阿里云智能对话分析，脱胎于对阿里云小二服务质量的检验，有点习武防身不小心成了武林高手的感觉。（开个玩笑，其实当然是精心规划的智能服务产品！）今天的云享团，请来的是智能对话分析的专家，进入阿里云后目前已申请5项专利的玄域：具有多年软件研发、测试、性能调优等IT相关从业经历，目前从事智能对话分析服务的研发，喜欢钻研与创新！关于这款产品的背景、流程、场景、实例，玄域为你一一分享！
背景
- 大量服务数据的产生
正如大家所知，随着阿里云业务的持续快速发展，业务量越来越大，服务的客户也越来越多，产生了大量的服务数据，服务数据主要包括来自呼叫中心的电话语音、来自工单系统的文本和来自不同的企业服务群以及其他的服务渠道数据。阿里云很多的客户服务部门每月都会产生大量的工单、电话和IM数据，每个客服的服务质量和水平如何？每个客服提供的服务是否符合服务规范？能否从每个客户的服务数据里面发现潜在的业务销售机会？能否根据每个客户的服务数据发现一些舆情以及风险信息？能否根据具体的业务制定更加准确的业务规则发现具体的业务场景？要解决这些问题，需要对客户和客服的对话做智能化数据分析工作，是大数据分析的一个具体的应用领域。
- 急切的服务数据分析需求
在许多公司，为了提升企业的服务质量与提前发现舆情及服务风险，尽最大可能解决上面提到的几个问题，基本上每个客户服务部门都有对应的质检团队，但是每个质检团队都面临一样的挑战，2-3人的质检人员需要应对每月上万级别的服务数据。传统的质检是通过质检人员随机抽检的方式对服务数据进行复核检查，只能根据质检人员的经验人工的筛选出有可能存在问题的工单、电话和不同渠道的服务数据进行检查，质检的抽样比例也是非常的低，存在很大的效率、人员瓶颈以及很大的漏检风险，也不容易发现潜在的业务机会与舆情问题。质检是一个刚性需求，有电话语音坐席、工单服务、IM服务的行业都有质检的需求，横跨几乎所有主流行业，这些不同行业的公司都需要对产生的服务对话数据进行智能化分析。
智能对话分析服务介绍
- 基本业务流程
随着阿里云业务的持续快速增长，服务质量的要求越来越高，传统质检方式的弊端越来越明显，为了进一步提升服务质量，使服务问题更全面、及时地发现，减少服务投诉率与舆情风险，我们需要对服务对话数据进行多维度的分析，通过制定一些灵活多变的规则，分析筛选出特定的业务场景，识别出有价值的服务对话数据，智能对话分析服务应运而生。智能对话分析服务能够对所有服务过程产生的数据进行全量的智能分析，摆脱人员的限制，全面挖掘服务数据的价值，针对全量的服务数据进行自动化分析，可以做到电话一挂断，立刻触发语音转文本并做分析，实时生成分析结果，通过灵活的规则配置，覆盖多个复杂的业务场景，数据分析的成本低，分析结果响应及时。
图1.基本业务流程
如图1所示是智能对话分析服务的基本业务流程，首先，如果是服务电话语音，需要先调用ASR语音转文本的服务转化成服务电话文本，然后和在线的服务文本一块构成待分析数据，结合业务人员输入的分析规则，智能对话分析服务会产生出匹配结果并通知分析结果处理人，支持处理人进行在线人工校验并保存复核结果，最后，智能对话分析服务支持定期内对分析的结果数据进行多维度的统计分析，发现潜在的业务机会、服务风险与舆情问题。
- 详细场景描述
图2. 详细场景描述
如图2所示是阿里云智能对话分析服务的详细场景描述。首先是企业待分析的数据集接入部分，包块在线客服坐席、工单业务和电话客服坐席，主要是对这些服务数据进行分析处理，如果是电话语音服务数据需要调用ASR语音转文本服务，然后对工单和电话的文本数据进行数据脱敏、格式化进入到云上存储模块，主要是支持阿里云的OSS，然后智能分析引擎负责整合分析规则和待分析数据集利用检测模型调用人工智能算法计算生成分析结果数据。智能对话分析管控台模块主要是用于分析规则的管理，可以在管控台创建规则并选择特定的数据集运行任务验证规则是否正确，也可以对分析结果数据进行复核和查看规则分析结果报表。此外，在管控台上还可以进行一些基础的配置管理，例如规则未命中的原因、规则分类等等基础数据，权限的管理后续也是在管控台实现。
智能对话分析服务分析的步骤
- 创建数据分析规则
要充分使用智能对话分析服务必须先创建数据分析规则，什么是规则？例如客服接通电话后必须说问候语，这就是一条基本的服务规范规则，电话销售人员必须在通话过程中询问是否有新的需求或者新的采购计划，这就是一条挖掘分析潜在业务机会的典型规则。为了充分的了解并灵活运用智能对话分析服务强大的规则能力，首先我们需要介绍四个基本的名词：规则、条件、检查范围、算子。
1. 规则：规则是由逻辑运算符(&&, ||, !, !=, ==)和条件组成的表达式，如”条件1 && (!条件2) || (key1 != value1)”，其中”等”与”不等”只能用于kv值的判断。
a) 运算符中逻辑非(!)的优先级最高，等与不等(==, !=)次之，与或运算符(&&, ||)最低，例：a && !b || k == v会依次计算!b，k ==v，及剩下的表达式。
b) 可以用括号来改变运算次序，如!(c1 && c2)就会先算c1 && c2。
2. 条件：条件由检查范围和算子组成，如”客服的第一句话是’你好’”这个条件的检查范围是”客服说的第一句话”，算子是”出现关键字’你好’”，1个条件内可以包含多个算子组成的逻辑表达式。
