《AI交互与智能客服的变革与发展》报告发布：智能客服将推动经营模式的升级
12月17日，机器之心《AI交互与智能客服的变革与发展》研究报告发布，以对话式AI技术为核心的新一代智能客服正逐步走向成熟。
报告分析了当前以人力为主的客服中心，正在经历从在线客服、客服机器人到对话式AI智能客服的转型升级过程。面对传统客服中心人力成本高、运营管理难、数据沉淀和利用难的痛点，智能客服利用AI能力，以SaaS形式提供场景化、个性化的用户服务，实现人机协同、数据打通，辅助企业的数字化升级。
NLP技术推动AI交互形式突破，拓宽智能客服的职能边界
对话式机器人从早前的关键词匹配检索、模糊查询，到搜索排序的演进过程中，不断利用AI技术，以神经网络为基础，用深度学习理解用户意图，带来交互体验的升级。交互方式也从单一的文字交互、语音交互，向多模态交互发展。
底层技术的进步，让以新一代对话式AI为基础的智能客服具备五大特点：语义识别更准确、问法更灵活、转化更紧密、知识更全面以及学习更主动等，结合形象化、可视化的IP形象运营，也可以让智能客服还拥有更加拟人化的情感表达，加强与用户的连接。
在语义识别方面，以Transformer模型架构为基底的类BERT大规模语料预训练模型是目前业内的主要技术框架。以腾讯云小微AI助手为例，在BERT基线模型的基础上，结合自身数据，通过任务优化、模型优化、领域优化、模型融合等步骤迁移训练出符合多样需求的智能客服模型，将准确率保持在95%以上的水平。
在语义理解和交互方面，智能客服需要借助对话引擎来解决快速构建行业知识库、理解复杂、灵活问法的问题。腾讯云小微首创的EERQ、LARQ等技术，能够实现全自动、快速抽取问答知识等能力，提供问法扩展，并结合用户对话场景，在多轮对话中主动问询，并根据对上下文的理解，进行关系推理、实现个性化内容推荐。例如，在玩转故宫小程序内的智能导览“福大人”，针对故宫博物馆全场景，构建了一个知识库，能够及时为用户提供个性化游览路线推荐、景点文物讲解、百科问答等服务。
对于智能客服知识库的更新优化，《AI交互与智能客服的变革与发展》研究报告指出，智能客服目前的主要技术解决方案是基于深度学习的预训练语言模型框架+ 特定领域数据的模型微调(finetune)和迁移学习。在这样的技术解决方案下，智能客服具备了一定程度的自我学习能力，并依据数据逻辑分析，从而实现机器模型自主学习、快速迭代优化，以适应数字化时代的商业发展需求。
值得一提的是，当前的智能客服在语音对话的基础上，结合虚拟形象技术，打造出企业专属的客服形象，让人机对话体验更自然、生动、有记忆点。正如在文博会北京展区的智能导览“小春妮”，以一个能听、会说、有形象、有情感的智能客服，帮助企业更有温度地传递着品牌形象。
在AI技术的高速发展下，AI交互形式不再单一，从语音对话向面对面交流升级，丰富了用户的交互体验，并在多个行业领域内落地应用，对企业的转型升级起到一定的辅助作用。
智能客服将助力经营模式和企业价值的升级
在当前新消费时代下，用户更加注重服务体验，而客服作为消费体验的核心环节，连接着用户与企业，成为影响用户黏性的重要因素。
《AI交互与智能客服的变革与发展》研究报告指出，随着数字化、智能化技术逐步打破产业边际，智能客服的发展将不局限于针对用户与业务问题的呼入呼出服务，其也应在品牌建设、服务优化、技术转型等诸多维度成为企业价值的核心输出者，并引领企业围绕消费者需求进一步寻找发展空间。
一方面，在AI交互技术的辅助下，智能客服能够将少数人的体验感转换为普惠式的客户价值，真正完成了服务触手可及的理念。换言之，智能客服的定位也不再是完成信息咨询和提供应答服务的机器人，更将成为代表企业理念的品牌形象。正如腾讯全球生态大会上，腾讯云小微展示的结合动漫IP“那笙”形象的AI虚拟助手，利用虚拟IP的影响力，拉动企业品牌提升，形成粉丝与品牌推广模式的增值，无限扩大用户对品牌的想象空间。
另一方面，智能客服可以结合场景，结合客户画像、人机交互等技术，为用户提供个性化的服务，提升服务能力和服务效率。同时，智能客服作为重要的数据渠道，将为企业沉淀大量的数据要素，实现对前端业务的反哺。
