开发者学堂课程【阿里巴巴智能服务 - 打造数字化企业:如何驱动全面的客户交互升级】学习笔记，与课程紧密联系，让用户快速学习知识。
课程地址：https://developer.aliyun.com/learning/course/539/detail/7361
如何驱动全面的客户交互升级
内容介绍：
一、传统客服系统的典型痛点
二、全新客服体系特征
三、互联网时代新客服的核心能力
四、客户价值/智能服务
五、人工智能技术在行业的典型应用
六、产品应用情况
七、智能问答系统产品架构
八、阿里云智能客服解决方案
九、阿里智能客服典型客户
一、传统客服系统的典型痛点
所有的客户服务其实是企业与客户之间基于连接的一个商业场景，传统的客户服务都是以连接为基础的，比如语音连接、在线连接、社交媒体的连接。基于连接的客户服务体系也在各行各业广泛使用，但是，从我们的想法和思路来看，传统以呼叫中心为基础的客服体系已经很难满足互联网时代业务对服务的要求，为什么呢？
第一，跌宕快速发展是互联网行业和中小企业面临的最关键的问题，而传统的构建以呼叫中心为核心的客户服务体系是很慢的，因为有设备商、有供应商、集成商、有维护等各种各样的组织在里面，不能适应这种快速跌宕的场景。
第二，人工多，智能少，这就是为什么大家都说传统的呼叫中心是以人力为运营为特征的一个行业，基本上大部分的开支都需要人力。
第三，产能低，成本高。这就导致传统呼叫中心对于大部分企业来说是一个高投入，低产出的状态。
第四，服务弱，体验差，主要体现在客户服务高峰期，客户需要长时间排队等待，客户问题无法快速定位解决，需要不停的沟通。
传统客服系统的典型痛点：
1、无法满足业务快速发展的需求：大多数呼叫系统使用已久维护困难难于扩展，兼容性差，业务需求响应慢。
2、人工多、智能少：人工外呼、人工质检、人工监控，人工质检只能达到3%覆盖率，自助功能缺失或有限，依赖人工，而且智能化程度低。
3、产能低、成本高：客服运营成本随业务拓展线性增加，人工成本和管理成本高昂，大量客服的时间被花费在解决常见性、复杂性问题，产能低。
4、服务弱、体验差：在服务高峰，客户需要长时间排队等待人工接通，用户体验差。无法快速定位客户问题，需要客服和客户反复沟通。
二、全新客服体系特征
基于以上现状，阿里云客服团队在考虑设计智能化客服产品和解决方案的前提下，认为全新的客户服务体系应具有以下四个特征：
1、普惠性。渠道从传统到多样化，模式从被动到主动，服务对象在相同成本情况下从5%扩大到100%。
2、个性化。洞悉用户诉求，基于客户诉求预先式的定制服务场景。
3、低能耗。用户轻咨询，企业投入低。
4、全链路。服务数据闭环（往往我们认为，传统的客户服务体系是轻数据的，在设计新的智能客服体系场景下，这一块是我们需要重点考虑的），柔性服务平台，服务体系全流程管理。
三、互联网时代新客服的核心能力
要想达到新的智能客服业务目标，需要在传统的技术之外引入一些核心的技术，这些技术是阿里集团在自己的实践中积累探索出来的，如下:
互联网时代新客服的核心能力：
1、面向未来的服务基础设施：
（以服务化的方式交付给企业或企业以服务化的方式获取，不需要一次性投入大量资金，也不需要自己到处采购招标）
（1）全渠道平台（传统渠道+互联网创新渠道）
（2）互联互通（阿里云+阿里ACC实现全信息互联互通-自营&外包；线上&线下；人工&自助）
2、AI 助力的服务能力：
（1）机器人智能：把智能机器人用在不同的场景，比如外呼、知识应答等场景
（2）语音智能（语音导航）：准确识别客户语音上的需求
（3）主动服务智能（问题防范，故障排除，贴心提醒）：挖掘客户服务中获取的数据，主动定位和预测一些新的问题，主动提供帮助和指导。
（4）定制服务智能（VIP）
3、全链路的服务运营能力：
（1）服务预测：基于业务数据做预测
（2）实时智能调度：感知客户服务体系里面客户当前的诉求，资源的准备情况，基于业务场景的变化进行智能调度。
（3）DT 工作台
（4）智能质检：传统的质检是人事后做质检，而智能质检可以做到准实时的、大规模的质检。
（5）自学习知识供应链：针对不同的行业，成立不同的数据，这些数据可帮助我们的客户在不同的行业来快速构建自己的知识能力
（6）场景式培训平台
（7）全链路监控仪表盘
4、服务数据驱动的决策能力：
服务数据驱动是一个核心技术能力，传统呼叫中心或传统的客户服务领域基本都是经验，但是我们认为服务策略，包括服务资源的调配必须以数据为准进行驱动，另外可驱动自身商业决策，例如：有客户问，他想知道他的客户服务代表和他的客户之间过去一个月内交流的过程中到底我的哪些产品是客户最热的，最想要的，有哪些问题是客户最喜欢说的？
这些东西用传统做标记的方法是没法做的，所以要从大量的录音中去快速的灵活的找到他想要的一些业务数据，这些业务数据才是可以帮助企业做出准确的商业决策，用这些数据才是真实的、广泛的、不是片面的。
