容聯(lián)七陌案例

本項目案例由容聯(lián)七陌投遞并參與數(shù)據(jù)猿與上海大數(shù)據(jù)聯(lián)盟聯(lián)合推出的《2024中國數(shù)智化轉(zhuǎn)型升級創(chuàng)新服務(wù)企業(yè)》榜單/獎項評選。

為進一步打通居然之家各平臺客戶服務(wù)系統(tǒng)，監(jiān)控服務(wù)質(zhì)量、提升客服溝通效率及消費者咨詢體驗，將售前、售中和售后咨詢鏈路打通，實現(xiàn)線上化閉環(huán)管理并根據(jù)數(shù)據(jù)推進業(yè)務(wù)成長，需要將400電話、微信、線下、洞窩?程序和APP客服咨詢流程統(tǒng)?合并為智能客服系統(tǒng)，從而優(yōu)化用戶體驗和提高客服工作效率。

通過將400電話、微信、線下、洞窩?程序和APP客服咨詢流程統(tǒng)一合并為智能客服系統(tǒng)，形成多渠道整合一體化的方式，通過完善和優(yōu)化各業(yè)務(wù)咨詢路徑，監(jiān)管各流程數(shù)據(jù)，建?服務(wù)標(biāo)準(zhǔn)，提升用戶體驗。

建設(shè)新一代多渠道智能客服系統(tǒng)，包含網(wǎng)站、微信、H5、APP、小程序以及呼叫系統(tǒng)和語音機器人等消費端的接入；

智能客服系統(tǒng)包括的功能模塊：在線服務(wù)管理平臺，多渠道坐席工作臺，工單管理平臺、客戶管理平臺、監(jiān)控管理平臺、數(shù)據(jù)統(tǒng)計管理平臺、質(zhì)檢平臺、以及智能機器人平臺（文本和語音）等；

提供全國統(tǒng)一400呼入，形成語音機器人智能分流，將通話分流全國各個門店；

提供前端在線接入方式，包括居然常規(guī)業(yè)務(wù)（微信、官網(wǎng)、洞窩小程序、洞窩APP等）以及提供自營IP（以舊換新、茅臺酒瓶、居然會、居家保、積分商城）和線下渠道的接入。

時間周期:

開始時間：2023年6月12日

服務(wù)器資源部署完成：2023年6月20日

冒煙測試完成：2023年6月26日

通話業(yè)務(wù)上線：400呼入IVR以及轉(zhuǎn)接技能組：2023年6月28日

IM業(yè)務(wù)上線：2023年6月28日

郵件客服、工單上線：2023年6月28日

文本機器人上線：2023年7月3號

語音機器人上線：2023年8月12號

截止時間：持續(xù)服務(wù)中

數(shù)智化需求

為進一步打通居然之家各平臺客戶服務(wù)系統(tǒng)，監(jiān)控服務(wù)質(zhì)量、提升客服溝通效率及消費者咨詢體驗，將售前、售中和售后咨詢鏈路打通，居然之家攜手容聯(lián)七陌升級智能客戶聯(lián)絡(luò)中心，將400電話、微信、線下、洞窩小程序和APP客服咨詢流程統(tǒng)一合并為智能客服系統(tǒng)。

一、通話模塊

初期將400作為統(tǒng)一呼入，將按鍵1查詢門店信息（主要為查詢門店電話并轉(zhuǎn)接）流轉(zhuǎn)至語音機器人，由機器人進行獲取門店并提供轉(zhuǎn)接，如果未獲取到則進行兜底轉(zhuǎn)人工（優(yōu)先保障用戶體驗）由人工進行查詢處理；

二、會話標(biāo)簽&會話小結(jié)：

1、咨詢類：

會員信息：積分兌換、積分查詢、其他會員信息；

門店信息：服務(wù)電話、營業(yè)時間、地址及行車路線、促銷活動、其他門店信息、招商信息、所屬品牌；

業(yè)務(wù)咨詢：售后咨詢、退換貨流程、服務(wù)承諾、居然樂屋裝飾、居然金融、洞心服務(wù)、怡生健身、開發(fā)票事宜；

品牌查詢：基本信息、價格；

其他：戰(zhàn)略合作、其他。

2、在線歡迎語：

歡迎光臨居然之家，為提升服務(wù)質(zhì)量，您的咨詢可能會被記錄，一見傾心，遇見知心，優(yōu)質(zhì)服務(wù)讓您開心，居然之家客服很高興為您服務(wù)~

3、客服問候語：

您好！居然之家很高興為您服務(wù)！

三、工單類型

服務(wù)類投訴、重大投訴、合同類投訴、私單。

四、工單流程

客服提交工單（可查看全國門店）---->分配至業(yè)務(wù)經(jīng)理（業(yè)務(wù)經(jīng)理可選擇自己處理也可向下直接分配）【首席服務(wù)官只查看當(dāng)前分公司工單情況】---->分配至樓層管理員（工單處理人）---->完結(jié)；

五、來電彈屏

彈出方式：彈出一個獨立頁面,可以選擇是重新打開新頁面或者Tab頁面。

嵌入方式：將彈屏頁面嵌入通話模塊的右側(cè)空白處。

面臨挑戰(zhàn)

