中金數(shù)據(jù)大數(shù)據(jù)分析師劉志恒：大數(shù)據(jù)、云計(jì)算與人工智能推動(dòng)呼叫中心運(yùn)營(yíng)新模式

中金數(shù)據(jù) 劉志恒大數(shù)據(jù) 云計(jì)算人工智能呼叫中心

原創(chuàng) 劉志恒 | 2017-09-08 07:32

【數(shù)據(jù)猿導(dǎo)讀】隨著大數(shù)據(jù)、云計(jì)算和人工智能技術(shù)的發(fā)展，海量語(yǔ)音數(shù)據(jù)存儲(chǔ)成本不斷下降，智能質(zhì)檢系統(tǒng)的精確度不斷提升，客戶價(jià)值獲得更深層次的挖掘，屆時(shí)呼叫中心將突破傳統(tǒng)業(yè)務(wù)邏輯，形成全新的運(yùn)營(yíng)模式

中金數(shù)據(jù)大數(shù)據(jù)分析師劉志恒：大數(shù)據(jù)、云計(jì)算與人工智能推動(dòng)呼叫中心運(yùn)營(yíng)新模式

本文為數(shù)據(jù)猿推出的“金融科技價(jià)值—數(shù)據(jù)驅(qū)動(dòng)金融商業(yè)裂變”大型主題策劃活動(dòng)（查看詳情）第一部分的文章/案例/產(chǎn)品征集部分；感謝 中金數(shù)據(jù)大數(shù)據(jù)分析師劉志恒 先生的投稿

來(lái)源：數(shù)據(jù)猿作者：劉志恒

隨著通訊技術(shù)的不斷發(fā)展，呼叫中心的規(guī)模與日俱增，現(xiàn)階段國(guó)內(nèi)擁有上千席的呼叫中心不在少數(shù)，其每日所產(chǎn)生的語(yǔ)音數(shù)據(jù)體量難以想象，屬于典型的非結(jié)構(gòu)化“大數(shù)據(jù)”。這些數(shù)據(jù)中所蘊(yùn)含的客戶偏好、產(chǎn)品質(zhì)量、坐席技能等相關(guān)指標(biāo)是呼叫中心優(yōu)化服務(wù)質(zhì)量、提高運(yùn)營(yíng)效率的重要參考因素，直接關(guān)系著營(yíng)銷決策制定以及產(chǎn)品服務(wù)設(shè)計(jì)。

然而，語(yǔ)音數(shù)據(jù)作為呼叫中心一項(xiàng)重要的價(jià)值資產(chǎn)，在過(guò)去很長(zhǎng)一段時(shí)間內(nèi)卻沒(méi)有受到足夠的重視。這是受限于傳統(tǒng)技術(shù)條件下，語(yǔ)音數(shù)據(jù)存儲(chǔ)成本過(guò)高，應(yīng)用難度過(guò)大，更難說(shuō)從中挖掘核心價(jià)值以支持決策分析。但隨著大數(shù)據(jù)、云計(jì)算與人工智能技術(shù)的迅猛發(fā)展，使得海量數(shù)據(jù)存儲(chǔ)成本不斷降低，分布式并行計(jì)算效率不斷提高，打破了語(yǔ)音數(shù)據(jù)存儲(chǔ)及處理的技術(shù)壁壘，為呼叫中心提供了全新的運(yùn)營(yíng)模式，其具體應(yīng)用場(chǎng)景如下：

1.分布式存儲(chǔ)海量語(yǔ)音數(shù)據(jù)成為主流

呼叫中心體量的不斷擴(kuò)張，導(dǎo)致大量的語(yǔ)音數(shù)據(jù)堆積，以某金融機(jī)構(gòu)呼叫中心為例，其坐席數(shù)量超過(guò)3000余個(gè)，每日產(chǎn)生的錄音文件量高達(dá)100G以上，年錄音文件總量超過(guò)50T，預(yù)計(jì)未來(lái)語(yǔ)音數(shù)據(jù)量的年平均增長(zhǎng)率高達(dá)30%。如此海量的語(yǔ)音數(shù)據(jù)加劇了數(shù)據(jù)存儲(chǔ)的難度，雖然現(xiàn)有計(jì)算機(jī)存儲(chǔ)硬件的發(fā)展已經(jīng)非常迅猛，但其發(fā)展速度還遠(yuǎn)不及數(shù)據(jù)量的幾何式爆破增長(zhǎng)，并且由于高性能的存儲(chǔ)硬件存在造價(jià)成本的問(wèn)題，大多數(shù)企業(yè)對(duì)于日益增長(zhǎng)的進(jìn)量數(shù)據(jù)以及原始積累的存量數(shù)據(jù)又愛(ài)又恨。

