近日，新零售主題的活動開展得如火如荼。8月27-28日，客戶世界 • 新講壇在北京華騰美居酒店舉辦《AI賦能：電商流程再造與零售體驗升級》主題會議。29日，中國軟體創新發展大會在河北省秦皇島市園博園召開。大會以“大資料時代的軟體創新發展”為主題，聚焦軟體產業發展，以促進交流合作為主線，推動數字化演進，用數字化對傳統產業進行改造升級，為軟體企業和製造企業搭建交流合作平臺。

我們在談到新零售的時候，做了一個簡單的總結，就是新零售的本質到底是什麼？新零售服務的本質肯定是成交，不管你做什麼生意，一定要保證讓客戶去買單。不管你是銷售商品還是販賣服務，如何能夠高效的把產品推出去，其實也是一個非常重要的話題。如果使用者在我們這買了產品，享受了服務，那麼接下來他會再一次的上門，再次去購買我們的商品，這是復購。如果他還會去推薦給他的朋友，給他周邊的一些人群，這就是口碑，所以如果做到了成交、效率、復購和口碑，那麼我們認為，這就是新零售所追求的最終的商業的本質。

而這個過程中對我們的客服提出了哪些要求呢？我們認為主要是這三個方面：懂業務，就是你要懂我們的服務和產品是做什麼的。懂客戶，要有非常高的一些情商知道客戶在想什麼，同時也要有非常好的資料知識來分析現在客戶所關心的一些事情。懂勤奮，這裡面其實有兩個意思，一層意思呢，是我們自己的從業人員要在效率上提升，還有一層就是我們利用技術手段和一些AI的方式去幫助我們提升服務效率。

我們認為如果要達成以上提出的要求，主要需要實現四個方面。第一是知識，就是不管你在做什麼服務，都要有底層的一些知識作為支撐；第二是資料，因為現在隨著系統越來越多，我們的服務可能越來越多樣，資料的支撐就顯得非常的重要；第三是場景，新零售也好，傳統的服務也好，更多的是在打造不同場景上面的服務，可能剛剛咱們也提到了，在不同的場景下面我們會提供不同的一些服務的型別。這些都需要哪些技術做支援呢？就是第四個是AI，也就我們的人工智慧。

我們前段時間提出的一個叫客服的中臺戰略，主要是基於這幾個方面。其實對我們整個客服中心的一個建設，就不光光是一個很簡單的怎麼去做服務，怎麼去接電話，而是搭建一個非常系統化的一個流程。比如說底層最重要的是一個知識的狀態，首先有就是知識管理，知識技術的加工能力，有知識的運營能力，那麼這些除了可能需要技術的一些手段，還有一些制度的一些創新。我們認為可能下一代的呼叫中心的人力外包很可能就會在這個領域要求對於人才會提出一些新的要求。

我們現在遇到了很多知識運營上的一些問題，比如說如果一個客戶的每天生產十萬條的知識，那這個時候，我們怎麼去幫助他們提供大量知識的智慧化運營能力。如果一個使用者每個人有十萬個未知問題也意味著我要處理十萬次嗎？其實不然，可能熟悉我們的客戶都知道，我們在每天的服務當中有大量的重複問題。只不過使用者有時候表述方式不太一樣。那我們也可以利用聚類，也就是把相似的場景全部聚在一起，這個時候處理一次問題就可以了。同時也可以去學習下使用者的這種互動習慣，然後把客戶的互動習慣推給人工去做稽核。

在知識上面，我們會形成一些資料，知識做過結構化的加工，包括已經做過結構化儲存的一些資料，如何去利用這些資料去做一些場景呢？我們這裡提到了新零售裡面一個關鍵的電商場景下的客服資料中臺。我們選取的會員資料這個部分，他底層首先有一些基礎的資料，不管你是消費資料也好，行為資料也好，還是底層的一些基礎資料，在這些資料上面，我們會建立許多的模型。這個模型其實是非常關鍵的，基於這個模型，這次可以直接使用。以後比如智慧預測、排班或者要去做一些其他的資料分析也可以通過底層的資料中臺和資料模型自己去做一些分析。

我們做了很多家電行業的使用者，發現對於服務資料和資料文字分析上面有很多值得做的地方。我們做了一個評論問卷分析，通過NLP的技術去實現，比如標籤上門服務的時間，維修內容，使用者對這次服務的態度：比如說工程師態度不滿意，具體哪裡不滿意，同時這種滿意度之間有沒有什麼關聯性。這也就是千人千面，現在客服都會講究一個標準定製化，就是每一個人都一樣又不一樣，大家可能會有一個群體，然後每個人會有自己的一些特點。我們通過不同的場景去做到一些千人千面的工作。

