隨著互聯(lián)網(wǎng)人口紅利的逐漸消失，智能手機(jī)銷量的停滯不前，網(wǎng)民的增長也大幅趨緩，市場已非昔日盛況。但與此同時(shí)，過去這一年，用戶每日在線時(shí)長的增長卻已超過30%，甚至超出了網(wǎng)民的增速。只有精耕細(xì)作來服務(wù)好用戶，深度挖掘現(xiàn)有用戶的價(jià)值，才是“下半場”的正確玩法。

好的服務(wù)是互聯(lián)網(wǎng)產(chǎn)品的根基和命脈。在人工智能浪潮下，已經(jīng)可以在許多產(chǎn)品中看到智能機(jī)器人的影子，越來越多的公司開始嘗試通過這種全新的交互形式，來優(yōu)化或者升級自己的產(chǎn)品，逐步代替人工來解決用戶問題，從而降低服務(wù)成本。智能機(jī)器人的解決率隨著專家經(jīng)驗(yàn)的積累而不斷提升，但長尾問題仍普遍存在，用戶對人工服務(wù)仍有依賴。如今服務(wù)已經(jīng)進(jìn)化成渠道多樣、智能與人工相輔相成的復(fù)雜體系。

這套體系如何有效的運(yùn)轉(zhuǎn)，如何快速而精準(zhǔn)的滿足用戶的個(gè)性化訴求，調(diào)度能力成為了這背后的關(guān)鍵。智能調(diào)度，就是在探索如何結(jié)合人工服務(wù)與機(jī)器人服務(wù)來做全局調(diào)度，優(yōu)化客服中心的人員利用率，同時(shí)提升用戶體驗(yàn)。

智能調(diào)度的現(xiàn)狀

從服務(wù)的發(fā)展角度看，客服中心一共經(jīng)歷了三個(gè)階段：第一階段主要以人工服務(wù)為主，領(lǐng)域更多屬于一個(gè)人力密集型行業(yè)，比較依賴人工通過電話、郵件、IM、論壇等溝通工具和渠道來解決問題；第二階段，主要集中在以IT平臺為主的自助服務(wù)，通過搜索引擎構(gòu)建知識庫讓用戶通過搜索來解決問題；到了第三階段，則是提供以智能化為主的多渠道結(jié)合的服務(wù)，包括文字機(jī)器人、語音機(jī)器人、熱線服務(wù)、在線服務(wù)、預(yù)約服務(wù)、自助服務(wù)，等等。

目前智能客服類產(chǎn)品可謂百花齊放，基本都是圍繞“呼叫中心 + 智能機(jī)器人 + 在線人工對話”的方式來建設(shè)，差異化不大。產(chǎn)品定位更多是幫助一家公司能夠快速建設(shè)服務(wù)能力，但是這么做服務(wù)質(zhì)量沒法保障，因?yàn)榉?wù)質(zhì)量更多是由服務(wù)背后的調(diào)度能力和運(yùn)營能力來決定的?，F(xiàn)有的客服類產(chǎn)品都比較缺乏對服務(wù)的深度建設(shè)，所以市場上有很多做服務(wù)承接的外包類公司，但卻很少聽到用戶反饋說某個(gè)服務(wù)產(chǎn)品背后的客戶服務(wù)做的不錯(cuò)。當(dāng)前已經(jīng)有一些大型企業(yè)開始投入智能服務(wù)建設(shè)來替代人工服務(wù)訴求，降低成本和優(yōu)化體驗(yàn)，但很多中小型企業(yè)，即使使用了云端智能客服類產(chǎn)品，卻仍然無法享受到技術(shù)變革帶來的紅利，主要的原因就在大型企業(yè)里有智能化的運(yùn)營調(diào)度類系統(tǒng)和服務(wù)運(yùn)營人員。

痛點(diǎn)分析

螞蟻金服當(dāng)下的業(yè)務(wù)構(gòu)成比較復(fù)雜，既有基于交易訂單產(chǎn)生的支付訂單類業(yè)務(wù)，也有基礎(chǔ)賬戶和安全類業(yè)務(wù)，另外還包括金融領(lǐng)域的存投保消貸以及信用的相關(guān)業(yè)務(wù)。這對服務(wù)管控來說是一個(gè)很大的挑戰(zhàn)。