在現(xiàn)有職能體系下，多數(shù)企業(yè)還將呼叫中心評(píng)定為服務(wù)中心，一心旨在控制呼叫中心成本而并沒(méi)有期待其能夠產(chǎn)生收益。由此試圖通過(guò)提高計(jì)算機(jī)硬件配置來(lái)解決呼叫中心語(yǔ)音數(shù)據(jù)存儲(chǔ)的問(wèn)題，并不具有一般可行性。

中金數(shù)據(jù)_劉志恒_大數(shù)據(jù)_云計(jì)算_人工智能_呼叫中心-1

大數(shù)據(jù)技術(shù)的發(fā)展成功解決了呼叫中心語(yǔ)音數(shù)據(jù)量存儲(chǔ)的問(wèn)題，其特有的分布式存儲(chǔ)技術(shù)能夠?qū)我惑w量巨大語(yǔ)音數(shù)據(jù)文件夾切分為多個(gè)小的區(qū)塊，并使其能夠存放于由多臺(tái)計(jì)算機(jī)所架構(gòu)的集群上。這些計(jì)算機(jī)之間通過(guò)某種方式相互通信，進(jìn)而將整個(gè)集群內(nèi)所有存儲(chǔ)空間資源整合、虛擬化并對(duì)外提供文件訪問(wèn)服務(wù)的文件系統(tǒng)。

利用大數(shù)據(jù)技術(shù)存儲(chǔ)語(yǔ)音數(shù)據(jù)具有兩大突出的優(yōu)點(diǎn)：

其一，極大降低了數(shù)據(jù)存儲(chǔ)所需的硬件成本，由于大數(shù)據(jù)技術(shù)能對(duì)單一體量的數(shù)據(jù)集進(jìn)行切分、存儲(chǔ)、再整合，因此數(shù)據(jù)存儲(chǔ)就不再受限于高性能的計(jì)算機(jī)硬件，而只需要多個(gè)性能基本達(dá)標(biāo)的存儲(chǔ)硬件便能夠?qū)Ａ繑?shù)據(jù)進(jìn)行存儲(chǔ)和處理；

其二，所保存的數(shù)據(jù)不易丟失或破壞，由于大數(shù)據(jù)技術(shù)會(huì)將單條語(yǔ)音數(shù)據(jù)重復(fù)分配到集群中多個(gè)計(jì)算機(jī)上，因此在數(shù)據(jù)提取時(shí)，若某個(gè)計(jì)算機(jī)的數(shù)據(jù)不慎丟失或其本身遭受破壞，我們也能正常的從集群中提取到完整的數(shù)據(jù)。

現(xiàn)階段大多數(shù)呼叫中心運(yùn)營(yíng)高層都逐漸意識(shí)到日常語(yǔ)音數(shù)據(jù)的價(jià)值，也紛紛表示分布式存儲(chǔ)技術(shù)確實(shí)能夠幫助其解決語(yǔ)音數(shù)據(jù)體量過(guò)大的問(wèn)題。由此如今眾多呼叫中心都致力于從抽取部分語(yǔ)音進(jìn)行存儲(chǔ)變革為全量語(yǔ)音存儲(chǔ)，從真正意義上使得分布式存儲(chǔ)海量語(yǔ)音數(shù)據(jù)成為主流趨勢(shì)。

2.實(shí)現(xiàn)“機(jī)器質(zhì)檢泛聽(tīng)+人工質(zhì)檢精聽(tīng)”新模式

呼叫中心是人力密集型行業(yè)，其質(zhì)量監(jiān)控管理一直是一項(xiàng)浩瀚的工程，如果都通過(guò)傳統(tǒng)的人工監(jiān)聽(tīng)進(jìn)行質(zhì)檢管理，其所需的人力物力難以估計(jì)。因此在過(guò)去很長(zhǎng)一段時(shí)間內(nèi)，呼叫中心都利用抽聽(tīng)的方法進(jìn)行質(zhì)量監(jiān)控管理，該方法一方面從業(yè)務(wù)角度而言，可能導(dǎo)致坐席人員工作的投機(jī)性，另一方面從統(tǒng)計(jì)學(xué)角度而言，簡(jiǎn)單的隨機(jī)抽樣所得出的結(jié)果并不能完整反映該坐席普遍的日常工作狀態(tài)。