為進一步打通居然之家各平臺客戶服務(wù)系統(tǒng)，監(jiān)控服務(wù)質(zhì)量、提升客服溝通效率及消費者咨詢體驗，將售前、售中和售后咨詢鏈路打通，實現(xiàn)線上化閉環(huán)管理并根據(jù)數(shù)據(jù)推進業(yè)務(wù)成長，需要將400電話、微信、線下、洞窩?程序和APP客服咨詢流程統(tǒng)?合并為智能客服系統(tǒng)，從而優(yōu)化用戶體驗和提高客服工作效率。

通過將400電話、微信、線下、洞窩?程序和APP客服咨詢流程統(tǒng)一合并為智能客服系統(tǒng)，形成多渠道整合一體化的方式，通過完善和優(yōu)化各業(yè)務(wù)咨詢路徑，監(jiān)管各流程數(shù)據(jù)，建?服務(wù)標(biāo)準(zhǔn)，提升用戶體驗。

建設(shè)新一代多渠道智能客服系統(tǒng)，包含網(wǎng)站、微信、H5、APP、小程序以及呼叫系統(tǒng)和語音機器人等消費端的接入；

智能客服系統(tǒng)包括的功能模塊：在線服務(wù)管理平臺，多渠道坐席工作臺，工單管理平臺、客戶管理平臺、監(jiān)控管理平臺、數(shù)據(jù)統(tǒng)計管理平臺、質(zhì)檢平臺、以及智能機器人平臺（文本和語音）等；

提供全國統(tǒng)一400呼入，形成語音機器人智能分流，將通話分流全國各個門店；

提供前端在線接入方式，包括居然常規(guī)業(yè)務(wù)（微信、官網(wǎng)、洞窩小程序、洞窩APP等）以及提供自營IP（以舊換新、茅臺酒瓶、居然會、居家保、積分商城）和線下渠道的接入。

應(yīng)用技術(shù)與實施過程

概述

隨著基于大模型的人工智能技術(shù)的飛速發(fā)展，已經(jīng)在多個領(lǐng)域展現(xiàn)出強大的語言理解和生成能力。在智能客服場景中，這種能力被廣泛應(yīng)用于理解用戶提出的問題、生成與用戶需求匹配的回復(fù)，甚至是預(yù)測用戶行為和提供個性化推薦。這不僅極大地提高了客戶服務(wù)的效率和質(zhì)量，還為企業(yè)節(jié)省了大量的人力和時間成本。

容聯(lián)七陌智能客服，作為現(xiàn)代數(shù)智客服領(lǐng)域的佼佼者，正逐步幫助越來越多的企業(yè)取代傳統(tǒng)的客服模式，成為企業(yè)提升服務(wù)效率、降低運營成本的重要工具。下面我們將從已賦能企業(yè)中的《居然之家-智能客服》項目，詳細闡述應(yīng)用技術(shù)與具體實施過程。

居然之家智能客服項目建設(shè)目標(biāo)

解決方案鏈路

功能架構(gòu)

高性能服務(wù)架構(gòu)設(shè)計

• 全渠道接入消息適配，高可用微服務(wù)架構(gòu)，保障應(yīng)用運行穩(wěn)定
• Node.js+Java以及高性能Web UI框架，服務(wù)高穩(wěn)定、高并發(fā)、快速響應(yīng)
• DB集群+Redis，提升系統(tǒng)響應(yīng)速度
• 分布式部署靈活、可靠，打破客服服務(wù)地域限制
• 開放標(biāo)準(zhǔn)接口，高效對接周邊系統(tǒng)
• 支持坐席分布接入，打破服務(wù)地域限制

X-BOT

總體架構(gòu)