智能客服很大程度上成为了企业持续洞察用户、提升价值的核心驱动力。以用户服务切入，帮助组织内部实现业务的产品的升级、管理流程的升级等，助力企业降本增效。正如《AI交互与智能客服的变革与发展》报告中所述，智能客服的未来应逐步突破成本与人工的束缚，变得更加开放，更具业务价值。
无论技术如何深入发展，某个单一模态下的交互都不可能成为AI交互的唯一形态和终极解决方案。相信随着AI交互技术不断在文旅、教育、出行等多个领域落地应用，未来它终将成为产业转型升级的突破口和企业扩展业务的新维度，提升企业服务效率与用户的交互体验。
2023年中国智能客服产业发展现状及发展趋势分析[图]
智能客服是在大规模知识处理基础上发展起来的一项面向行业应用的，它是具有行业通用性，不仅为企业提供了细粒度知识管理技术，还为企业与海量用户之间的沟通建立了一种基于自然语言的快捷有效的技术手段；同时还能够为企业提供精细化管理所需的统计分析信息。
我国客服中心发展历程
资料来源：智研咨询整理
国家层面，多项文件提及或关注客服行业智能化。国务院、工业和信息化部、发展和改革委员会等部门多次在互联网、人工智能戈数字经济的相关发文中指出，要利用信息技术提升客户服务水平，羊突出智慧政务服务的产业引领作用。
国内推动客服中心发展相关政策
资料来源：智研咨询整理
一、智能客服产业现状
我国智能客服厂商主要集中在人工智能产业发达区域，其中北京、广东、上海、浙江等省份是厂商分布的主要区域，另外江苏、四川、安徽等五地次之。
我国智能客服厂商区域分布
资料来源：信通院、智研咨询整理
我国智能客服行业市场规模稳步增长，产值主要来源于软件和支持服务。2020年，中国智能客服行业市场达到30.1亿元，同比增长88.1%，预计到2025年智能客服市场或将突破百亿，呈现快速增长态势，未来市场发展前景广阔。
2019-2025年中国智能客服行业市场规模
资料来源：信通院、智研咨询整理
2021年我国智能客服资本市场投融资热度不减，超半数智能客服厂商已获得融资。截至2021年10月底，2021年国内智能客服厂商共发生融资事件21起，总金额达65亿人民币以上，涉及17家企业。
2021年我国智能客服厂商融资轮次
资料来源：信通院、智研咨询整理
国内智能客服厂商已获得融资的厂商占比超过65%，天使轮和Pre-A轮占比12.48%，A轮至E轮占比38.53%；另外，新三板公司共计6家，新四板公司共计3家。
国内智能客服厂商投融资现状
资料来源：信通院、智研咨询整理
2020年，客户中心与远程银行智能服务占比为42.91%，自助语音客服满意度已达99.28%，应用智能语音导航或场景机器人后简化客户操作、提高服务效率的客服中心与远程银行达到54%，微信、在线、APP等渠道的智能机器人文本分流率达到83.48%。
银行领域客户中心与远程银行智能服务情况
资料来源：信通院、智研咨询整理
二、智能客服发展趋势
随着社会发展与技术进步，客服中心不断升级，在帮助企业降本增效的同时，也在技术、产业等方面带来了巨大的挑战和风险。
我国智能客服发展趋势
资料来源：智研咨询整理
一文读懂智能客服：发展历程、系统搭建、市场推广
在人工智能领域，智能客服是比较容易落地，且技术比较成熟的一项应用实践。本文以智能客服为对象，梳理了它的发展历程、系统搭建、市场推广。enjoy~
2018I/O开发者大会上，谷歌演示了对话机器人Duplex。
Duplex完成了两项任务：
第一项任务，预定理发服务；第二项任务，一个预定就餐的电话接待。实际上，Duplex扮演的就是智能客服的角色。
在人工智能领域，智能客服应该是比较容易落地，而且技术比较成熟，这是因为客服领域的场景路径具有相对明确的特征，决定了基于全量数据进行高并发需求处理的人工智能在客服领域将大有可为。
目前，基于大数据、云计算和深度学习等领先的人工智能技术，智能客服已经可以实现自主问答、业务办理、故障诊断等一系列复杂操作，实现客服行业中大部分的应答需求，快速高效的解决用户问题。
据2018年5月发布的《中国智能客服行业研究报告》统计，中国大约有500万全职客服，以年平均工资6万计算，再加上硬件设备和基础设施，整体规模约4000亿元。
如此巨大的市场，当然会使得众多企业对于智能客服趋之若鹜。但是为什么到现在还没有一家独角兽公司出现？