質(zhì)量監(jiān)控工作對(duì)于呼叫中心而言具有重要的意義，其通過(guò)對(duì)坐席人員服務(wù)質(zhì)量的檢測(cè)和監(jiān)控，確保坐席通話過(guò)程中的規(guī)范性、完整性和準(zhǔn)確性，提升坐席人員日常的營(yíng)銷技能和服務(wù)水平，保證業(yè)務(wù)一線人員高水平服務(wù)的持續(xù)性。然而，傳統(tǒng)質(zhì)檢人員每天面對(duì)大量的錄音，常用方法都是通過(guò)聽(tīng)錄音進(jìn)行合規(guī)性檢查，無(wú)法識(shí)別批量錄音中所蘊(yùn)含的重要信息，例如客戶投訴信息中，有多少客戶是不滿意坐席服務(wù)態(tài)度，有多少客戶是不滿意產(chǎn)品價(jià)格。又假設(shè)面對(duì)業(yè)務(wù)量陡然激增，管理者是否能在第一時(shí)間洞察背后原因，從而及時(shí)制定應(yīng)對(duì)策略？

中金數(shù)據(jù)_劉志恒_大數(shù)據(jù)_云計(jì)算_人工智能_呼叫中心-2

隨著大數(shù)據(jù)技術(shù)實(shí)現(xiàn)呼叫中心語(yǔ)音數(shù)據(jù)全量存儲(chǔ)，質(zhì)檢系統(tǒng)也由傳統(tǒng)人工抽檢轉(zhuǎn)變?yōu)闄C(jī)器錄音質(zhì)檢100%全覆蓋。借助深度學(xué)習(xí)方法所構(gòu)建的聲學(xué)模型和語(yǔ)言模型，語(yǔ)音分析系統(tǒng)能夠更精確的將海量通話內(nèi)容轉(zhuǎn)化為錄音文本文件。在此基礎(chǔ)上，加入全面的質(zhì)檢評(píng)分規(guī)則：通過(guò)設(shè)置業(yè)務(wù)術(shù)語(yǔ)、禮貌用語(yǔ)、禁忌用語(yǔ)、靜默時(shí)長(zhǎng)等質(zhì)檢點(diǎn)計(jì)算機(jī)能夠自動(dòng)地對(duì)所有坐席人員的業(yè)務(wù)熟練度進(jìn)行打分，從而篩選出評(píng)分較低的通話供質(zhì)檢人員調(diào)聽(tīng)，在全方位覆蓋每通錄音的同時(shí)，大幅降低了人工質(zhì)檢所需的成本。如此系統(tǒng)篩選與人工調(diào)聽(tīng)相結(jié)合的質(zhì)檢方式，形成了“機(jī)器質(zhì)檢泛聽(tīng)+人工質(zhì)檢精聽(tīng)”的新模式，進(jìn)而有利于全面把握呼叫中心人工坐席服務(wù)質(zhì)量，提高呼叫中心運(yùn)營(yíng)效率。

3.文本分析結(jié)合機(jī)器學(xué)習(xí)深度挖掘客戶價(jià)值

現(xiàn)階段，大多數(shù)呼叫中心仍被定義為成本中心，那么如何充分利用呼叫中心數(shù)據(jù)資源，將呼叫中心打造為利潤(rùn)中心，是傳統(tǒng)呼叫中心轉(zhuǎn)型升級(jí)的關(guān)鍵。呼叫中心現(xiàn)有系統(tǒng)及分析報(bào)告中所包含的通話時(shí)長(zhǎng)、響應(yīng)率、成單量、投訴率等指標(biāo)計(jì)算已經(jīng)相當(dāng)成熟，并且在關(guān)于構(gòu)建客戶群體劃分、產(chǎn)品競(jìng)爭(zhēng)分析、業(yè)務(wù)風(fēng)險(xiǎn)評(píng)估等機(jī)器學(xué)習(xí)模型上也小有建樹(shù)，但僅此還無(wú)法完成呼叫中心由成本中心轉(zhuǎn)向價(jià)值中心，最后成為利潤(rùn)中心的轉(zhuǎn)型。這是由于單一結(jié)構(gòu)化數(shù)據(jù)所構(gòu)建的機(jī)器學(xué)習(xí)模型還無(wú)法全方位精準(zhǔn)的預(yù)測(cè)客戶行為，由此我們?cè)跇?gòu)建機(jī)器學(xué)習(xí)模型時(shí)還需要添加諸如客戶情緒等非結(jié)構(gòu)化數(shù)據(jù)，以保證學(xué)習(xí)過(guò)程的完整性。

消費(fèi)者金融保護(hù)局（CFPB）曾經(jīng)就利用文本分析搭配機(jī)器學(xué)習(xí)的方法來(lái)探索自身的數(shù)據(jù)情況。他們的數(shù)據(jù)主要記錄了客戶對(duì)銀行、信用卡公司和其他金融服務(wù)公司的投訴，其中包括客戶信息、產(chǎn)品信息等結(jié)構(gòu)化數(shù)據(jù)以及客戶評(píng)論、語(yǔ)音文本等非結(jié)構(gòu)化的數(shù)據(jù)。該分析方法首先使用文本分析技術(shù)來(lái)識(shí)別CFPB收集的自由形式數(shù)據(jù)中的負(fù)面情緒，然后利用機(jī)器學(xué)習(xí)算法建立一個(gè)預(yù)測(cè)模型，用來(lái)分析負(fù)面情緒程度與客戶是否收到違規(guī)銀行補(bǔ)償，以及這兩個(gè)變量之間的關(guān)系。