模塊說明

配置管理系統(tǒng) CMS

CMS 為用戶提供體驗良好的系統(tǒng)管理頁面，用戶通過簡單的配置，就可以實現(xiàn)一個擁有對話能力的機器人。

配置管理系統(tǒng)包含 CMS后臺和 CMS前端，采用前后端分離的技術(shù)方案實現(xiàn)。CMS 支持單機和分布式部署。

消息路由系統(tǒng) MRS

MRS 提供機器人消息接入能力，用戶的業(yè)務(wù)系統(tǒng)可以通過 API、網(wǎng)頁嵌入等方式對接機器人系統(tǒng)。

MRS 支持HTTP和 websocket 協(xié)議，支持單工和全雙工消息通信。

MRS 支持單機和分布式部署。

機器人引擎 BotEngine

BotEngine 是機器人的中控系統(tǒng)，它維護對話的上下文狀態(tài)和邏輯，并最終決定機器人的回答。

BotEngine 內(nèi)部采用有限狀態(tài)機來實現(xiàn)，通過解析對話流程文件來運行。

BotEngine 支持單機和分布式部署。

自然語言處理系統(tǒng) NLP

NLP 提供自然語言處理能力，包括分詞、詞性分析、語義分析、意圖識別、實體識別及抽取、知識挖掘等。

NLP 服務(wù)的實現(xiàn)采用了基于規(guī)則、基于深度學(xué)習(xí)模型相結(jié)合的方案。

NLP 支持單機和分布式部署。

流程編輯器 Flow

Flow 模塊為用戶提供對話流程編輯能力，包含流程編輯器頁面、流程文件轉(zhuǎn)換服務(wù) 2 個部分。

用戶通過流程編輯器頁面，只需簡單的拖拽對話組件，就可以實現(xiàn)一個對話流程。

對話組件包含：機器人說組件，選擇組件，信息收集組件，條件組件，動作組件。

Flow 支持單機和分布式部署。

對象存儲服務(wù) OSS

OSS 主要為 X-Bot 內(nèi)部其他模塊提供對象存儲服務(wù)，支持圖片、音視頻、任意格式文件的存取。

OSS 支持單機和分布式部署。

聊天日志存儲 ChatLog

ChatLog 提供聊天日志的收集和存儲服務(wù)，對發(fā)送側(cè)和接收側(cè)的消息分別進行收集。

ChatLog 支持單機和分布式部署。

aicall方案整體架構(gòu)

(網(wǎng)絡(luò)部署架構(gòu)圖)

技術(shù)說明

1、語音識別（ASR）

實時語音識別

對長音頻流進行識別，支持智能斷句，實時識別為文字。

適用于持續(xù)時間較長、有一定實時性要求的場景，例如語音輸入、會議現(xiàn)場記錄、電話會議記錄、會場字幕、直播內(nèi)容審核、視頻直播字幕、智慧法庭記錄、客服通話內(nèi)容記錄等場景。

語言和方言：語音識別服務(wù)目前支持中文普通話，和帶有一定方言口音的普通話識別；實時語音識別還可以支持英文16k音頻識別。

音頻格式支持：支持16bit、8k或16k的單聲道中文音頻識別；支持16bit 16k單聲道英文音頻識別；支持音頻格式為wav、pcm、sppex、silk。

一句話識別：

對60秒之內(nèi)的實時短音頻流進行識別，可應(yīng)用于運營活動，和各種語音交互場景，例如語音輸入、語音短信、語音搜索、智能硬件和智能語音助手的語音指令等。

語言和方言：語音識別服務(wù)目前支持中文普通話，和帶有一定方言口音的普通話識別。

音頻格式支持：支持16bit、8k或16k的單聲道中文音頻識別；支持音頻格式為wav、mp3。

音頻數(shù)據(jù)長度支持：若采用直接上傳音頻數(shù)據(jù)方式，整個數(shù)據(jù)包不能大于1 M，若采用上傳音頻url方式，整個音頻時長不能大于60s。

錄音文件識別：

對錄音文件進行識別，適用于語音量大、對實時性要求低的場景，例如客服質(zhì)檢、視頻字幕生成、音頻節(jié)目字幕生成等。

語言和方言：語音識別服務(wù)目前支持中文普通話，和帶有一定方言口音的普通話識別。

音頻格式支持：支持16bit、8k或者16k的單聲道或雙聲道的中文音頻識別；支持音頻格式為wav、pcm、mp3、silk、speex、amr。

音頻數(shù)據(jù)長度支持：若采用直接上傳音頻數(shù)據(jù)方式，則音頻數(shù)據(jù)不能大于5M，若采用上傳url方式，則音頻時長不能大于1小時。

語音識別特征：

1）海量數(shù)據(jù)積累

立足數(shù)據(jù)大平臺，積累了大量標(biāo)注語音數(shù)據(jù)，識別率高；

2）算法業(yè)界領(lǐng)先

應(yīng)用業(yè)內(nèi)最領(lǐng)先語音識別算法，包括LSTM、BLSTM、Deep CNN、LFMMI、CTC 等算法；結(jié)合超大規(guī)模語言模型，覆蓋廣泛的垂直領(lǐng)域。

3）支持深度定制

提供深度定制服務(wù)，根據(jù)業(yè)務(wù)需求深度定制具有行業(yè)特點的模型，讓行業(yè)專有名詞識別得更精準(zhǔn)，更高效。

4）噪聲環(huán)境識別佳

模型能夠識別來自嘈雜環(huán)境的音頻信息，不需要客戶進行降噪處理。

2、語音合成技術(shù)

語音合成（Text To Speech，TTS）滿足將文本轉(zhuǎn)化成擬人化語音的需求，打通人機交互閉環(huán)。提供多種音色選擇，支持自定義音量、語速，為企業(yè)客戶提供個性化音色定制服務(wù)，讓發(fā)音更自然、更專業(yè)、更符合場景需求。語音合成廣泛應(yīng)用于語音導(dǎo)航、有聲讀物、機器人、語音助手、自動新聞播報等場景，提升人機交互體驗，提高語音類應(yīng)用構(gòu)建效率。

特性如下：

1）高擬真度

基于業(yè)界領(lǐng)先技術(shù)構(gòu)建的語音合成系統(tǒng)，具備合成速度快、合成語音自然流暢等特點，合成語音擬真度高，能夠符合多樣的應(yīng)用場景，讓設(shè)備和應(yīng)用輕松發(fā)聲，人機語音交互效果更加逼真。

