传统的客服中心，从整体架构上看，具有明显的双门户性，一是外部客户通过IVR和客服中心接触，获得所需的帮助或指引，二是内部客户(座席人员)通过座席界面查找所需的信息，给客户提供帮助。规模较大的客服中心，尤其是电信运营商的客服中心，因为业务复杂、话务规模巨大，经过这些年的发展，基本都面临着这样的困局：
一是作为外部客户接触客服中心的门户，IVR越来越复杂，因为要承载很多的业务，流程宽度越来越大、层级越来越深，很难满足所有人的要求，所谓“众口难调”。虽然近些年上线了一些诸如“IVR智能预判”的功能，但归根结底是附属在IVR流程主干上的。说到底，IVR最大的困局是“要依靠客户去寻找”。
二是作为内部客户(座席人员)接触客服中心的门户，座席界面同样也越来越复杂，近几年上线的一屏清、一键办理、可视化指引等功能，虽然在一定程度上对操作复杂性有所降低，但也不能改变座席界面信息越来越多，架构越来越复杂的趋势。说到底，座席界面最大的困局是“要依靠座席人员去找”。
客服中心两个重要的门户，所面临的困局都是一样的!就是都要依靠“人”去找，这个人是客户、也是座席人员。可以设想两个场景：
场景一：客户拨打客服中心想要查当月话费。经常查的还好些，直接按键6-2-3就可以，不经常查的，要听完首层播报的6个键，再听完二层播报的2个键，最后听完第三层的3个键，才能找到答案。对于这个客户而言，他听到的大多数的语音播报都是冗余信息!对操作越不熟悉的客户、层级越深的场景，信息的冗余量就越大。
场景二：客户拨打客服中心进入人工台。电话进入后，座席界面会显示和该主叫号码相关的很多信息，包括：姓名、套餐名称、话费情况、话费情况、接触记录、工单记录、是否实名制。。。。。。，展现了满满一屏。可是客户只是想咨询上月流量使用情况，座席代表在众多信息中找到流量使用情况告诉客户。对于这个座席代表解答客户这个问题的场景而言，座席界面大量的信息也都是冗余的!
这种主要依靠人去找的局面，客户感知就会受到很多影响：
一、客户听到IVR很繁琐，不愿意去找，就会增加客服中心人工服务量;客户没听清楚找不到、或者找错了，就会迁怒于企业，说服务不行。
二、客服代表听到客户问题，因为技能不够，找不到所需的答案，就会提交工单增加服务成本;找错了，就会影响客户使用、影响客户感知;或者，根本就不愿找……
找不到、找错了、不愿找。谁又能分清楚呢?遇到情况，想搞清楚，就会增加管理成本。
在我看来，从某种意义上讲，这种对于单一服务场景的信息冗余，对传统客服中心的运营管理来说是必然的，因为我们总是要站在一个比较长的时间周期、站在总体客户需求的角度去考虑信息组织。看上去没有问题，可是对于移动互联网时代的碎片化、随时随地、简洁、直截了当的客户需求特性来说，这样传统的方式就很难满足了。
这也是传统客服中心客户感知很难提升的根本。客服中心业务和运营管理要有本质提升，必须要突破这个困局。
当今，人工智能(AI)应用方兴未艾，其中的“语音识别和语义理解”技术相信大家都知道，我认为，这是未来一段时间AI在客服中心应用的方向，是突破目前困局的有效方法!
“语音识别和语意理解”，站在业务的角度，我认为它的核心就是“听懂客户说的话，分析出客户的核心需求”，也就是“听明白客户的问题”。有呼叫中心座席管理经验的都知道，“听懂客户问题”可是服务提供的基础啊，同样，这也是传统客服中心智能化改造的基础!
于是，从2016年开始，我们应用“语音识别和语义理解”的AI技术，在客服中心面临困局的两个接触层面进行了改造尝试。
一、 外部客户接触层面—IVR
我们部署了AI机器人，这个机器人有两项主要任务，一是直接和客户对话并听懂客户的问题，二是通过接口从后台支撑系统找到客户问题的答案并通过语音或者短信方式告诉客户。
客户拨打客服中心热线后，不会再听到传统的IVR按键提示了，而是可以和机器人直接对话。
场景1：
AI机器人：欢迎拨打**热线，我是智能机器人，请问有什么可以帮您?您可以直接说出您的需求。
客户：我想查查当月话费。
AI机器人：您的当月话费是**元。请问还有什么可以帮您?
