一文盘点智能客服：从发展历程、系统搭建到未来趋势
原标题：一文盘点智能客服：从发展历程、系统搭建到未来趋势每个行业都存在客服人员的需求，但传统客服主要是以人工的方式提供咨询与业务服务，服务水平不一、效率低。
随着我国人口红利的消失，企业人力成本压力越来越大。加之信息通讯技术的进步，使得客服行业不断朝自动化、人性化、智能化、多渠道的方向演进变得迫切与可能。
1
客服中心的发展历程
在中国，客服中心大致经历了三个发展阶段：
1、2000年以前，互联网尚未普及，此阶段主要以电话沟通为主。2、2000-2010年，随着互联网的普及，传统客服软件+PC端在线客服，多渠道客服并存。3、2010年后，基于SaaS的云呼叫中心和云客服软件的出现，客服机器人运用普及开来。近几年，受底层AI技术，如自然语言NLP技术、语音识别ASR、深度学习等技术的完善，客服软件逐渐向智能化方向发展。2
为什么是客服行业？
代表未来发展方向的人工智能产业，这几年风光无限，但也质疑声不断，首当其冲的就是落地问题。人工智能离不开数据的“滋养”，而客服行业的特点，让客服成为人工智能在企业服务领域的首发阵地。
客服场景具有相对明显的特征，客户群体大、咨询频次高且问题重复度高，大量数据方便AI学习及训练，运用AI客服，能快速解决85%的常见问题。
基于目前的AI技术，智能客服已经实现自主问答、业务办理等一系列复杂操作。相对于人工，智能机器人能24小时在线，全渠道介入，能极大提高客服的工作效率。
3
智能客服系统搭建
根据目标不同，智能客服可分为：任务对话服务（通过多轮交互，实现快递查询、订餐、预约服务类定制化服务）、业务咨询服务（通过QA知识库，快速回复用户问题，解决客户常见问题的咨询服务）
1、技术架构基于知识库回答的
展开全文使用检索或者分类模型实现客服服务。回答流程为：处理用户输入问题，抽取关键词、扩展同义词→检索匹配问题→挑选出得分最高的问题将对应答案呈现给用户。
2、技术架构基于槽位填充的
基于槽位的对话系统相对更复杂更专业，主要分需求分析（通过历史工单数据提取用户的高频问题和场景，机器人应该优先解决那些问题）、搭建BOT平台（拥有智能问答能力的平台），最后不断的优化这三个阶段。
智能客服搭建中，最难的是理解用户意图。100个人就有100种对同一意图不同的表达，这是语言的魅力，也是语言交互的难点。将用户不同的说法对应到同一意图，机器人的智能化的水平才能高。
4
智能客服自动化分级
目前市场上，会将自动驾驶从L0到L5，分为6个阶段。L0是完全没有自动驾驶，L5是全自动驾驶，等级越高代表着自动驾驶的能力越强。参照自动驾驶的分级，可将智能客服分为5个阶段：
L1语音应答系统仅支持简单的FAQ咨询类问题的回答L2智能导航应答系统先判断客户诉求，再导航到传统分类进行服务L3业务机器人人机协作，机器人理解客户诉求，支持自主处理部分业务流程，复杂业务扔交由人工。L4全机器人客服机器人主导+人工统领，完全由机器人接待客户，人工主要负责机器人成长。L5无人客服完全自动化阶段，机器控制对话流程，不需要人参与。5
未来发展趋势
未来随着人口红利的进一步消失，在用工成本不断增加及业务接入渠道增多的影响下，减员增效已成为企业经营共识，传统客服向智能客服升级转型是必然趋势，在技术层、应用层还是产业链等领域等将得到快速发展。
除此之外，依托智能客服收集到的大量数据，反观客户需求，通过延伸服务，实现对数据的分析和利用，会为行业发展提供新机遇。返回搜狐，查看更多
责任编辑：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。郑州不孕不育医院：http://www.zzchyy110.com/
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。