研究結(jié)果表明，客戶得到補(bǔ)償與負(fù)面情緒之間確實(shí)存在相關(guān)性，當(dāng)客戶評(píng)論表現(xiàn)出較強(qiáng)的負(fù)面情緒，違規(guī)銀行很大概率上會(huì)針對(duì)這部分客戶進(jìn)行補(bǔ)償，特別是當(dāng)有客戶使用“偷”或者與之類似的詞語(yǔ)時(shí)，其獲得補(bǔ)償?shù)母怕蕰?huì)更大。這項(xiàng)數(shù)據(jù)分析工作充分展示了文本分析和機(jī)器學(xué)習(xí)結(jié)合的力量，一旦文本分析被引入機(jī)器學(xué)習(xí)的預(yù)測(cè)模型中，該模型就能在發(fā)現(xiàn)行為模式的同時(shí)，回答為什么會(huì)產(chǎn)生這種行為模式，以及如何解決這種行為模式所帶來(lái)的問(wèn)題。

中金數(shù)據(jù)_劉志恒_大數(shù)據(jù)_云計(jì)算_人工智能_呼叫中心-3

相對(duì)于其他部門而言，呼叫中心所特有的語(yǔ)音數(shù)據(jù)屬于典型的非結(jié)構(gòu)化數(shù)據(jù)，通過(guò)文本分析技術(shù)能夠?qū)@些非結(jié)構(gòu)化語(yǔ)音數(shù)據(jù)進(jìn)行淬煉，從中提取高價(jià)值、新維度的變量，例如客戶滿意度、客戶情緒、產(chǎn)品偏好系數(shù)等，進(jìn)而改進(jìn)現(xiàn)有機(jī)器學(xué)習(xí)模型。結(jié)合文本分析和機(jī)器學(xué)習(xí)所實(shí)現(xiàn)的智能數(shù)據(jù)挖掘系統(tǒng)，將突破呼叫中心傳統(tǒng)數(shù)據(jù)分析方法的局限性，更深層次、全方位的對(duì)客戶進(jìn)行掃描，使得呼叫中心與客戶之間關(guān)系由簡(jiǎn)單交易到親密信賴，最終達(dá)到價(jià)值依托。

隨著大數(shù)據(jù)、云計(jì)算和人工智能技術(shù)的發(fā)展，海量語(yǔ)音數(shù)據(jù)存儲(chǔ)成本不斷下降，智能質(zhì)檢系統(tǒng)的精確度不斷提升，客戶價(jià)值獲得更深層次的挖掘，屆時(shí)呼叫中心將突破傳統(tǒng)業(yè)務(wù)邏輯，形成全新的運(yùn)營(yíng)模式。

在該模式下，呼叫中心日常運(yùn)營(yíng)將會(huì)主要圍繞如下四個(gè)方面：

1）全方位挖掘客戶需求，提升客戶感知及服務(wù)質(zhì)量；

2）關(guān)注員工發(fā)展，提高員工技能及日常工作滿意度；

3）聚焦中心實(shí)際需求，降低運(yùn)營(yíng)成本，提高營(yíng)銷收入；

4）收集高價(jià)值信息，降低信息預(yù)測(cè)風(fēng)險(xiǎn)。

隨著新運(yùn)營(yíng)模式的不斷深入，呼叫中心將真正從過(guò)去的被動(dòng)服務(wù)轉(zhuǎn)向主動(dòng)服務(wù)，由成本中心轉(zhuǎn)向企業(yè)核心利潤(rùn)中心。

作為整體活動(dòng)的第二部分，2017年10月25日，數(shù)據(jù)猿還將在北京舉辦千人規(guī)模的“2017金融科技價(jià)值——數(shù)據(jù)驅(qū)動(dòng)金融商業(yè)裂變”峰會(huì)【本次論壇詳情丨第一屆回顧丨第二屆回顧】并將在現(xiàn)場(chǎng)舉行文章、案例、產(chǎn)品的頒獎(jiǎng)典禮

來(lái)源：數(shù)據(jù)猿

收藏分享

聲明：數(shù)據(jù)猿尊重媒體行業(yè)規(guī)范，相關(guān)內(nèi)容都會(huì)注明來(lái)源與作者；轉(zhuǎn)載我們?cè)瓌?chuàng)內(nèi)容時(shí)，也請(qǐng)務(wù)必注明“來(lái)源：數(shù)據(jù)猿”與作者名稱，否則將會(huì)受到數(shù)據(jù)猿追責(zé)。