B端「智能客服」系統(tǒng)的模塊化設計

企業(yè)數(shù)字化轉(zhuǎn)型，智能客服的建設必不可少。隨著人工智能、大數(shù)據(jù)、云計算等技術(shù)驅(qū)動，為智能客服行業(yè)的商業(yè)重塑、產(chǎn)業(yè)升級，場景落地提供了底層技術(shù)支持。

根據(jù)2021年華創(chuàng)咨詢對智能客服的市場調(diào)研，我國智能客服行業(yè)市場規(guī)模從2014年的4.88億元，增長到2020年的46.63億元，整體增幅9.56倍，較2019年環(huán)比增長30.32%。

智能客服通過智能交互機制，設置外呼策略、語義識別意圖，實現(xiàn)自動問答、自動撥號、受理工單、自動記錄、智能提醒和轉(zhuǎn)接人工等服務，是金融企業(yè)貸后環(huán)節(jié)不可或缺的工具。

相對人工客服而言，智能客戶可以提高工作效率，加大并行服務人次，加快響應效率，降低投入成本等。

做智能客服行業(yè)的公司主要有小i機器人、Udesk、快商通、華創(chuàng)微課等，主要應用場景涉及金融、電商、醫(yī)療、教育等領域，并提供AI外呼、在線客服、實體機器人、工單處理等產(chǎn)品或服務。

智能客服系統(tǒng)主要通過語音識別（ASR）、語義理解、語音合成（TTS）、模型訓練、對話管理、知識圖譜和數(shù)據(jù)處理等方式，來提升客服效率和節(jié)約人力成本，被應用在流程專業(yè)化、客群基數(shù)大、咨詢頻次高、問題重復多的金融、電商、醫(yī)療等行業(yè)。

對于在數(shù)字化轉(zhuǎn)型的金融企業(yè)而言，做智能客服系統(tǒng)的首要問題是如何模塊化設計。

所謂的模塊化設計，就是將產(chǎn)品的某些要素組合在一起，構(gòu)成一個具有特定功能的子系統(tǒng)，將這個子系統(tǒng)作為通用性的模塊，與其他產(chǎn)品或要素進行多種組合，構(gòu)成新的系統(tǒng)，產(chǎn)生多種不同功能或相同功能、不同性能的系列產(chǎn)品。

模塊化設計的根本目的是避免重復“造輪子”，快速產(chǎn)出產(chǎn)品，增加功能重用性、提高系統(tǒng)擴展性。

以智能客服系統(tǒng)為例，我們把一個很復雜的新核心交易系統(tǒng)，按照貸后業(yè)務屬性，劃分成客戶問答、放款回訪、還款提醒、績效統(tǒng)計等模塊，每個模塊完成一個確定的功能，并在模塊之間建立業(yè)務聯(lián)系，通過模塊間的相互協(xié)作，輔助系統(tǒng)提升客服效率。

基于深度機器學習的智能問答流程：首先，自動識別客戶提出的問題，將問題進行歸類；其次，通過語義識別對比問題相似度，檢索問答知識庫；然后，AI語義檢索引擎搜索匹配答案，最后，給用戶提供最終答復。

以智能客服問答為例，我們通話中進行錄音，詳盡對話記錄，利用語音識別技術(shù)將客戶通話聲音，解析為更小的聲音單元，借助聲學模型及深度學習的數(shù)據(jù)模型，轉(zhuǎn)換為對應的文字。

然后，通過語言模型進行處理，得到可能性最優(yōu)的服務日志，并按申請、查詢、建額、提款、還款、其他等類型對日志進行分類管理。

點擊“一鍵解析”后，將日志提取轉(zhuǎn)換成基本問答，然后通過人工對問題和答案進行優(yōu)化，以便準確理解用戶訴求。

語料庫庫實現(xiàn)問題自動更新，語義識別支持相似問題歸類，從而不斷豐富問題庫，自動解答客戶提出的預設問題。

智能客服問答是通過策略回復客戶，自動解決90%以上常見問題。

關(guān)鍵在于高并發(fā)應對海量問答，提升多輪對話的問題解決效果，以及語義檢索引擎精準識別客戶問題，需要我們不斷的對機器人進行深度學習和語義訓練。

放款回訪主要是檢查貸款用途是否真實有效，手續(xù)是否合規(guī)恰當，借款主體是否真實，加強客戶服務，監(jiān)督銀行內(nèi)部操作人員行為。

基于產(chǎn)品大類、渠道大類和資金源及客服人員等維度，創(chuàng)建多維度組合的放款規(guī)則，即可創(chuàng)建多筆放款規(guī)則，滑動開關(guān)來控制規(guī)則的有效性，系統(tǒng)根據(jù)放款規(guī)則自動跑批。