虽说这是人工智能中最容易落地、技术相对成熟的项目，但相关企业如果想开发和构建一套人工智能客服系统，到底要投入多大的成本？
一家企业是自己搭建一套智能客服系统，还是找到一家合适的智能客服平台厂商，站在“巨人”的肩膀上，利用它们赋予的能力，搭建自己的智
能客服解决方案。
今天我们好好聊聊。
一、客服系统的发展历程中国客服软件市场大致经历了三个发展阶段：传统呼叫中心软件、PC网页在线客服+传统客服软件、云客服+客服机器人的智能客服阶段。
2000年以前，互联网尚未普及，客服主要以电话沟通为主。2000-2010年间，得益于计算机技术、计算机电话集成技术（CTI）、网络技术、多媒体机技术以及CRM、BI、ERP、OA等企业信息化应用的集成，客服系统跳出单一的电话沟通出现了网页在线客服等多种客服渠道。而过去近十年，移动互联网、云计算、大数据和AI技术的发展又将传统呼叫中心和客服软件带入了SaaS和智能化时代。一方面全新的SaaS模式使得企业搭建客服中心的成本大大降低，SaaS模式逐渐普及，早期提供呼叫中心硬件设备的厂商已经延伸到中下游，为外企、国企等大型客户提供本地客服中心解决方案。从当前客服产业链构成情况来看，上游基础设施环节已经发展成熟，少数巨头垄断市场。未来，他们会继续向下游延伸，构建企业服务生态。
中游客服产品提供商中，云客服厂商经过几年竞争，头部几家已脱颖而出，但仍未长出巨头，竞争依然激烈。产品功能更加丰富，应用场景也从客服延伸到了销售、营销等多个环节，另一方面，客服机器人通过辅助人工，以及回答简单重复性问题，大大提高了人工客服的工作效率。同时，AI也在从各个环节上变革着企业客服的交互方式，加速线上线下客服的智能化升级。
二、智能客服系统搭建智能客服系统主要基于自然语言处理、大规模机器学习、深度学习技术，使用海量数据建立对话模型，结合多轮对话与实时反馈自主学习，精准识别用户意图，支持文字、语音、图片等富媒体交互，可实现语义解析和多形式的对话。任务对话服务：定制化服务，通过与用户的多轮交互，实现快递查询、订餐、医生预诊等服务类功能。业务咨询服务：通过QA知识库，快速回复用户问题咨询服务。解决常见问题的解答。
2.智能客服系统的技术构架（1）基于知识库回答的智能客服系统
基于知识库回答的智能客服系统，使用的检索或者分类模型来实现的。
检索式回答的流程是：
首先对用户的输入问题做处理，如分词、抽取关键词、同义词扩展、计算句子向量等；然后基于处理结果在知识库中做检索匹配，例如利用BM25、TF-IDF或者向量相似度等匹配出一个问题集合，这类似推荐系统中的召回过程；由于我们是一个问答系统，最终是直接返回给用户一个答案，因此需要从问题集合中挑出最相似的那个问题，这里会对问题集合做重排序，例如利用规则、机器学习或者深度学习模型做排序，每个问题会被打上一个分值，最终挑选出top1，将这个问题对应的答案返回给用户，这就完成了一次对话流程。在实际应用中，我们还会设置阈值来保证回答的准确性，若最终每个问题的得分低于阈值，会将头部的几个问题以列表的形式返回给用户，最终用户可以选择他想问的问题，进而得到具体的答案。
（2）基于槽位填充的多轮对话系统
搭建基于槽位的对话系统是一个相对专业而复杂的过程，通常分三个主要的阶段。首先是需求分析，然后是使用平台搭建BOT，最后是持续优化。
了解该系统我们先熟悉一下几个名词的释义：
1）意图
意图是指用户在语音交互中发出的主要请求或动作。
意图示例：
肯定意图：是；对的；正确；Ok；否定意图：不是；不对；错了；NO；取消意图：退出；停止；关闭；结束；2）技能
技能是满足用户特定需求的一个应用。例如用户说“查询我的洗发水快递到哪里了”时，会进入快递查询的技能。
3）问答型技能
通过Q（用户问法）和A（机器人回答）的配置，可以实现简单的用户与机器人的对话。
任务型技能：在问答型技能的基础上，增加槽位、API（接口）调用等高级功能，可以通过配置，来实现用户查询信息、问题搜索或者其他功能。
4）词典
某个关键词可能变化的内容，例如时间词典，位置词典。
语义槽：语义槽是用户说法中包含的关键词，它可以帮助系统准确识别意图，例如星座语义槽包含12星座的名称。语义槽和词典一般会同时使用，语义槽通常用来指代词典。一个语义槽可以同时绑定多个词典，一个词典也可以与不同的语义槽相关联。