智能客服的未来
一、宏观聚焦：智能客服行业发展的源动力
1、智能客服发展与三大宏观变动的关系
毋庸置疑，AI技术发展水平是智能客服产业发展的技术基础。抛开技术不谈，智能客服这一新兴行业将会如何发展更需要从宏观视角去观察分析。笔者认为，从宏观经济层面来看，智能客服行业的发展动力与国内宏观经济层面的三个变动密切相关：
（1）国内经济结构已向服务业转型，然而我国老龄化问题逐年加重，或使传统的以人力密集型为主的服务业发展不可持续。根据国家统计局数据显示，国内工业GDP占比持续下滑，而服务业对GDP的贡献势头不减，目前已超过整体占比的50%，成为我国经济的重要支柱。然而，我国面临着严峻的人口老龄化问题，导致了适龄劳动力供给不足，服务业人力成本上升趋势已开启。据国家统计局数字显示，2016年我国15-64岁劳动适龄人口占总人口72.56%，其中65岁人口比重达到了10.8%，人口红利的逐渐减小导致了适龄劳动力的供给不足，适龄劳动人口成本上升的趋势已显现出来。长期来看，人力密集型服务业的发展或将遇阻。
（2）我国居民可支配收入保持稳定上涨，并且该数据的同比增速一度超过了同期国内GDP的同比涨幅，消费升级的经济基础基本确定。从恩格尔系数（食品支出总额在个人消费支出总额的占比，指数越低表明了家庭/国家越富裕）来看，2000至2016年，城镇居民家庭恩格尔系数从48.8%下降到30.60%，农村居民家庭恩格尔系数从49.10%下降到32.20%，同时城乡恩格尔系数差从2000年的9.70%下降到2.90%,指数下滑趋势明显，表明了居民的实际生活水平有所改善，消费结构相应会有所调整，这是消费升级概念火热的经济基础。
（3）随着以人工智能技术为主的新一代信息技术快速商业化，数字经济正强势崛起，国内数字经济正高歌猛进。据信通院《中国数字经济发展白皮书》数据显示，我国数字经济占GDP比重快速提升，2006年数字经济GDP占比为15.2%（约4万亿），2016年GDP比重已提升至30.3%（约22.6万亿）；同时，同期的数字经济同比名义增长已超过了GDP同比增长，成为了带动国内经济增长的核心动力之一。但与世界主要国家相比，我国数字经济仍存在着较大的差距，后续的成长空间及增长弹性较大。2016年，我国数字经济增速达到16.6%，而在同期，美国同比增速为6.8%、日本为5.5%、英国为5.4%；国内数字经济的发展处于后来者居上的态势，正以西方发达国家数倍的增长速度接力而上。由此可推断，数字经济发展是大势所趋、势不可挡，企业的数字化转型不仅是企业在战略层面的主要布局，同时也将受到潜在经济利益的驱动。
2、智能客服行业的价值：解决三大宏观变动产生的问题
从产业发展历程来看，新兴行业若要可持续性稳定发展，其本身必须具备多重的行业价值，而这往往来自于解决宏观经济层面的发展问题。
以智能客服行业为例，它的价值在于它能够有效地解决了上文提及的三大宏观经济变动所带来的问题，主要体现在两大方面：（1）我国服务业劳动力供给不足，导致了劳动人力成本的上升；（2）在数字经济时代，行业间甚至跨界竞争成为常态，各行各业（特别是服务行业）由于对于竞争的本能反应，将加速应用智能客服在企业内部落地，可以说，智能客服是企业数字化转型的重要抓手。智能客服行业的发展是数字经济进一步发展的必然结果。
其一，就劳动力补给方面来看，智能客服能够将客服人员从标准、枯燥和低端的业务解放出来去从事为企业带来更多价值的客服服务。从客服业务层面来看，智能客服能够对现有业务的替代是较少的，因此，更严谨的说，智能客服能够补给一部分的劳动力不足的问题。就生产力而言，智能客服更多的价值在于它能够为企业用户提供低成本的24/7随需服务，客服时间不在限定于早8点至晚8点，甚至于凌晨2点，企业用户也能够通过智能客服得到应用的业务；再者，客户服务不在是被动式，即用户呼入咨询问题，通过智能客服，企业能够做到主动式的营销+客服合二为一的服务。