（1）用户体验驱动产品决策
（2）实时舆情监控/预警
（3）服务用户调用支撑商业决策
四、商业目的
在阿里云的智能客服产品和解决方案中，运用之前的智能技术，可以帮助我们达到以下商业目的。
客户价值/智能服务：
1、提升客户体验：秒极响应；24小时；高峰响应；基于实时需求和障碍预测主动服务
2、降低运营成本：小蜜对话机器人解决简单/一般问题；智能辅助提升效率和弹性能力（在客户服务领域的业务场景里面都可以使用，来帮助我们提升效率，降低成本。）
3、服务数据化：客户原声沉淀与分析；问题与发现、在线服务数据闭环（我们把智能客服前端中台和后台的所以数据都链起来了，最后，对数据做了一些整合和分析。这个数据可开放给客户，也可通过上面的分析学习平台，把它学习完后返补和回流到业务体系里面。）
4、提升客服小二幸福感和工作价值：智能辅助，提效；问题与发现，快速定位客户问题
5、提升管理效率：提升服务团队/呼叫中心管理效率、降低数据安全和资金风险
智能对话：语音文本智能对话
智能辅助：辅助人工解决问题
智能决策：复杂问题和工单自动化处理
智能管理：效能优化，品质优化
五、人工智能技术在行业的典型应用
当前智能客服已经应用于银行、保险、政府、电信运营商、教育和零售等行业
1、智能机器人（深度挖掘学习）
（1）多渠道灵活配置（PC，APP，微信等）
（2）聚类挖掘客户潜在问题
（3）基于自有深度学习模型
（4） 经过亿级客户量验证的机器人能力
2、智能外呼（自动拨号外呼）
（1）支持预测式外呼。
（2）随时调整客人排队比例。
（3）节省坐席拨号和等待时间。
它基于呼叫中心语音的平台构造了一个可以外呼打电话，去帮助企业完成一些特定的业务目的的机器人，它不是一个独立的产品，它是语音呼叫中心上面的一个叠加的特性。
有了这个智能外呼特性，在语音呼叫中心上面可以轻松配置一些对话外呼机器人，让机器人去帮你做一些客户筛选、客户回访、做一些客户信息的满意度收集、甚至做一些复杂的比如电筛、或者在教育行业中做一些课程的指导、安排和预约，解放人力。
3、智能质检（自然语言理解）
（1）数据挖掘、模型训练
（2）依托阿里云语音转文字服务
（3）自有的自然语言理解能力
（4）规则引擎&文本分析引擎
智能质检在阿里云产品中叫做智能对话分析，它是基于前面说的智能技术把我们在呼叫中心里面的录音，还有在云客服里面里面在线交流的文本进行商业目的的挖掘，在里面定制一些规则和模型。智能质检可从大量的语音里面做智能质检和数据挖掘
4、智能 IVR（动态菜单配置）
（1）方便客户找到人工
（2）IVR 进线识别分流客户
（3）动态菜单可配置
（4）自助办理引导
（5）IVR进线轨迹数据化
智能 IVR 又叫智能导航，用了这个特性，可以把语音呼叫中心里面IVR能力升级为智能版的 IVR，可以简单的在 IVR 里面通过对话的方式帮助客户查询、办业务、转人工等。
5、数据运营（服务数据可视）
（1）服务量可视化监控
（2）热词监控；预警问题及时
（3）标准服务数据分析
（4）灵活数据运营分析工具
六、产品应用情况：
1、在线客服：智能机器人，人工高替代、机器高产能
（人工替代率比较高）
2、热线客服：预测式外呼，产能高增长率
3、智能质检：机器高质检率、高准确率
4、智能语音回访：替代人工，有效降低成本
智能回访：自动外呼后，实现问卷播报、客户身份确认、客户答案识别和确认、回访结果自动保存等全智能化。
5、智能语音咨询：降低成本、减少差错、拓展服务时间
智能语音咨询实现：客户身份确认、客户答案识别和确认、客户问题理解及应对、咨询结果自动保存等7*24服务全智能化。
七、智能问答系统产品架构
在智能客服里面引入的智能大概的架构，左边的语音输入和语音输出是智能客服的语音和连接平台，它提供的语音通道和在线连接的通道。语音输入称为语音识别，通过对话管理控制机器人跟客户之间的对话交互形式，通过语音理解后合成，通过语音输出通道输出给客户。
八、阿里云智能客服解决方案：
第一个就是基于场景的引入了智能技术之后的一些场景化的智能解决方案。
包括智能导航、智能外呼、金牌话术、智能质检、智能培训。
第二个是核心的链接类的产品，也可以认为是传统的云呼叫中心，包括云小蜜、云呼叫中心、云客服、智能对话分析。
第三个是一些服务，包括知识库冷启动、机器人模型调优、人工智能训练师、产品使用培训。
第四个是方法论，包括智能客服建设最佳实践、人工智能训练最佳实践、客服中心转型提升实践。
九、阿里智能客服典型客户
这是阿里云智能客服产品在阿里体系之外的一些客户，这些客户部分或全部使用了前面所讲的那些产品，包括中国平安、合众人寿等，在教育类有一起作业、VIP等，医疗方面的爱尔眼科、互联网方面的云集，运营商方面的中国移动，中国移动使用了智能导航这个产品。