5）追问
当用户问法中没有提供该语义槽值时，机器人要对其自动发起追问。
例如用户问：天气怎么样？我们无法获取到查询天气的地点的语义槽值，就需要机器人追问，您想获取哪里的天气信息？，追问话术一般设置多条，随机追问。
在国内开放的bot系统中，百度UNIT和微信的对话开放平台就是应用的该技术框架。
一个自然语言对话系统，理解的核心任务是对意图的解析和对词槽的识别。
例如：订明天早上8点北京到石家庄的火车，在这个例子中，对于用户表达的一句话，它的意图是要订火车票，其中涉及的词槽包括出发地、目的地、时间。当这个时间有多趟车次的时候，就需要进行追问用户，是要订哪一个。
以百度UNIT平台为例，搭建一个买票智能回复的流程。
需求分析：订火车票需要知道时间、出发地、目的地新建一个BOT，命名为：火车票新建对话意图：命名订票添加词槽：出发时间、选择系统词槽词典，选择然后选择系统词典sys_time(时间)，出发地词槽、目的地词槽，这两个都可以选择系统词典，这些都是必填项。设置词槽与意图关联属性，这里火车票的出发时间是订票里必须的关键信息，所以选择必填。澄清话术就是当用户表达订票需求的语句里缺少出发时间时bot主动让用户澄清的话术。还可以设置让用户澄清多少轮后放弃要求澄清，默认是3次。设置BOT回应，BOT回应就是当BOT识别出用户的意图和所有必填词槽值时给用户的反馈。对于订票回复一般对接API接口，实现自动生成方式。当然，这只是火车票中的一个场景，在火车票这个场景中还有退票、改签、查询等功能。这些都是需要我们在需求梳理中要确定的。
3.如何评判一个智能客服系统的好坏（1）基于人工标注的评价
基于问答知识库来回答的系统，回答能力受限于知识库的丰富程度，也就是说知识库对用户问题的覆盖率，覆盖率越高，准确性越高。
因此并非能回答用户的所有问题，系统最佳的状态是将能回答的全部回答准确，不能回答的全部拒识，即拒绝回答。
因此这里的评价指标包括有问题解决率、拒识率、召回率和准确率等，我们的目标是让系统的有结果率无限接近数据的真实有结果率，召回率和准确率尽量高。
召回率=机器人能回答的问题数/问题总数准确率=机器人正确回答的问题数/问题总数问题解决率=机器人成功解决的问题数/问题总数拒识率=机器人未回答问题数/用户问题数通过从每日的全量数据集中抽样出一个小数据集，保证小数据集的数据分布尽量符合全量数据集，然后由标注团队对数据集做标注，标注出每个问题的实际答案，一般标注完成后还有质检的环节，以保证标注结果尽量准确，这样便生成了每日数据的标准评测集。
基于该标准评测集我们会去评价系统的好坏，并且每次做新模型迭代时都会使用标准评测集去评价新模型，只有新模型达到某个指标才可以上线。
（2）基于用户反馈的评价
人工评价能够评价智能客服系统的准确率，但是答案是否合理，能否为用户解决问题，需要用户去反馈评价，整个智能客服系统的最终目标是帮助用户解决问题。
我们会在产品上设计智能客服和在线客服的评价功能，例如会让用户评价智能客服的每个答案或者某次会话，在和人工客服聊天完毕会发送评价卡片给用户去评价满意度，如下图所示。
最终我们会统计参评比例、满意度等指标，这些指标能够真正反应智能客服系统的好坏。实际中往往用户参评比例低，我们会使用各种方法去刺激用户评价。
三、智能客服遇到的那些问题1.做通用智能客服系统还是垂直行业智能客服系统智能客服系统的都是2B的，通用型智能客服系统意味着市场更大，用户更多。而垂直领域的客服系统用户就少的多了。
以保险行业为例，全国保险公司一共一百多家。而且做垂直领域的智能客服系统，AI团队必须充分理解行业。了解业务需求，了解业务流程还需要跨部门沟通。
做垂直领域的智能客服系统，往往会陷入一两个大项目，不断满足用户的个性化需求上。最终系统很“定制”，同时市场也很小。做几个项目之后就会碰到透明的天花板。
然而做通用型智能客服系统最然市场很大，但是和做垂直领域的智能客服系统的团队相比，没有了优势，技术优势现阶段各家差距不大，小公司可以给用户定制化，但是通用化系统不可以，最终变成市场很大，但是被一个个一句突起的做垂直领域的智能客服系统小公司蚕食了。
那怎么办呢？