在最近大火的技術發展裡面，有一個叫NLP搜尋特別火，為什麼呢？因為有很多結構化資料，我們以前可能需要去寫一些搜尋語句去查，比如說領導來問，小李幫我看一下上個月我們公司在華南的業績，其中製造業領域有多少，這樣的工作小李可能需要去統計，去調很多的資料。而NLP就是做語句的篩選，那麼在新零售領域他可以做什麼呢？比如說你可以提問：有沒有2.0T或者，有沒有某某品牌藍色的車，他會給你推薦出來，然後這個時候你再去比較，國六跟國五有什麼區別呢？他們軸距上面相差多少呢？很多這樣引數的對比，這其實就是一個導購的助手。我們認為在下一階段的服務過程當中，最終能夠跟資料結合的精準化推薦是非常重要的。

我們這裡也講一個數據分析很有意思的案例。我們在給國網做服務的時候發現他們每天會產生幾百萬條工單。這些工單裡面有大量的值得分析的地方。後來我們經過分析之後會發現，比如有的使用者會這樣打電話說：你好，我是某某小區的，今天上午發現我們家門口的電線杆被車撞壞了。這樣的工單以前客服最多打上一個標籤——設施損壞，沒有任何其他的分析，但通過NLP你可以分析到什麼？他發生的時間，發生的地點，就是他發生在某小區當中，通過轉換成經緯度去確定他是什麼樣的地址，然後形成一個區域世界裡的熱力圖，你就會發現很有意思，在最近半年的時間內某個地區、某個小區門口的這個電線杆的老被撞壞，那是不是說明這個小區電線杆搭建位置有問題？通過分析這個事情，以前國網在搭建電線杆的時候就可以避開這些問題。

並不是特別的難，只是在場景分析上需要我們的分析師做一些場景的劃分，就會非常的有效。試想，原來一個由人工做的大量重複的事情，是非常耗資源的，淘寶的小蜜做得就非常不錯。基於智慧外呼的場景，分享一個簡單案例，是我們之前做的一個車險的案例，大家可能會覺得接到一個機器人打的電話，我們不會去接，但是在合理合法的情況下，你用它去做一個客戶的意向篩選還是蠻實用的。比如說，我們之前做的一個車險客戶，他一百通電話裡面人工去打可能會有八到九個有意向使用者，接受你的這種回訪和邀約，然後去上門去拜訪。我們把客戶分成abc三類客戶，通過這種AI機器人打完了之後去做一個意向的篩選，會剩下來二十左右，然後再用人工去打這二十個客戶，會發現還剩下來還也是八九個。這一百個人當中，機器人已經篩掉了八十多之後，剩下的意向客戶還是那麼多，所以在這種場景應用很多。類似在很多線下的服務場景上面也會有很多的一些應用，比如線下的智慧服務的大屏，還有AI的虛擬投影，都會有這樣的導購的作用。它會收集和記錄你的資訊，同時也會讓你覺得非常的真實。當然，在很多的政府的這些場景當中，也都會有體現。

最後簡單介紹一下我們產品的系列，我覺得雲問是一個挺有情懷的地方，我們希望我們的產品都是用中國一些傳統的詞彙來做命名。雅言，是古時候的一個官方語言。我們認為，這是官方的普通話，應該非常優雅，用於我們的電話機器人的命名。司南，顧名思義就是做一些方向性的指導，我們認為資料分析這上面用這樣的一個詞會比較好。然後杏壇就是知識庫，是傳播知識的地方。參宿是什麼意思，就是一個古星宿，我們服務的人群，就像天上的一個繁星一樣，需要我們去觀察去研究，所以這個就是我們線上客服的名字。玲瓏，顧名思義就是一個聰明客服助理。榫卯這個是我們古建築的一個結構，沒有一個釘子，能夠把建築做的非常的穩固，說明他架構非常的優秀，所以在我們AI能力上面，我們用的這樣一個詞彙去代表我們的產品。乾坤呢，就是代表內有乾坤的一個意思，是我們整個的一個服務的平臺，佔了很多優勢。

行業標杆，領先水準

雲問用智慧問答創新技術

打造企業級智慧服務機器人