智慧型客服系統是在大規模知識處理基礎上發展起來的一項面向行業套用的，適用大規模知識處理、自然語言理解、知識管理、自動問答系統、推理等等技術行業，智慧型客服不僅為企業提供了細粒度知識管理技術，還為企業與海量用戶之間的溝通建立了一種基於自然語言的快捷有效的技術手段；同時還能夠為企業提供精細化管理所需的統計分析信息。
基本介紹
- 中文名：智慧型客服系統
- 外文名：Intelligent customer service system
- 用途：提高話務人員的工作效率
- 類型：智慧型客服系統
- 解釋：一個涉及多種先進技術的綜合體
主要功能,主要目標,用途,技術層面上,業務層面,性能指標,人機互動,技術挑戰,
主要功能
知識管理
知識管理系統是基於我們十餘年面向客戶服務的大型知識庫建立方法的經驗而形成的精細化結構知識管理工具。系統內設立一套通用化的知識管理建模方案，該方案可以迅速地幫助大型企業對龐雜的知識內容進行面向客戶化的知識管理。而該套方案是一般知識管理系統工具（如MS Sharepoint和IBM Lotus）中所沒有的。
該系統是一種點式或條式的知識管理系統，因此是一種細粒度的管理工具。這中細粒度的知識管理工具，使得大型企業更有效，更能從知識的運行中實時地掌握企業的運行狀態，從而更有效地進行科學決策。例如，在客戶的統計信息、熱點業務統計分析、VIP統計信息等可以在極短的時間內獲得。這是一般知識管理工具所不支持的。
下表具體給出了該系統與其它主要知識管理工具的重要區別。
區別 | 知識管理系統 | 其它工具（如Lotus、Sharepoint、） |
管理的規範化 | 具有通用化的知識管理建模方案，可以迅速地幫助大型企業對龐雜的知識內容進行面向客戶化的知識管理。 | 沒有內置的知識管理方案，需要企業從頭設計。 |
面向的對象 | 知識面向客戶的知識管理，使得客戶可以直接有效訪問到客戶化知識庫。同時也面向企業內部進行知識管理。 | 主要是面向企業內部進行知識管理，缺乏客戶化管理的有效支撐。 |
管理的粒度 | 支持“點式”或“條式”的知識管理，是一種細粒度的管理；使得大型企業更有效，更能從知識的運行中實時地掌握企業的運行狀態，從而更有效地進行科學決策。 | 沒有現成的方法支持細粒度知識管理，僅對“文檔”式或“表單”式數據管理有效。 |
管理的多層次 | 支持多層次管理，從“地域—時間—客戶群—渠道—業務—主體—摘要—文法—詞類”等多個層次管理企業知識。 | 不支持多層次知識管理。 |
管理的多層次 | 由於是細粒度知識管理，系統所產生的使用信息可以直接用於統計決策分析、深度挖掘，降低企業的管理成本。例如，客戶的統計信息、熱點業務統計分析、VIP統計信息等可以在極短的時間內獲得。這是一般知識管理工具所不支持的。 | 對企業的運行支持度很低。 |
語言應答
首先對客戶文字諮詢進行預處理系統（包括諮詢無關詞語識別、敏感詞識別等），然後在三個不同的層次上對客戶諮詢進行解析——語義文法層理解、詞模層理解、關鍵字層理解。
智慧型應答系統
智慧型應答系統下表具體給出了該系統與其它傳統系統的重要區別。
區別 | 智慧型應答系統 | 傳統應答系統 |
多層次語言分析 | 從語義文法層、詞模層、關鍵字層三個層面自動理解客戶諮詢。 | 通常僅單層分析 |
模糊推理 | 針對客戶的模糊問題，採用模糊分析技術，識別客戶的意圖，從而準確地搜尋客戶所需的知識內容 | 遇到模糊諮詢，性能驟然降低 |