互联网刚开始的时候，门户网站率先突起，能够服务大多数人的需求，接下来，微信公号可以订阅，每个人的阅读内容都不一样了，这就是一种定制版的资讯平台。从用户角度来说，定制化是演进方向，最终通用型客服会被垂直行业智能客服所取代。
2.做SAAS服务还是私有化部署传统行业银行、保险、证券、房地产等大企业往往有很强的客服需求，对引入智能客服系统的意愿很强，但同时其对自身数据安全性的要求也很高，因此只会同意本地化部署的解决方案。
这类大客户做本地化部署解决方案，就只能采用项目制的商业模式，做一个项目收一次费用。好处是一个项目就能收到几十至上百万元的收入，创业初期就能有盈利；坏处是私有化部署客户需要定制化需求比较多，会占用大量人力成本而且难以规模化复制，长久来看增长空间有限。
那怎么办呢？
单从数据安全角度来讲，会随着技术发展来解决，移动支付刚开始的时候大家还很害怕，绑定自己银行卡会不会被盗。会不会有黑客黑进我的支付宝。现在来看是杞人忧天了。有足够的投入才会有足够的资金支撑技术开发，SAAS服务服务的用户更多，技术漏洞更容易被找出来，系统的安全性会进化的更快。私有化部署不是一个好的选择。
3.服务大客户还是中小客户创业之初选择目标客户时所有智能客服创业公司都需要面临一个选择：究竟是主攻大企业客户，还是一开始切入中小企业市场？
主切中小企业客户则可以用标准化的SaaS产品来满足其需求，不仅模式轻占用人力成本低可实现规模化复制，而且能通过每年续费的方式获得持续的收入，还能不断得到数据循环反馈建立起技术壁垒。
但缺点是前期获客难度大，需要做大量市场教育工作，并且中小企业的死亡率高，整体的续费率难以保障，创业初期很难实现盈利。
但是主攻大客户的话，一些定制化需求难以满足，而且大客户流程比较长，一般具有长期服务的服务商，对产品成熟性要求比较高，创业公司很难打进去。定位于服务几个大客户，对于创业公司风险比较大。
那怎么办？
做垂直领域的SAAS系统，就需要有更多的用户使用，才能更快的迭代系统，只有一两个大客户，很难提出建设性的改进建议，所以说做中小客户，尽快的找到第一批用户，把系统跑起来然后不断优化迭代。
3.智能客服销售难点大家都在说传统客服行业有很多痛点，智能客服可以很好地解决这些痛点。例如：
（1）人工成本高
人口红利消失，用人单位的用人成本会越来越高。
这个是真实需求吗？首先客服并不是一个企业的核心部门，大多企业对于客服部门并不是很重视。在中小企业，客服人员并不太多，真正能节省的人力成本并不高，所以企业的替换的动力并不大。在大企业中，人力成本的确是一个大的成本支出部门，但是也正基于此，大企业有足够的支出来自己做智能客服系统。因为他们的投入产出比是合适的。就像是滴滴这类拥有大客服部门的企业，更倾向于自己来做。
（2）决策悖论
智能客服系统要解决的就是人类客服做的事情，当替换掉他们的工作后，就意味着部门裁员。
这样当然对于企业来说是节流的好办法，但对于客服部门领导来说就不那么好，部门人说减少就意味着自己在企业中的权重降低。
虽然长远来看这是大势所趋，但现如今销售过程中基本是还是从上到下的销售过程，而不是部门提出的迫切需求，并且有部门人员持续跟进。
总结太阳底下没有新鲜事，大公司应用底层技术框架，搭建自己的智能客服系统。也许会是一个趋势，既能够保证数据的安全性，也能够控制成本。对于一些SAAS智能客服系统来说，当技术形不成寡头优势，产品推广和服务能力就会变得尤为重要。
智能客服公司有壁垒吗？什么才是智能客服公司的壁垒呢？
客服系统的使用习惯，和数据的积累，以及知识库的完善，是智能客服系统的行业壁垒，用户切换智能客服系统的成本太高，也就懒得替换。
所以尽快拓展自己用户，这就是智能客服公司的壁垒。只做智能客服未来的业务增长会非常有限，找到自己的第二增长曲线，是决定智能客服公司走多远的关键。
#专栏作家#老张，人人都是产品经理专栏作家。运营军师联盟创始人之一，《运营实战手册》作者之一。AI产品经理，专注于自然语言处理和图像识别领域。现智能保险创业公司合伙人，希望与人工智能领域创业者多多交流。
本文原创发布于人人都是产品经理。未经许可，禁止转载。
题图来自Unsplash，基于CC0协议。
中国智能客服市场现状与发展趋势
随着移动互联网的快速发展，客户的联络需求呈多元化、指数级增长，企业需要提供多渠道的客服系统满足客户沟通联络需求，例如在线客服，包括不限于微信、Web、APP、QQ等即时客服。
