智能时代的电话呼叫中心

　　本文将盘点人工智能在呼叫中心不同类别业务下的部分应用，为读者勾勒出人工智能技术在呼叫中心的应用现状，与读者一起畅想呼叫中心未来的发展趋势，并挖掘更多潜在的应用场景与市场机会。
　　自然语言理解及相关技术在呼叫中心产业中的应用
　　近年来，随着人工智能的爆发，新技术已经逐步渗入到人们日常生活中的各行各业里。以机器代替人工来处理重复而繁琐的任务，不仅提高了工作的效率和生产力，还为人们节省了大量的时间。
　　呼叫中心，或者说是客户服务中心，就是一个可交互式的语音应答系统，用于通过电话接收或发送大量客户的请求。呼叫中心旨在为客户提供各种电话响应服务，集中处理大量业务相关的问题和请求，因此往往需要大量的人工成本，而这恰恰是人工智能技术所擅长的。其中，自然语言理解技术扮演了举足轻重的角色。
　　呼叫中心是语音识别技术（ASR）和自然语言理解（NLP）技术最早的应用场景之一，发展至今，已经经历了五代的演变。目前，有厂商提出了第六代呼叫中心的概念，最新一代的呼叫中心将借助云计算，实现数据融合，在云端部署服务和数据，这将让人工智能技术在呼叫中心产业中获得前所未有的应用突破。
　　本文将盘点人工智能在呼叫中心不同类别业务下的部分应用，为读者勾勒出人工智能技术在呼叫中心的应用现状，与读者一起畅想呼叫中心未来的发展趋势，并挖掘更多潜在的应用场景与市场机会。
　　呼叫中心的业务可以大致分为呼入服务，和呼出服务（外呼）两大类别。呼入服务相关的业务往往由各个公司直属运营，用于向其客户提供产品售后支持或信息查询的服务。而呼出服务相关的业务则广泛的用于电话营销，追债，征集慈善捐款，以及市场研究等场景。
　　呼入型呼叫服务
　　多年来，呼入型呼叫系统一直是NLP技术的典型应用场景之一。在市场上，呼入型呼叫系统和NLP技术的结合主要运用于两种场景，一种是专业领域的智能客服平台，另一种是通用领域的智能服务中心。
　　专业领域的智能客服，一般指垂直应用领域的客服机器人，这类机器人大量被政府、银行、保险公司等机构使用，专注于帮助客户处理简单的任务。
　　随着NLP技术和ARS技术在金融类垂直领域的深入，越来越多的银行财富管理服务被人工智能所接管。通过多轮问答，机器可以逐步筛选并阐明用户的特定需求，并有针对性地给出适当的响应。
　　这类服务往往需要预先设计好对话流程（对话流），系统会引导用户根据预先设定的对话流逐步实现用户的需求。同时，在对话交互过程中，人工服务可以随时介入，以处理一些客户的特殊请求。
　　相较于专业领域的客服平台，通用客户服务中心所涉及的应用场景更为广泛。包括商品订购，服务预订和信息咨询等业务。
　　这类智能客服在技术上往往能够以通用的形式实现，其核心主要是任务驱动的对话系统。目标是通过最短的对话轮数帮助客户完成指定的任务。这里的服务交互过程通常是固定的，并且可以针对不同的数据信息和应用程序接口实现定制化服务。
　　目前，中国各大地区的114信息查询服务系统，就是通用类智能呼叫服务的经典案例。用户可以通过电话查询城市的交通，住宿，饮食，以及城市旅游信息，甚至完成订酒店，买车票，查天气等任务。系统会以特定的形式将相关信息返回给用户，而这整个过程都由客服机器人独立完成。
　　呼出型呼叫服务
　　呼出型呼叫系统（外呼系统）是呼叫中心的另一类核心业务。外呼服务相较于呼入型服务，往往更具挑战性。在外呼场景中，人工几乎没有机会干预或指导整个对话的交互过程，大部分情况下，整个交互行为是无法控制的。
　　外呼系统需要主动拨打电话给用户，并将相关信息清楚地传达给用户。在交互过程中，系统需要主动向用户提问，并引导用户返回正确的响应内容，而不仅仅是对用户的问题进行回复。智能外呼系统目前主要应用于两种不同的场景，一个是追债服务，另一个是消息推送服务。