縮略語識別 | 根據縮略語識別算法，自動識別縮略語所對應的正式稱呼，然後從知識庫中搜尋到正確的知識內容。 | 沒有現成的方法支持細粒度知識管理，僅對“文檔”式或“表單”式數據管理有效。 |
錯別字識別 | 對客戶諮詢中的錯誤字進行自動糾正 | 不支持 |
智慧型分詞 | 在錯別字、縮略語、模糊推理等引導下，進行智慧型分詞；但分詞遇到失敗時，在進行上述疊代處理，直至分詞成功 | 傳統分詞技術，難以處理海量客戶發出的海量諮詢 |
業務擴展性 | 隨著業務知識的不斷增長，系統的性能不會降低，因此具有良好的可擴展性 | 可擴展性差 |
易於管理 | 採用企業知識管理系統，對文法、詞典進行維護管理 | 不支持 |
多渠道接入 | 能同時接入簡訊、飛信、BBS、Web、WAP渠道 | 不支持 |
配套的運營系統 | 配以話務員補發系統、話務質檢系統、話務員小休管理模組、簡訊網關接口、惡意攻擊檢測系統等。 | 不支持 |
多角度可配置的統計分析
我們設計的統計分析系統是一種統一的系統，可以監控不同的地區、渠道、品牌、業務、時間、話務員、客戶類型等9個基本維度，同時也可以將上述基本維度進行複合，形成複合型監控維度，極大地擴展了現有監控技術。
智慧型監控系統截圖
智慧型監控系統截圖人工輔助
在系統不能自動回復用戶的問題時，將轉人工處理。為此，我們研製並提供話務員作業系統，供話務員操作使用。該系統具有精確的語義檢索能力，並且話務員可以線上編輯知識庫，供其他話務員使用，或者經過審核後，供智慧型客服系統自動使用。
主要目標
用途
幫助企業統計和了解客戶需要，實現精細化業務管理。
技術層面上
支持多層次企業知識建模；
支持細粒度企業知識管理；
支持多視角企業知識分析；
支持對客戶諮詢自然語言的多層次語義分析；
支持跨業務的語義檢索；
支持企業信息和知識融合。
業務層面
支持企業面向客戶的知識管理；
支持人工話務和文字話務的有效結合，成倍的提高人工話務效率，大幅度降低企業客服成本；
精細化業務管理：支持精細化統計分析，目前支持近60個統計指標的數據分析，支持熱點業務精細分析；
支持面向CRM的數據深度挖掘分析。
是幫助CFO寬心、放心、欣慰、得意的好產品，是CMO提出市場運營策略的數據基石。
性能指標
系統召回率達到：95%，準確率達到：95%，產品穩定性、兼容性、運行效率、並發能力、危機處理能力等產品化要求已達到電信級實用水平，並已實際在廣東移動通信公司全省上線運營20個月，在Lenovo運行6個月。
人機互動
愛客服智慧型機器人5大引擎擺脫人機互動困境，提升客服體驗。
語義分析引擎、分詞標註引擎可以實現一個問題應付各種相似問法的效果；
答案優選引擎讓智慧型機器人能夠精準匹配答案；
智慧型過濾引擎賦予機器人智慧型篩選答案的能力，禁止無效答案，將最有效的信息傳遞給用戶；
智慧型反問引擎使機器人具備了多輪對話能力，持續地與用戶保持互動；
場景識別引擎，通過上下文語境判斷，讓人機互動更加自然；
技術挑戰
系統的關鍵技術涉及三個主要方面：基於自然語言理解的語義檢索技術、多渠道知識服務技術、大規模知識庫建構技術。
自然語言查詢的處理技術流程
自然語言查詢的處理技術流程在自然語言理解語義檢索技術方面，我們讓公眾以最自然的方式表達自己的信息或知識需求，並能夠獲得其最想要的精準信息。我們的系統首先對用戶的查詢進行自然語言分析，這種分析在三個層次上進行：語義文法分析、代詞類的短語文法分析、特徵詞檢索。同時，對上述用戶的自然語言查詢繼續擰縮略語識別、錯別字識別、模糊推理、特徵術語識別，以進一步增強自然語言理解的準確性。
多渠道統一的知識服務