 成晨 阿里巴巴达摩院高级解决方案架构师 点击视频观看精彩内容 分享主题 智能服务在数字转型中的实践和新趋势 内容摘要 今天我分享的主题是智能服务在数据化转型里的实践和新趋势。首先我们看一下到底什么是服务，实际我们这个部门——智能服务职业部是我们孵化的部门，我们刚开始建立这个部门还是2014年和2015年的时候，集我们作为第一批我们服务部门里面的技术人员然后去校招、招计算机学院的算法和技术的时候，我们被问得最多的问题就是说，为什么你们这样的客服部门去招高尖端技术人才打造创新中心，服务到底有什么创新可以研究，到底怎么做技术？这是我们双11，我们内部商家的图片，大家心目中服务还是业务的兜底部门，整个客服成长的路径其实在很多人看来比较平缓单调，且可以预见的未来成长路径。 阿里巴巴2014年成立了阿里巴巴的CCO，首席客户官也是两位创始人，阿里巴巴为什么会成立CCO这个部门呢？在2014年之前的时候，阿里巴巴基本把服务部门放到每一个业务部门，飞猪有飞猪的服务部门，淘宝有自己的服务部门，天猫有自己的服务部门，每一个服务部门之间不会一起看服务质量，同时也会存在着不同业务部门都自己认为自己的服务其实已经做到位了，而且还会存在一个情况，就是比如说我们飞猪的优质客户到手淘账号信息没有打通，并没有享受一枝花的服务，在2014年的时候集团拉平所有服务部门，成立集团客户体验部，这个部门承受所有的客户为阿里巴巴提供统一一致化的服务，我们寻求数智提升服务的体验和质量。在2014-2018年、2019年我们经历服务的三个时代。 2014年我们刚刚成立客户体验中心的时候，我们发现我们其实面临最大的挑战就是双11，整个双11我们接起率蛮低，双11期间找不到那么多客服同学以及外包同学把我们所有的服务接起来，在服务1.0的时候我们称之为以接起率为品质保障的服务体验，如果以接起率为保障我们认为接起达到了99%以上我们就已经实现了这样一个服务的体验最优的标准呢？在2015年的时候，到2016年的时候我们在整个服务品质以及用户的满意度上面我们再去看用户的体验，希望用我们的用户提供一致化、满意度最高的体验。 在服务2.0的时候我们以用户体验为导向提供整个品质服务，在服务3.0的时代，我们整个追求最终端这样一个结果，我们是希望服务成为阿里巴巴一个整个的品牌美誉度构建的基石，希望通过服务来构建整个阿里巴巴整个服务的品质体系。在2014年-2015年的时候，我们做的第一件事情就是我们把整个的阿里巴巴会员体系通过以服务的标准构建我们所有的诚信模型，我们希望像马老师说的，我们希望所有的服务都是围绕着会员来做，围绕整个阿里巴巴经济体来做，来覆盖所有的阿里巴巴经济体，我们那一年构建整个会员体系。在会员体系构建了之后我们第一次敢做的一件事情就是我们绿色的标注的地方，叫赔付，阿里有亮点的功能就是急速退款，他买一件东西退款需要跟客服商量，客服跟商家商量，这个货我认为可以退款才会把款项给客户，发起退款到接受退款一个星期也好、一个月也好，对商家不满意同时升级为对平台的不满意，第一年我们做整个会员体系中心以及会员诚信模型帮助我们把高优质的会员叫急速退款服务，我们会用机器人判断会员的优先级和品质，从阿里巴巴自己的赔付池由阿里巴巴垫资实现佩服和急速退款、秒级到款提升体验，我们最终发现通过这样的手段留下来的客户实际上是比我们之前的客户带来，之前的跟商家沟通退款的客户体验要好。 