【客服节】周柳阳：全场景智能客服新时代
9月24-25日，由中国信息协会主办，中国信息协会客户联络中心分会和中国电子北海产业园联合主办，才博（中国）客户管理机构承办的第四届中国客户服务节在广西北海成功举办。大会为期两天，以“弘扬服务精神，传递微笑服务”为总主题，以“共同战“疫”，客服人在担当为背景，共集结近40位嘉宾以及500余位行业代表出席了客服节的开幕式大会。采用“线上+线下、会议+展览”的互动方式，在线观看人数超过30万人次。议程包含广西及北海市政府领导致欢迎辞、主办方及国家部委领导致辞并发表主旨讲话、战略合作伙伴签约仪式、《客服人幸福指数调研报告》发布解读、《我是客服人》首发仪式、优秀标杆代表发言、抗击疫情先进事迹与先进个人报告会、颁奖晚会以及两大平行论坛：服务创新管理案例论坛、质检培训管理案例论坛、技术应用交流展览区等。
深圳市一号互联科技有限公司执行总裁 周柳阳
各位同行，各位行业的专家、合作伙伴，大家早上好，今天很高兴代表一号互联跟大家分享一下在客服行业做一些智能化应用的场景案例，更重要的是我们对这个行业的思考。在开始今天的演讲之前，想为大家分享三个小的案例和场景。
第一个，15年前，我去银行办理境外业务，当时我去柜台客服经理那边咨询相关境外业务的情况，当时我就问他一些问题，例如我在境外的ATM机取款手续费是怎么收的，每天的限额是多少，用不同银行的ATM取款又是怎么样的，其实我问的这些问题并不是太难，但是可能比较复杂。但是，当时柜台的客户经理他没有马上给到我这个答案，他当时查了半天之后找来客服主管，拿了很厚的材料，半个小时以后才给到我答案，当时我就在想，我问的问题并不难，它仅仅是复杂而已，为什么要给我半个小时等待的时间才给到我答案，这些答案其实都已经在那本手册上面非常明确的写在上面了，是否会用一种方式把这个文档知识客观的数据让机器人去学习，让机器辅助人工去回答，这个答案目前现在这个情况来看肯定是可以的，我们可以通过机器的方式给用户解答各种常规性、客观性的答案，同时去优化整个业务流程。
第二个，今年受疫情的影响，每一个各行各业其实都发生了很多的变革，尤其是线下的各类行业，线下的零售场景，我们公司一号互联是一家人工智能公司，疫情期间跟集团下面的去聊，他们一直在想通过线下实体店的模式进行销售，在疫情期间有什么方式让他们的业务不下滑，持续增长，他们找了新媒体运营公司直接合作，通过线上运营、线上获客获得公众号，效果很好，很多进行咨询、成交，整个用户量的上升就面临这样的问题，零售企业原来都是采取线下的方式，线上服务几乎没有，当时我记得只有两三个人接电话，完全没有线上服务人员，后来采取了线上服务系统帮助他们进行线上服务运营，最终提升用户的体验和转换率。在疫情期间，他们相比于去年的同比业务增长差不多增长了50%，这个数据是非常惊人的，通过这样的场景我们就在思考，疫情之后每一个行业，每一个场景都要讲究三个线上化：客户线上化、业务线上化，最终实现管理线上化。但是最终实现这三者线上化的前提是服务线上化，我们一定要给用户做好更好的线上化的服务体验，包括在线的方式，也包括电话方式，只有做好了线上服务才能帮助企业降本增效的同时，带来业务增长。
第三个，两年前，我们和一家金融机构沟通交流，他们当时存在这样的一个痛点，他们的呼叫中心用的是厂商A，客服用的B，录音用的另外一个厂商，随着智能化应用的落地，引用了不同的供应商ABCD，所有的应用他们其实都有，但是都是分布在各种不同的独立的系统，这时候他就会面临很多的痛点。
第一个痛点，用户的数据没有办法打通，各个场景下各个渠道下的数据没有办法打通和融通。
