AI时代的呼叫中心发展展望

一、呼叫中心的历史

世界上第一个具有一定规模的、可提供7X24服务的呼叫中心是由泛美航空公司在1956年建成并投入使用的,其主要功能是可以让客户通过呼叫中心进行机票预定。随后AT&T推出了第一个用于电话营销的呼出型(outbound)呼叫中心,并在1967年正式开始运营800被叫付费业务。从此以后,利用电话进行客户服务、市场营销、技术支持和其他的特定商业活动的概念逐渐在全球范围内被接受和采用,直至形成今天的规模庞大的呼叫中心产业。
银行业也在70年代初开始建设自己的呼叫中心。

我们国内在呼叫中心方面要落后大约十年左右,并且离形成一定规模的产业化还有一段距离。

1、第一代呼叫中心:基于交换机的人工热线电话系统

第一代呼叫中心的特点是基本靠人工操作,对话务员专业技能要求相当高,而且劳动强度大、功能差、效率低。

2、第二代呼叫中心:交互式自动语音应答呼叫中心系统

第二代呼叫中心广泛采用了计算机技术,如通过局域网技术实现数据库数据共享;语音自动应答技术用于减轻话务员的劳动强度,减少出错率;采用自动呼叫分配器均衡座席话务量、降低呼损,提高客户的满意度等等。此呼叫中心需要采用专用的硬件平台与应用软件实现,难于满足客户个性化需求,灵活性差升级不方便、成本高。
现在电信运营商已建成多个呼叫中心,如1000/1001和1860/1861等,都透过其方便快捷的服务,使呼叫中心的概念深入民心。

3、第三代呼叫中心:交换机(PBX)+人工座席+自动语音应答+CTI技术:

第三代呼叫中心是目前的主流,它有机地将交换机(PBX)、语音自动应答(IVR) 、计传真服务器(FaxServer) 、全程录音设备(Call Logging)、客户关系管理(CRM) 、数据库系统、呼叫报表管理系统、人工座席等业务集成一体,先进“自动呼叫分配(ACD) ”技术,可以让客户得到呼叫中心最合适的业务代表的服务; 智能的遇忙排队, 可以客户及时得到等待信息(如:目前在队列中的位置、预计等待时间),并通知座席员客户排队状态;多样化的报表统计,能有效地实现对业务、设备、人员的全面管理,使呼叫中心随着运营的过程效益不断地提高,为客观考核客服中心服务质量以及数据挖掘提供依据。

4、第四代呼叫中心:交换机(PBX)+人工座席+自动语音应答+CTI技术+ICC

第四代呼叫中心是在第三代呼叫中心基础上增加了互联网呼叫中心(ICC)功能。 使Call Center真正从一个电话客户服务中心转变为一个客户服务中心(Customer CareCenter),它为客户提供统一客户服务平台,允许客户选择电话、传真、短信、E-mail、VoIPWeb站点 等任意一种方式都能从客户服务中心得到满意的服务。

二、人工智能在呼叫中心

那么,人工智能跟呼叫中心有什么关系呢?

最简单的就是语音和文本的相互转换已经用计算机对语义进行分析。用专业术语来说是ASR,TTS,NLP等。
ASR: Automatic Speech Recognition 自动语音识别
TTS: Text to Speech 文本转语音,语音合成
NLP:Natural Language Processing,自然语言处理

这些技术对应有很多产品,很多是我们很熟知的,包括:
Siri
Nuance
Google Now
Polly (Amazon)
Cortana (Microsoft)
迅飞语音
百度语音
阿里语音

早在17世纪就有法国人研发机械式的说话装置。直到19世纪,贝尔实验室对语音合成技术的研究,才开启年代语音合成技术的发展。1939年,贝尔实验室制作出第一个电子语音合成器VODER。是一种利用共振峰原理所制作的合成器。 1960年,瑞典语言学家G. Fant则提出利用线性预测编码技术(LPC)来作为语音合成分析技术,并推动了日后的发展。后来1980年代Moulines E和Charpentier F提出新的语音合成演算法PSOLA,此技术可以合成比较自然的语音。

有了这个基础,我们来看看人工智能技术在呼叫中心行业的一些具体运用场景。

1、智能IVR和智能知识库

估计很多人都要这样的场景:拨打银行热线咨询一个问题,你首先听到的是语言的选择(中文还是英文等)然后是业务选择(储蓄卡业务还是信用卡业务等),可能下一层是业务操作(挂失还是新办),很多人其实在这过程中会变的很不耐烦,会直接切换到人工。

其实这种行为是违背企业设置IVR业务以减少人工服务量的初衷的。
那么,有什么能解决这个问题吗?是的,你可能通过智能IVR和智能知识库很好的解决这个问题。

具体的逻辑如下:你拨通某银行的热线,在进入服务层级之前,我们的智能IVR进行业务需求引导(比如:你需要办理什么业务?)。这个时候,你需要的是直接说出你的需求(比如:我想要办理新卡)。

这个时候,我们的智能IVR能通过语音识别和自然语言处理,快速并且高效的理解你的需求,并通过银行业务系统的智能知识库,进行关键词检索,锁定该业务的答案,并且通过TTS、系统录音或者最原始的短信将当前业务的答案发送或者触达给你。

2、智能全量质检

在呼叫中心运营中各项数据都非常重要,如:接通率、通话时长、投诉、客户满意度等。与这些数据直接相关的就是客服人员或者电销人员的业务素质。而不同人员之间的业务素质差距,不是完全靠培训能就能全部解决的。

这时候,需要我们有一种监控反馈提升的办法或者机制,这就是业内人常叫的话务质检。在以前,我们话务质检数量和质量,其实也是差强人意的。

在一个中等规模的呼叫中心(50-100人叫中等规模),我们一般安排3-5个质检人员,你会发现1天的质检量其实也就是全天话务量的3%-5%,而且这还是在这几个质检人员不怎么休息的情况下才能达到的质检量,其实这是非常低效率的,而且也不能避免存在样本量检查的变差,造成个别差的话务员“浑水摸鱼”。

人工智能技术很好的解决了这个问题,可以说是给话务质检带来质的变化。具体的逻辑如下:我们通过ASR技术实现话务服务的全量录音转文本,转换成文本后依据大数据进行关键核心词匹配(事前可在大数据关键字抓取模型中输入服务禁忌用于或者易出错知识点),最后完成全通话服务量文本的关键字标红和统计,这样就能清楚的知道整个运营现场的话务服务质量统计和趋势,同样也试用于单个业务员所有话务服务质量分析。

三、总结

未来以来,人工智能越来越多走入了我们生活。现在我们打电话到淘宝,银行,甚至快递很多都已经用到了人工智能技术。所以,适当的了解人工智能,对我们了解未来有帮助。

你可能感兴趣的:(AI时代的呼叫中心发展展望)