從用戶的角度來看，選擇合適的求助渠道，得到滿意的服務(wù)，盡快解決問題是最直接的訴求；然而實(shí)際情況是，目前螞蟻雖然擁有多樣化的接入渠道，但是用戶并不了解自己的問題最適合求助哪個(gè)渠道，也不了解每個(gè)渠道下的繁忙程度，很多時(shí)候，用戶在排隊(duì)等待的過程中或者是在某個(gè)渠道下沒法找到解決的方案就放棄了。

從運(yùn)營人員的角度來看，如果能有合適的工具能幫助自己隨時(shí)了解到服務(wù)現(xiàn)場的承接情況，快速定位問題并即時(shí)做出響應(yīng)，并能通過數(shù)據(jù)分析來對歷史服務(wù)結(jié)果進(jìn)行復(fù)盤，進(jìn)而優(yōu)化運(yùn)營策略，是最理想的狀態(tài)；然而實(shí)際情況是，由于業(yè)務(wù)復(fù)雜，很多運(yùn)營人員的現(xiàn)場決策只能解決服務(wù)現(xiàn)場局部承接的優(yōu)化問題，而沒法解決全局的優(yōu)化問題，同時(shí)由于缺乏相應(yīng)的運(yùn)營工具，不少運(yùn)營人員只能依靠經(jīng)驗(yàn)和人肉盯盤的方式來發(fā)現(xiàn)問題，從發(fā)現(xiàn)定位到排查解決問題的效率很低。另外由于很難預(yù)估服務(wù)量，所以很難做好提前排班，一旦流量發(fā)生異常，就有可能會導(dǎo)致現(xiàn)場無法正常承接。

從服務(wù)人員的角度出發(fā)，由于同一通話務(wù)有多種承接的方式，所以如何整合機(jī)器人、自營客服人員、外包客服人員以及社會化客服人員，提升資源的利用效率，是一個(gè)比較難的領(lǐng)域問題。在保證用戶滿意度的前提下，如果機(jī)器能解決問題，卻使用人力去承接（即使是外包服務(wù)人員），這是一種資源浪費(fèi)；而如果自營客服人員本身能承接的話務(wù)，卻因?yàn)楹屯獍镜纳虅?wù)合同沒有達(dá)成，只能分流給外包客服人員來進(jìn)行承接，這也是一種資源浪費(fèi)。

客服領(lǐng)域調(diào)度探索

在客戶服務(wù)現(xiàn)場需要這樣一種能力，能夠在用戶訴求和承接資源之間建立一種動(dòng)態(tài)管控的能力，一種能夠提供跨渠道、跨人機(jī)、跨主被動(dòng)的全局服務(wù)管控能力，我們將之稱為調(diào)度大腦。

調(diào)度大腦首先應(yīng)該具備的能力是感知能力，能夠盡快捕獲到現(xiàn)場出現(xiàn)的承接異常信息，幫助運(yùn)營人員在最短的時(shí)間內(nèi)定位問題，從而解放他們的生產(chǎn)力，讓他們更多的關(guān)注如何優(yōu)化整體的承接策略，更多的思考如何避免現(xiàn)場繁忙，而不是現(xiàn)場出現(xiàn)問題以后再考慮怎么來彌補(bǔ)。

接下來應(yīng)該具備輔助決策能力，這建立在對現(xiàn)場的全局洞察之上。能夠預(yù)測時(shí)段內(nèi)的流量，能夠明確用戶求助更適合通過什么渠道來解決，能夠大致判斷用戶接入渠道后需要等待多長時(shí)間才能得到服務(wù)，能夠了解現(xiàn)場每位客服人員的工作狀態(tài)，并協(xié)助運(yùn)營人員針對現(xiàn)場實(shí)時(shí)狀態(tài)做出合理判斷和最優(yōu)選擇。

最后應(yīng)該具備的是響應(yīng)能力。對現(xiàn)場有了判斷以后，剩下的就是響應(yīng)執(zhí)行了，這屬于基礎(chǔ)能力。繁忙時(shí)需要限流和引流，或者增加承接能力；空閑的時(shí)候則需要導(dǎo)流，引入新的承接任務(wù)。