第二个痛点，对于业务来讲，比如说我们的坐席人员，无论是服务还是电商，他们在用使用不同系统的时候要维护不同的每一个系统的内容，包括运营数据，包括知识库。比如我们人工坐席人员，他要给我们人工知识库，我们智能机器人要有一套智能机器人，不同场景都一样。其实原来这个企业希望引入不同的系统提升线上化服务的效率，但最终所带来的运营成本知识库没有办法打通。
第三个痛点，最终我们针对不同场景的用户数据没有办法去做更进一步深度的服务和深度的二次转化，比如说我想进行交叉销售，二次二开没有办法去做，所以说基于这样的大背景下，提出了全场景智能客服平台，希望把各类场景下的系统和应用都能够融通打通，最终能够实现企业服务的一体化平台。我之前一直在跟产品同事在聊的时候到底叫什么产品名称，现在很多叫全渠道，我们希望叫全场景的，我们关注的点不仅仅希望给用户提供多渠道、全渠道的服务，更希望所有场景下的应用都是一体化的，这是我们要做的事情，所有的系统、所有的场景都一体化。
接下来，我之前从学术到创业以来一直在做一件事情，怎么样去提升人机交互的体验，怎么样提升人人交互的体验，也是我们一号互联在做的，我们一直致力于客服场景下的人机互动、人人互动。整个客服行业的发展一直在不断变化，随着技术的变革，用户消费习惯的改变，希望带来每一个变革，从原有以电话为中心的到现在跳出单一的电话模式，进入了线上化全渠道客服使用，从2016年开始深度学习人工智能技术的发展引入了各类人工智能落地，到现在提供了AI智能客服时代，其实整个智能客服体量一直在不断增长，差不多在2020年会突破900亿元，背后所带来的直观因素或者背景就是线上化服务需求的增生，我们需要通过智能化应用的方式，智能化应用技术的手段去提升整个线上服务的体验。
随着云计算的普及，包括人工智能、大数据等等各类场景的应用，目前已经有38%的企业把客服搬上了云端，通过云端客户云客服的方式给用户提供体验，同时已经有20%的体验基于人工智能技术引入了各类场景的智能化应用，其实这个比例还是相对来说比较低的，只有20%到30%，我相信未来100%的企业只要有客服类的场景必然会有人工智能带来智能客服场景的应用。真正的AI最近几年火热起来是从2016年开始的，各个领域都有在应用，我所看到的在客服领域场景下人工智能技术是真正落地的，并且能够真正带来很显著的价值，这也是为什么这个行业有这么多类的，比如说各类的AI的人工智能供应商，为什么会有这样的一个情况呢？
第一个，人工智能在重新定义我们的客服产品，甚至在重构整个行业的结构，包括一些业务流程的改变。
第二个，给用户体验带来提升。其实很多业务场景，我也看到很多网上讨论，包括前段时间微博发起的评论，人工智能客服所带来的体验是什么的，很多人讲人工智能客服体验并不好，可能属于人工制造的状态，但其实我们可以在很多的场景下人工智能客服所带来效率的提升是显而易见的，例如在疫情期间帮助政府做疫情通知和回放，基本每天跑的量可以达到几十万甚至上百万的量，这个所带来的效率提升是人工无法比拟的，我们没有办法让人工一天完成100万的量，这些场景下所带来的变革已经显而易见了。
第三个，一体化缺失的增量市场。我的一个观点是通过人工智能的方式降本增效是第一步，真正希望给企业带来增量市场价值的改变，比如说我们通过技术的方式，后面会讲到一个案例，怎么样帮助他业务的增长，这其实是最关键的价值，确实要有一个增量市场。前面也讲到各类智能客服产品的应用落地的非常多，目前存在三个问题。第一个，功能不融合。第二个，渠道多样。第三个，数据未挖掘。最终都会导致一个问题，数据没有办法打通，我们没办法去做数据挖掘。
