智能语音机器人的场景化应用

　　由CTI论坛(www.ctiforum.com)主办的2018中国客户体验创新大会于2018年10月18日在深圳益田威斯汀酒店盛大开幕。本次会议以“人工智能技术引领客服行业迭代升级”为主题。小水智能副总裁张宁应邀出席此次会议并发表题为《语音机器人场景化应用》的主题演讲。张总主要从趋势分析、用户诉求、应用场景和面临挑战四个维度来讲解了小水智能以及语音机器人这个行业所面临的困难和积极的因素。在呼叫中心领域、运营商领域、保险领域、汽车行业等，用小水智能机器人替代一部分重复劳动，这是小水智能的定位。小水智能希望在得到认可的同时可以与大家共同推动产业创新，并达成更多合作。

 

　　张宁：大家下午好！我是小水智能的张宁。其实我是第一次来这个论坛，但实际上我是一个通讯老兵，至少在15年以上，可能与刚才那位毅航的李总也差不多。今天我是很荣幸小水智能让我来做一个主题的分享，我会在几个维度来介绍一下。

 

　　我主要从趋势分析、用户诉求、应用场景和面临挑战四个维度来讲解一下我们的小水智能包括语音机器人这个行业所面临困难的和积极的因素。我们小水智能是一家致力于数据生态AI效果解决方案提供商，这是我们的定位。

 

　　这是一个整个行业趋势，我们看客户软件的市场，大概在100亿的规模以上，这个是存量市场，增量市场会特别巨大，大概在500-850亿的规模口，我们定义在呼叫中心领域、运营商领域，保险领域、汽车行业，我们会用小水智能机器人去带一部分重复劳动，这是我们的定位。

 

　　这是我们所认为的趋势，AI效果营销的趋势。什么是效果营销？我们认为效果营销就是精准营销+个性化的服务。首先我们会在大数据，用大数据来做用户精准的定位和数据洞察。然后我们会用语音机器人、AI技术来做用户数据的收集，用户意向的整理，用人工做跟进和转换，最后我们用用户管理系统来进行效果分析和用户关怀，包括再营销的管理。

 

　　另外一个趋势我们认为，AI正在整合全媒体营销，包括线下和线上的媒体，线下包括一些实体店，线上包括电商、社交网站、垂直社区，还有一些视频网站等等。我们认为整合线上和线下资源，小水智能要实现全媒体的全营销的覆盖，为分散的用户提供统一的营销管理平台。

 

　　这是我们认为的另一个趋势，整个行业我们认为偏向漏斗形的服务趋势，这也会大大降低整个人员的工作成本，提升效率。慢慢逐渐会以互动服务逐渐取代人工服务。

 

　　其实刚才讲了那么多趋势，现在我们说一下用户的诉求到底是什么？我们小水智能一直认为用户的诉求就是要精准，好的用户体验和传递有价值的产品。用户都是需要获得真正有需要的信息。所以我们整个行业遇到的一些，之前也提到一些投诉、骚扰，我们认为这跟数据的不精准有很大的关系，我不需要的产品当然不需要你来给我推销。另外一个用户需要获得更好的体验活动，现在做运营机器人的厂家也很多，我们觉得其中的质量还是良莠不齐，我们希望用最好的用户体验来给用户提供服务。另外用户希望看到的是真正有价值的产品的营销，我们会通过精准的大数据分析，来推向客户真正能帮助到它的一些产品，这是我们客户的需求。

 

　　另外这是一个企业痛点的分析，大家都知道企业有一个降本增效的需求，现在的企业招人难，不光是呼叫中心，像我们了解的教育机构也同样有这样的问题，教育行业也逐渐像人力密集型在转换，这也是他们最大的痛点。我们基于这块帮助他们来做整个降本增效一些方面的改进和优化。

 

　　这是小水智能的几个服务领域，主要它是外呼的机器人和接待机器人。外呼机器人我们主要做一些意向筛选，客户找回，问卷调查，世界营销、满意度回访等等，像催收在保险行业都得到应用实践。像问卷调查在汽车领域大量使用。有一家汽车的集成商，大概在700家4S店，我们做了机器人的问卷服务，现在的效果还是非常好。原来看到的数据大概每天是3-5轮的会话场景，但是我们用机器人来说反而提升了问话的轮次。

 

