幫助客服中心解決當前難題的產(chǎn)品债鸡。

語憶一直以來所關注的重點課題便是基于人工智能的中文文本理解技術(shù)，而其中語憶所具備最大的優(yōu)勢則是自主研發(fā)的中文文本情緒解析引擎告唆。語憶的自然語言處理技術(shù)以每個字而非詞為單位擒悬，通過詞向量技術(shù)及海量的中文文本數(shù)據(jù)進行模型訓練懂牧，得出了通用情緒解析模型僧凤∑雌基于Plutchik情感輪理論，語憶將人們基礎的情緒表達分為12類（憤怒、興奮盯孙、愉快等）振惰，并結(jié)合了大量客服行業(yè)實際會話數(shù)據(jù)進一步修正了準確率，致使引擎不同于常規(guī)的二維正負極傾向判斷桶蛔，能同時將中文文本中所蘊含的情感信息以不同權(quán)重（情感濃度）區(qū)別的情況下最多分為12類仔雷。

在客服場景中碟婆，用戶/客服的會話情緒竖共，分別代表了消費者在接受客服服務期間的滿意程度（或變化趨勢）以及客服代表自身的會話狀態(tài)借帘，可以說是體現(xiàn)客服服務是否有效的最直接指標姻蚓。當消費者情緒由憤怒變?yōu)榕d奮狰挡、樂觀，濃度值（體現(xiàn)情緒激烈程度的指標）由高轉(zhuǎn)為低時它匕，即代表了客服服務頗具成效豫柬。類似的烧给，無論消費者言辭如何激烈础嫡，當客服情緒一直處于愉快酝惧、平穩(wěn)的狀態(tài)時榴鼎，則能反應出其優(yōu)秀的情緒控制能力。

在語憶客服智能支持系統(tǒng)中晚唇，除了基本的基于數(shù)字統(tǒng)計的客服考核指標（如應答時長）外巫财，還額外提供了數(shù)項基于文本理解的特色功能，例如：

1）消費者滿意程度分析：通過語憶情緒解析引擎缺亮，系統(tǒng)將繪制出每通對話中翁涤，消費者的情緒變化軌跡（見下圖中通過用戶情緒變化區(qū)別“問題客服”與“優(yōu)秀客服”）桥言。通過將情緒變化幅度進行指標化處理得出每一通會話的用戶滿意度，從用戶角度對客服服務進行全量考核。

2）客服服務情緒評估：分析每次會話中客服代表的語言文本，解析其服務期間情緒變化，以負面情緒濃度及負面情緒出現(xiàn)頻次為指標，考核客服人員情緒掌控能力。

3）客服服務綜合指標：基于消費者滿意度、客服情緒管理，增添以“對話反應時長”、“服務頻次”為例的多維度評價指標楞遏，建立可對客服服務進行綜合評價的智能質(zhì)檢體系预鬓，并允許不同坐席之間的比較（如選中下圖中的兩位坐席，系統(tǒng)會顯示相應的能力比較結(jié)果）。

同時在系統(tǒng)上疮绷，在智能質(zhì)檢分析平臺的基礎上，語憶還提供了豐富的典型會話展示結(jié)果（如客服情緒失控的會話展示、消費者最憤怒的會話展示、客服反應時間最長的會話展示等），針對這些統(tǒng)計結(jié)果丧诺，管理者可以下載完整數(shù)據(jù)表呵晚、也可在平臺上選擇點擊“查看詳情”金矛，進入原始對話中查看具體引起服務糾紛废睦、情緒波動的會話购披。

語憶客服質(zhì)監(jiān)系統(tǒng)基于對每一通電話坐席代表以及用戶雙方的情緒解析歌殃，為客戶建立了一套有別于傳統(tǒng)的客服服務考核體系波材。利用情緒標簽隙轻，語憶引擎還能提取獨有的情緒關鍵詞俘种，從文本中挖掘出引發(fā)了強烈情感的關鍵信息，并對其進行進一步統(tǒng)計與分析。

此外，語憶客服質(zhì)檢系統(tǒng)還允許對接電商平臺上客服代表的銷售轉(zhuǎn)化數(shù)據(jù)瞒御，也能對客服用語中的話術(shù)正確性、禁/敬用語進行識別和考核……真正做到將結(jié)構(gòu)化數(shù)據(jù)與非結(jié)構(gòu)化數(shù)據(jù)進行打通烤惊、整合纺讲，幫助客服管理人員從全方位角度去評判、考核客服代表的綜合情緒表現(xiàn)档礁。