再分享一个小案例，我给上市公司整个集团做的智能服务一体化平台的建设，他们存在这样的一个问题，整个集团下面他们差不多有十几家上市公司，包括二十几家非上市公司，面对这几十家情况，他们想去做这样一件事情，把整个集团下所有企业的用户数据打通，比如说某个用户在企业他买了结婚用品，在企业B买了母婴用品，下一步他去咨询企业C的时候，我们是否可以知道他前面的A和B场景下的数据，这时候可以给我们带来二次交叉销售，进一步的销售，整个用户数据的打通所带来的价值就可以非常显而易见的体现了，这就是目前智能客服产品独立化、单一化所带来的问题，我们需要最终实现的就是数据的打通。
现在客服系统刚刚讲到了，目前是四个阶段。一个是工具时代，我们通过各类工具化的应用提升某些场景下的效率，之后带来多系统，随着场景的丰富性会引入多系统，最后是全渠道整合，下一个阶段是全场景的整合，把所有场景的应用都统一化，最终帮助企业解决六难问题。
第一个，所有渠道的统一。我们可以看到现在随着用户消费习惯的改变，从线下到了线上，通过网页APP、公众号小程序，到现在微博、抖音、头条等各类社交媒体的出现，我们希望所有渠道统一。
第二个，所有服务渠道统一。客户服务流程、内部员工流程等统一化。
第三个，智能应用之后我们需要完成人工和智能的统一，怎么样保持人和机器有机结合。
第四个，现场服务。
最后一个，通过全场景的客服平台帮助企业一对一的解决六大所面临的问题。业务流程当中，我们可以覆盖企业从售中、售前、售后三个环节所有的业务流程，而不是单一的客户服务，客户服务只完成售后的场景，其实现在很多企业一直在做的一件事情，希望把客服的成本转向利润中心、价值中心，前提是我们能够实现整个业务流程的统一化，实现售前、售中、售后。
实现一体化，实现各类全媒体的整合，为客户提供一站式的服务，为客户提供很好的体验。这张图是一号互联提供的全场景智能客服系统解决方案。第一个，通过多渠道接入的方式完成了原有的多媒体、多渠道下的接入，可以把所有用户数据统一的打通。第二个，跟踪式的服务闭环，有机的实现人机融合，由机器人完成的事情机器人完成，由人工完成的事情人工去跟进，同时在针对人工的时候会通过机器提升效率。例如人机吻合、机器辅助、人工质检的服务场景，在机器和人工有机结合的情况下，更重要的是数据和运营管理的流程。
第一个，运营管理能够帮助企业更好的提升整个运营的效率，包括质检、热点分析、用户画像以及知识库，同时在后台提供了一整套从知识管理、机器训练、数据分析、话术管理等整个系统管理平台，只有通过这一整套的管理后台才能够实现的各类业务场景和业务流的统一。跟很多企业交流的时候，很多应用场景都已经有了，但是背后整个运营管理的平台是独立的，不打通、不统一。
第二个，整个系统管理的后台也是不打通、不统一的，这就是我们做的一件事情，我们把前端的应用和后端的运营管理统一化，通过什么样的技术能力去支撑呢？我们同时给企业提供了底层AI平台，通过数据标注、文档抽取、AI引擎等等帮助企业实现整个业务流程的流转。
这是刚刚提到的AI中台，下一代AICC的平台，无论是在前端是用什么样的场景，其实我们最终使用所有的AI能力都是通过这样的统一平台去实现，当中包括模型训练、算法优化、机器人工厂，通过这一整套体系支撑前端的各类业务场景。