其二，智能客服是企业数字化转型的重要抓手，从行业的角度来看，智能客服行业的发展是数字经济进一步发展的必然结果。在数字经济时代，企业间竞争的范围与强度均在不断的扩大，主要表现为：产品、技术的生命周期在不断缩短；原有价值链在破裂，随着行业间的融合与重组，新的商业生态系统在不断的涌现；竞争不仅仅存在于行业之内，跨界竞争也成为了常态。透过现象看本质，从本质上来看，技术或产品的红利期是缩短的，因此，降低技术商业转化的失败率以及提升企业的市场洞察能力是创新成功的关键所在。企业若要达到该目的，企业必须丰富创新的源头，然而，创新非“无源之水、无本之木”，紧跟市场需求才是提升创新成功率的必要条件，才是王道！可叹的是，目前大部分企业还是以内部“闭门造车”（内部创新流程即：技术、市场调研、产品研发）为主，该模式的劣势在于研发人员、市场人员、以及后端客服人员的相互脱节，或加大了企业对市场发展趋势的失察，显然该模式在数字经济时代将会是“水土不服”的。
借助智能客服，企业增加了创新的有效来源（注：有效性体现在创新的成功率上），将会直接影响企业经济效益，并且由于潜在经济效益的驱动，智能客服在各行各业的落地或将加速，企业前端业务的数字化变革大概率会发生。有研究显示，在企业的创新构思以及市场试销阶段，用户的参与将会大大提升创新的成功率。其缘由在于市场需求来源于用户，紧扣用户痛点，并且得到用户认可的产品必然是具备显著市场价值的，并且创新的成功率较高。具体来讲，借助智能客服，企业与客户的交互数据得以有效储存、快速深度分析，这些信息将加深服务人员对于自身业务以及产品或服务的了解，根据客户需求进行微创新、甚至是突破性创新，均将有可能实现，相比“闭门造车”而言，创新的成功率不言而喻。可以说，受到企业的潜在利益驱动，智能客服在各行各业的普及或将加速。甚至，笔者大胆预测，依托AI、云计算以及大数据等技术，客服服务中心的业务能力发生了改变，业务的职能也将随着能力的改变而产生变化。
在未来，智能客服将会促进企业前端业务结构的调整，随着智能客服在各行各业的逐步落地，企业的电销与客户服务部门将会高度融合，这也是企业数字化转型的必经之路。同时，笔者坚信在数字经济时代唯有业务的融合而非业务的隔离，组织的扁平化而非垂直层次化是实现企业数字化转型的关键点，在一定程度上，智能客服是企业不可或缺的，促使企业从业务、从组织架构设计等方面数字化变革的必要工具。可以说，由于微观层面企业间竞争博弈的结果，成为了智能客服行业可持续性发展的源动力之一，借助智能客服，企业创新业务将不断涌现，超出客户预期并得到市场的认可。笔者认为，智能客服行业的发展即将步入行业的快速发展阶段。
二、微观聚焦：智能客服业务的价值分析
当前，智能客服业务仍未定型，业界对“智能客服”的定义也是众说纷纭，莫衷一是。当一个新兴事物在快速迭代演化时，追逐其精准定义也许意义不大。关注点应停留在智能客服的存在价值以及对其的评判标准上，在此基础之上，也许我们对“智能客服”的认识会更加明晰。
从业内的观察来看，智能客服对企业创造的价值主要体现在三个方面：
其一，智能客服在处理简单、重复或枯燥的业务上具备很强的效率和成本优势；以会议通知为例，若采用千次并发，在同样呼叫量的情况下，机器人客服的呼叫效率肯定更快，服务质量更加的稳定，并且机器人客服的成本结构单一，相对人力而言，机器人客服所产生的边际管理费用或运营费用等均很低，成本优势凸显。
其二，智能客服解决了传统客服无法实现的业务问题，相对于人而言，机器没有由于生理局限性或经验局限性所导致的运营层面的问题。例如：在实际应用中，经常面临的大并发时刻，或是需要削峰填谷的处理，以及随时随需、个性化等方面的服务，在此类服务方面，机器人客服具备不可比拟的优势。