非結(jié)構(gòu)化數(shù)據(jù)形成洞察

客服服務的主要載體，或者說主要內(nèi)容依然是以漢語語言或者說中文文本為主屏镊。這也就代表著沧踏，對客服服務（以及其它任何類語言服務）最細致师骗、最原本的分析及調(diào)查一定是從文本內(nèi)容本身入手，也只有如此才能最大化洞察結(jié)果智绸，提升數(shù)據(jù)的利用價值。

然而難點一直停留在技術(shù)實現(xiàn)上竖幔。不同于如英語一樣的國外語言栗恩，漢語繼承了中華民族一貫傳統(tǒng)的謙遜與內(nèi)斂，這致使對中文文義的理解難以機械地停留在表面而必須深入語境采缚。豐富的象征愉耙、比喻等修辭手法览芳，大量的一詞多義現(xiàn)象以及不同語氣糕非、句式造成的差異性……這些無疑都給中文理解技術(shù)的發(fā)展帶了來極大的阻力旱爆。

人工智能深度學習技術(shù)為這個難題找到了解答框冀。不同于傳統(tǒng)依賴經(jīng)驗編寫規(guī)則和條件的方式，人工智能能基于大量樣本數(shù)據(jù)冕屯，自行歸納仓犬、總結(jié)最符合命題的規(guī)則点骑。這種學習過程的本質(zhì)是依賴大量的硬件資源，讓計算機自己基于龐大的數(shù)據(jù)所進行的不斷試錯和調(diào)整，不需要人為進行任何干涉。而隨著硬件資源的普及第租，算法的優(yōu)化趟据，讓機器代替人類對例如中文文本一樣極其復雜的數(shù)據(jù)進行分析逐漸成了可能稚新。這也是語憶中文文本解析引擎的核心技術(shù)基礎。

接下來我們便來介紹一下，基于中文文本智能理解技術(shù)按价，語憶所能為客服運營帶來的大數(shù)據(jù)分析工具：

1）服務痛點分析：結(jié)合不同（情感）關鍵詞被提及時的消費者情緒（基于情緒解析）與被提及次數(shù)往枷，通過二維點陣圖的方式展現(xiàn)了所有關鍵詞折射出問題的重要性與緊急性（見下左圖）框产。通過該功能凄杯，企業(yè)可進行針對性的產(chǎn)品優(yōu)化與服務提升。圖中橫坐標反應了該關鍵詞被消費者提到時消費者的負面情緒濃度秉宿。隨著濃度不斷增加戒突，證明該關鍵問題容易引起消費者的不滿，需要商家在短時間內(nèi)解決蘸鲸⊙矗縱坐標則反應了該關鍵詞被消費者提到的次數(shù)。被提及次數(shù)的高低反應了該關鍵詞折射出的是不是商家酌摇、產(chǎn)品的共性問題膝舅，即重要性水平。

2）關鍵詞之間聯(lián)想分析：通過在語憶大數(shù)據(jù)分析平臺中窑多，管理者可輸入想了解的信息（被聯(lián)想關鍵詞仍稀，如某品牌、某品類等）埂息，語憶的智能引擎將通過對其與其余關鍵詞（聯(lián)想關鍵詞）之間的聯(lián)系強度分析（基于詞向量技術(shù)及詞頻統(tǒng)計）技潘，在所有提到該詞的消費者通話中找到詞頻最高且負面情緒較強的關鍵詞，以二維點陣圖形式進行展示（如下右圖）千康，幫助使用者更好地了解與所輸入信息相關的更多細節(jié)享幽。

3）消費者情緒歸因：語憶大數(shù)據(jù)分析平臺將對每一期客服對話內(nèi)容進行消費者情緒表現(xiàn)總結(jié)，并針對各負面情緒進行進一步歸因解析拾弃。主要以該負面情緒相對應的情感關鍵詞其在客服對話中所呈現(xiàn)的總體負面情緒濃度及詞頻為考察依據(jù)值桩，并以列表的形式進行展示（如下左圖）。用戶可以選定指定的情緒豪椿，如“憤怒”“失望”“焦慮”等奔坟，再通過系統(tǒng)的反饋點擊關鍵詞進一步 查看產(chǎn)生強烈負面情緒的具體對話內(nèi)容。

4）關鍵詞提及人數(shù)：為了便于用戶簡單直接地查看每一期客服對話中的重點問題搭盾、整體情緒表現(xiàn)等整體情況咳秉。語憶系統(tǒng)還將涵蓋一些基本的關鍵數(shù)據(jù)統(tǒng)計及回溯功能，如關鍵詞詞提及人數(shù)（如下右圖）鸯隅。