•感知

異常識別

數(shù)據(jù)的實(shí)時(shí)監(jiān)控，是感知體系的基礎(chǔ)，它能夠透過數(shù)據(jù)看清現(xiàn)場，能夠沉淀可以量化的運(yùn)營標(biāo)準(zhǔn)，并為后續(xù)決策體系的建模提供基礎(chǔ)數(shù)據(jù)。透過數(shù)據(jù)分析和異常識別，能替代運(yùn)營人員傳統(tǒng)的盯盤模式，自動(dòng)識別現(xiàn)場發(fā)生的異常并同步給運(yùn)營人員，幫助他們在第一時(shí)間了解到現(xiàn)場的準(zhǔn)確狀況并采取相應(yīng)的補(bǔ)救措施。

常規(guī)的異?？梢允褂猛ㄓ玫奈谋痉治?、類目分析來檢測；長尾的異?？梢允褂萌斯ぽo助運(yùn)營、客服眾包等模式來檢測，對于周期性的異常則通過定期掃描來檢測，突發(fā)性的新型異常則采用詞頻分析來檢測。

監(jiān)控大屏

目前螞蟻金服客戶中心每天有著數(shù)百萬的機(jī)器人求助量以及幾十萬的話務(wù)求助量，現(xiàn)場同時(shí)運(yùn)行著上千條的運(yùn)營策略和多個(gè)調(diào)度模型，整體的管理成本非常高，基于這個(gè)背景螞蟻金服建設(shè)了整體服務(wù)鏈路的監(jiān)控大屏。

大屏主要包括了對求助來源、整體服務(wù)鏈路、調(diào)度節(jié)點(diǎn)、現(xiàn)場定時(shí)掃描、服務(wù)風(fēng)險(xiǎn)檢測、輿情觀測、當(dāng)前咨詢熱點(diǎn)以及現(xiàn)場人力資源管控等模塊，并提供了放大鏡功能，能夠針對核心調(diào)度節(jié)點(diǎn)的宏觀表象與微觀詳情進(jìn)行透析。

•決策

決策主要分為三類：渠道決策用來為用戶選擇最合適的服務(wù)承接渠道；承接決策用來保持現(xiàn)場的穩(wěn)定，讓流入的話務(wù)能夠被順利的接起，盡量避免呼損的情況發(fā)生；資源管理本質(zhì)上是為了優(yōu)化現(xiàn)場資源利用率，同時(shí)管理好現(xiàn)場龐大的人力資源。服務(wù)中心本身擁有很多負(fù)責(zé)承接話務(wù)的客服人員，除此以外還有現(xiàn)場管理人員和眾包客服人員，管理成本會比較高，如何發(fā)揮客服人員之間的協(xié)同效率，以及降低現(xiàn)場管理人員乃至全局的管理成本，是領(lǐng)域性質(zhì)的難題。

渠道決策

目前業(yè)界主流的服務(wù)渠道仍然是熱線服務(wù)、通過IM工具進(jìn)行在線求助的在線服務(wù)，以及通過和對話機(jī)器人進(jìn)行直接交流的自助服務(wù)。熱線服務(wù)中通過多輪按鍵交互和機(jī)器人多輪對話的方式來對用戶提出的問題做問題識別從而引導(dǎo)話務(wù)派單。在線服務(wù)里也主要通過機(jī)器人多輪對話的方式來識別用戶問題并引導(dǎo)派單。機(jī)器人自助服務(wù)則是通過用戶問題匹配最佳的知識點(diǎn)來推送給用戶。

螞蟻金服提供的則是一種跨渠道的解決方案：當(dāng)用戶到達(dá)場景入口以后，首先會根據(jù)用戶基礎(chǔ)信息，嘗試在用戶當(dāng)下選擇的渠道里解決用戶的問題，如果當(dāng)前渠道不足以解決，再依據(jù)承接渠道的繁忙程度、用戶咨詢的問題所屬的類目、用戶所問問題在各承接渠道下的解決率、用戶的歷史求助行為等特征綜合建模，為用戶推薦當(dāng)下最優(yōu)的渠道；并同時(shí)給出當(dāng)前可選的渠道，讓用戶自主選擇，用戶選擇了自己傾向的渠道以后，系統(tǒng)會同時(shí)把用戶在前一個(gè)渠道里描述的問題透傳到新的渠道，這樣用戶轉(zhuǎn)接到別的渠道以后就不再需要重復(fù)描述問題，直接接受客服人員的服務(wù)。