2）靈活設(shè)置

語音合成支持中文、英文，可以合成中英混讀語音；

支持根據(jù)業(yè)務(wù)需求選擇合適的音量、語速等屬性；

支持離線音頻文件和實時音頻流兩種合成格式；支持電話、移動APP等多種場景和合成效果選擇。

3）聲音多樣

語音合成支持多種男聲、女聲的選擇，使得音色能夠覆蓋多樣化的應(yīng)用場景，適用于電話客服，小說朗讀，消息播報等場景。此外，支持為企業(yè)客戶定制發(fā)聲人。

具體功能：

語種支持：支持中文、英文以及中英混讀。

音色支持：支持發(fā)聲人選擇，現(xiàn)階段支持3種音色，2男1女。未來會增加更多音色，包括童聲。

語速調(diào)整：支持0.6、0.8、1.0、1.2、1.5多種倍速率的合成語速。

音量調(diào)整：支持1~10倍速率的合成音量。

實時性：支持離線語音合成和實時語音合成兩種模式。

采樣率：支持8K、16K等采樣率的合成效果。

3、自然語言處理（NLP）

NLP自然語言處理技術(shù)

近年來，NLP自然語言處理處于快速發(fā)展階段。各種詞表、語義語法詞典、語料庫等數(shù)據(jù)資源的日益豐富，詞語切分、詞性標(biāo)注、句法分析等技術(shù)的快速進步，各種新理論、新方法、新模型的出現(xiàn)推動了自然語言處理研究的繁榮?；ヂ?lián)網(wǎng)與移動互聯(lián)網(wǎng)和世界經(jīng)濟社會一體化的潮流對自然語言處理技術(shù)的迫切需求，為自然語言處理研究發(fā)展提供了強大的市場動力。

NLP 作為人工智能的一個子領(lǐng)域，其主要目的就包括兩個方面：自然語言理解（NLU），讓計算機理解自然語言文本的意義；自然語言生成（NLG），讓計算機能以自然語言文本來表達給定的意圖、思想等。

自然語言理解系統(tǒng)通常又叫做自然語言問答系統(tǒng)（Question Answering System，QA System）。問答系統(tǒng)是信息檢索系統(tǒng)中的一種高級形式，主要包含三部分：問題理解、信息檢索和答案抽取。其中，問題語義理解是問答系統(tǒng)中的核心任務(wù)，是提升問答系統(tǒng)整體性能的關(guān)鍵。

NLP自然語言處理的對象有詞、句子、篇章和段落、文本等，但是大多歸根到底在句子的處理上，自然語言處理中的自然語言句子級分析技術(shù)，可以大致分為詞法分析、句法分析、語義分析三個層面。

第一層面的詞法分析包括漢語分詞和詞性標(biāo)注兩部分。和大部分西方語言不同，漢語書面語詞語之間沒有明顯的空格標(biāo)記，文本中的句子以字串的形式出現(xiàn)。因此漢語自然語言處理的首要工作就是要將輸入的字串切分為單獨的詞語，然后在此基礎(chǔ)上進行其他更高級的分析，這一步驟稱為分詞。

除了分詞，詞性標(biāo)注也通常認為是詞法分析的一部分。給定一個切好詞的句子，詞性標(biāo)注的目的是為每一個詞賦予一個類別，這個類別稱為詞性標(biāo)記，比如，名詞（Noun）、動詞（Verb）、形容詞（Adjective）等。一般來說，屬于相同詞性的詞，在句法中承擔(dān)類似的角色。

第二個層面的句法分析是對輸入的文本句子進行分析以得到句子的句法結(jié)構(gòu)的處理過程。對句法結(jié)構(gòu)進行分析，一方面是語言理解的自身需求，句法分析是語言理解的重要一環(huán)，另一方面也為其它自然語言處理任務(wù)提供支持。例如句法驅(qū)動的統(tǒng)計機器翻譯需要對源語言或目標(biāo)語言（或者同時兩種語言）進行句法分析；語義分析通常以句法分析的輸出結(jié)果作為輸入以便獲得更多的指示信息。

第三個層面是語義分析。語義分析的最終目的是理解句子表達的真實語義。但是，關(guān)于語義的統(tǒng)一表示形式目前業(yè)界并沒有統(tǒng)一的標(biāo)準(zhǔn)。

語義角色標(biāo)注是目前比較成熟的淺層語義分析技術(shù)?；谶壿嫳磉_的語義分析也得到學(xué)術(shù)界的長期關(guān)注。出于機器學(xué)習(xí)模型復(fù)雜度、效率的考慮，自然語言處理系統(tǒng)通常采用級聯(lián)的方式，即分詞、詞性標(biāo)注、句法分析、語義分析分別訓(xùn)練模型。實際使用時，給定輸入句子，逐一使用各個模塊進行分析，最終得到所有結(jié)果。

一個典型的交互式NLP處理過程如下圖所示。

NLP交互處理流程說明

NLP算法的深度學(xué)習(xí)實現(xiàn)

近年來隨著研究工作的深入，研究者們開始從傳統(tǒng)機器學(xué)習(xí)轉(zhuǎn)向深度學(xué)習(xí)。2006年開始，有人利用深層神經(jīng)網(wǎng)絡(luò)在大規(guī)模無標(biāo)注語料上實現(xiàn)了分布式表示，在形式上把每個單詞表示成一個固定維數(shù)的向量，作為詞的底層特征。在此特征基礎(chǔ)上，又完成了詞性標(biāo)注、命名實體識別和語義角色標(biāo)注等多個任務(wù)，后來有人利用遞歸神經(jīng)網(wǎng)絡(luò)完成了句法分析、情感分析和句子表示等多個任務(wù)，這也為語言表示提供了新的思路。

