尊敬的各位來賓、各位領導、各位行業(yè)的同仁大家好！我是來自Genesys的咨詢方案顧問尹徐，Genesys是專注于聯(lián)絡中心用戶體驗的一家公司，我們發(fā)現(xiàn)每當技術在發(fā)生改變的時候，聯(lián)絡中心也會不停的去做相應的變革，就如剛才秦總所說，聯(lián)絡中心的技術發(fā)展是緊隨著科技的腳步、在一步一步的自我演化。從前些年的時候我們在討論云計算、全渠道覆蓋、數(shù)字化、社交媒體，到現(xiàn)在人工智能的時代來臨，聯(lián)絡中心都緊跟著時代的腳步。越來越多的聯(lián)絡中心和企業(yè)會采用人工智能的技術來引入到用戶交互的前端數(shù)字渠道、語音渠道，以及其他的各種后臺應用中。今天在這里今天我給大家?guī)硪恍〨enesys在人工智能應用于聯(lián)絡中心的思考。
說到人工智能，可能做技術的人都能說兩句，聯(lián)絡中心可能是最早使用人工智能的一個行業(yè)。在人工智能沒有成為一個熱點詞之前，十年前已經就有了TTS、ASR：語音轉文本、文本轉語音那是最早的并且是成熟的人工智能的商業(yè)化應用。現(xiàn)在隨著一系列的技術發(fā)展，人工智能技術有一個飛躍的提升，在這里我再具體給大家看一下，Genesys對于聯(lián)絡中心如何去實施人工智能，以及所帶來的一些問題和思考。
首先給大家看一段繞口令，叫做IWWIWWIWI，也就是I want what I want when I want it。一開始我不知道怎么翻譯，于是就找了各種號稱帶人工智能的機器翻譯的平臺來嘗試，大家也可以用自己的手機來進行一次測試，你會發(fā)現(xiàn)翻譯的結果不盡相同。也就是說每一個企業(yè)在實施人工智能的水平是參差不齊的。在這里我試著用我自己的方式翻譯一下，實際上它是一個多層嵌構的關系，我的理解為：擇機而出，想我所要。這也很好地反應了當用戶和企業(yè)進行溝通和聯(lián)絡時，他的一種期望或者對于用戶體驗的一種期許。當我想要的時候，你所給我的恰巧是我想要的。我什么時候需要呢？大家知道聯(lián)絡中心最初只有在客戶主動聯(lián)絡時才會為他提供服務�，F(xiàn)在外呼渠道、多媒體營銷渠道和溝通渠道，能夠讓我們聯(lián)絡中心能夠發(fā)起主動式的溝通、主動與用戶來去進行相應的信息交互。那么何時我們會與用戶進行主動溝通呢？這實際上是一個非常好的一個業(yè)務決策的問題。
下面這一頁是對于機器人在聯(lián)絡中心應用的一個思考。目前來看大多數(shù)聯(lián)絡中心處于規(guī)�；瘜嵤┱Z音和文本機器的階段，大概會處于第三到第五階段，因為我們知道每一個企業(yè)實施人工智能的水平和深度是不一樣的。這里通常來看是規(guī)則驅動，簡單來說是采用大規(guī)模的語料或者不同的規(guī)則來豐富知識庫，但是非聯(lián)絡中心知識庫內其他的問題可能回答不了�，F(xiàn)在的情況是機器人的發(fā)展非常迅速，我們推崇是最后一個階段，一個主動化、個性化以及基于智能機器學習的機器人。請注意這里不僅僅是適用于文本聊天的機器人，也同樣適用于規(guī)則引擎，以及語音引擎。
今天來會場之前看到外面展臺有很多企業(yè)都發(fā)布了語音智能、智能客服、智能機器人、智能的外呼都是一個主動化。我們如何實現(xiàn)個性化，如何用人工智能實現(xiàn)千人千面？如何在上一次與機器人交互后，第二次再與機器人交互時是否能夠準確的掌握我的歷史數(shù)據(jù)呢？這是一個很值得思考的問題。
對于機器人在聯(lián)絡中心的應用，近些年企業(yè)聯(lián)絡中心勇于去嘗試這些新的技術。Genesys自身為客戶定制方案時，我們發(fā)現(xiàn)聯(lián)絡中心加載人工智能的一些智能化的技術后，增加了溝通渠道、也增加了服務方式，但是它也帶來的一些痛點。這里我們來歸結一下，首先第一就是我們傳統(tǒng)的話務路由分配，以前的路由是有限的資源提供無限的服務，因為我們的人工客服資源量是固定，當我們使用機器人時，理論上只要服務器足夠多，資源是無窮無盡的。那么我們何時和如何決定是否向用戶提供機器人服務，是不是客戶一定需要機器人服務？當客戶上一次已經與機器人交互之后，客戶再一次去聯(lián)系客服中心時，享受的服務是否體現(xiàn)個性化，是否體現(xiàn)歷史數(shù)據(jù)。舉一個簡單的例子大家有很多基于微信的機器人聊天，當進了地鐵站沒有信號，等出了地鐵站發(fā)現(xiàn)信號恢復，再次對話就會發(fā)現(xiàn)它會把問題重問了一遍，這是話務路由分配的思考。