客服系统是连接企业与客户的重要桥梁，极大地影响着企业的销售成果、品牌影响及市场地位。
长久以来，传统客服行业存在诸多痛点，客服人员流动性大、培训成本高、服务效果难以把控、大量重复性问题过度消耗人工客服。
现如今，如何提升售前转化，如何优化客服流程，如何从客服数据中发现企业业务问题等，都是各类企业面临的普遍问题。
近几年，随着人工智能技术的日渐成熟及应用场景落地化，客服市场作为其重要的一个应用场景，人工智能正在慢慢变革客服市场的原有生态，也正在帮助企业解决长久以来的诸多痛点。
一、国内客服软件的发展历程
90年代末，以呼叫中心为主的客服系统进入中国，而后随着互联网、移动互联网、云计算、人工智能等技术的应用普及演化出多种形态。
总体来看，中国客服市场大致经历了三个发展阶段：传统呼叫中心软件、PC端在线客服、智能客服系统。
第一阶段：传统呼叫中心软件
互联网尚未普及，利用电话、会面等传统服务渠道沟通联系客户，以呼叫中心服务为主。呼叫中心按照使用性质可以分为自建型呼叫中心、和外包型呼叫中心。
第二阶段：PC端网页在线客服
随着互联网的普及，企业逐步利用在线客服软件联系客户，相较传统客服，在线客服可以实现一对多的服务，极大提升了客服人员的工作效率。
第三阶段：智能客服系统
随着移动互联网和社交媒体的发展，许多企业的客户流量入口从以PC端为主，向混合式、去中心化转变，对于企业来说，则需要更加针对性的产品去提供精细化服务，提升用户体验。
因此，基于人工智能技术的落地应用以及用户对于服务体验提高而诞生的智能客服系统，是时代的产物，符合时代发展的潮流。
二、传统客服行业的痛点
1.人工成本高
人口红利消失，用人单位的用人成本会越来越高。
2.多渠道服务能力弱
随着移动互联网的快速发展，APP、社交媒体、其他智能设备等也逐渐成为客服信息的主要来源，以呼叫中心为代表的传统客服技术实现简单，沟通效率低，无法进行多渠道覆盖。
3.客服人员效率低
传统客服“一对一”的工作场景使得服务更多时候处于“忙线中”，导致客户体验差，客服投诉率高。
4.智能化程度低
日常的客服服务中，存在着大量重复性的咨询问题，传统客服利用电话等渠道为客户提供服务，所有服务都需要人工提供帮助，智能化程度低加重服务工作量，造成人工服务工作效率低。
总之，一些企业包括消费者虽然觉得客服并不是一个企业的核心部门，但客服满意度却实实在在影响着产品的购买率及用户的一些行为。
三、智能客服行业的市场现状
客服行业产业链格局及演化趋势
随着SaaS模式逐渐普及，早期提供呼叫中心硬件设备的厂商已经延伸到中下游，为外企、国企等大型客户提供本地客服中心解决方案。
从当前客服产业链构成情况来看，上游基础设施环节已经发展成熟，少数巨头垄断市场。未来，他们会继续向下游延伸，构建企业服务生态。中游客服产品提供商中，云客服厂商经过几年竞争，头部几家已脱颖而出，但仍未长出巨头，竞争依然激烈。
与此同时，为了摆脱对客服机器人厂商的技术依赖，云客服厂商在过去一两年纷纷开始自研AI技术，同时整合产品和服务经验，通过提供行业解决方案，向下游延伸，以提升产业链地位和价值空间。
随着智能客服公司陆续入局大客户市场，逐渐将产品和服务做细做深，他们已经有机会直接服务行业大客户，而传统集成商由于其固有的交付模式，以及在新兴技术上的落后——缺乏AI技术，无法积累数据，也无法提供深度分析运营服务，未来会逐渐被中游的智能客服厂商边缘化。
智能客服产业规模及市场空间
根据前述产业链分析，当前中国客服软件市场主要由电信运营商、呼叫中心设备厂商、传统呼叫中心厂商、传统客服软件厂商、系统集成商、云客服SaaS厂商、客服机器人厂商等构成。
首先，将云客服企业所在的存量市场分成语音呼叫中心和在线客服两块来看。呼叫中心市场中，运营商话费规模在10-20亿之间，呼叫中心设备厂商占10-20亿左右规模，传统呼叫中心厂商占10-20亿规模，业务系统集成商和行业集成商占30-40亿规模，总计60到100亿市场规模。
其次，在线客服领域，传统软件公司和SaaS公司各占10亿左右规模，各类系统集成商占10-20亿规模，总计约40-50亿市场规模。因此中国客服软件当前存量市场规模在100-150亿人民币。