目前關(guān)于NLP算法的深度學(xué)習(xí)實現(xiàn)的研究工作仍然在進展中，已有的深度學(xué)習(xí)算法模型如循環(huán)神經(jīng)網(wǎng)絡(luò)、遞歸神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)等都已經(jīng)有較為顯著的應(yīng)用。圍繞適合NLP領(lǐng)域深度學(xué)習(xí)模型構(gòu)建研究仍然有著廣闊的空間。

在當(dāng)前已有的深度學(xué)習(xí)模型研究中，一個已知的難點是在模型構(gòu)建過程中參數(shù)的優(yōu)化調(diào)整方面。主要有深度網(wǎng)絡(luò)層數(shù)、過擬合問題及網(wǎng)絡(luò)學(xué)習(xí)收斂速率等。首先隨著深度網(wǎng)絡(luò)層數(shù)（網(wǎng)絡(luò)深度）的增加，或者當(dāng)激活函數(shù)選擇不當(dāng)時，會出現(xiàn)網(wǎng)絡(luò)梯度下降、梯度消失的問題。其次隨著模型復(fù)雜度的增加，可能帶來模型的過擬合，即隨著訓(xùn)練層數(shù)的增加，出現(xiàn)模型泛化能力下降的情況。針對以上情況，可行的解決方案如采用多核機提升網(wǎng)絡(luò)訓(xùn)練速度，或針對不同應(yīng)用場景選擇合適的優(yōu)化算法等。

容聯(lián)在NLP自然語言處理和深度學(xué)習(xí)技術(shù)上投入團隊進行算法研究，并與高校建立聯(lián)合算法實驗室，分享行業(yè)最新的算法研究成果。在自然語言交互算法的實現(xiàn)層面，我們采用了經(jīng)典機器學(xué)習(xí)(DBN、SVM等)和深度學(xué)習(xí)技術(shù) （CNN， RNN，LSTM， FastText等）建立高效的意圖識別和分類模型，實現(xiàn)基于規(guī)則的詞法分析器，以及領(lǐng)域識別（場景識別）、意圖識別和詞槽填充等智能交互基礎(chǔ)功能。

在詞法和句法分析層面，實現(xiàn)了文本規(guī)范化句法分析、依存關(guān)系分析、自動中文詞性標(biāo)注、多語言檢測、深層句法分析、短句分析、詞槽位檢測、主題分類、多輪問答、情感分析等功能，構(gòu)建了完整的中文自然語言處理平臺，為語言交互式智能應(yīng)用提供基礎(chǔ)能力支撐。

目前我們的算法研究方向 ，一方面是在現(xiàn)有算法成果基礎(chǔ)上的補充和功能完善，如多粒度分詞、詞義消岐、語料學(xué)習(xí)優(yōu)化、語義搜索、情感分析等，另一方面我們也在積極探索如知識圖譜技術(shù)、自適應(yīng)的信息抽取技術(shù)、深度推理問答等新的課題領(lǐng)域。

智能客服項目的應(yīng)用技術(shù)

智能客服項目的核心技術(shù)主要包括自然語言處理（NLP）、機器學(xué)習(xí)（ML）、語音識別（ASR）、情感分析（Emotion Analysis）、知識圖譜（Knowledge Graph）等。這些技術(shù)共同支撐起智能客服系統(tǒng)的智能化與高效性。

1、自然語言處理（NLP）

自然語言處理是智能客服系統(tǒng)的核心技術(shù)之一，它使得系統(tǒng)能夠理解和處理人類日常語言，包括文本和語音。NLP主要包括自然語言理解（NLU）和自然語言生成（NLG）兩大方向。

自然語言理解（NLU）：

• 詞匯識別（Tokenization）：將用戶輸入的文本或語音劃分為單詞或子詞匯，形成一個詞匯序列。
• 語法分析（Parsing）：根據(jù)詞匯序列構(gòu)建一個語法樹，表示文本的語法結(jié)構(gòu)。
• 實體識別（Named Entity Recognition， NER）：在詞匯序列中識別實體，如人名、地名、組織名等。
• 意圖識別（Intent Recognition）：根據(jù)詞匯序列和實體信息，識別用戶的意圖。

自然語言生成（NLG）：

• 文本生成：根據(jù)結(jié)構(gòu)化信息生成自然語言文本。
• 語音合成：將文本轉(zhuǎn)換為語音信息。

2、機器學(xué)習(xí)（ML）

機器學(xué)習(xí)技術(shù)讓智能客服系統(tǒng)能夠自主學(xué)習(xí)和調(diào)整自身的算法和模型，不斷改進性能和準(zhǔn)確度。通過數(shù)據(jù)分析，系統(tǒng)能夠自動發(fā)現(xiàn)模式和規(guī)律，并根據(jù)經(jīng)驗智能地做出決策。