再回来看我们到2015年的时候，实际上我们就开始研究一款机器人阿里小秘，它是长在淘宝上，我们面临一个很大的问题，2014年几乎所有的用户都会很习惯打电话，打淘宝消费者热线寻求服务，我们在手机找出来这样一个客服小秘在线机器人怎么把客户往在线牵引，阿里巴巴内部也创建了一个专项叫乾坤大挪移，我们降低整个服务的成本，同时可以提高整个接起率。那时候用了很多办法，好在所有体系基于APP，我们把布点布在用户可触达的地方，慢慢热线的口子往后收，我们针对老会员，我们更多推出在线的口子，针对新会员保留热线的口子，以及更加适应的服务方式，我们通过不同的机器人进来了之后，实际上第二个我们到了整个客服的截面，我们同时根据机器人和人沟通的结果判断这个机器人这个case到底转到什么客服处理，这是我们意图识别以及智能路由的体系。 我们到客服这边处理是不是就随便分给每一个技能组任意一个同学，我们都会做一个客服画像，我们会评估这个case会给哪个客服处理会又快又好，针对客服的分配体系，也做到每一个case力度的智能化分配，基于case的基础上达到我们内部说的只来一次、只说一次的服务指标，再往后面走我们还会有运营人员整个智能的体系，针对运营人员我们其实自己内心都是有一个目标，我们希望可以做到真正的一对运营人员撑起呼叫中心的目标，针对运营人员的体系，现在运营人员在线一线客服的比例要保持一个比例才能保障服务的质量，我们到底可不可以降低我们整个这样一个在线运营人员的数量，但同时也可以保障整个服务的资源分配最优这样一个业务场景，我们从整个服务的，以一个呼叫中心为例，怎么从呼入量预测，到智能化排班，到智能化分配，到服务人员服务质量的质检，根据质检的内容智能化推送不同培训的内容，从运筹学角度实现整个呼叫中心运筹的管理。 记得去年双11蛮清楚的一件事情，大概是双11当天早上10点钟的时候，我们首席客户官问我们大概今天热线的呼入量、人工呼入量有多少，我们给了一个数字，到双11晚上敲钟的时候，我们大概整个偏差只有0.05的样子，我们把服务量的预测、排班、分派做了智能化、精细化运营之后，把服务资源的最大化也做到了利用。所以说从它来看的话，我们在整个智能服务全链路的产品线里面，实际上沉淀了我们在热线机器人，我们智能判决、智能决策类的产品，我们客服辅助的产品以及运营类管理的产品，第一个我们就看一下，如何来让机器人来做这样一个服务，这个是阿里巴巴整个智能客服的体系，我们通过一整套的智能服务平台在上面，首先我们支撑了整个阿里巴巴的经济体，也是我们最大的客户群，包含了包括淘宝、天猫、飞猪40多个BU，通过我们生态系统支撑商家的体系，我们现在上面活跃商家已经到了十几万的级别，基本上大家进到一个大的KA商家寻求服务的时候，基本都是我们的服务助手提供服务，同时我们也在企业上面支持了比如说大的运营商、大的政企的企业客户，阿里巴巴的智能服务战已经到达90%以上，像双11这样一些服务高峰的时候，我们整个服务解决率到93%以上，同时我们也开始真正的走出了中国来服务于整个世界。 我记得之前在AE聊，我们AE全球只有两个地方是真正有人，一个是俄罗斯、一个是西班牙，我们怎么非当地运营中心可以运营当地的客户，然后提供当地品质的服务，提供当地千人千面的首业推荐，后面包括机器翻译、图像理解、视频理解、用户行为分析做整个国际化的工作，这个是我们整个通过智能化体验的服务渠道的升级，在这边我们可以先讲一下当一个用户进来的时候，他问的第一句话，他不用说，一句话都不说首先进入障碍预测的系统，我们障碍预测的系统会结合用户历史的订单信息，这个用户手淘上所有的行为轨迹，然后用户历史通过不同的渠道来求助于阿里巴巴不同的问法、意图记录到障碍预测台的算法模型里面来，我们问他说，电话端会问“您好”、“请问您想什么问题”这样的障碍预测、主动服务大概提高智能服务的满意度网上提升的点里面，占了70%的权重，主动服务是提高整个智能服务品质非常好的一个方式，他通过了障碍与则之后，他输入一句话会进入意图识别、深度问答匹配，包括我们行业领域深度问答的模型，比如机器阅读、KBA最终给一个他满意的服务解决方案。 