5）自定義關鍵詞聯(lián)想：相對于關鍵詞聯(lián)想分析澜建，自定義聯(lián)想分析允許用戶自由輸入任何文本作為被聯(lián)想關鍵詞，然后展示其聯(lián)想關鍵詞的詞頻及情緒濃度蝌以，原理同關鍵詞聯(lián)想分析霎奢。

6）消費者意見雷達：允許用戶在語憶系統(tǒng)內(nèi)通過兩級關鍵詞設置（一級關鍵詞例如品牌，二級關鍵詞例如業(yè)務類型）對客服對話內(nèi)容中的核心意見關鍵詞進行統(tǒng)計饼灿。

綜上所述幕侠，語憶系統(tǒng)的主要目標是將客服運營團隊原本能獲取到的、豐富的統(tǒng)計數(shù)據(jù)（即結(jié)構(gòu)化數(shù)據(jù)）與語憶自有的文本分析能力碍彭，如情緒解析結(jié)合到一起晤硕，為商戶提供一種全新的客服管理及店鋪分析工具悼潭。不同以往，語憶系統(tǒng)允許商戶在對店鋪舞箍、客服數(shù)據(jù)進行分析的同時舰褪，還能從用戶對話內(nèi)容（即非結(jié)構(gòu)化數(shù)據(jù)）著手，基于自然語言處理技術(shù)疏橄，挖掘更直接占拍、精準的業(yè)務洞察，為用戶帶來巨大的商業(yè)價值捎迫。

面對未來

直至目前晃酒，對非結(jié)構(gòu)化數(shù)據(jù)的處理仍然具有著較大的瓶頸。以中文文本為例窄绒，傳統(tǒng)上贝次，不論是詞庫堆疊還是基于知識圖譜的方式都由于需要花費大量人力而變得應用性較差，而作為最理想解決方式的人工智能深度學習彰导，也因?qū)μ囟ㄐ袠I(yè)大量訓練數(shù)據(jù)的要求而仍無法飛速發(fā)展蛔翅。但慶幸的是，整個行業(yè)還是在往積極的方向前行著位谋，越來越多的企業(yè)看到了非結(jié)構(gòu)化數(shù)據(jù)所蘊含的巨大價值山析，也有越來越堵的數(shù)據(jù)掌控者了解到了開放數(shù)據(jù)對整個行業(yè)發(fā)展的重要意義。

以電商為例掏父，其最重要的兩部分非結(jié)構(gòu)化數(shù)據(jù)分別為用戶與客服之間的對話盖腿，以及每個商品頁下的用戶評論。此前由于需要花費大量人力损同，并且無法避免判斷的主觀性及片面性，運營人員難以通過對這些數(shù)據(jù)的分析挖掘巨大的商業(yè)價值鸟款。但時至今日膏燃，越來越多的人意識到，若有一天何什，當基于人工智能的計算機能夠充分组哩、無誤地理解這些文本數(shù)據(jù)，并能自動總結(jié)处渣、歸納出其中所包含的關鍵信息時伶贰，對整個電商、甚至品牌運營產(chǎn)業(yè)來說罐栈，無疑將卷起一場巨大的變革黍衙。

不僅如此，對非結(jié)構(gòu)化數(shù)據(jù)的理解仍然充滿了無限的可能性荠诬。以中文文本為例琅翻，除了電商領域位仁，任何社交平臺的帖子及評論數(shù)據(jù)，視頻網(wǎng)站的評論及彈幕數(shù)據(jù)方椎，網(wǎng)絡小說等文學作品以及海量歌詞等聂抢，都將因為日益成熟的文本分析能力而價值飛升。試想一下棠众，當一個工具能夠高效琳疏、精準地解析出當下社交平臺最主流的觀點及用戶對待特定話題不同的群體情感傾向；當它有能力告訴你不同的直播環(huán)境和視頻信息將呈現(xiàn)怎么樣的彈幕和觀點闸拿；甚至能在任何人閱讀一部千萬字的文學作品之前就告訴你其情節(jié)如何空盼、描寫得精彩與否……可能性將被無限放大。

而語憶的愿景就是在這場進行中的胸墙、非結(jié)構(gòu)化大數(shù)據(jù)改變整個數(shù)據(jù)分析產(chǎn)業(yè)的浪潮當中我注，通過不斷精進的中文文本解析技術(shù)，以及與企業(yè)的合作深化迟隅，站在巨浪的前端但骨，擔負起引領整個行業(yè)向前革新的責任。

—— 專注于大數(shù)據(jù)與人工智能 yuyidata.com