电信运营商智能客服平台的设计思路探讨

电信运营商智能客服平台的设计思路探讨

姓名:邓志佳

单位:中邮科通信技术股份有限公司 所在地（省市）:福建省福州市 邮编:350000

【摘要】本文主要探讨运用人工智能、大数据等技术构建的适应电信运营商的智能客服平台。该平台是为客服工作场景应运而生的兼备即时通讯、智能客服、自助服务、运营视图的信息生态企业级服务平台，平台遵循能力与应用分离原则，旨在降低客服服务技术门槛，支撑集约化客服管理模式，从而达到降本增效的目的。

【关键词】智能客服 人工智能 数据模型 数据挖掘 低代码

1.引言

为响应集约化管理，电信运营商客服服务采用了三级支撑模式，即电信万号、营业厅等直接面向用户的客服为一线支撑，IT服务台为二线支撑，各系统专业运维人员为三线支撑。

各级支撑人员遇到的困难如下：

1. 一线人员熟悉业务但专业程度不够，而用户投诉的问题经常跨越多个专业，他们很难自己鉴别应咨询的专业；
2. 二线承接、收敛地市一线问题单，咨询量大且问题重复，浪费了大量人力；
3. 知识不能存档、沉淀和利用；
4. 与三线专业团队沟通时，沟通经常中断。

针对上述问题，本平台设计了一个统一支撑沟通渠道，提供“场景化”在线客服模式、自助服务能力、流程故障自动处理能力、信息交互渠道，并能通过低代码自定义运营视图。

2.设计思路

2.1.“场景化”在线客服模式

一线人员收敛的业务问题是按场景来描述，他们可能并不清楚某业务问题归属于哪类专业，而二、三线支撑人员是按照专业划分的，即一线和二三线之间存在着矛盾。此时需要一个工具能将一线人员的咨询问题自动归类，换句话说，任何一个咨询问题，前端是按业务描述，后端自动按专业区分，精准定位二、三线支撑人员。

通过前期梳理场景，建立场景库，定义专业权重，建立应用与专业的对应关系表。由于采取这种前端接入“场景化”在线客服模式，从而降低了一线支撑人员的技术、专业门槛。

2.2.提升自助服务能力

1. 智能应答

以大数据、人工智能为基础的智能客服，能够准确识别用户的需求和问题，提供相应的回复话术与解决方案。

1　支持模式识别，即平台将日常用户咨询故障的图像作为数据样本，识别其特征，归类故障场景，自动反馈用户故障发生原因，并自动进行故障处理和修复。

2　智能客服数据模型，本平台基于深度学习技术构建，通过训练大量语料库来模拟人类的认知和理解能力。在工作过程中，平台通过分析用户输入的文本或语音信息，自动识别用户的意图和需求，并快速检索知识图谱，生成相应的回答或解决方案。

2. 信息转事项

智能识别特定业务场景，通过会话的沟通形式收集业务信息，实现业务自动受理，待办或提醒自动生成。

3. 敏感词识别

对用户提问中的敏感词进行识别及规避，支持对敏感词进行识别，识别脏话、政治等敏感词，对其进行屏蔽或警告。

4. 智能会话评价

支持用户对整轮会话的评价，根据用户反馈的评价，统计用户问答的满意度；根据客服的反向评价，准确定位问题类型。

2.3.打造智能工具市场

按场景对用户投诉问题进行统计，对工单量居前三的停复机、携转订单、卡单业务问题进行梳理，三大场景占比总咨询量的60%。

卡单、携转订单、停复机涉及多个生产系统的数据查询及操作，且查询步骤繁琐，一线支撑人员能力不均，造成了该类问题转二线率持续偏高。

针对上述现象，唯有通过打造通用化工具，拉通数据向业务场景赋能。通用化工具固化专家处理流程和经验，拉通订单中心、客户中心、计费中心、运营保障中心等各中心各专业间数据，自动调度，留痕闭环，完成停复机全流程自动诊断、携转订单自动处理、一键卡单处理等。

以往一线支撑人员作为停复机、卡单等投诉问题的首接人员，如果没有有效解决投诉的工具，容易造成投诉升级为群障。本平台遵循“能力与应用分离”的设计原则，封装了“停复机诊断”、“携转订单一键处理”、“卡单一键处理”等诸多工具，这些工具通过拉通BMO数据，解决了以前需要跨专业协调解决的问题。

2.4.拓宽信息交互渠道

电信运营商内部系统功能分散、缺乏便捷入口集中处理日常工作任务，导致工作效率低下。本平台提供的信息交互渠道采取全渠道接入方式，在一触即达的便捷交互中，集中解决交互问题，服务化繁为简。

信息发布的主体可以是企业部门、应用系统等，建立在即时通讯基础上的信息共享具有消息传递及时、受众面广的优势。

用户可通过主动订阅的方式获取信息，信息的呈现方式多种多样，易被接受，例如：富文本、问卷、网页界面，甚至是视频流等。

2.5.低代码自定义视图

本平台利用标准接口服务，结合低代码平台构建千人千面的个人处置视图，提升客户工作效率和使用感知，增强一体化办公体验。

个人视图涵盖常用工具/应用、代办处理、个人KPI指标、问卷调查/竞赛活动。

其中，个人KPI指标通过拖拉拽式三步骤完成。

第一步：“低代码”建模

本平台通过对数据集成提供的元数据或者宽表以拖拉拽的方式进行组装，形成数据集信息，为指标视图提供有力的数据保证。

第二步：“拖拽式”分析组件

本平台具备30多的分析组件类型，包括文本组件、Tab页签、基础表组件、折线图等。用户可根据具体的业务分析场景，自行拖拽对应的分析组件。

第三步：自助式维度度量配置

选择已建模完成的数据集后，界面将展示数据模型中所有的维度和度量字段，可通过拖拽方式配置报表需要展示的维度和度量信息，同时可基于度量配置简易快捷的计算方式，包括：总和、平均、最大值、最小值、占比、排名等。

3.发展方向与展望

随着电信“云改数转”及“云网融合”战略部署的推进，IT服务运营模式也转化成“面向客户的集约化”三级模式，为助力该运营模式，基于AI的智能客服平台应运而生，通过前沿的人工智能自然语言处理技术，数据模型、数据挖掘等技术，覆盖沟通场景占比率达到90%，通过智能客服、自助服务等赋能一线，降低了人工介入成本，实现一线投诉压降、提升客户感知的目的。

参考文献

[1]侯佳腾.基于自然语言理解技术的智能客服机器人的设计与实现.《电子技术与软件工程》,2019年.23期

[2]黄新胜.基于深度学习与自然语言处理技术的智能客服机器人在制造业中的应用研究.《软件》，2023年.10期

[3]钟新龙，渠延增，王聪聪，窦婉茹，高旖蔚.国内外人工智能大模型发展研究.软件和集成电路. 2024(01)

[4]康羽.通过AI大语言模型构建运营商客户服务知识库的方法探讨.通信与信息技术.2023(06)