银行智能客户服务模式探索与实践

来源:未知 发布于 2020-02-15  浏览 次  
“小微”的研制遵循建设银行企业级架构,按新一代核心系统组件化、平台化原则组织实施,通过企业级应用集成层与微信银行、手机银行、网上银行、呼叫中心等系统互联,为各渠道客户提供在线服务。目前,“小微”服务能力已经相当于9000个人工座席的工作量,累计服务用户数突破10亿人次,远超95533、400人工座席的服务量总和。 互联网+、新经济、金融创新日新月异,新模式、新业态下客户与金融机构互动日益增强,客服需求爆发式增长。然而,传统的客户服务规模增长,主要着力于通信线路扩充和客户人员补充,这种传统模式正经受着可挖潜力有限和成本持续上升的严峻考验。如何大幅提升客服质量和效率,最大限度地满足客户需求,是每个金融机构苦苦思索的问题。  在知识社会和全面创新的时代背景下,建设银行积极探索应用语音识别、自然语言识别、图像识别、机器学习等人工智能技术,研制推出了智能客服机器人,在电话、微博、微信、网站等渠道部署,与业务系统有机联接,在有效降低客服成本的同时,构建了快捷高效的客户服务模式。“智”造客服机器人  复杂问题简单化、简单问题标准化、标准操作机器化。建设银行按新一代核心系统建模理念,组织客户服务建模,并利用人工智能技术研制客户服务技术平台——客服机器人(昵称“小微”),其核心功能由语义引擎、知识库、自学习模块三部分组成。语义引擎用来听懂客户的话,知识库定位为客户问题数据库,自学习模块用来自我提升语义引擎识别能力和完善客户服务知识库,三者有机结合,提供智能客户服务。  能读懂问题。“小微”的语义引擎功能将接收到文字、语音等信息,进行过滤、纠错、分词、词性标注等智能操作,从客户输入指令中提炼出语法结构,形成计算机可处理的标准文本,完成计算机读懂客户问题的过程。如客户在建设银行微信服务号输入“我的卡丢了该怎么办?”,“小微”的语义引擎模块通过分词、标注识别出客户的目的——咨询卡片丢失了如何办理挂失,提取出标准化的语义结构“卡片挂失”。  会匹配答案。“小微”的知识库内有建行金融业务领域知识、用户的个性化信息以及业务常识性知识,知识库收到语义引擎分析得出的标准文本后,通过文本分类、特征抽取、自动推理等操作,整理出结构化信息,然后与知识库中的知识条目进行比对匹配,找出客户所需的答案。如知识库收到“卡片挂失”后,“小微”知识库模块通过智能匹配算法,挑选出“储蓄卡挂失”和“信用卡挂失”两条适用的条目,形成反问客户的内容,让客户选择是需要储蓄卡还是信用卡,生成人性化的文字内容——“请选择您要挂失的卡片类型:(1)储蓄账户;(2)信用卡。”通过微信服务号呈现给客户,待客户继续输入指令,以此递归,完成智能问答。  可自我优化。“小微”的自学习模块利用统计分析、行为分析等人工智能技术,根据知识库知识条目的使用频率、客户反馈的满意度等信息,推算知识库内容条目的准确程度,结合问答场景及反馈信息产生新的知识条目,改进知识库,优化语义分析引擎,实现自我学习,自我优化。如发现客户在咨询挂失手续费后经常会问“挂失后我的信用卡还会被盗刷吗?”就自动形成“回答挂失办理手续之后,附带提示信用卡将马上止付”的知识条目,更新知识库。  上述三部分有机结合,完成智能应答,以微信渠道的处理为例,建设银行“小微”的处理模式如图1所示。  “小微”除上述能力外,还能利用大数据技术来进行自我学习。当“小微”收到客服过程的批量信息后,自动查找提升服务满意度的特征,形成知识条目反馈给客服系统,用于提升服务质量。典型处理过程如图2所示。  首先,呼叫中心把客户与座席员对话的录音传送到语义引擎模块,语义引擎模块利用语音识别技术把声音媒体分析转化为文字,再形成标准语义。利用已有知识条目之间的关联关系,生成新的知识条目,由知识库收录,优化更新数据库。如此强大的持续学习优化功能,为“小微”日臻成熟夯实了基础。客服机器人的应用实践  “小微”随着应用而成长,随着成长而逐步部署在各渠道,随着各渠道的反馈而不断自我优化,应用实践大致分为蹒跚起步、完善改进、智能服务三个阶段。  “小微”蹒跚起步于2013年,那时它只会处理纯文字,只能对精确的关键词进行语义理解和分析,智能化程度只有一点点。