这一块是我们2019年获得的荣誉，在提到一个流离对话助手业务场景专门提到有一家中国公司叫阿里巴巴，他做的阿里小秘的系统每天服务于上千万的消费者，同时做了菜鸟物流外呼解决了消费者和配送员最后一公里的沟通问题，他提到这一点这是我们作为2019年麻省理工十大预测榜唯一入选的中国机构，这是比较荣誉的事情，在这样的机构代表我们打败了传统国际上人工智能的公司比如谷歌、微软，真正实现在流离对话助手取得全球领先的结果或者这样一个荣誉。第二块就是说怎么让机器来辅助人，我们认为人其实是有两类人在服务中心，最常见的服务中心的角色，第一个就是服务运营的管理者，第二个就是整个一线客服同学，我们从服务运营的管理者，我们推出这一套，就是智能中枢服务资源精准管理的系统，就是从一开始、从服务量预测，在服务量预测到了之后，比如我预测明天会有很大的服务高峰来的时候，我们就会做一件事情，就会做人力云的资源储备保障，阿里巴巴我们有政企合作的呼叫中心和服务中心，同时我们也会借助与社会化云客服的力量，我们会推送服务要求上线的请求，让人力云弹性服务的人员可以响应我们这样一个服务量预测的要求做上线，保障服务量高峰来的时候，我们依然可以储备这样一个资源可以提供接起的服务。 人拉上线之后，下一步就是整个智能排班的系统，我们通过智能排班的系统集成了中国，我们其实很复杂，我们不仅有社会化的力量，我们还会有我们的外包，我们叫做服务合作伙伴，我们会有不同的外包公司，十几个外包公司，我们还会有自营的同学，怎么拉通三类的人群，包括政企合作、校企合作，分析每一类服务人群的特点，最后来提供很综合性的智能化排班的结果，这是我们很大的挑战，我们智能化排班拟合度非常好，排班部署完之后我们下面做就是整个现场资源的调度，我们现在已经可以实现到真正的叫无人调度和智能路由，智能路由到最后我们可以实现完全每一个服务小二历史case的历史画像，历史服务的积累保证case给正确的人、给更好的人，我们最后还有指挥台的角色，我们服务运营的人在指挥台看这样的机器人帮他实现不同的服务量预测、排班、调度等一系列的，以前需要人工做很多测算的工作。 第二个就是我们这样一个一线客服的智能辅助的工具，我们会根据用户的话语我们会自动弹屏出来根据他用户解决方案，可以让客服小二在非常快这样一个智能培训之后就可以进入整个服务中来，同时我们去年其实做了一件蛮好玩的事情，我们会发现每一个，尤其是在线端服的时候，我们会发现每一个服务者都要花30-50%的精力用在安抚客户上面，比如case结束之后，如果用户不离线，用户有一些抱怨在里面，他还需要耐心去等待这个用户的声音，同时还要利用它的善解人意的话述让用户最终感到满意，像这样的服务量占据用户很大的精力，我们去年的时候也推出一个叫亲密的系统，我们服务者可以跟机器人做到一个有机的搭配，然后它在这个case已经服务完结之后，针对与用户类似于闲聊的话，让机器人扮演已经都在的安抚助手的角色，机器人发现这个提出新的服务诉求可以直接把case转接给人工，实现一通服务case机器和人做到有效的协同，实现真正的人机协同，这是我们一线客户辅助的这样一些实践和方法。 