刚刚前面讲到的是AI引擎的统一化和应用，这里展开讲一下对于整个客户服务场景来讲，我们怎么样去管理好数据，除了数据打通之后怎么样管理好数据，帮助我们的客服人员更高效的使用各类系统是非常重要的事情，我们在跟一些保险公司沟通的时候，他们有这样的一个痛点，他们有保险产品，一个保险产品可能会有条款，条款里面的规则差不多有100页—200页的文档，试想他如果有1000款产品，1000款产品*200页的文档那是20万页，首先不说人工学习要花很长时间。回到我们的机器，20万份我们如果提取成FAQ，可能上千万的FAQ才能够输入给机器，让机器去回答，这个人工成本是非常高的。回到客服场景，假设有很多非结构化的文档，企业文档、各类说明书等，如果把这些文档扔到平台当中，机器能够自动化完成拆解过程，结构化的知识图谱，这个过程价值是非常大的，就像刚才讲的跟保险公司合作的过程，我们帮他搭建这样一个平台之后，他们要用一些新的产品上一个文档，一周的时间帮助他们完成将近10万份文档的抽取和训练，这10万份的文档可以直接给到前端各类应用场景去使用，我们在整个平台提供知识抽取平台和训练工具，帮助客服场景下的企业从文档到知识的转变。
具体的流程是怎么样呢？首先我们会给企业提供一个数据平台，这个过程由我们完成，根据整个场景下的模型去标注上数据，最后以机器人帮助他们抽取数据，最终实现文档和问答的效果，这个不仅是给到了机器各类场景，比如直接提供一万份的文档上到平台，前端机器人从文本机器人到语音机器人到外呼呼入都可以使用。在真实的业务场景下，就不需要人工的背和记各类文档，甚至不需要当用户问到一个问题的时候跟他讲过10分钟再告诉你答案。这是我们提供的从技术来讲完成的数据抽取的平台，帮助企业构建知识图谱平台，这个是偏技术的，大家感兴趣可以再去做深入的沟通。
最后总结一下针对一号互联的全产品取证，从金融、教育、工业互联网以及包括各类场景下提供了整个智能联络中心的应用，从前端的智能化的应用到人工的呼叫中心、在线客服、一体化应用，同时基于知识图谱的能力和AI中台，这个是放在智慧大脑，帮助企业构建的底层应用，这样子能够完成闭环，所有的应用都在一个平台上完成使用。
简单过一下每一个应用的场景，相信各位专家都非常熟悉了。比如说智能在线客服系统实现了线上化各类统一的知识问答，实现了和机器人的人机协作。外呼机器人实现场景自动化，包括客服营销回访，保单的审核，客服催收等等全面提升整个服务运营效率，包括智能IVR，当用户进来的时候直接通过机器人的方式给到用户进行解答。还有一个人机耦合，目前在外部场景下的用户体验还是非常好的，具体是什么样的一种模式，目前是每一个技术，电销人员会配三到五个机器人给他搭配，前端先用机器人外呼，包括跟用户交互，当我们发现一个用户有意向的时候，可以无感知直接把机器人转给人工，从而提升人工的接待效率和转换率，这里就有人机耦合的目的，解决了两个问题。
第一个，我们让机器筛选了一部分用户。
第二个，帮助用户解答了问题，让我们人工做一些事情，专注在后续的转换，当然会根据不同的业务场景去匹配人和机器的比例，有的场景下一个人，三个机器，有的是一个人或者五个机器，我们真实的一些数据是在具体的一些金融行业的场景，也包括制造业的场景，包括电商的场景，能够给实际的坐席人员提升3倍的效能和效率，这点是直观的感受和价值。
智能质检也是大家非常熟悉的产品，通过机器实现全量的百分之百的质检，包括线上文本，包括我们质检团队实现100%的质检和业务覆盖。
最后讲一下坐席辅助，也叫实时质检，针对客户服务场景下，坐席人员每一个人的专业能力和服务状态都是参差不齐的，包括我们刚上的坐席人员，比如说一批刚入职的坐席人员能不能够让他像一个工作了一年两年工作经验的一个专家呢？是可以的，目前工作有这样的能力，就是在我们的坐席人员以客户交互的过程当中机器实时提供以下的服务。
