本文將盤點人工智能在呼叫中心不同類別業務下的部分應用，為讀者勾勒出人工智能技術在呼叫中心的應用現狀，與讀者一起暢想呼叫中心未來的發展趨勢，并挖掘更多潛在的應用場景與市場機會。

自然語言理解及相關技術在呼叫中心產業中的應用

近年來，隨著人工智能的爆發，新技術已經逐步滲入到人們日常生活中的各行各業里。以機器代替人工來處理重復而繁瑣的任務，不僅提高了工作的效率和生產力，還為人們節省了大量的時間。

呼叫中心，或者說是客戶服務中心，就是一個可交互式的語音應答系統，用于通過電話接收或發送大量客戶的請求。呼叫中心旨在為客戶提供各種電話響應服務，集中處理大量業務相關的問題和請求，因此往往需要大量的人工成本，而這恰恰是人工智能技術所擅長的。其中，自然語言理解技術扮演了舉足輕重的角色。

呼叫中心是語音識別技術（ASR）和自然語言理解（NLP）技術最早的應用場景之一，發展至今，已經經歷了五代的演變。目前，有廠商提出了第六代呼叫中心的概念，最新一代的呼叫中心將借助云計算，實現數據融合，在云端部署服務和數據，這將讓人工智能技術在呼叫中心產業中獲得前所未有的應用突破。

本文將盤點人工智能在呼叫中心不同類別業務下的部分應用，為讀者勾勒出人工智能技術在呼叫中心的應用現狀，與讀者一起暢想呼叫中心未來的發展趨勢，并挖掘更多潛在的應用場景與市場機會。

呼叫中心的業務可以大致分為呼入服務，和呼出服務（外呼）兩大類別。呼入服務相關的業務往往由各個公司直屬運營，用于向其客戶提供產品售后支持或信息查詢的服務。而呼出服務相關的業務則廣泛的用于電話營銷，追債，征集慈善捐款，以及市場研究等場景。

呼入型呼叫服務

多年來，呼入型呼叫系統一直是NLP技術的典型應用場景之一。在市場上，呼入型呼叫系統和NLP技術的結合主要運用于兩種場景，一種是專業領域的智能客服平臺，另一種是通用領域的智能服務中心。

專業領域的智能客服，一般指垂直應用領域的客服機器人，這類機器人大量被政府、銀行、保險公司等機構使用，專注于幫助客戶處理簡單的任務。

隨著NLP技術和ARS技術在金融類垂直領域的深入 ，越來越多的銀行財富管理服務被人工智能所接管。通過多輪問答，機器可以逐步篩選并闡明用戶的特定需求，并有針對性地給出適當的響應。

這類服務往往需要預先設計好對話流程（對話流），系統會引導用戶根據預先設定的對話流逐步實現用戶的需求。同時，在對話交互過程中，人工服務可以隨時介入，以處理一些客戶的特殊請求。

相較于專業領域的客服平臺，通用客戶服務中心所涉及的應用場景更為廣泛。包括商品訂購，服務預訂和信息咨詢等業務。

這類智能客服在技術上往往能夠以通用的形式實現，其核心主要是任務驅動的對話系統。目標是通過最短的對話輪數幫助客戶完成指定的任務。這里的服務交互過程通常是固定的，并且可以針對不同的數據信息和應用程序接口實現定制化服務。

目前，中國各大地區的114信息查詢服務系統，就是通用類智能呼叫服務的經典案例。用戶可以通過電話查詢城市的交通，住宿，飲食，以及城市旅游信息，甚至完成訂酒店，買車票，查天氣等任務。系統會以特定的形式將相關信息返回給用戶，而這整個過程都由客服機器人獨立完成。

呼出型呼叫服務

呼出型呼叫系統（外呼系統）是呼叫中心的另一類核心業務。外呼服務相較于呼入型服務，往往更具挑戰性。在外呼場景中，人工幾乎沒有機會干預或指導整個對話的交互過程，大部分情況下，整個交互行為是無法控制的。

外呼系統需要主動撥打電話給用戶，并將相關信息清楚地傳達給用戶。在交互過程中，系統需要主動向用戶提問，并引導用戶返回正確的響應內容，而不僅僅是對用戶的問題進行回復。智能外呼系統目前主要應用于兩種不同的場景，一個是追債服務，另一個是消息推送服務。

