疫情之下，智能客服该怎样发展

客户世界 | 2022年4月22日 | 2022年, 客世原创 | 评论已关闭 | 1117

最近和几个同业的朋友讨论智能客服的发展趋势，都有同样的疑问就是智能客服产品同质化很严重，实现的功能如出一辙，无非运营角度增加对机器人的指标定义，优化客户体验。

目前，几乎每个企业都有自己的智能客服，它的未来发展到底会怎么样？它除了取代企业客服中心的一部分人工作业模式，还能做哪些？真的会给企业带来价值吗？这些问题成了我们激烈讨论的论点，现在都在倡导“以客户为中心”、“数字化转型”、“客户体验”这几个方向，但怎么做才叫以客户为中心，怎么转型，怎么提高客户体验都没有比较好的解决方案，似乎都成为了企业的口号，一直喊，却做不到。

智能客服是一款强依赖于自然语言处理（简称NLP）技术的人工智能产品，对于AI公司而言，AI技术的研究已经到了边际效用递减的程度，可以做的工作虽然很多，但是技术已经不再构成人机对话产品的核心竞争力，产品开始回归到解用户问题的本质，对于企业而言，怎么样最大化的利用已有的技术，来解决用户/客户的真实需求，才是这个阶段的工作核心。智能客服也需要走出去与其他领域紧密结合，比如最近比较火的私域营销（简称SCRM），完全可以借助智能外呼、智能IVR、文本机器人等客服域的产品，做触点工具。

智能客服的转折点一定是将企业的服务中心转向营销中心，主动获客、主动营销，从而给企业带来商业价值。对比前两年的智能客服的建设，企业更关注的替代人工的部分，客户有问题自动进线咨询，做好售后服务就可以了，不会关注用户售前行为预测、售中咨询、售后服务跟踪等，属于被动模式。但如果真正的实现由成本中心转向利润中心，这种服务模式必须转变，需要借助客户数据平台（简称CDP）、SCRM等工具，进行精准化的营销，用智能客服做触点工具，完成服务用户的生命周期。

其实不仅仅在电商行业有所谓的售前、售中、售后的行为，银行体系同样存在这种服务。比如说各银行的手机银行APP，都会有各种金融服务、生活服务模块，包括购买理财、申请信用卡、小额贷、购买商品等，它们是由商品中心、交易中心、支付结算、订单中心、物流等模块组成，构成用户的全流程的服务，一般在银行内部会分为售前行为预测、售中问题咨询、售后服务支持环节。

一、售前行为预测

银行体系的用户行为预测，一方面需要借助企业内部的核心交易系统获取客户的交易行为，存储资产规模，客户属性等信息构造客户的初步画像体系，另一方面需要借助外部数据，获取用户互联网的交易行为数据以及其他行为数据信息，预测用户理财购买行为、贷款需求、信用卡分期、账单分期、对公业务需求等（图1）。

图1：银行体系用户行为预测

二、售中产品咨询

对用户的行为预测，进行多渠道的推荐，包括手机银行、微信银行、电话银行、官网等渠道，什么样的渠道使用什么样的营销方式，对营销的成功率也起着关键性作用。比如在银行体系，手机银行应该是企业日活、月活最大的APP，除了用金融服务之外还有生活服务，比如积分商城、优惠券、卡券等内容，一旦有交易随之而来的就是服务。面对着大量的用户交易行为，一般会采用文本机器人服务，这一点主要是考验智能机器人的交互能力，从交互内容、交互轮次、交互结果、评价维度衡量服务效果。语

音机器人主要是服务各个机构的营销活动、反欺诈知识提醒、贷后催收、活动通知等服务，从接通率、有效沟通率、营销成功率、回款额维度对机器人考核，人工客服主要是服务全渠道直接转人工、高净值、舆论风险多次机器人服务无效果的需求，一般对接企业官网居多。这个阶段更加注重交互过程中用户情绪表达、意向表达以及机器人的意图推理能力，交互逻辑，不管是从用户角度还是企业角度都是极其重要的环节，最终决定交易是否打成，是企业形成利润中心的转折点。

三、售后服务

通过售中用户与交易渠道达成共识，成功进行交易，企业要跟踪整个的售后环节，包括服务咨询、服务触达、服务反馈、评价、投诉等问题，能够对这些问题及时的反馈和处理，是企业获取满意度评价关键环节，可以通过挖掘客户真实的声音，进行售后服务。

通过整合外部互动渠道及交互触点的客户行为动作数据（来自埋点平台），尤其是舆论及客户评价数据，实现这些数据分类以及深度挖掘的目标，对营销服务侧的指导性输入，从而落地全局以客户为中心的营销及服务的品牌推广、沉浸、营销的闭环。使用NLP及自动化相关技术获取各类半结构化或非结构化数据输入，经由情感及语义分析，将挖掘的结果与具体客户关联并落地到CDP，经由业务及营销人员的分析及洞察，在SCRM的配合下进行精准投放（图2）。