建设银行将“小微”部署在网站,试探性提供在线客服咨询,服务内容仅限于储蓄、存取款、理财产品的问题。在好奇和批评中,建设银行持续整理收集“小微”客服处理的案例,不断丰富“小微”的语义引擎计算技术,充实“小微”的知识库,走过了艰难的起步阶段。  2014~2015年,“小微”进入完善改进阶段。这期间技术人员通过对大数据的分析,建立了“一对多抽象”的知识库。如“小微”懂得了“我的卡丢了”就是“我要挂失”的意思,能回复“怎样办理紧急挂失”之类的问题,“小微”实现了第一次“进化”。知识库增加了信用卡、互联网金融服务内容。建设银行将“小微”部署到短信、微信渠道,服务于个人客户。紧接着“小微”具有了联系上下文的理解能力,综合分析理解能力大幅提高,实现了第二次“进化”。建设银行将智能客服机器人“小微”推广到手机、网银等渠道,全面受理客户在线咨询。  目前,“小微”已进入智能服务阶段,具有了对自然语言的理解能力,能进行智能联想,知识库知识条目近7000条。内容涵盖建设银行个人金融、信用卡、电子银行、公司业务等领域,适应场景数千个。在微信、短信、网银、网站和手机银行等电子渠道部署,能为客户提供规范化、标准化、专业化的业务咨询服务,服务对象也已由单纯个人客户拓展到企业客户。  “小微”的研制遵循建设银行企业级架构,按新一代核心系统组件化、平台化原则组织实施,通过企业级应用集成层与微信银行、手机银行、网上银行、呼叫中心等系统互联,为各渠道客户提供在线服务(如图3所示)。  在应用实践中,“小微”分析越来越准了,知识面越来越广了,情商越来越高了。自学习模块自我优化能力不断提升,新增的知识条目中,由自学习模型自动生成优化的占比已接近40%。“小微”通过监测客户拨打95533的等待时间、通话过程以及录音信息,能自动识别“小微”客户服务需求的紧急程度,为焦急的客户提供优先服务。客户拨打95533等待人工坐席接通的时间比普通客户缩短了85%。  目前,建设银行“小微”服务能力已经相当于9000个人工座席的工作量,累计服务用户数突破10亿人次,远超95533、400人工座席的服务量总和。客服机器人应用展望  客服机器人“小微”的应用带来了商业银行智能客服的希望,同时也引发了商业银行对客服机器人更高的期望。然而,目前客服机器人的智能水平还处于较低层次,处理能力尚有很大提升空间;客服机器人作为科技服务的一部分,与商业银行科技服务体系以及科技研发体系融合尚待加强。  一是增强自身的硬本领。目前客服机器人识别领域集中在文本与语音上,对图片、视频的识别尚在起步阶段,对文本和语音识别的深度、广度方面也有很大提升空间。商业银行还需加强与高校、科研院所的沟通交流,针对实际应用中发现的问题,专题开展研究,优化识别算法,引入新型视频分析、人脸识别、声纹识别等技术,充实识别的工具库,提升识别的准确性和识别效率。还需融入语言学、心理学的知识,研发情感型客服机器人,不仅能读懂客户的字面需求,还能感知客户的心理活动,更人性化地理解客户的诉求,让客服机器人更智、更能。  二是融入科技服务体系。客服机器人的识别能力也有赖于对场景的把控程度。商业银行需要在企业级架构指导下,丰富其与在线业务系统交互信息,将客服机器人嵌入业务系统各环节,使得客户在业务系统提交服务请求时,附带提供具体的请求场景,使得客服机器人更准确地理解诉求,直接高效地为客户提供服务。  三是融入科技研发系统。客户服务的终极目标是客户所见即所得,少有问题。商业银行需将客服机器人纳入业务系统需求和测试体系,将客服机器人识别的问题作为业务系统建设的必要输入项,让客服机器人把客户的诉求带到研发环境,作为业务系统验收的必备测试项。由客服机器人与设计人员和测试人员互动沟通,确保一一应答,用机控措施确保各项需求落地,督促改进系统控制功能,增强原系统自身防控能力,抑制或降低信息系统出问题的概率,化问题于无形。  服务无极限,建设银行落实CCB2020整体转型规划,积极创新发展,与同业一起在总结传统客户服务经验的基础上,充分利用智能技术,结合服务场景,提高服务能力,推进业务系统优化,建立动态全流程科技管控机制,打造更智能、便捷的商业银行客户服务体系。(文章来源:《金融电子化》杂志)扫码即可手机阅读转发此文