應(yīng)用場景：

• 意圖識別：使用SVM、Random Forest、Gradient Boosting等機器學(xué)習(xí)算法提升了意圖識別的準(zhǔn)確率。
• 情感分析：利用機器學(xué)習(xí)模型對用戶的情感態(tài)度進行分類和評估。

3、語音識別（ASR）

語音識別技術(shù)使得智能客服系統(tǒng)能夠準(zhǔn)確理解用戶的語音指令和問題，將用戶的語音轉(zhuǎn)化為文本，并提取關(guān)鍵信息。

應(yīng)用場景：

語音客服：用戶通過語音與智能客服系統(tǒng)進行交互，系統(tǒng)識別語音內(nèi)容并給出相應(yīng)回復(fù)。

4、情感分析（Emotion Analysis）

情感分析技術(shù)用于分析用戶的情感和情緒狀態(tài)，幫助系統(tǒng)更準(zhǔn)確地理解用戶需求，提供更加個性化和貼心的回答。

應(yīng)用場景：

• 情感詞匯識別：識別用戶輸入中的情感詞匯。
• 情感分類：將用戶的情感分為不同的類別，如積極、消極、中性等。
• 情感強度評估：評估用戶的情感強度，如非常滿意、一般滿意等。

5、知識圖譜（Knowledge Graph）

知識圖譜是智能客服系統(tǒng)的核心支持結(jié)構(gòu)，它包含了企業(yè)內(nèi)部的知識庫與通用知識庫，將大量的結(jié)構(gòu)化和半結(jié)構(gòu)化數(shù)據(jù)整合在一起，形成一個龐大的知識網(wǎng)絡(luò)。通過知識圖譜，系統(tǒng)能夠快速獲取和推理出與用戶問題相關(guān)的信息，提供更為全面的答案。

智能客服項目的具體實施過程

智能客服系統(tǒng)是一個復(fù)雜而全面的過程，它涵蓋了從需求分析、系統(tǒng)設(shè)計、開發(fā)實現(xiàn)、測試上線到后續(xù)維護等多個階段。以下將詳細闡述這一過程：

1、需求分析與產(chǎn)品設(shè)計

項目啟動后，通過了解業(yè)務(wù)需求，確定居然之家對智能客服的功能范圍和訴求后，迅速組建項目團隊，并進行詳細的需求分析。主要步驟包括：

1）目標(biāo)定義：明確居然之家對智能客服系統(tǒng)的建設(shè)目標(biāo)是：提高客服效率、提升用戶滿意度、降低運營成本。

2）需求調(diào)研：通過與業(yè)務(wù)部門和客戶的溝通，詳細了解他們的具體需求細節(jié)和期望，收集居然之家現(xiàn)有業(yè)務(wù)場景和使用案例。

3）需求分析：對收集到的需求進行整理和分析，確定系統(tǒng)需要實現(xiàn)的主要功能和性能指標(biāo)。

4）產(chǎn)品設(shè)計：分析用戶需求結(jié)合我們云客服產(chǎn)品，設(shè)計用戶交互流程。

產(chǎn)品業(yè)務(wù)流程：

2、技術(shù)選型與架構(gòu)設(shè)計

在產(chǎn)品設(shè)計通過內(nèi)部評審和客戶確認后，技術(shù)團隊根據(jù)需求基于自研的云客服技術(shù)平臺與工具，設(shè)計了系統(tǒng)的總體架構(gòu)。

3、數(shù)據(jù)準(zhǔn)備與模型訓(xùn)練

數(shù)據(jù)準(zhǔn)備是智能客服系統(tǒng)實施過程中至關(guān)重要的一環(huán)，主要步驟包括：

• 數(shù)據(jù)收集：收集和整理歷史客服數(shù)據(jù)，包含客戶咨詢記錄、客服回答記錄等。這些數(shù)據(jù)可以來自多個渠道，如電話、郵件、在線聊天等。
• 數(shù)據(jù)清洗：對收集到的數(shù)據(jù)進行清洗，去除無效和重復(fù)的數(shù)據(jù)，確保數(shù)據(jù)的質(zhì)量。
• 數(shù)據(jù)標(biāo)注：對數(shù)據(jù)進行標(biāo)注，構(gòu)建訓(xùn)練數(shù)據(jù)集。這一步采用人工干預(yù)，以確保數(shù)據(jù)的準(zhǔn)確性和代表性。
• 數(shù)據(jù)存儲：將整理好的數(shù)據(jù)存儲到數(shù)據(jù)庫中，便于后續(xù)的模型訓(xùn)練和系統(tǒng)開發(fā)。

模型訓(xùn)練是智能客服系統(tǒng)的核心步驟之一，通過對數(shù)據(jù)的學(xué)習(xí)，使系統(tǒng)具備理解和響應(yīng)用戶自然語言的能力。首先是對模型的選擇，涵蓋了自然語言處理（NLP）、機器學(xué)習(xí)、深度學(xué)習(xí)及數(shù)據(jù)管理等多個方面。以下為主要的數(shù)據(jù)模型：

1）自然語言處理（NLP）模型

a. 文本分類模型（Text Classification Model）

目標(biāo)：將用戶查詢分類到預(yù)定義的類別中（例如，信息請求、投訴、反饋等）。

模型：支持向量機（SVM）、隨機森林或神經(jīng)網(wǎng)絡(luò)

b. 意圖識別模型(Intent Recognition Model)