在2014年到现在到2018年，随着智能化的技术越来越往上走的时候，整个阿里巴巴这样一个服务中心，它的组织架构，它的人才体系到底发生了什么样的变化？这个时候我们其实能看到，尤其是在2016年的时候，整个的服务人员，阿里每个团队比如说低层级的人比较多一点，高层级的人比较少一点，呈金字塔状一定是客服团队，我们2016年在服务团队级别比较高比较少，算法、专家比较少，大多数还是级别稍微低一点的，一线客服人员，到2018年的时候我们明显能看出来服务者的级别分布已经成了这样一个防锤形，越来越多的同学加入，技术算法同学加入服务团队，为服务团队解决智能化的工具解决问题，服务运营的同学随着智能化辅助的产品，智能化运营的产品越来越多的时候，我们越来越敢把我们稍微复杂的服务case往外面分配，就是往我们的外包、往我们的社会化力量上面分配，所以说我们会看到服务运营管理的人会多一些，反而一线客户的人越来越少，这是我们整个服务组织架构的变化。 这两年也是基于整个客户体验定位和数据技术驱动的想法，慢慢让我们整个服务的组织层级做了变化，完成了我们整个从传统的劳动密集型服务中心慢慢转型成像集成的客服、运营、数据、技术、产品、智能集团这样一个整个协同作战的模式，所以说其实我们前一段时间阿里巴巴的CTO，也是阿里云的总裁也出来说，有人问他说，大家觉得系统化运营和智能化运营、数字化运营阿里巴巴哪个团队做得最好，他说是阿里巴巴客户体验中心做得最好，而不是像阿里有这样的团队做得最好，阿里巴巴客服团队实现所有的数据都沉淀化，实现所有数据都实时化这样一个团队，确实因为我们每一年有双11大考确实我们要面临这样的问题、解决这样的问题。 这是我们整个人工智能训练师的体系，这是我们刚刚说的集训师的团队，很多人觉得人工智能训练师是不是做业务标注、语料标注的人员，肯定不是的，在阿里巴巴对人工智能训练师的要求是非常高的，首先它必须要懂业务，要懂业务一定是一个业务专家，要懂业务的解决方案是什么样子，同时还要懂VOI设计，语音交互设计懂语音学的设计是什么样的，还要懂服务，我们人工智能训练师就是客服团队的服务大师转型过来，也是满意度很高的服务者转型过来。第三个要懂数据，我们特别多的人工智能训练师都自己自学，然后完成整个数据分析，他们通过机器人数据分析实现基于数据运营实现整个机器人的调优，我们为什么数据运营，我们秉承理念数据是人和机器沟通的最好语言，我们针对于整个智能服务构建一整套非常标准化数据运营指标的体系，我们的人工智能训练师会搭建整个指标体系，然后基于这个指标体系指导所有的工作。 最后一个就是懂智能，懂智能意思就是懂算法，懂什么是机器阅读算法，什么是基于知识图谱的算法，什么是基于深度学习的算法，要懂这些算法的原理，懂算法如何跟业务相结合，要懂业务最适合用什么算法模型解决然后调优，针对人工智能训练师要求是非常高的工作，而不是像我们以前认为标注数据，根据算法要求标注数据，我们会发现单纯根据算法的要求标注数据，最后并不能满足整个机器人体验的提升。 这是我们这一年人工智能训练师团队成立之后，我们整个服务中心的转机，以前是客户主管带着大量的客服人员，现在我们是客服主管+机器训练师，还有助手协同智能化的团队，对外提高高客户满意度的服务体验，这是我们一个人工智能一个举例，他要懂这样一个产品和逻辑，他要学习这样一个人，他问了一句话，这句话走到哪里，哪个算法模型为什么给出这样的答案，后面配置台、工作台是什么样子，数据看板怎么设计，他要调这些东西。