尋夢新聞LINE@每日推播熱門推薦文章，趣聞不漏接❤️
人工智能與金融科技無疑是金融行業最令人激動人心的話題。
但 Fintech 與 AI 究竟是什麼？它們將會如何改變金融？
朗迪中國特邀人工智能洞察專家——劉劍東推出 「朗迪·智話」專屬系列文章。通過深入淺出的方式，介紹人工智能的前世今生，講解其中的科技原理並分析當前最前沿的商業應用。
今天，我們來聊聊「線上客服」。
在本月初的 Google i/o 大會上，Google 發布了一款劃時代意義的全新版Google助手。除了以往的智能協助功能外，Google還增加了擬人模塊，讓人工智能助手可以全面模仿人類的語言習慣，就連人類思考時不自覺的沉吟都模仿的惟妙惟肖，簡直就是戲精本「精」！
在這一版Google助手上線以後，除了 Google 手機用戶，智能客服行業將會成為最大的收益團體。該模塊未來勢必會被應用在人工智能客服上，並大大提升人工智能客服的用戶體驗，它從根本上拉近了人工智能和用戶之間的距離。
傳統客服
猜一猜我們在等待客服電話上花了多少時間？
根據手機通訊公司 TalkTo 的調查顯示，每個用戶每年要花大約 13 個小時，在電話線上等待客服。按照 70 歲的壽命來計算，把這些時間都加起來，足足占去了一個月零七天的時間。
當你有一個月的空閒時間，你可以參加一場出國深度遊，可以學習一種新的舞蹈，甚至可以認識一個新的異性朋友。然而，你卻因為客服電話而不得不坐在桌前，百無聊賴地等著。
長時間的線上等待，不僅僅是浪費用戶的時間，同時也會大幅度降低企業的用戶體驗。根據軟件咨詢公司 Software Advice 的數據顯示，60％ 的客戶認為等待一分鐘的時間太長，同時 63% 的客戶在等待超過一定時間後選擇掛斷電話。
當客服不再需要人
隨著科技的進步，人們經濟情況的富足，線上消費頻率變得越來越快，一次線上交易，從開始到結束也許就在短短的幾分鐘內。想要在短時間內吸引客戶，同時促使客戶做出決定，客服工作的重要性不言而喻。
在線上客服行業，由於人工智能技術，尤其是自然語言處理的技術性突破，人工智能客服已經在許多場景下做到了商業化應用，並得到了相當好的效果，幫助許多企業帶來了更高的利潤。
工作原理
在信息大爆炸的今天，人工智能客服的工作原理大多數已經不再神秘。甚至在有些大學老師，會將 「編寫問答機器人」 作為高年級學生的作業，用來考核學生的業務編程能力。
目前幾乎所有人工智能客服，是由 「業務知識庫建立—用戶輸入理解—自動反饋」 三個步驟組成。
業務知識庫建立：企業事先按照常見的用戶需求語句，準備好一個標準需求語句庫以及相對應的標準答案庫和指令程序庫。
↓
用戶輸入理解：當用戶的輸入到達智能客服系統，系統調用自然語言處理模塊理解用戶的需求語句，從事先準備好的句庫中尋找相似的需求語句。如果用戶是通過語音進行輸入，則需要在自然語言處理模塊前，添加一個語音識別模塊，將客戶的音頻轉化為文本，然後再進行意圖理解。
↓
自動反饋：在系統找到與用戶輸入相似的標準需求語句後，將與之對應的標準答案或者指令程序反饋給用戶。
顯而易見，在整個流程中，將用戶需求語句對應到相似的標準需求語句就成為最關鍵，也是最能體驗 「智能」 的地方。目前，市場上的人工智能客服主要是通過兩個方法來做到用戶需求語句分類：句向量法，正則表達式法。
句向量法
在了解什麼是句向量法之前，先讓我們來了解一下它的上一代：詞向量法。
詞向量（WORD2VEC）是由 Google 在 2013 年公開的一款深度學習工具，也是目前自然語言處理領域應用最廣泛的一項技術。
在詞向量法出現之前，科學家只能將詞語轉化為離散的獨熱碼（one hot encoder)，舉個例子：如果想表達下面四個城市，只需要在四個獨特的位置標記上 1，其他位置標記為 0 即可。
杭州 [1,0,0,0,……，0,0]
上海 [0,1,0,0,……，0,0]
寧波 [0,0,1,0,……，0,0]
北京 [0,0,0,0,……，1,0]
在獨熱碼中，計算機可以通過閱讀 0 和 1 來分辨每條碼代指的哪一座城市，同時這也是計算機可以獲取的唯一信息。然而，如果是人來閱讀，就可以讀出更多的信息，例如寧波，杭州，上海相關度應該較高，而北京與其他幾個城市的相關度應該較低。
在詞向量出現後，向量這工具被利用了起來，獨熱碼就可以被轉化為低緯度的連續值，也就是上面提到的稠密向量，同時相關度高的詞語會被映射到向量空間中相鄰的位置。
依然以城市舉例，如果將城市名字映射到向量空間，其降維後的圖像將會是下面這樣。
我們可以從圖中清晰的看到相關度高的城市被映射到了一起，同時我們也可以直接用數字來表示任意兩個詞語之間的距離。
既然詞向量是將詞語映射到向量空間中得到的向量，那麼句向量法的含義就清晰許多了。句向量就是將每一個句子都映射到向量空間中而得到的向量。