由于客服人员招人难、培训成本高、流动性大，不易管理，而客服机器人可以全天24小时工作，还能通过实时数据反馈不断学习，企业有足够的动力用客服机器人取代一部分人工客服。根据智能客服厂商给出的数据，客服机器人正在以40-50%的比例替代人工客服工作。
中国大约有500万全职客服，以年平均工资6万计算，再加上硬件设备和基础设施，整体规模约4000亿人民币。按照40-50%的替代比例，并排除场地、设备等基础设施以及甲方预算缩减，大概会有200-300亿规模留给智能客服公司。
智能客服厂商客户战略及业务模式
自企业服务SaaS在中国诞生以来，做大客户还是小客户的争论就从未停止。从近两年行业发展态势来看，各家公司的重心几乎都转移到大客户市场。那么，这两条路线是否是企业通向市值高峰的南坡和北坡，殊途但又同归呢？
首先，小客户普遍采用SaaS，服务模式较轻，要求产品简单、易用、稳定、价廉，服务起来相对容易。但从企业长远发展来看，小客户客单价低，死亡率高，同时面临巨头免费产品的冲击，如何大量获客实现规模化是难题。而大客户业务相对复杂，定制化需求多，需要企业提供深度服务，当然客单价也相对较高。
由于特点不同，大客户市场需要分成两块来看，一类是规模较大的互联网企业，一类是传统行业大公司。互联网企业对SaaS接受度高，企业可以通过服务他们积累行业数据。
不过，服务大客户和服务小客户无论是在产品逻辑，还是在服务深度上来看，都存在较大差别，前者需要深度服务，后者要求标准化产品大规模复制。
转型大客户市场的公司一方面需要考虑聚焦和资源分配的问题，另一方面还要适应大客户的深度服务模式。
四、智能客服行业未来发展趋势
底层技术平台化，厂商比拼产品服务能力
巨头对底层核心技术的开源往往会改变一个行业的原有生态和格局。
在国内，同样投入巨资研发AI的百度也拥有了世界级水平的AI对话系统，相比自己做客服，通过平台化战略为产品厂商赋能，把握未来中文交互的核心入口，是其很有可能做出的战略选择。
届时，智能客服企业在底层技术上将站在同一起跑线，行业竞争的重心就会完全转移到产品和服务客户的能力，因此，在投入AI技术的同时，如何通过提升产品和服务能力，在少数几个行业实现规模化复制，构建行业壁垒，对于企业来说尤为重要。
AI加速客服、营销等企业服务场景智能化
SaaS的出现使企业快速、低成本地搭建一套完整的客服系统成为可能，而AI技术又通过效率和体验提升对企业原有客服、营销、销售流程进行了优化，这种优化并不仅仅是通过客服机器人这一单一环节，还包括整个业务场景的打通、数据的智能分析等。
未来，智能客服企业将通过云客服工具、智能AI交互、智能数据分析等技术，为企业实现全业务和服务流程的智能化，同时也要求智能客服企业要从单纯提供产品和轻度服务，转向提供深度服务和运营咨询的服务导向型公司。
中下游市场垂直化，企业业务将更加聚焦
随着巨头入局企业服务市场，中小企业将逐渐被巨头侵蚀。而智能客服公司对大客户的争夺将逐渐演变为对垂直行业的争夺。尤其是对于一些市场规模较大、业务差异明显的传统行业领域，需要一些公司深扎其中。目前，部分智能客服公司已经开始将业务聚焦，希望通过树立标杆客户、快速实现规模化复制，构建垂直行业壁垒。
而在新成立的客服机器人公司中，也有几家直接定位垂直行业特定场景。未来，智能客服行业的中下游市场将逐渐垂直化，智能客服公司的业务也将逐渐聚焦到少数几个领域。
未来,随着人工智能在客服领域的应用逐渐深化，并渗透到企业服务的其他环节，将为现有企业客户服务、管理、营销、销售体系带来更多颠覆性变革。
来源：鲸准研究院
浅谈智能客服发展现状
随着金融、电信、互联网等各行各业客户服务量的高速增长，传统的客户服务模式已无法全面满足企业发展的业务需求，服务成本大幅攀升，很多企业采用了外包客户服务模式。
大量客服中心也开始向劳动力成本相对较低的地区转移，却依然无法满足日益增长的客户服务需求，客服成本仍然不断攀升，正是在这样的大背景下，以自然语言处理(NLP)技术为核心的智能客户服务应运而生。
在国内，智能客服产业发展已经有几年时间，相关产业已经初具规模。尤其是近几年来，中国人工智能技术、移动互联网、云服务产业高速发展，也为智能客户服务这崭新的业务形态的诞生创造了良好的网络环境和技术基础。
