NLP技术加速电信服务智能化

分类:行业资讯来源:网络2020-10-17 12:26:24访问量:1464
字体:
  • 简体
  • 繁体

人工智能技术的持续发展和进步,给电信行业带来了深远的影响。以客户服务中心为例,规模庞大的人工座席团队通过电话、电子邮件、网站、即时通讯(如微信)等各种渠道为客户提供服务。统计表明,目前人力成本已经占据了电信客户服务中心总成本的80%以上,成为客户服务中心的无法承受的重担,采用人工智能技术取代人工已经成为一个必然趋势。客户服务过程中语言交互是核心,使得人工智能中的NLP(NaturalLanguageProcessing)技术成为实现电信客服智能化、自动化的关键。

NLP技术的发展趋势

NLP研究的是如何让计算机能够像人类一样理解自然语言。人工智能领域著名的图灵测试本质上就是检验计算机是否具备自然语言理解的能力。微软创始人比尔盖茨曾经说过,“自然语言处理是人工智能皇冠上的明珠”;微软全球执行副总裁沈向洋博士在2017年中国计算机大会上更是直言“懂语言者得天下”,强调人工智能今后的突破在自然语言理解。

近年来,NLP技术呈现出以下四点技术发展趋势:

●语义表示从符号表示到分布表示

基于分布式低纬稠密向量的方式对词语、句子、段落和篇章进行表示,替代简单的文本符号表示,成为主流的方向。

●学习模式从浅层学习到深度学习

传统的方法通过分词、词性标注、命名实体识别、语法分析、句法分析等若干道工序对文本进行处理,每道工序的偏差都会逐级放大。发展趋势是基于端到端的深度学习的方法,针对特定任务训练深度神经网络的模型,直接预测生成最终结果。

●语言知识从人工构建到自动构建

以知识图谱为例,在知识图谱构建过程中目前仍然需要较多的人工参与,费时费力,而且效果也不好。知识图谱的半自动化构建和全自动化构建已经成为科研和工业的重点发力方向。

●文本的理解与推理,从浅层分析向深度理解迈进:随着高质量的通用知识图谱和行业知识图谱的建设,使得机器对于上下文和背景知识的理解成为可能,进而实现对文本的深度理解。

基于NLP的电信智能化客服场景

伴随NLP技术的不断演进,围绕电信领域客户服务中心(又称联络中心、呼叫中心),可以产生一系列的智能化服务场景,使得过去需要依赖大量人工完成的工作可以由机器来完成,具体来讲,包括智能客服、智能IVR导航、智能知识库和智能外呼四个典型场景。

智能客服

随着电信业务的稳健增长,电信呼叫中心的规模在持续扩大,人工成本也在持续增加,再加上劳动力人口持续减少,使得采用自动化、智能化技术取代人工成为必然趋势。根据咨询公司Gartner的预测,2020年,智能机器人座席能满足40%的客服市场需求,届时仅中国就将达到1000万的智能机器人座席。

由机器人虚拟座席、人工座席和工单可以形成三位一体的交互模式,如图1所示。终端用户的消息,无论是来自PC端还是移动端,无论是微信还是专用APP,无论是电话还是网络渠道,统一由智能机器人座席进行预先处理;机器人无法解决的问题转到一线座席解决;一线座席无法解决的问题再通过工单流转的方式由二线座席或者专业人员来解决。

智能机器人座席的核心技术就是自然语言处理,包括:对用户表述相同意思的各种不同说法的语义识别,基于多特征融合的文本语义相似度计算,利用上下文进行指代消解、省略回复进而实现多轮对话等。

理想情况下,机器人应该能解决80%以上的用户问题,也就是可以帮助电信呼叫中心减少80%的人工成本。

智能IVR导航

IVR导航(InteractiveVoiceResponse),即交互式语音应答系统,它被应用于呼叫中心,以提高呼叫服务的质量、减轻座席人员的工作强度并节省费用,是呼叫中心实现人机交互的重要门户,在传统的IVR系统中,用户与系统交互的方式是通过电话的键盘。通常,用户在进入IVR系统后,会听到相关的语音提示选单,根据自己的需要按下键盘上相关的按键。系统通过DTMF信号传送用户的按键,同时也将用户的请求传送给系统,从而触发相关的语音信息。然而,电信行业服务种类繁多,传统的电话仅能通过DTMF信号,传送有限的几个数字及符号按键。这使得用户与系统的交互界面受到很大的限制,同时也就使得IVR系统的信息查询范围变得狭窄,用户在实际使用时会感到反应速度慢,要通过复杂的按键过程才能接触达到解决问题的环节,用户体验很差。

智能IVR导航解决方案,结合语音识别技术和自然语言理解技术,颠覆呼叫中心行业的传统模式,不再需要繁杂的数字菜单,只要用户通过语音,使用最自然的语音来表达需求,后端的智能机器人在识别语音的同时深度理解语义,并即时做出反馈。

智能知识库

知识库是企业数据、经验等知识的管理系统,电信业务的复杂性使得电信行业的知识库普遍面临以下两个难题:

●对知识库使用者来讲,从海量的知识中搜索自己想要的内容,面临搜得慢、搜不到或者搜不准等困难。

●对维护者来讲,面临知识的构建和维护过程繁琐,要为内部知识库、座席知识库、机器人知识库等多个渠道同时维护等困难。

智能知识库解决方案基于NLP技术,实现知识库的敏捷构建和知识全生命周期的智能维护。方案从非结构化的文本中自动抽取可能的知识,将知识进行简单、扁平化的表示,批量导入知识库,自动进行查重和相似知识点的推荐。针对每个知识点,通过复述的方式自动生成可能的相似问法,同时根据知识的特点,有选择地构建知识图谱,满足知识复杂计算和推理的需要。通过将智能知识库与联络中心的相关功能集成,还可以实现座席人员的实时智能辅助。

智能外呼

当前电信行业存在大量的电话外呼业务,比如座席人员通过电话主动呼叫目标客户进行套餐、流量等增值服务的销售,以及座席人员通过电话主动呼叫目标客户进行服务满意度回访等。这些电话外呼业务具备以下特点:

●需要大量人工座席,成本高;

●话术固定,并且比较简单。

这些特点使得利用机器人进行智能外呼成为可能。

智能外呼解决方案基于语音识别、自然语言处理和语音合成技术,由智能机器人对目标客户发起主动呼叫,电话接通后,智能机器人根据被叫客户的特点,选择相应的话术进行销售或者回访,对用户的回答进行实时的意图识别、语义分析和情感分析,并相应的进行话术调整,交互的过程还可以根据用户画像的数据使用不同的声音,让交互的过程更加亲切、自然,提升客户的用户体验和满意度。

当前电信客服是人力密集、频次高、数据积累多的场景,采用自然语言处理技术提升服务的智能化、自动化水平成为必然趋势。通过将NLP技术与实际的应用场景结合,在算法上一方面将传统的机器学习方法和深度学习方法进行有效融合,另一方面持续构建基于源源不断产生的数据进行自学习的能力,可以加速电信客服的智能化,从而帮助电信运营商降低服务成本,提升服务效率,提升客户满意度。

推荐阅读