隨著NLP技術的發展，外呼系統現在已經可以實現智能服務。然而，目前這類技術僅適用于銀行信用卡還款通知，追債等場景。在這種情況下，系統不需要過多考慮客戶的內心體驗，也不需要擔心客戶是否會感到厭惡，只需要在對話內容中將目地和意圖表達明確即可。

同時，在外呼系統，債務催收類的情景下，用戶與系統之間的對話過程通常不會超過三輪對話內容，因此對于系統本身來說，功能相對容易實現。目前，許多NLP初創公司都看到了外呼收債服務的需求，試圖深耕這個垂直領域，與金融服務機構建立合作關系，以實現技術應用商業化。

除了追債業務之外，消息推送服務是外呼系統的另一個重要使用場景。其中包括產品推薦，廣告，調查問卷和消息通知等服務。這種類型的服務場景在形式上與催債服務相似，但它需要將用戶的體驗要素融入到設計當中。這類服務需要充分考慮用戶的情感，真人服務者往往比機器人更容易獲得用戶的接受度與信任感。雖然眾多NLP科技公司都在努力探索為客戶提供更好的交互體驗的方法，但是目前在市場上還沒有出色的相關產品或業務推出。

呼叫中心數據分析

呼叫中心里數據的記錄與分析也是人工智能技術在呼叫中心領域的應用場景之一。為了提供更加個性化的服務，呼叫中心通過錄音和ASR技術記錄并采集客戶與呼叫系統之間的會話數據，再使用深度學習和NLP技術分析電話語音的內容，更好的理解客戶的意圖和潛在想法，并通過分析結果有針對性的優化系統，從而為客戶提供更優質的服務。

目前，各企業的客服呼叫中心都對客服數據分析服務有著明確的需求，如電訊公司，電商平臺，保險機構等。這些公司和機構通常都會將每個客戶每次在呼叫中心里所產生的數據采集下來，通過NLP技術，自動組織和分析這些數據。

NLP技術在呼叫數據分析這一場景下有兩個正在嘗試落地的應用，分別是客服風控系統，和客服質檢系統。

• 客服風控系統通過閱讀客服人員與客戶的聊天記錄，識別雙方情緒變化以及出現的問題，并將識別到的風險較高的案例送交到客服管理中心進行處理。風控系統可以有效的提升客服的效率，同時降低客戶越級投訴的風險。
• 客服質檢系統會對客服人員與客戶的會話內容進行質量檢查，依靠規范流程，標準話術等固定指標來約束會話質量，識別會話過程中的問題，進而提高客服呼叫中心的服務質量。

如今，越來越多的商家和機構開始記錄和保存他們的電話客服數據，智能化呼叫數據分析的應用將進一步完成落地。NLP技術能夠解析來自呼叫系統的文本數據，以理解用戶呼叫數據中的內容，從而使商家和客戶都能受益。

總結

人工智能現在已經成為我們日常生活中的一部分。NLP與ASR等語言相關的信息處理技術正被廣泛的運用于電話呼叫中心產業中，其中包括呼入型呼叫服務，呼出型呼叫服務，以及呼叫中心的數據分析。相較于呼入型呼叫服務，呼出型呼叫服務更適合交給智能呼叫系統來完成，特別是不需要重點關照被呼叫方交互體驗的催債類服務。

未來更大的數據量和更完備的信息內容將會賦予呼叫中心更多的知識與內容，智能化的呼叫服務終將在我們的生活中普及。而文字轉語音（TTS）技術的不斷進步，配合巧妙的話術設計，也將有可能改善智能呼叫中心的對話體驗，使人們更愿意接受機器的服務與“關懷”。

最后，算力和網絡帶寬的提高或許可以幫助呼叫中心跳過對客戶會話內容錄音的環節，直接在會話過程中對客戶的意圖和需求進行實時的分析，并在第一時間有針對性的將問題解決。

人工智能技術正在將電話呼叫中心帶入全新的智能時代，技術會持續降低人工勞力的成本和效率，將人類從冗余的工作內容中解放出來。屆時，呼叫中心將會為我們提供前所未有的個性化，自動化，人性化的服務。

本文由 @單贏 原創發布于人人都是產品經理，未經許可，禁止轉載。

題圖來自Unsplash，基于CC0協議。