3. 检查范围：目前支持的检查范围有下面3个基准范围的交集。
a) 某个条件(第一次命中|最后一次命中)之(前|后|当句)。
b) 角色（客服或客户）。
c) 第M句到第N句。
4. 算子：对检查范围限定的句字逐句做出判定
a) 关键字|正则表达式：检测当前句子是否包含关键字或匹配正则表达式。
b) 问句检测：检测当前句子是否是问句。
c) 上下文重复：检测当前句是否与当前句之前的句子的意思重复。
d) 与前句时间间隔超过指定的值：检测当前句与上一句是否间隔超过指定值。
e) 字数相近句：检测与参考句子在设置的字数差距以内的句子。
f) 语义匹配：检测与给定的多个参考相似度大于设置值的句子。
g) 语速检测：检测当前句语速是否超过指定值。
从下面的这个例子，我们详细的了解一个完整分析规则的组成。
例子：假设客服和客户沟通中向客服提出挂载快照的请求，完成后没有提醒客户挂载快照后应该注意的事项，这个是个相对比较复杂的针对具体业务的服务规范规则。
规则=!条件2
条件1：客户提出挂载快照请求：
1）检查范围：全文客户说过的话；
2）算子：匹配“挂载快照”的语义；
条件2：提醒客户挂载快照后的注意事项：
1）检查范围：条件1命中的句子之后，客服说的话
2）算子：匹配“提醒客户挂载快照后的注意事项”的语义
图3. 规则的详细配置
- 分析任务配置
图4. 智能对话分析服务分析任务配置
如图4所示创建完分析规则后，我们就可以在规则列表部分选择需要执行分析任务的一条或者多条规则，然后我们需要再选择待分析的数据集，就是对那些数据集里面的数据进行数据分析，配置完成后就可以点击“确认”，这条数据分析任务请求就会发送到分析引擎。
- 执行数据分析任务
智能对话分析服务引擎在获取到待分析任务后会根据待分析数据的类型选择不同的处理逻辑，例如如果发现待分析数据是语音文件，会首先调用ASR语音转文本服务把语音转化成文本，然后才能推送到待分析数据队列，分析引擎会根据用户选择的分析规则，调用分析匹配算法模块，对这条数据进行智能化分析，生成最终的分析匹配结果。
- 规则分析结果
图5. 智能对话分析服务规则分析结果
如图5所示，智能对话分析服务分析引擎执行完任务后，从分析结果的入口可以看到任务里面所有规则的分析统计数据，包括规则检测数、规则命中数、规则命中率以及复核准确率，反映出每条规则的整体分析情况。操作部分可以查看这条规则的详情，也可以查看这条规则命中的所有电话语音和文本记录复核列表。
- 分析结果复核
图6. 分析结果复核列表
如图6所示，智能对话分析引擎执行完分析任务后，从规则分析结果的“查看结果”入口，可以查看结果复核列表，业务人员需要登录到管控台查看分析结果复核列表，对每一条规则命中结果进行复核。我们也可以看到每条命中记录的复核状态、被几条规则命中过、实际违规数以及复核准确率。操作部分可以点击“复核”查看详细的对话数据以及规则命中情况。
图7. 分析结果复核页面
如图7所示是详细的分析结果复核页面，可以看到这个电话语音被这条规则命中的地方，命中的关键词会标红显示，命中的句子也会高亮显示，这样既有利于提高业务人员的复核效率，又能切实的反映出客服具体的违规点。
智能对话分析服务使用案例
- 需要解决的问题场景
假设业务人员需要使用智能分析服务解决这样一个业务问题：如果发现客户提出更换磁盘类型，客服应该提供正确的解决方案，假设客服引导客户到更换操作系统，这就是违规的服务，这样的问题一定要提前预防，不能发生。业务人员需要通过智能分析服务发现这样高风险的服务违规问题。
- 创建的分析规则
图8. 分析规则详情
如图8所示是业务人员为了解决上面的问题创建的分析规则，条件a是为了发现客户是否提出了更换磁盘类型的需求，条件a利用正则表达式算子匹配各种类型的更换磁盘类型需求，检测范围是客户说的话，这个条件是这条规则的基础与前提。条件b和条件c都包含两个正则表达式算子，查看是否客服回答了不支持或无法更换磁盘，需要更换系统盘或换服务器系统。条件b的检测范围是条件a命中之后的客服说的后3句话，条件c的检测范围是条件a命中之前客服说的前3句话，规则的条件间逻辑关系是b||c，这样就能覆盖所有的问题情况。
- 分析结果复核
如图7所示是这条规则命中的对话数据复核页面，可以看到客户提出了磁盘类型要换成Ssd，条件a被命中了，高亮标红显示了关键词“换成Ssd”, 然后继续检测客服说的后3句话，发现命中了条件b，高亮显示了关键词“更换系统盘”，这条分析规则精确的发现了这个客服人员的违规服务，不应该引导客户去更换系统盘，这样业务人员复核后就可以生成一条处理对应客服人员的违规记录，并进行相应的违规处理。
总结
本文首先从智能对话分析服务的产生背景入手，介绍了传统质检的弊端，随着阿里云服务数据量的增大，智能化、自动化、全量的智能对话分析服务应运而生，并对智能对话分析服务的基本业务流程、平台的详细功能模块进行了介绍， 并进一步阐述了利用智能对话分析服务实现智能化分析的步骤，详细介绍了分析规则的创建、分析任务的配置、执行自动化任务分析的过程、分析结果的生成与复核操作。最后，结合一个具体的业务场景，利用智能对话分析服务解决并发现这个服务问题。
