客服行業是一個歷史悠久的傳統產業，其背後有一個規模可觀的潛在市場。長久以來，以人工為主的傳統客服行業存在各種各樣的問題，如何利用人工智能、大數據、雲計算等技術，讓客服行業實現降本增效，實現智能化是行業迫切的願望。
歷史背景
客服行業是一個規模龐大的產業，據據2018年《中國智能客服行業研究報告》統計，中國目前大約有500萬全職客服，人力成本加上硬件設備和基礎設施，整體規模約4000億元。降本增效一直是企業所追求的極致目標，但長久以來，業界對人工客服的需求仍然客觀存在，人工客服也存在各種各樣的問題。如何用技術賦能客服行業，提升效率降低成本，同時優化用戶體驗，是行業的核心問題。
傳統客服在移動互聯網場景下並不陌生，很多用戶都曾與之發生過一些不那麼愉快的接觸。其具有靜態、時延、繁忙三大特點，由此帶來了包括內容靜態，需要DIY獲取；高時延，體驗差；熱線打爆，人力成本高的一系列問題。傳統客服的服務水平相對低效，而且是一種懶服務，這是久為用戶所詬病的關鍵問題。
隨著IT技術的發展，客服行業迎來了變革的契機。基於大數據、雲計算和深度學習等人工智能技術，智能客服已經可以實現自主問答、業務辦理、故障診斷等一系列複雜操作，實現客服行業中大部分的應答需求，快速高效地解決用戶問題。
相比傳統客服，智能客服的優勢在於可以實時解決，並主動推薦、引導用戶，用對話、機器人的方式，智能化地解決問題。在智能客服的初期，其技術目標是在一定比例上解決客服遇到的簡單高頻問題，將疑難問題交給人工客服團隊。
技術實現與難點
智能客服系統主要基於自然語言處理、大規模機器學習、深度學習技術，使用海量數據建立對話模型，結合多輪對話與實時反饋自主學習，精準識別用戶意圖，支持文字、語音、圖片等富媒體交互，可實現語義解析和多形式的對話。
國內目前的智能客服產品類型多樣，服務的場景也涵蓋了金融、醫療、出行等領域。各家的實現形式、對標場景雖然不盡相同，但背後的技術思路其實是一脈相通的。智能客服的工作原理一般有以下幾個流程：
首先是語音識別模塊，將語音轉換為文字；然後是對文字問句的Query理解；查詢理解後，進行意圖識別；最後將對用戶問句的理解和意圖識別反饋到對話管理系統，後者分配給相應的客服機器人，返回答案結果。
概括而言，一個智能客服系統技術上主要處理兩方面的問題：一個是搭建基於知識庫回答的智能客服系統；另一個是基於槽位填充的多輪對話系統。與技術實現的相似性一樣，行業在搭建自己的智能客服系統時也會遇到類似的難題：
- 第一，缺乏足夠數據訓練模型時，如何解決數據冷啟動的問題；
- 第二，多輪對話仍舊是難題，模型距離精準差距較大；
- 第三，人機協同問題，如何讓智能為主人工為輔，發揮客服機器人更大的價值？
螞蟻金服的落地實踐
在這樣的背景下，螞蟻金服從金融領域出發，通過搭建起一套完整的智能客服框架，提高了智能客服的效率，降低了人力成本。更進一步，通過對用戶對話數據的洞察分析，精準定位了產品問題並加以解決，提高了用戶的使用體驗。更進一步，沉澱下來的海量數據幫助智能客服做到更精準的智能推薦，助力搜索、營銷，持續優化服務體驗。
針對智能客服行業的共性與難點，螞蟻金服技術團隊給出了自己的解決方案。
猜你問題
點進支付寶客服入口，就能看到一個猜你想問的列表，這個列表會根據用戶操作軌跡智能預測用戶可能的問題列表，用戶點擊對應問題後客服自動返回解決辦法。這個功能早在2015年10月便已上線，上線之初就承載了超70%的點擊量，而在今天，這個數據已經承載了支付寶求助總量的90%。