例如在螞蟻金服的客服咨詢中，每天都有很多用戶來電詢問螞蟻森林的游戲規(guī)則，現(xiàn)場決策就會對是否需要將用戶引流至機(jī)器人自助渠道來解決進(jìn)行評估；而賬戶被盜屬于高風(fēng)險(xiǎn)的問題，現(xiàn)場決策就會在最短的交互后外露熱線人工入口，引導(dǎo)用戶直接進(jìn)入熱線人工服務(wù)。

承接決策

業(yè)務(wù)繁忙時(shí)提前為每條業(yè)務(wù)線準(zhǔn)備好候補(bǔ)客服隊(duì)伍，同一塊業(yè)務(wù)能由不同的團(tuán)隊(duì)(包括同一個(gè)業(yè)務(wù)線里的不同團(tuán)隊(duì)和跨業(yè)務(wù)線的團(tuán)隊(duì))來承接。接下來會對候補(bǔ)客服的助接能力進(jìn)行評估打分。當(dāng)現(xiàn)場出現(xiàn)繁忙的時(shí)候，可以通過實(shí)時(shí)調(diào)度在保證候補(bǔ)團(tuán)隊(duì)自身承接沒問題的前提下，將承接出現(xiàn)緊張狀況的團(tuán)隊(duì)的話務(wù)流量按照助接能力得分的高低分配給當(dāng)下最適合助接的候補(bǔ)客服來進(jìn)行承接。

如果引入候補(bǔ)客服助接仍無法緩解現(xiàn)場繁忙的狀況，系統(tǒng)會提供預(yù)約回呼的服務(wù)，將無法承接的話務(wù)流量導(dǎo)流到能夠保證現(xiàn)場承接的同時(shí)還有多余人力的時(shí)段來進(jìn)行回呼。用戶接受預(yù)約后，在預(yù)約回訪時(shí)段，系統(tǒng)會通過系統(tǒng)雙呼自動(dòng)拉起用戶與客服來進(jìn)行回呼服務(wù)。

能夠開放的預(yù)約名額也是有限的，并不能保證開放預(yù)約回呼服務(wù)后就能承接溢出的流量。在開放預(yù)約以后仍無法緩解現(xiàn)場繁忙狀況時(shí)，系統(tǒng)會安排有承接能力的運(yùn)營人員協(xié)助承接，同時(shí)把通過實(shí)時(shí)調(diào)度引入云客服人員來協(xié)助承接做為兜底方案。

資源管控

首先會結(jié)合歷史下一時(shí)段流量，以30分鐘為粒度預(yù)測下一時(shí)段的流量，并考量預(yù)測結(jié)果，如果判斷未來時(shí)段會出現(xiàn)繁忙，會先進(jìn)行前置調(diào)度（比如收緊客服人員小休策略、將就餐時(shí)段適度推遲、動(dòng)態(tài)調(diào)整在線客服的在線服務(wù)并發(fā)數(shù)等）。

考慮到客服人員每天的服務(wù)狀態(tài)可能出現(xiàn)異常，系統(tǒng)引入了健康度模型（主要參考整體服務(wù)流程、客服服務(wù)態(tài)度、現(xiàn)場行為【小休，遲到，早退，缺勤等】、客服產(chǎn)能以及智能質(zhì)檢和用戶評價(jià)等相關(guān)特征）來對客服做綜合評估，如果存在不健康的狀態(tài)，那么現(xiàn)場主管需要對其保持關(guān)注或做相關(guān)提醒。當(dāng)現(xiàn)場出現(xiàn)繁忙時(shí)，針對熱線坐席控制小休，針對在線坐席，控制客服人員的在線服務(wù)并發(fā)數(shù)。首先評估好人力缺口，然后根據(jù)缺口值來判斷收緊多少位熱線客服的小休策略與延遲就餐，提高多少位在線客服的在線服務(wù)并發(fā)數(shù)；當(dāng)現(xiàn)場回歸到空閑時(shí)，再放開管控策略，這樣就能最大程度的保障現(xiàn)場的承接，當(dāng)前在螞蟻的業(yè)務(wù)場景下已經(jīng)實(shí)現(xiàn)了60%左右比例的自動(dòng)決策。