第二個問題是連線，當下我們仍然需要大量的人工客服來去提供服務，如何讓座席準確并且簡明扼要的將客戶從機器人對話轉過來的問題得以迅速的回答，就要考慮一致性的用戶體驗以及交互記錄的無縫遷移。當客戶試圖從機器人將交互轉到人工時，如果人工座席不在線，系統(tǒng)該如何進行處理？實際上機器人設計往往并沒有考慮到聯(lián)絡中心獨具的場景，這個時候就需要規(guī)則引擎能夠重新調整到另外一種策略。
聯(lián)絡中心同時聚焦于后臺的人員管理以及整體業(yè)務效益的優(yōu)化。傳統(tǒng)情況下聯(lián)絡中心對于座席管理和業(yè)務目標是有很明確、很精細的報表來提供業(yè)務支撐和決策分析。當引入機器人之后，機器人與用戶發(fā)生了大量的交互，完全是自動化的，如何將機器人與客戶的交互報表與傳統(tǒng)聯(lián)絡中心的報表進行一個交叉相關？這些報表同樣也很重要，很可能當機器人的回答不適合時就會影響了客戶的體驗，就會影響了NPS，還有就是聯(lián)絡中心會運用大量的語音分析質檢和文本分析質檢，當我們使用語音機器人和文本機器人后，如何對機器人交互進行自檢？我們希望能夠提高準確性，為后續(xù)的用戶提供更好的服務，
這是我們發(fā)現(xiàn)在聯(lián)絡中心在部署人工智能機器人時會存在的三個需要關注的業(yè)務問題。
對于機器人的思考引發(fā)了我們對于呼叫中心Ai的關注。通常情況下我們關注于交互型Ai會分成三種類別，第一種是通用型，像siri像各種各樣的普世的聊天機器人，第二種專屬聊天主要是行業(yè)渠道，比如說我是一個銀行的聊天機器人，知識引擎度完全是內部所有的專業(yè)的數(shù)據(jù)庫。通常情況下這些前置渠道，聚焦于答案準確性，和與問題標準答案的偏離度。
從目前的實施經驗來看，既有的聯(lián)絡中心當他們考慮使用人工智能技術，去增加一些機器人服務渠道時，通常情況下這兩個系統(tǒng)是相對比較割裂。這樣會導致了無縫會話集成和管理的問題。Genesys作為關注聯(lián)絡中心與體驗的公司，我們更加關注Ai在聯(lián)絡中心如何進行適配，于是我們就帶來一個新的技術。叫做KATE。大多數(shù)企業(yè)人工智能的名字都偏女性化，比如說siri、小i、小訊。KATE方案在前端、終端包括了既有AI會話引擎也包括了Genesys獨推的Ai網關，何為Ai網關，傳統(tǒng)的情況下當我們的語音渠道連接后臺的ASR/TTS語音機器人我們是有標準的協(xié)議進行對接的，當我去做文本聊天、或者說去連接更多的第三方生態(tài)系統(tǒng)時，也需要一個中間層面的網關進行接入保證無縫的會話遷移，不僅僅是將人工智能AI前置到與用戶交流的第一站，而是貫穿整個的會話周期。
AI中臺包括了預測路由技術，這是Genesys今年創(chuàng)新推出新的路由或者話務分配的一種基于機器學習的分配方法。AI后臺就包括了勞動力資源優(yōu)化的人工智能。如何將人工智能技術引入到排班、引入到質檢、能夠更好為后臺管理提供服務，Genesys推出了WFO。AI方案設想，能夠讓管理人員更好的在后臺提高他們的運營效率。
Genesys是一個非常開放的平臺，不僅有自己家的機器人平臺，同樣保持一個開放的心態(tài)去對接各種各樣的第三方人工智能的機器平臺。目前在國內的實施案例與在座的各位廠商也有過很多的合作。
KATE方案推出之后能為聯(lián)絡中心帶來什么？第一個是全渠道的覆蓋，我們希望將Ai能夠運用于所有的渠道，包括傳統(tǒng)的數(shù)字渠道，以及語音渠道，以及相應的其他多種交互渠道。第二個是全會話周期，不僅僅是將人工智能與用戶的交互作為前置，只是作為一個交互的窗口。每一次的會話都可以主動式的、個性化的，而且基于歷史的數(shù)據(jù)分析為下一次用戶交互時提供更好的服務，所以叫全會話周期。第三個是全員輔助管理，我們希望通過后臺的Ai支持能夠為座席提供更好的支持服務，能夠為我們的主管和質檢人員提供更好的服務，能夠為后臺業(yè)務分析人員提供更好的服務，實際上是囊括了三個比較大的一個方面。