猜你問題功能背後，體現的是螞蟻金服AI技術的積累沉澱。通過用戶日常行為特徵、歷史特殊情況、靜態數據等三個“因子”，通過深度神經網絡分類模型生成一系列問題，在此過程中收集用戶反饋數據，通過訓練模型不斷修正自身，再通過自動訓練、自動測試、自動上線的方式，支撐支付寶各功能大廳的具體場景。
更進一步，支付寶技術團隊還將該模型升級為一個混合網絡模型，除了猜你問題場景以外，還支持包括問題識別、要素識別、智能派單等多個場景。
氣泡推薦
如果說猜你問題是把問題解決在用戶提出之前，那氣泡推薦就是在用戶提出之後，如何快速完善問題描述。這背後有以下幾大要求：文本易理解、業務覆蓋廣、個性化、關聯性。螞蟻金服利用了metapath2vec，把氣泡跟問題、問題與問題、氣泡與氣泡之間都做到相互關聯。通過關聯建立聯繫路徑，進而學習每個標籤背後的含義，以做到精準對應。同時加上beam search的方法對氣泡做排序，使用戶在求助過程中可以最大化點擊行為，而非複雜的輸入行為。
機器人問答
用戶輸入問題文本以後，智能客服如何理解用戶的需求？這背後也有一套複雜的框架，同樣有幾大難題亟待解決：
- 如何理解用戶核心需求內容？
- 長文本核心理解難題。
- 少量干擾詞，如何解決魯棒性？
- 多模型的配合、融合問題。
在這樣的背景下，螞蟻金服技術團隊從匹配和分類兩個關鍵方向出發，巧妙地解決了機器人問答的這些難題。通過搭建BERT模型，螞蟻智能客服可以結合場景和上文的文本輸入，去解決實際的用戶問題。更近一步還可以把用戶的行為軌跡數據跟這個用戶輸入做匹配，進而根據線上的點擊反饋去訓練模型，可以很好地把用戶的行為數據、軌跡數據融合進來去做機器人理解。
人工輔助
除了App端的智能客服需求，還有很多用戶是從客服熱線入口進入場景。智能客服背後的技術團隊梳理了客服團隊中人工部分的情況，包括到底有多少客服可以接電話，以及他們當前接電話的一個水位，到底有多少客服是空閒的，多少客服是繁忙的。進而優化整個系統以承接足夠多的用戶請求，同時保證用戶體驗，不至於因為話務擁堵陷入排隊狀況。
更進一步，在對話助手機器人這個方向上，通過與人工客服打通的話術推薦、知識問答、營銷建議、轉化預測等方面，根據用戶實際情況選擇將其分流到AI端做自助解決還是通過人工客服方式解決。
智能客服未來展望
規模可觀的潛在市場，快速落地的人工智能技術，大數據時代豐富的用戶行為數據助力模型訓練，智能客服行業已經迎來了自己的春天。
在智能客服行業，已經出現了底層技術平臺化，廠商比拼產品服務能力的趨勢。互聯網巨頭以開源的方式構建圍繞自身的智能客服生態，行業企業在底層技術上站在同一起跑線上，產品服務是其能否脫穎而出的關鍵。
人工智能技術的快速成熟、落地，讓傳統行業如客服業迎來了新的轉機。繼續提升服務體驗，如交互能力和多輪對話，同時通過推動服務數據與產品體驗的打通，形成閉環，智能助力服務，溝通創造價值。螞蟻金服也將與行業一起，探索更多智能客服的應用場景與能力提升。
3月26日，走進阿里云云棲號在線課堂,螞蟻金服開設了【螞蟻金服課堂】螞蟻金服數字課堂直播間，螞蟻金服高級算法專家溫祖傑將分享螞蟻智能客服系統的主站算法框架，包括推薦，對話，調度，體驗相關的算法，重點介紹猜你想問，基於強化學習的序列推薦，知識蒸餾，機器閱讀，強化學習調度等工作。
閱讀更多 支付寶科技 的文章