学习完这些东西要懂业务，要根据业务的属性以及业务的要求来设计整个这样一个业务的解决方案，比如说我们会看到说，第一个问题叫多个红包可以一起使用吗？后面是调的机器阅读的规则算法，懂这篇文章最好是机器阅读的方法解决，我要看订单怎么操作会有什么流程，什么调用订单选择器，什么掉用物流系统，从物流系统整个服务解决方案，我们认为整个服务满意度实际是关联整个服务解决方案，没有好的服务解决方案，你的机器人定位再准也不能解决真的用户的问题。 最后会根据整个服务解决方案搭建知识库，这是我们知识图谱的系统，构建我们在整个服务下面的模型，再做一些配置和测试，不管基于多轮对话还是单轮对话，这是我们基于多轮对话的模型，我们所有人工智能训练师都可以通过它基于不管是语音交互设计还是设计整个对话的方式和对话的模型和运营优化，这个我们会认为人工智能训练师到底我们再回头看，在整个智能化的产品演进中，它到底发挥了什么样的作用，我们认为它第一个是发挥一个算法调优的作用，从单据调优慢慢变成落后轮对话、情绪理解，我们现在机器人支持你发一个图片能理解图片同时给你一个解决方案。第二个是老师，他要教机器人，基于服务给予什么解决方案，我们是转到人工还是结合单选、物流做功能串联，跟后面的ERP系统打通，最后一个是人工智能训练师要做的事情，就是智能化的产品永远有一层非常深的鸿沟，算法工程师永远不知道之前的业务想要什么，业务也不知道跟算法工程师说什么才能设计出来满足我服务场景的服务机器人，所以说他需要做的事情要把业务语言换成我们的算法的技术语言，把我们普通的没有规则的数据变成我们结构化的数据，把我们这样一些设计的流程的逻辑变成我们智能产品可以展现出来的逻辑，这是我们的，我们看我们的新趋势，我们在电商行业的深入，随着我们在单一这样一个场景的深入之后，我们认为未来的智能化会覆盖到整个全行业和多场景的智能服务。 在阿里巴巴内部我们从手机淘宝的发源开始，现在覆盖阿里巴巴整个经济体包括优酷的助手，我们都上了智能服务的机器人，现在阿里巴巴的APP，他的出现智能服务是一个标配，这个是我们店小蜜的机器人，这覆盖大量的商家，包括美妆、服饰也包含了行业，这是我们最近做的实现，我们认为在全中国做数字化转型，阿里提出一个口号打造数字中国，我们认为最大的服务者是政府，怎么样往服务型政府转型达到一个我们认为政府跟群众之间沟通的纽带以及让政府，现在这样一个政府的配置可以抵挡住这么高的需求，我们在12345结合很多场景，在整个域提供了整个解决方案。 在金融场景的催收场景我们越来越发现针对于这样一个非常单一的场景我们要思考的是如何让机器人做得更好，我们在催收这个场景里面我们会思考不仅要完成催收触达的功能，我们同时要判断这个人不能还款的主要意图是什么，不能还款主要意图可能有几百种，针对几百种对第二次机器人催款会产生什么影响和因素，我们会从一次又一次服务中让机器变得越来越聪明，越来越了解催服务和人提供更有效的服务解决方案。这个是我们做得虚拟人的技术，大家看到天猫是我们一起合作整个3D拟态的小形象，我们会有真实人的形象，我们可以看到这样一个小形象我们可以实现多模态的交互，我们结合了前面摄像头对人脸的识别以及对人物的跟踪，结合对人定向收音实现在嘈杂环境对人的增强，我们结合了3D拟态生命和阿里巴巴国际动画设计的形象实现了这样一个多模态类似于虚拟小人品牌结构的交互形象，也为了5G时代来的视频克服客服，多模态交付的客服实现服务的体验，也是对未来的技术实现的储备，这样的技术我们也用在了比如线下的展厅，一些服务大厅，整个人动线跟踪下面硬件化一整套的服务体验。 点击 |
|
|