通过运用智能客服系统，企业不仅可以通过互联网向无数客户提供多渠道的在线客户服务，同时也能够通过互联网向客户提供直接的电话客户服务。
智能客服产品与服务模式的诞生不仅帮助企业顺应了移动互联网的高速发展，创造了应用人工智能技术为客户提供客户服务的新模式，也在保证服务质量、服务效率的同时，大幅降低了企业客服成本的开支。
实体客服机器人
2015年，随着机器人产业的蓬勃发展，搭载了智能客服系统的实体客服机器人陆续出现在银行办公大厅、电信营业厅等场合，更加丰富了客户服务的形态，形成了由网络端智能客服、电话端智能客服、实体客服机器人组成的全方位智能客服体系，初步构成了一个全新的产业形态。
伴随着国内客户服务市场对智能客服大量需求的持续增长与自然语言处理等人工智能技术的不断进步，相信各种实体智能客服机器人将会在与大众生活密切相关的金融、电信、能源、交通、教育、政府办公等各个领域得到更加广泛的应用。
金融行业智能客服
2011年，网络端智能客服作为首个智能客服产品率先在金融领城诞生。由于当时很多银行推出的网上银行需要客服人员通过网络在PC端通过文字信息解答问题为客户提供服务，这种服务方式效率低、人工成本高，大大增加了银行的客户服务成本；而智能客服应用自然语言处理技术(NLP)可以对客户的文字信息进行意图理解并从知识库中匹配出结果反馈给客户，可以代替人工实现智能问答，网络端智能客服也由此诞生。
随着移动互联网发展与微信的普及，很多银行纷纷推出网上银行并开始对接智能客服系统，让客户可以在微信等应用端进行业务咨询，微信的爆发性增长极大促进了网络端智能客服的发展与大规模应用。
在线智能客服
近几年，随着互联网、移动互联网、社交应用等媒介的进一步发展和自然语言处理(NLP)等人工智能技术的跨越式进步，网络端在线智能客服系统得到了更加全面快速的发展，逐渐形成了微信、微博、APP、Web、短信等多媒体、多渠道的网络端在线智能客服，并实现知识库的“统一管理，多渠道应用”。
服务内容也从最初的简单业务问答发展到自助化业务咨询、业务办理、营销推广等更全面的功能，交互形式也从最初单纯的一对一文字应答发展到支持相关问题联想、关联问题推荐、同音字纠错、上下文语义分析、多轮对话、图文消息回复、LBS位置服务、H5网页展现等更便捷、更智能的交互形式。并在金融、电信、互联网、交通、教育、医疗、政府公用事业、餐饮、汽车、房地产等众多领城得到了广泛应用，网络端在线智能客服也从最初的成长期快速发展到成熟期。
智能客服SAAS化
在智能客服系统普及的过程中也遇到了因智能客服系统部署周期长、系统需要定制化等诸多原因，而造成难以满足市场对智能客服系统日益增长需求的状况，究其原因。
主要是智能客服系统多为服务于各种大型应用系统，具备“伴生”的典型特点，因此需要智能客服系统供应商同时与系统集成商、甲方沟通协调来完成系统的部署实施，也因此在整体项目实施时产生大量的不同系统之间的磨合与协调工作，导致实施周期延长，这在一定程度上制约了智能客服系统在企业服务市场中的快速普及与应用。
而现在，随着云产品的日益发展，智能客服也逐渐SAAS化发展，不需要落地化部署，不需要研发对接能力，可直接嵌入到企业的官网、APP、公众号、H5等各个渠道。
对于中小型企业来说，这个无疑是提高客服服务效率，降低客服成本的好消息；对于智能客服系统来说，能够打开中小型企业的大门，未来的市场将会是更大巨大。
电话智能客服
此外，电话端智能客服的快速发展也正在逐步实现人工与智能客服的完满结合。电话智能客服的发展进程是智能客服与人工客服相互补充、相互助力，也是语音识别（ASR）、自然语言处理(NLP)等人工智能技术不断进步并与市场需求不断磨合的发展进程。
虽然现在移动互联网已经非常普及，但是在电信运营商或者是大型售后呼叫中心，电话客服人员的数量依然是非常庞大的，每天依然有无数的客户从电话渠道来咨询业务、办理业务、售后维修、投诉服务等。
电话智能客服和在线智能客服的区别在于前后各多一步语音转文字和语音合成的步骤，中间的自然语言处理技术和在线智能客服系统是通用的。
伴随着人工智能技术的进步与发展，智能客服行业轮廓初现并展现出巨大的发展前景，相信在不远的将来，智能客服也会衍生出2C的产品，并将会深入到每一个家庭，服务每一个人，给企业和大众带来丰富多彩、轻松便捷的服务。