系統(tǒng)自動跑批統(tǒng)計當天前一周放款成功的數(shù)據(jù)，將已放款且未回訪的案件，分配給客服主管及其名下的所有在職客服人員，并按分配的角色做權(quán)限控制，支持受理案件、查看受理詳情和撥號等功能。

客服人員指派機器人去自動“撥號”聯(lián)系客戶，并將受理詳情及結(jié)果記錄在系統(tǒng)。

對于機器人無法處理的案件，可以通過人工介入的方式去處理。我們可以通過客服主管操作批量放款轉(zhuǎn)件，將案件轉(zhuǎn)派給其他客服人員。

在數(shù)字金融時代，用戶還款提醒需要更及時，但大量人工客服介入，效率低下。我們可以通過機器人在臨近還款日，自動發(fā)送信息，或一鍵外呼提醒客戶到了還款時間，提升客戶還款的響應速度。

智能還款提醒主要包括款提醒規(guī)則、自動提醒還款和人工提醒，可以有效減少企業(yè)融資過程中信息不對稱問題，幫助客戶經(jīng)理實時掌控，足不出戶完成貸后管理。

基于貸款產(chǎn)品的還款時間、還款金額和渠道來源設定還款提醒規(guī)則，監(jiān)測不同產(chǎn)品類型、合作渠道和資金方的還款異常的客戶，產(chǎn)生有效預警信息，可以有效降低還款逾期風險，逐步提高貸后風控水平。

在每月15日和20日系統(tǒng)定時跑批處理當月未還款的數(shù)據(jù)，通過自動撥打電話、自動發(fā)郵件、自動發(fā)短信提醒客戶還款，每操作一筆還款成功都要及時沖賬處理。

智能客服可以操作受理案件、查看受理詳情和撥號聯(lián)系客戶等功能，并針對不同貸款客群，采取差異化話術(shù)策略。

智能客服并不能完全代替人工客服，對于自動提醒多次無人接聽或拒接的還款逾期案件，由人工客戶與客戶對接。

根據(jù)與貸款客戶的對話，更新問題庫和用戶標簽，以便采取下一步客戶預警措施。

智能客服通過查詢客戶的實時金融數(shù)據(jù)，了解用戶狀態(tài)及用戶偏好，對金融企業(yè)客戶風險特征進行客戶標簽分類，捕捉一些影響客戶還款的風險事件，為客戶預警提供客觀的決策依據(jù)。

傳統(tǒng)的貸款用戶是基于用戶的貸款行為進行分層的，智能預警的關(guān)鍵是對客戶進行分層管理。

我們可以通過系統(tǒng)自動預警，提取文本特征，解析關(guān)鍵詞，按設備IMEI、失聯(lián)次數(shù)、逾期次數(shù)、還款意愿等對客群進行分類管理，自定義客戶標簽，智能構(gòu)建客戶AI畫像。

基于NLP技術(shù)，通過事先設置的模型進行分析客戶意向和意圖，自動風險預警，及時發(fā)現(xiàn)業(yè)務風險，提升企業(yè)抗風險能力。

風控人員可以利用內(nèi)外部數(shù)據(jù)、智能分析和風險預警模型，對履約情況差、關(guān)聯(lián)風險高、行為風險多、財務風險大、還款意愿低等維度的企業(yè)主，通過還款提醒、智能催收的方式，進行風險感知和風險預警。

依托數(shù)字技術(shù)的發(fā)展，智能客服系統(tǒng)已經(jīng)成為一個集數(shù)字化、智能化和線上化的綜合金融服務平臺，為金融企業(yè)開源節(jié)流、降本增效，并提升客戶服務體驗。