圖片來源: 

螞蟻金服

網際網路公司發展到一定的規模之後,往往會面臨如何更有效率地服務用戶的問題。隨著用戶規模不斷增加,若仍照草創時期的客服模式,持續擴大客服團隊的規模,顯然不是一個有效率的方法。螞蟻金服首席技術官程立表示,對於一個大型網站而言,如何不靠數千、上萬人的客服團隊,而能提供良好的客戶服務品質,是一個非常基本的挑戰,而面對這個挑戰會全面性地從底層的運算、上層的數據,到整個智慧能力都獲得鍛鍊。

對於團隊規模相對精實的螞蟻金服來說,程立表示,能夠服務數億用戶所依賴的就是人工智慧。在客戶服務的每個環節,如理解用戶問題、識別問題、匹配與解決問題等,螞蟻金服都發展出人工智慧的能力。

在理解用戶問題的能力方面,當用戶在支付寶App發出問題時,系統要能理解問題;在識別問題方面,當用戶操作支付寶App的過程中發生問題的時候,系統要能根據用戶的行為去定義問題。同時系統要以機器學習的方式,自動從過去用戶面臨的各種問題,以及客服提供的解決方案中挖掘出知識,打造一個智慧知識庫。過去知識庫主要是靠人來維護,不僅人力消耗很大,而且知識庫的品質也不太好,但使用機器學習的方法,則可以發展出巨量而且非常精準的知識庫。接著則是如何匹配用戶的問題,在用戶遇到問題之後,先識別出問題,再自動定位到知識庫的解決方案,找出問題與解決方案的匹配。目前螞蟻金服已透過聊天機器人的型式,提供自動客服,亦可根據用戶的歷史行為預測其問題。

智慧客服引擎除了自動為用戶解答問題,螞蟻金服也將其整合在客服小二系統,主動對客服人員提供用戶的相關資訊,例如依據來電用戶的使用行為預測其問題,自動啟動後續的客服引導,協助提供更好的服務。

智慧客服另一用法在異常監控。螞蟻金服過去在客服上主要透過系統數據來監控異常,但後來發現光靠系統監控無法發現所有的異常問題,於是再進一步結合業務指標、分析用戶打進來的電話,以及串聯合作夥伴端的數據等等,將許多活的數據綜合在一起後,才能保證可以完整的覆蓋所有問題。然而這些五花八門的數據進來之後,得要將它們關聯起來,再去做智慧分析、問題定位,然後自動推導解決方法,而機器智慧在這整個過程中發揮很大的作用。

程立表示,目前螞蟻金服日常85%的客戶問題已經由智慧客服承接,只有15%的問題是由客服人員親自處理,而機器解決問題的準確率目前已達70%。過去從發現異常問題,到完成解決要花2個小時,現在以人工智慧輔助則只要30分鐘,效果已經算是很好。

相關報導「AI新金融」


Advertisement

更多 iThome相關內容