目標(biāo)：從用戶的查詢中識別出用戶的意圖。

模型：遞歸神經(jīng)網(wǎng)絡(luò)(RNN)、長短期記憶網(wǎng)絡(luò)(LSTM)或Transformer

2）機器學(xué)習(xí)與深度學(xué)習(xí)模型

a. 情感分析模型(Sentiment Analysis Model)

目標(biāo)：確定用戶消息的情感(正面、負面、中性)。

模型：卷積神經(jīng)網(wǎng)絡(luò)(CNN)、LSTM

b. 對話管理模型(Dialogue Management Model)

目標(biāo)：管理對話流程并生成適當(dāng)?shù)捻憫?yīng)。

模型：強化學(xué)習(xí)、帶注意力機制的Seq2Seq

3）語音識別與合成模型

a. 自動語音識別(ASR)模型

目標(biāo)：將口語轉(zhuǎn)換為文本。

模型：Deep Speech、連接時間分類(CTC)

b. 文本轉(zhuǎn)語音(TTS)模型

目標(biāo)：將文本轉(zhuǎn)換為口語。

模型：Tacotron、WaveNet

4）數(shù)據(jù)管理與知識庫模型

a. 知識圖譜模型(Knowledge Graph Model)

目標(biāo)：存儲和檢索結(jié)構(gòu)化知識。

模型：圖數(shù)據(jù)庫(Neo4j)、RDF三元組

5）性能優(yōu)化模型

a. 負載均衡模型(Load Balancing Model)

目標(biāo)：均勻分配進入的請求到各服務(wù)器。

模型：輪詢法、最少連接法、加權(quán)最少連接法

通過這些數(shù)學(xué)模型，使用準(zhǔn)備好的數(shù)據(jù)集對模型進行訓(xùn)練，并不斷調(diào)整模型參數(shù)和結(jié)構(gòu)，以提高模型的準(zhǔn)確性和響應(yīng)速度。通過交叉驗證、超參數(shù)調(diào)優(yōu)等技術(shù)手段對模型進行優(yōu)化，進一步提升模型的性能。智能客服系統(tǒng)能夠有效地處理用戶查詢、識別用戶意圖、進行情感分析、管理對話流程以及提供語音交互和知識管理等功能。

4、系統(tǒng)開發(fā)與集成

在訓(xùn)練模型的同時啟動前后端各模塊的開發(fā)，并將訓(xùn)練好的模型應(yīng)用于實際系統(tǒng)中，構(gòu)建完整的智能客服系統(tǒng)。主要工作包含：

• 前端開發(fā)：開發(fā)用戶交互界面，包括網(wǎng)頁、移動應(yīng)用等，確保用戶能夠方便地與智能客服系統(tǒng)進行交互。
• 后端開發(fā)：開發(fā)后臺服務(wù)和業(yè)務(wù)邏輯，包括用戶管理、對話管理、數(shù)據(jù)處理等功能模塊。
• 系統(tǒng)集成：將前端、后端和模型進行集成，確保各個模塊之間能夠無縫協(xié)作。
• 接口開發(fā)：開發(fā)與外部系統(tǒng)的接口，如CRM系統(tǒng)、工單系統(tǒng)等，確保智能云客服系統(tǒng)能夠與其他業(yè)務(wù)系統(tǒng)進行數(shù)據(jù)交換和功能協(xié)同。

5、測試與上線

對開發(fā)完成的系統(tǒng)，進行全面的測試，確保系統(tǒng)在各種場景下都能穩(wěn)定運行，并且能夠滿足用戶的需求。

• 功能測試：對系統(tǒng)的各項功能進行測試，確保功能實現(xiàn)符合需求。
• 性能測試：對系統(tǒng)的性能進行測試，包括響應(yīng)時間、并發(fā)處理能力等，確保系統(tǒng)在高負載情況下能夠穩(wěn)定運行。
• 安全測試：對系統(tǒng)的安全性進行測試，確保系統(tǒng)能夠防御各種安全威脅。
• 用戶體驗測試：邀請部分用戶進行試用，收集用戶反饋，進一步優(yōu)化系統(tǒng)。

測試完成后，系統(tǒng)便正式上線。上線階段準(zhǔn)備了應(yīng)急預(yù)案，確保在出現(xiàn)問題時能夠迅速處理。

6、上線后的監(jiān)控與運維

系統(tǒng)上線后，我們會進行持續(xù)的監(jiān)控和維護，以確保系統(tǒng)的穩(wěn)定運行，并不斷優(yōu)化系統(tǒng)性能和用戶體驗。

7、持續(xù)改進與升級

容聯(lián)七陌智能客服系統(tǒng)任然在不斷演進和升級，以適應(yīng)用戶需求的變化和技術(shù)的發(fā)展。后續(xù)的改進和升級都會同步更新到居然之家-智能客服。主要包括：

