人工智能在质量管理领域应用的探索及思考

5月27 日,人机大战 2.0 结束, AlphaGo三连胜柯洁；微软小冰用100个小时学习了1920年以来近百年间519位中国现代诗人的数万首诗歌，写下了“她嫁了人间许多颜色”……AI大时代来临，与时俱进，所有的产品、交互、设计上的AI场景应用都值得关注和思考，以传统热线10086品牌为优势的我们也想积极一把，于是对人工智能在质量管理领域应用的探索及思考有了初浅认识。

一、传统呼叫中心纯靠“人”的质检模式有其弊端

弊端1：人力投入大。呼叫中心行业内质检员的人数一般会占总服务人数比的约3%，个别企业内部甚至会达到5%。

弊端2：样本量太小。以2分钟一条录音为例，一个质检员的全天工作时长7.5小时来计算，听取录音需时2分钟，形成质检结果报表需时8分钟，1天下来可以完面质检45条，而规模化的呼叫中心其月服务量将达到10000000级。

弊端3：主观性较强。内部评价服务质量的好坏其焦点集中在语气、语调、语速是符合适？是否有不恰当的服务用语？是否有理解客户的需求及诉求？是否有较好地解决客户问题？这些多集中在主观判断，然而质检员并不是电话那头的真实客户，如人饮水,冷暖自知，于是当质检成绩又与薪酬挂钩时难免会有争议不断，质检员会说大量时间耗在“复议”；客服人员会说“有些话不是说给客户听的，那是要说给质检听的”。

二、AI应用直戳痛点，能否重构质量管理之生态？

（一）基于语音情感识别的智能质检

最早的真正意义上的语音情感识别相关研究出现在20世纪80年代中期。2016年10月，中国移动广东公司“和美声团队”成立（当前，已获得招商局旗下天使投资基金招商启航的投资意向），并与中移在线服务有限公司广东分公司系统支撑部、质理管理部专家团队深度合作，共同推进基于语音情感识别的智能质检。

（二）智能质检的技术原理

通过分析服务过程中的语音、语气，识别客户、客服代表的情绪

状态（喜悦、愤怒……）数据，为服务质量的评估提供客观依据（如图1）。

图1 情感计算技术

（该技术能力由中国移动广东公司“和美声团队”提供）

（三）智能质检的AI五大应用场景设计

n 场景一：客户态度、情绪识别

对服务过程中客户的喜、怒、平静等情绪进行识别，锁定客户情绪波动的录音，可应用于潜在不满客户的感知主动修复，即全量不满客户体验感知识别。

n 场景二：客服态度、情绪识别

锁定客服情绪波动的录音，对全量客服代表的客服态度进行“大排名”，继而科学、客观地实施“免检、必检”策略及挖掘最佳服务案例，即全量质检。

n 场景三：客户与客服最佳适配

对客户与客服代表历史接触服务过程的感知进行适配，如声音、语调、语速、过往满意与否，尽量让客户来电接入到相适配的座席，使客户与客服更合拍，客户感知体验更愉悦，即最佳服务配对。

n 场景四：客户声音、身份识别

对重点客户的声音进行标记，客户用不同号码呼入人工均可进行录音匹配，快速识别客户身份，提供针对性的服务，特别是针对高价值重点及特殊敏感客户的服务感知管理，可以弥补当前仅靠呼入号码作为唯一标识的不全面性，即记忆服务。

n 场景五：预测客户拟升级投诉的“潜台词”

对服务录音的自然语言处理可以即时完全理解客户与客服的对话，针对有潜在升级意向或主动提及媒体等曝光及升级投诉渠道的录音进行标记，预测不满客户拟升级投诉的“潜台词”并推送告警。

应用数据：

240万录音样本量：83.2%的客户满意，该类录音实施免检，合理释放人工质检员资源；3.1%客户不满意，该类录音实施必检，且对客户实施主动外呼、不满修复策略； 47.2%客户在呼入电话时情绪愤怒、78.5%客户在结束电话时情绪愉悦，该类录音中可有效提取最佳服务案例，应于培训等日常服务提升；其次，97.4%的客服在沟通过程能一直保持平静的情绪，应用于服务质量整体评估大数据支持。

数据报表监控示例（如图2）：

图2 数据报表监控图

AI应用的智能质检监控体系重构

在技术的加持下，质量管理不再是点，而是多点连接后汇成的网，包括“智能质检工具、客户体验情感分析工具、质量管理综合报表、服务沟通助手”等（如图3）。

图3 基于AI应用的智能质检监控体系重构框架图

2017年5月23日，乌镇“围棋和人工智能”的顶级盛会，主持人最后说：“打败人类的不是人工智能，而是以人工智能作为工具的人。”积极开展AI应用的纵深拓展，丰富实用场景，积累、梳理、结构化质量管理的工具、流程和理念，我们同样希望用它来解决行业痛点。

本文刊载于《客户世界》2017年7月刊；作者为李帆，刘辉，单位为中移在线服务有限公司广东分公司质量管理部.

转载请注明来源：人工智能在质量管理领域应用的探索及思考

本文链接地址：http://www.ccmw.net/article/114716.html