第一个，专业化能力的解答。有一个用问到很专业的产品，某个参数怎么办，我们坐席人员并不会这么作业，机器通过背后的知识体系，给他提示专业化的答案，他就不需要再找，直接看着就可以。
第二个，销售话术。电销场景下，他应该怎么样讲这个话术，我们给他一个实时的提示。第一个解决专业服务的场景，第二个是销售的场景，提升销售。
第三个，跟质检相关的，坐席人员在服务的过程当中，比如说有一些违规词，或者他的态度情绪是不需要进行实时监控，提升他的服务质量，但更重要的其实在这个过程当中我们会实时的抓取和分析用户和坐席人员的对话数据，通过这个对话数据实时的补充C端用户的画像，通过我们的对话我们就可以下一步更加精准和清楚的知道这个客户是什么情况，他大概的画像是怎么样的。
这个是跟某家中外合资公司合作的保险产品，把整个服务质量做一个监控，第二个刚刚前面也讲到了，怎么提升他们二次二开的销售效果，还有智能回访，通过机器人的方式完成回访流程，帮助保险公司去构建，把所有体系内的、业务场景内的，比如说保险相关的文档，甚至是从HR部门、财务部门，整个公司所有的文档体系都放在下面提供前端的应用。
大家可以发现，在这个场景下，无论是客户部门、运营部门给到客服人员使用，包括他的渠道，带着所有的场景下都通过这个平台统一实现和完成服务。我们跟一些证券公司合作的多场景下的证券服务体系，包括跟银行类去合作，帮助他们从网银、信用卡、信贷，甚至包括所有的文档文件都放在平台上实现，也包括相关服务质检整套全流程。我们也去和金融公司实现催收了一些场景，从前端的P1—P3进行催收。
着重讲一下这个案例，我们一开始帮助他们做的事情是针对前端场景下的催收，通过机器人的方式催收，这类场景比较简单，没有问题，这个效率而是显而易见的，我们基本上整个回款率达到了人工的80%，回款成本只有人工的40%，整个产能的效率得到了很大的提升，这是给大家做的第一期。
第二期我觉得非常有价值的就是我们在帮他们做数据的筛选和撮合，比如说他有一万个按键，我们背后做了一个策略模型，让机器做的事情交给机器，让人做的事情交给人，我们进行了一个拆分，最终筛选出2000个按键交给人工跟进和进行，这时候人工的效率跟原来比并没有提升，但是转化率提高了，我并不是让机器完成，是否能去跟进交给了人。
总结一下，这种场景下做了两件事情，第一件事情让机器完成简单化的场景应用，第二件事情我们把数据做了一个拆分和分类，把适合员工去做的事情交给员工去做，大大去提升人工的效率。比如，原来人工一天作业是100个按键，我们通过二期策略模型之后，人工做的作业效率可能依然是100个按键，但是这个可能是80%、90%，原来可能是40%，做的事情不一样转换率也不一样。
这是我们跟运营商合作的案例。
目前我们已经覆盖了从金融行业到运营商，到物流、人工物流，包括各类传统行业，包括互联网教育智能制造等板块。剩下一两分钟的时间简单介绍一下公司，一号互联是复星旗下的人工智能公司，全球有22个城市，能够为企业更好的提供本地化服务，目前AI解决方案覆盖了26个行业，所以基本上我们是全行业覆盖。目前提供了第一个本地化专业化的运营能力和领先的技术，整个AI团队一直在致力于怎么样去提升人机交互的体验和人人交互的体验，这个是我个人的微信和今天展会的微信群，大家可以扫一下我个人微信，会后做一个深度的交流，同时在会场底端那边有我们的一个展台，大家如果对我们的产品、方案、案例感兴趣的话，会后我们再做进一步的进行交流，谢谢大家。
end