　　随着NLP技术的发展，外呼系统现在已经可以实现智能服务。然而，目前这类技术仅适用于银行信用卡还款通知，追债等场景。在这种情况下，系统不需要过多考虑客户的内心体验，也不需要担心客户是否会感到厌恶，只需要在对话内容中将目地和意图表达明确即可。
　　同时，在外呼系统，债务催收类的情景下，用户与系统之间的对话过程通常不会超过三轮对话内容，因此对于系统本身来说，功能相对容易实现。目前，许多NLP初创公司都看到了外呼收债服务的需求，试图深耕这个垂直领域，与金融服务机构建立合作关系，以实现技术应用商业化。
　　除了追债业务之外，消息推送服务是外呼系统的另一个重要使用场景。其中包括产品推荐，广告，调查问卷和消息通知等服务。这种类型的服务场景在形式上与催债服务相似，但它需要将用户的体验要素融入到设计当中。这类服务需要充分考虑用户的情感，真人服务者往往比机器人更容易获得用户的接受度与信任感。虽然众多NLP科技公司都在努力探索为客户提供更好的交互体验的方法，但是目前在市场上还没有出色的相关产品或业务推出。
　　呼叫中心数据分析
　　呼叫中心里数据的记录与分析也是人工智能技术在呼叫中心领域的应用场景之一。为了提供更加个性化的服务，呼叫中心通过录音和ASR技术记录并采集客户与呼叫系统之间的会话数据，再使用深度学习和NLP技术分析电话语音的内容，更好的理解客户的意图和潜在想法，并通过分析结果有针对性的优化系统，从而为客户提供更优质的服务。
　　目前，各企业的客服呼叫中心都对客服数据分析服务有着明确的需求，如电讯公司，电商平台，保险机构等。这些公司和机构通常都会将每个客户每次在呼叫中心里所产生的数据采集下来，通过NLP技术，自动组织和分析这些数据。
　　NLP技术在呼叫数据分析这一场景下有两个正在尝试落地的应用，分别是客服风控系统，和客服质检系统。
　　客服风控系统通过阅读客服人员与客户的聊天记录，识别双方情绪变化以及出现的问题，并将识别到的风险较高的案例送交到客服管理中心进行处理。风控系统可以有效的提升客服的效率，同时降低客户越级投诉的风险。
　　客服质检系统会对客服人员与客户的会话内容进行质量检查，依靠规范流程，标准话术等固定指标来约束会话质量，识别会话过程中的问题，进而提高客服呼叫中心的服务质量。
　　如今，越来越多的商家和机构开始记录和保存他们的电话客服数据，智能化呼叫数据分析的应用将进一步完成落地。NLP技术能够解析来自呼叫系统的文本数据，以理解用户呼叫数据中的内容，从而使商家和客户都能受益。
　　总结
　　人工智能现在已经成为我们日常生活中的一部分。NLP与ASR等语言相关的信息处理技术正被广泛的运用于电话呼叫中心产业中，其中包括呼入型呼叫服务，呼出型呼叫服务，以及呼叫中心的数据分析。相较于呼入型呼叫服务，呼出型呼叫服务更适合交给智能呼叫系统来完成，特别是不需要重点关照被呼叫方交互体验的催债类服务。
　　未来更大的数据量和更完备的信息内容将会赋予呼叫中心更多的知识与内容，智能化的呼叫服务终将在我们的生活中普及。而文字转语音（TTS）技术的不断进步，配合巧妙的话术设计，也将有可能改善智能呼叫中心的对话体验，使人们更愿意接受机器的服务与“关怀”。
　　最后，算力和网络带宽的提高或许可以帮助呼叫中心跳过对客户会话内容录音的环节，直接在会话过程中对客户的意图和需求进行实时的分析，并在第一时间有针对性的将问题解决。
　　人工智能技术正在将电话呼叫中心带入全新的智能时代，技术会持续降低人工劳力的成本和效率，将人类从冗余的工作内容中解放出来。届时，呼叫中心将会为我们提供前所未有的个性化，自动化，人性化的服务。