其三，智能客服不受管理人员经验的束缚，企业与客户交互行为全面数据化可驱动服务方式的持续改进或优化。传统的人工客服无法全面记录客户行为的反馈，但机器人客服能够保留这些信息，那么基于数据驱动的优化流程成为可能，企业能够做到对客服流程进行随时随地随需的调整或优化。而人工客服是依据经验进行管理，由于经验的局限性（例如：特定场景的经验积累是无法快速并且大面积在企业内部快速复制的），然而，基于数据的优化更为科学，具备可持续的优化能力。
综上所述，智能客服的价值不言而喻，特别在成本、效率以及灵活管理方面的优势是不可比拟的，若企业能够将智能客服的优势有效地融入至现有业务中，实现客服业务的智能升级，企业的竞争优势有望快速提升。
三、智能客服的价值抓手：智能客服业务的关键能力
语音识别、语音合成、自然语言理解、声纹识别等基础AI能力引擎，构建了智能客服的多轮次复杂人机对话能力，但是在客服场景，仅仅具备交互能力还不够，要实现智能客服的商业价值，还需要智能客服具备以下五大能力基础。
1、具备先验领域知识的交互能力；智能客服仅仅具备流畅的人机交互能力还不够，还需要具备落地场景所需的基础先验知识，帮助语音对话机器人达到落地要求。对于企业来说，在业务场景选用对话机器人的关键在于冷启动时机器人落地应用的前期成本投入是否足够低，包括前期知识库构建、机器人开发周期等。可视化对话交互流程设计工具，是对话机器人系统必备的核心功能，通过简单拖拽的方式完成对话流程设计，根据业务调整变化随需调整话术流程。
2、机器人对话在线学习知识库；人工智能技术核心的评价能力就是是否具备学习能力，随着对话机器人落地服务逐渐积累客户反馈数据，针对实际交互过程中遇到的各类语音场景、新概念等进行标注训练，系统要能够持续在线学习，完善知识库，促进智能机器人不断优化、完善交互能力，持续积累业务知识库。
3、用户情绪的感知与分析；人类情绪的表达是多层次的，包括声音信号层面的语速、语调变化等信息，更包括言语行为方式以及语义等方面。智能客服产品，要能够根据用户在通话中传递出来的多层次信息进行情绪侦测，不仅可以对客户情绪激动客户提升至监控级别，及时转接到人工，进行后期处理，更可以依据用户的情绪反馈，及时分析智能客服行为，优化客服流程及方式，提升客服水平。
4、声纹验证；声纹是人的生物特征之一，在电话场景，声纹是唯一适用的生物特质标识。使用基于用户声纹生物特征的客户身份验证，人工座席或机器人座席根据验证置信度实现分级流程，高置信度客户可以省去复杂的IVR输入身份证号码及密码流程，低置信度用户则进入更加严格验证身份环节，避免企业潜在损失或用户敏感信息泄露。
5、对话数据的积累与分析；Signal和Econsultancy合作发布的调查探讨了具有较高投资回报率的营销人员是如何提升营销效果的。从调查中发现81%的受访者充分利用自己的第一方数据。企业对于客户服务数据的积累是预判用户潜在需求的基础，便于企业方在对话中占据主动的地位。随着企业跟用户连接点越来越多，采集到的数据维度与广度越全面，那么对于客户需求的理解也将越精准。借助数据，企业能够及时地提供给客户潜在需要的产品或服务。从客户角度来看，解决其所需，超越客户对企业的预期就是好的服务，数据的积累与分析是十分必要的。
四、小结
综上所述，在宏观层面上，智能客服行业的发展受到宏观层面经济性质以及结构调整的影响，它解决了国内适龄人口成本上升与服务行业发展提速的困境；微观层面上，智能客服是企业数字化转型，提升企业全面竞争力（特别是创新业务发展能力）的重要工具。从行业发展的角度来看，企业前端业务数字化变革以及创新业务加速形成将会使得智能客服业务在各行各业（特别是服务业）逐步落地，由于企业对于竞争的本能反应，智能客服业务落地速度或提速成为了智能客服行业发展的源动力，促进了该行业的快速发展。
如果你还想了解更多可以关注我