接下來我就給大家詳細的分享一下這三個不同的方面。第一是全渠道覆蓋。那么全渠道覆蓋之前包括像在前兩年CTI論壇很多都會談全渠道覆蓋，Genesys幾乎可以提供用戶在市面上所有的業(yè)務以及各種各樣的渠道。同時在這里很高興的向大家宣布我們支持了蘋果最新AppleBusinessChat的服務。
第二個是全員管理，用戶通過各種各樣的渠道進入聯(lián)絡中心時，當用戶在輸入的第一站時，通過自然語言的處理和理解，能夠通過業(yè)務規(guī)則引擎進行一個智能的分配，有可能您是打電話過來我給你推送一個相應的APP通知，或者一個相應的短訊和郵件服務，我們希望提供跨渠道的服務，而且是基于我們的業(yè)務、規(guī)則引擎來搭建的。這里強調一點我們叫混合型Ai，我們希望機器人客服與人工客服無縫連接能夠為用戶提供一致性的體驗。同時Genesys并不完全拘泥于只僅僅使用自家Ai平臺，也可以第三方的機器人，甚至用戶允許的話，用戶可以同時接入兩家Ai平臺一起來為一個客戶提供服務。中間就可以使用到Genesys的Ai網關技術。
接下來就是聯(lián)絡中心里對話務的思考，傳統(tǒng)上提到做路由分配或者話務分配時，在ACD之后我們會采用基于技能的分配。當一個有價值的客戶進行主動來電時，我們希望是具備相應技能最好同時又剛好在線的座席來提供服務�；诩寄芙M或者群組來進行分配，設置一個靜態(tài)的技能目標。當用戶來電時最短的時間找到最合適并且在線的規(guī)則，這種規(guī)則是我們事先制定好的，無論是基于等待時長還是基于不同變量的加權。它所關注的要點是首先可用，就是說一個客戶進來，當有兩個技能座席都可用，那么誰等待時間最長就會分配給誰，它注重于呼叫中心運營效率或者工作效率。
預測路由的分配機制并不完全是基于首先可用的原則，而是基于業(yè)務導向原則，什么是業(yè)務導向？我們知道聯(lián)絡中心有各種各樣的指標來去評價運營好壞，包括NPS、客戶滿意度、FCR首次問題解決率。根據(jù)不同的業(yè)務指標就可以去設置相應的結果，利用人工智能的機器學習的方法，為座席設立一個模型，為客戶設立一個模型，采用人工智能算法中一個比較經典的評分卡原則里進行匹配。當一個有價值的客戶進來，如果高技能的座席都很忙，低技能的可用，傳統(tǒng)做法首先把話務分出去再說，如果我是要關注于我的業(yè)務指標，那么寧肯讓客戶先等一段時間，也是希望能夠讓最好的座席提供服務。這個關鍵詞最好實際上是依托于我們對于客戶資料的學習，客戶資料的學習依托于客戶之前與聯(lián)絡中心所有的交互，包括人工聊天、以及第三方CRM的業(yè)務數(shù)據(jù)，通過這一些數(shù)據(jù)的學習，日積月累能夠提供相對的一個準確的模型與我們的座席來去進行一個適配。座席的模型也不僅僅是工齡、技能，同樣還包括歷史的交互數(shù)據(jù)，與用戶的交流記錄，個人客戶滿意度的指標，也包括業(yè)務結果的指標。設立一個多維度的評分卡模型能夠完成一個最佳的匹配，這就是我們的預測式路由。我們希望通過這個方案打造業(yè)務結果導向型，完成最恰當?shù)淖谧钋‘數(shù)臅r間為用戶提供服務，實現(xiàn)IWWIWWIWI。機器人方案我們推出了兩種，第一搭建一個屬于自己的機器人，也就是利用Genesys提供的標準化導向引擎、對話引擎，用戶可以自行輸入語料，完全搭建一個自己的AI平臺，是第二通過Genesys網關能夠順序接入一個甚至多個第三方的機器人。
這里面有一個演示的視頻給大家看一下。
在這里面我們使用了Genesys自有Ai引擎。給大家演示的用戶既部署了自己的機器人，同時連入了第三方機器人同時加入了座席為用戶提供了無縫的體驗，在這里我希望以最后的膠片來結束我的演講：我們認為機器人并不會完全取代人工客服，而更多的是機器人和人工在一起去提供更好的用戶體驗。
謝謝大家！