……
原来需要很多按键才能查到的当月话费，一个回合的对话，不超过10秒就可以解决了。
对于客户需求不是很明确的场景，AI机器人还可以通过多轮对话的方式进行确认。
场景2：
AI机器人：欢迎拨打**热线，我是智能机器人，请问有什么可以帮您?您可以直接说出您的需求。
客户：我想查话费。
AI机器人：请问您是想查当月话费还是历史话费呢?
客户：查历史话费吧。
AI机器人：请问您是要查上月话费吗?
客户：是的。
AI机器人：您**月份的话费是**元。请问还有什么可以帮您?
……
语音识别、语义理解和上下文(多轮对话)能力，替代了传统IVR的按键操作。当然，看上去简单的解决过程，背后却是复杂的业务逻辑。主要关键点：
1、AI的语音识别能力，诸如方言之类的，这是必须要过的一道门槛。好在人工智能最大的优势就是学习能力，通过大量的录音标注，相信提升很快。
2、应答逻辑设计。中国话非常丰富，同一个问题可能会有很多种问法，同一个问法在不同的场景有会有不同的意思。要有基本的逻辑设计，也就是给AI学习定一个框架和基调。
3、后台系统的支撑能力。需要查询的信息都要能提供查询接口，而且查询时间要符合人和人正常沟通的感觉。
目前，对于一个省级电信运营商的业务而言，AI机器人能够查询的项目基本100%覆盖客户的需求，也就是我们在第一阶段实现了AI机器人能够回答客户“是什么”的问题。下个阶段，我们还要分场景的实现解答客户“为什么”的问题。
目前的场景：
AI机器人：欢迎拨打**热线，我是智能机器人，请问有什么可以帮您?您可以直接说出您的需求。
客户：我想查查当月话费。
AI机器人：您的当月话费是**元。请问还有什么可以帮您?
客户：哦，话费为什么比上月多了12块钱?
AI机器人：您对话费有疑问，我将帮您转接话费专席。请您稍等。
用户查完话费，问了个为什么，机器人只能转人工座席。
下阶段场景规划：
AI机器人：欢迎拨打**热线，我是智能机器人，请问有什么可以帮您?您可以直接说出您的需求。
客户：我想查查当月话费。
AI机器人：您的当月话费是**元。请问还有什么可以帮您?
客户：哦，话费为什么比上月多了12块钱?
AI机器人：我查了一下，您这个月的上网费用比上月多了12元。(通过比对两月账单实现)
客户：不可能啊，我没上这么多网啊。
AI机器人：我查了一下，您这个月视频看得比较多呢。(通过查询上网详单系统实现)
客户：记不清楚了，我都看了什么?
AI机器人：腾讯视频、爱奇艺您都有看呢。(通过查询上网记录系统实现)
客户：好吧。
……
是不是感觉很神气?
二、内部客户接触层面——座席界面
我们同样部署了AI机器人，这个机器人也有两项主要任务，但是和部署在IVR层面的机器人有所不同：一是旁听座席人员和客户的对话并听懂客户的问题，二是通过接口从后台支撑系统找到客户问题的答案并推送到座席界面。
其他的业务逻辑基本相同，产生了另外一个应用场景，座席人员不用再从复杂的信息里寻找答案了，而是直接根据推送结果回答客户就可以!
就这样，我们利用AI技术，找到了突破困局的方向!从实际效果来看：
客户层面，自助功能使用量翻了一番，人工话务量下降20%，可以看到，还是有相当数量的客户，其实就是想简单查询一下，因为不熟悉IVR或者不愿意寻找而进入人工座席的，客户感知明显提升!
座席人员层面，因为实现了服务请求自动归集、知识库内容推送、查询结果推送、短信发送推送等功能，通话时长有效缩短，使用感知明显提升!
当然，目前投入应用的基于语音识别和语义理解的AI技术还不是很完善，识别率等核心能力还有待学习提高，但即使是这样初步的尝试，已经足以使我们坚定了智能化改造的决心，同时也深刻的意识到，这样的改造涉及到整个公司的方方面面，是个复杂的系统工程!未来已来，在互联网化、智能化的大潮下，传统呼叫中心作为市场和客户舆情的晴雨表、温度计，必然会发挥更大的作用。
本文刊载于《客户世界》2018年4月刊;作者为陈直，单位为山东联通客服中心。