•執(zhí)行

當(dāng)現(xiàn)場做出決策以后，剩下的就是響應(yīng)執(zhí)行，這也屬于基礎(chǔ)能力。這里介紹幾種引導(dǎo)流量的方法。整體拉起采用了系統(tǒng)雙呼的方案，首先將繁忙時(shí)段無法承接的話務(wù)通過預(yù)約的方式導(dǎo)流到流量波谷區(qū)，到了預(yù)約時(shí)間會通過系統(tǒng)自動(dòng)拉起空閑客服和用戶來完成預(yù)約回訪功能。

削峰填谷

當(dāng)流量超過現(xiàn)場人力承接的峰值（波峰）時(shí)，系統(tǒng)通過引入了資源預(yù)估模型來實(shí)時(shí)評估產(chǎn)能不飽和的時(shí)段與空閑名額（波谷），并將其提供給預(yù)約準(zhǔn)入模型。預(yù)約準(zhǔn)入模型會根據(jù)用戶接受度來進(jìn)行打分，并對得分高的用戶開放預(yù)約入口。用戶接受預(yù)約后，在預(yù)約回訪時(shí)段，系統(tǒng)會通過系統(tǒng)雙呼自動(dòng)拉起用戶與客服來進(jìn)行回呼服務(wù)。這樣做能有效降低呼損，穩(wěn)定時(shí)段接通率。

資源預(yù)估模型建模依賴了當(dāng)前排班和歷史排班數(shù)據(jù)、當(dāng)前流量和歷史流量數(shù)據(jù)、日期數(shù)據(jù)等特征。預(yù)約準(zhǔn)入模型建模則依賴了問題畫像、歷史求助軌跡、求助偏好等特征。

見縫插針

針對呼損類的場景：

在現(xiàn)場人力出現(xiàn)空閑的時(shí)候，即流量低谷期，可以把當(dāng)天較早時(shí)候產(chǎn)生呼損的高價(jià)值用戶未接通的話務(wù)自動(dòng)的分配給當(dāng)前空閑的承接資源進(jìn)行主動(dòng)回訪。

當(dāng)下機(jī)器人的服務(wù)能力還不足以解決所有的問題，當(dāng)機(jī)器人服務(wù)不到位的時(shí)候，會直接面臨用戶流失的風(fēng)險(xiǎn)。這時(shí)候可以透過數(shù)據(jù)分析圈出這部分服務(wù)不到位的人群，利用主動(dòng)回訪來進(jìn)行承接，可以避免用戶的流失。

針對主動(dòng)服務(wù)類的場景：

當(dāng)用戶在使用支付寶下的各類產(chǎn)品擁有不好體驗(yàn)的時(shí)候，經(jīng)常會在各類社交媒體上發(fā)聲，有時(shí)候還會導(dǎo)致輿情事件，針對這種情況，可以通過空閑的資源承接一些社交媒體的官方賬號的解答和回應(yīng)工作。

當(dāng)用戶通過支付寶錢包轉(zhuǎn)賬時(shí)轉(zhuǎn)錯(cuò)款的時(shí)候，可以通過系統(tǒng)雙呼拉起客服和錯(cuò)誤的收款人來進(jìn)行溝通調(diào)解，并在溝通完成后再通過雙呼拉起客服人員和轉(zhuǎn)錯(cuò)款的用戶來同步溝通結(jié)果。這個(gè)場景引入系統(tǒng)雙呼之前只能通過人肉手動(dòng)操作的方式來處理，需要1天時(shí)間才能處理完，目前通過見縫插針的方式來解決，前后只需要1小時(shí)。目前已經(jīng)使用同樣的方式完成了一系列類似的復(fù)雜場景的外呼工作。

后續(xù)規(guī)劃

目前螞蟻金服在智能調(diào)度領(lǐng)域已經(jīng)做了一些探索，希望通過后續(xù)的持續(xù)投入，來創(chuàng)造一些新的服務(wù)模式，建設(shè)能提供7x24小時(shí)服務(wù)的智能調(diào)度機(jī)器人。

來源：螞蟻金服科技