在人工智能客服的應用上來說，事先準備好的「標準需求語句」通過句向量的方式映射到「向量空間中」去，形成標準需求向量。當輸入一個「用戶需求語句」，語句將會被直接映射到「向量空間」中去，並通過計算找到最接近的標準需求向量。
如果兩者的距離低於預先設定好的值時，系統會直接將兩者視為意圖相同的兩條需求，並進行答案匹配。
正則表達式法
正則法即是使用正則表達式作為分類工具的方法。正則表達式（regular expression）是一種描述字符串模式的文本，利用該文本，可以檢查一個句子中是否含有某個結構的表達。
由於正則表達式的使用比較複雜，我們將通過下面的例子，來簡單解釋它的工作原理：
如果我們使用 「怎麼.*開戶」 這種正則表達式，它將可以匹配到含有 「怎麼….開戶」 這樣的結構的句子。因此，如果一段話中含有 「怎麼才能開戶」，「怎麼開戶呢」，「我該怎麼開戶」 等結構的句子都會被匹配上。
在人工智能客服的應用上，企業在準備標準需求語句的時候，按照標準需求語句的業務邏輯，編寫一段與之相對應的正則表達式。當用戶的需求被系統接收的時候，系統會調用所有正則表達式來與用戶需求語句匹配，如果某個標準需求的正則表達式被匹配上了，系統將會把對應的標準答案反饋給用戶，從而進行客服應答。
優勢
除卻對人工智能客服的技術層面分析，大多數人更關心的是，人工智能客服到底如何為企業的利潤進行加成。我們將從三個方面，詳細解釋分析人工智能客服給企業帶來的優勢。
1. 全天候、多線程服務
在傳統客服工作中，一個客服雖然能夠同時服務數個用戶，但是這個數字相當的有限。通常當同時訪問的用戶超過 5 位，客服人員的工作質量將會大大下降。尤其是當線上消費越來越主流的今天，為了應對日漸增長的客服需求，企業不得不大量招聘客服人員或者進行客服工作外包，這兩項選擇都將會大幅度拉高企業的經營成本。
然而，使用人工智能客服則可以很好的解決這一問題。基於業務知識邏輯編輯的客服程序可以運行大量多線程的並行服務。只有當人工智能客服系統無法理解客戶意圖時，才會需要人工客服的介入。
2. 大數據加成
人工智能客服除了具備人所不能及的效率以外，還可以與大數據緊密結合，提供更好的個性化客服體驗。
通常情況下，企業需要花費大量的時間來整合所有數據，將其與客戶的行為模式相匹配。有了這些信息，企業可以和客戶有更多的默契，可以進一步增加銷售額。
而且，人工智能客服可以更快。
人工智能可以快速的將積累的所有關於客戶的信息利用起來，例如：對話，消費記錄和位置記錄等。從這些積累的數據中，構建用戶個性化的消費模型。在後期的客服工作中，人工智能客服可以在零點幾秒的時間內調取某個客戶正在過去所有的積累信息和消費模型。根據模型和信息，人工智能客服可以做出最優的推銷決策。
除了可以做出最優的推銷決策，人工智能客服可以提供個性化的定制服務，也將大大提升用戶的使用體驗。根據 Infosys 的一項研究表明，59% 的客戶購買決策會傾向於個性化定制服務。
3. 提供更可靠的服務
人工智能可以提供人類不可比擬的可靠服務。
客服工作每天的主要內容是面對客戶，並與之進行長時間的交流。作為企業直接面對用戶的窗口，一個客服的重要性，可靠性不言而喻。從企業的角度出發，它們會希望客服人員永遠以笑容滿面的態度對待每一位客戶。
根據 Zendesk 的研究，42% 的客戶在接受過良好的客戶服務後，其品牌忠誠度會得到提升。然而，即便是作為最高級的智慧生物，人類依然不能做到不知疲憊的微笑工作。考慮到客服工作每天需要面對不同的客戶以及繁雜的問題，一名能保持平靜心態工作的客服人員都可以算得上是優秀了。
但是，人工智能客服卻可以做得更多。
企業不需要擔心人工智能客服的任何健康和心理的問題，不用擔心它遲到早退或者消極怠工，更不用擔心它會對客戶大吼大叫。即便是在複雜的難題，它也會按照已有的設定程序工作下去。只有當人工智能客服遇到了系統無法解決的客戶需求時，才會呼叫客服人員的介入。
展望
迄今為止，人工智能客服已經發展了數十年，其商業化過後的效果也反響不錯，客服效率已經大大提高。例如，面向企業的IBM 人工智能平台 Watson 幫助 Autodesk 將其客戶響應時間提高了 99％。
正如筆者在前言中提及的擬人模塊應用，未來的人工智能客服已經不單單局限於高效工作，更重要的是要靠近人類客服的模樣，從而消除用戶與人工智能客服之間的隔閡感。這次推出的擬人 Google 助手，也為智能客服行業來了一次投石問路，提前體驗了一把擬人版人工智能的效果。
由此看來，隨著人工智能的發展，在不遠的將來，人工智能客服或許可以進化到讓客戶難辨真偽的地步。它既是無所不知的業務專家，又是彬彬有禮的貼心管家；既能提供全天候隨叫隨到的服務，又能理解到用戶說的每一句話。
這樣的客服，誰能不愛呢？
聯繫我們
若您有讚助或參展意向，請聯繫：
石佳麒 Hero
+86 136 7170 4024
餘盛威 Shawn
+86 138 1615 2429
若您有市場合作或其他問題咨詢，請聯繫：
董姍姍 Stephanie
+86 178 8790 7671