　　另外一个是接待机器人，我们认为是呼入机器人，我们主要应用于客户接待、售后服务、投诉咨询，包括我们小水智能自己内部理解的叫呼叫说明书，帮助客户解决一些应用场景上的说明书的问题。

 

　　这是我们小水智能倡导的个性化的服务。小水智能会以人为本，建立ID自然平台，实现跟各方数据的互通，我们用AI提供更好的服务。现在我们其实给很多的像电商，一些传统的产品的平台，都帮助他们做体系化的一套效果营销体系，大数据的定位，然后AI的筛选，人工的跟进，推向不同产品的用户端。

 

　　这是我们教育行业的一个案例，很典型。我们通过大数据的用户洞察，分析用户的属性，从而找到一些共性的数据，然后定位到我们的目标群体，通过AI机器人，外呼营销，包括用户关怀，后续，我们现在有两种做法，大家都知道机器人不能实现真正的转化，需要通过人工，我们是两种方式，一种在线直接转人工，另一种通过线下转人工。

 

　　这是保险行业的一个合作案例，主要是两方面，一个是营销，一个是失联修复。很多人群可能经常换号，在运营商是无法定位的，我们跟运营商做一个联合，通过身份证的ID找到相应的号码，当然这需要相关的保险公司运营商的授权处理，我们通过这种方式，用AI来进行欠费催缴。我们通过大数据为保险公司提供用户拉新。

　　这是一个典型的跟保险公司的合作案例，保险公司的电销平台会分流，一部分走人工方式，另一部分会走机器人的方式，通过配置自动外呼，时间、地点、机器人参数，启动外呼。有意向的会推动营销坐席，在沟通的过程中，我们可以通过语音识别，找到相关的问题提示给我们的客服专员，进行一个销售的辅助。

 

　　这是医疗行业的，我们现在跟很多医疗机构包括药企有这样的合作，我们拿到需求之后，帮它做一些用药的回访，包括服务的调查。另外我们也跟卫计委产生合作，我们帮它做健康情况的筛查。

 

　　这是运营商的合作案例。这个运营商的合作案例也是通过小水智能来做营销外呼，它是结合机器人外呼+人工转换来结合，做一些套餐的升级，欠费催缴等等的业务，另外我们也会做欠费用户，包括续费催缴。

 

　　刚刚讲了那么多场景和案例，实际上其实也遇到了很多问题。我们在落地实践过程中遇到了很多问题，包括在NLP，口语、具体的分词，上下文的匹配都会对我们的识别产生比较大的挑战。另外在ASR领域也在提升的阶段，像方言的问题，方言在还多地方也做过实践，尤其在西南和西北地区，无论你的机器人怎么用普通化交流，它依然用方言。现在我们正在做一个专利的申请，我可以通过这种人说的话进行采样，从而去确定它用哪一种方言引擎，这个我们已经在部署和实践，并且正在走专利的过程。另外还有背景噪音，大家知道背景噪音对ASR是比较大的挑战，相关的很多设备虽然能做一些背景噪音的消除，但是从另一方面来讲，它增加了机器的响应效率，这个大家有所了解的。所以现在我们在做这个权衡，背景消除和相应速率我们做一个权衡。

 

　　我们如何去解决和逐步提升产品落地中遇到的问题呢？我们在NLP主要做一些数据训练，做一些统计模型，做一些大概率的统计模型事件。另一方面我们在产品设计下工夫，让更多的问话过程更加明确。在识别这块，有很多是硬件厂商要做的问题，包括软件厂商也会做一些噪音消除，结合语义理解来做。所以我们整个的现在在面临的挑战方面，我们做的主要方式是技术结合产品的方式。

 

　　另外一块我们就是一路走来，从去年年底产品上线，到今年大概跑了一年，小水智能机器人也碰到了很多样的问题，包括我们现在认为整个机器人处于发展的阶段，很多时候我们的定制化开发，占了整个项目的20%-30%，还是比较高的比重，尤其是大客户方面，周期都比较长。但是我们觉得现在这种不代表以后不能把它形成标准化，我们未来逐渐会向这个阶段做一个过渡，减少定制化开发的过程，提升标准化率。

 

　　我们现在其实也在实现，我们在做机器人大市场，我们会让更多行业的熟悉的人，各种专家的人帮我们来制作话术，定制流程，从而提供给一些有需求的公司和企业，实现企业和开发者打通的桥梁，我们机器人大市场下半年会面世。