• 定期更新模型：根據(jù)最新的用戶數(shù)據(jù)和業(yè)務(wù)需求，定期更新和重新訓(xùn)練模型，確保系統(tǒng)能夠理解和響應(yīng)最新的用戶需求。
• 功能擴展：根據(jù)用戶需求和市場變化，持續(xù)開發(fā)和上線新的功能，提升系統(tǒng)的服務(wù)能力。
• 技術(shù)升級：跟蹤最新的技術(shù)發(fā)展，不斷引入新的技術(shù)和工具，提升系統(tǒng)的智能化水平和運行效率。
• 用戶培訓(xùn)：定期開展用戶培訓(xùn)，幫助用戶更好地使用智能云客服系統(tǒng)，提升用戶滿意度。

總結(jié)

為居然之家實施智能客服系統(tǒng)是一個復(fù)雜而全面的過程，我們從項目啟動、需求分析、技術(shù)選型、數(shù)據(jù)準(zhǔn)備、模型訓(xùn)練、系統(tǒng)開發(fā)、測試上線到后續(xù)維護等多個環(huán)節(jié)進行系統(tǒng)的規(guī)劃和實施。通過科學(xué)的方法和嚴謹?shù)膱?zhí)行，構(gòu)建了高效、智能、用戶滿意的智能客服系統(tǒng)。

總之，容聯(lián)七陌的智能客服系統(tǒng)不僅有先進的技術(shù)和強大的功能，而且更貼近用戶需求，為企業(yè)提供優(yōu)質(zhì)的數(shù)智客服體驗，賦能企業(yè)提升服務(wù)水平創(chuàng)造更大的價值。

商業(yè)變化

七陌幫助居然之家打通微信客服、網(wǎng)站在線客服、小程序等多渠道客服，一個平臺處理所有問題，

• 單個客服工作效率提升60%、售后滿意度提升54%

智能語音機器人、文本機器人、知識庫、智能IVR等，助力提升客戶智能化新體驗，X-Bot智能機器人為企業(yè)帶來的改變：

• 將知識生產(chǎn)效率提升70%，對話構(gòu)建成本下降80%，100%提升客戶服務(wù)效率
• 回復(fù)準(zhǔn)確率提升60%、客服人工成本降低30%、學(xué)習(xí)培訓(xùn)時長降低32%
• 智能機器人Xbot解決客戶至少75%以上的咨詢問題，釋放人工座席
• 經(jīng)過一段時間的運營訓(xùn)練，機器人知識庫基本涵蓋所有業(yè)務(wù)咨詢，未知回復(fù)率僅僅只有1%
• 自機器人上線以來，機器人接待量直線上升，目前單渠道的日均會話數(shù)達3000+，機器人日均回復(fù)數(shù)5000+，機器人解決率高達80%左右，轉(zhuǎn)人工率僅15%左右，知識覆蓋率高達90%
• 目前為客戶節(jié)約了70%人力成本，知識覆蓋率高達99%

關(guān)于企業(yè)

·容聯(lián)七陌

容聯(lián)七陌，智能客服系統(tǒng)服務(wù)商，為企業(yè)提供多場景多鏈路智能服務(wù)解決方案，在AI、通訊、數(shù)據(jù)三輪驅(qū)動下，容聯(lián)七陌生成式一體化智能客服平臺旨在幫助企業(yè)提高客戶服務(wù)質(zhì)量，通過對客戶數(shù)據(jù)的分析挖掘為企業(yè)提供有價值的市場洞察和智能服務(wù)，可以將知識生產(chǎn)效率提升70%，對話構(gòu)建成本下降80%，100%提升客戶服務(wù)效率，并為客服人員提供文檔智能問答/抽取、用戶語料/業(yè)務(wù)話術(shù)/流程類方案建議自動生成、銷售優(yōu)秀話術(shù)自動提煉等能力，助力客服員工高效推進業(yè)務(wù)服務(wù)，全面賦能客服&營銷場景應(yīng)用。

容聯(lián)七陌

智能云客服提供商

·居然之家

居然之家是以“大家居”為主業(yè)，以“讓家裝家居快樂簡單”為企業(yè)使命的全國性商業(yè)連鎖集團，業(yè)務(wù)涵蓋室內(nèi)設(shè)計、裝修、家居建材銷售、智能家居、智慧物流、后家裝服務(wù)以及百貨商場、購物中心、生活超市等多業(yè)態(tài)。2019年12月居然之家于深圳證券交易所主板上市。自創(chuàng)立以來，居然之家不斷進行商業(yè)模式創(chuàng)新，平臺服務(wù)與線性服務(wù)相結(jié)合、線上線下相結(jié)合、“大家居”與“大消費”相融合，引領(lǐng)家居行業(yè)向新零售轉(zhuǎn)型升級。

居然之家

裝房子，買家具，線上線下我都來居然之家！

★以上由容聯(lián)七陌投遞申報的項目案例，最終將會角逐由數(shù)據(jù)猿與上海大數(shù)據(jù)聯(lián)盟聯(lián)合推出的《2024中國數(shù)智化轉(zhuǎn)型升級創(chuàng)新服務(wù)企業(yè)》榜單/獎項。

該榜單最終將于7月24日北京舉辦的“2024企業(yè)數(shù)智化轉(zhuǎn)型升級發(fā)展論壇——暨AI大模型趨勢論壇”現(xiàn)場首次揭曉榜單,并舉行頒獎儀式,歡迎報名蒞臨現(xiàn)

來源：數(shù)據(jù)猿