分析学、大数据和AI如何永久改变呼叫中心

如果你曾有过给客户热线或者其它呼叫中心打电话的经历，你很有可能只要一想起这件事就会怕得发抖。一些客服热线是臭名远播，以至于很多人都宁愿自己处理产品问题而不去寻求客服的帮助。

但这个事实很有可能将被改变，由于各公司逐渐使用数据收集、 数据分析 和AI等新技术来提升呼叫中心的体验，并且为公司提供一些有价值的观察和见解。

▌ 数据作为财富

你可能已经在电话里听过这样的语音提示：“你的来电将被录音，用于训练和提升服务质量的目的。”但各公司开始意识到，这也来电录音具有比这高得多的利用价值。

随着自然语言处理（NLP）技术的发展以及对无结构数据（如电话录音）的理解能力的增强，各大公司发现自己正拥有一笔巨大的财富，是由记录下的语音信息组成的。

由于这个领域发展得如此迅速，公司有很多种不同的方式来对这些数据加以利用。

▌ 语音分析与NLP

自然语言处理（NLP）能让自动化系统根据你的来电语音内容对你的呼叫进行正确的引导。过去的情况是，你只能说出单独的词语或词组，如“账户”或者“人工服务”等，才能让系统把你引导到相应的功能。但随着NLP技术的成熟，系统现在可以理解长的词组和句子，如“我的账单上有一笔异常的交易记录，我想找人核实一下”，这样就可以把客户的来电引导到相关的部门来处理。

语音分析从仅仅理解说话的内容发展到可以理解说话的方式。对客户服务程序来说，语音分析技术可以分析出来电者说话的音调、措辞、情绪，甚至通过沉默的时间长短来衡量客户的情绪和满意程度。它还能猜测出来电者的年龄， 然后进行跟其年龄段相符的产品推销，或者据此选择不同的客服代表；有研究表明年长的客户与年轻的客户所偏好的客服代表的类型是不一样的。

对客服代表的来说，语音分析可以从客户的来电中提取出一些关键词和词组，以此对客服代表进行提示。还可以用于鉴别不同客服代表掌握的知识范围、擅长处理的客户来电类型，还有其它能影响到客服训练和引导的因素。

▌ 预测性分析

语音分析与 预测 性分析技术结合，还能预测出来电者是否具有沮丧或者愤怒的情绪倾向——甚至可以预测出某个来电者是否在说谎或者在实行诈骗。

预测性的计算模型可以提供一些关于处理各种类型来电的最佳方式的见解，这样就能提高客服代表处理来电的效率，同时改善客户来电的体验。

这些技术的运用不仅限于呼叫中心。如果这些呼叫中心的数据能与社交媒体上的数据结合，公司就能在网上观察用户对于某个产品或服务问题的抱怨和投诉，然后据此预测客户来电数量的增加。例如，如果Twitter上突然出现和转发了关于在某地无法接收到手机信号的推文，移动电话服务公司的呼叫中心就会收到警告说，将有一大批客户来电就此问题进行投诉和咨询，甚至还会在自动语音中加入关于此问题的解释和解决办法。

▌ 另外的设想

上面所说的在将要成为可能的事情中，还只是冰山一角。一个叫Mattersight 的公司正在开发一个系统，用于分析来电客户的性格，然后为其分配一个最适合的客服代表，以客户最喜欢的谈话方式进行沟通。例如美国东北部的人们比中西部的人们更喜欢正式严肃的沟通方式；老年客户的来电对美国本土的客服代表有着强烈的偏好，但对年轻客户来说这并不重要。

这个想法也能运用在对客服代表性格的分析上。一些人天生就比别人更擅长与处理某种类型的来电和客户。公司也会建立自己客户代表性格的档案，据此为来电的客户分配最适合的代表。

大数据 改变呼叫中心的另一种方式是通过人力资源管理。寻找和培训出具备资质的、富有耐心的人为呼叫中心工作，是呼叫中心遇到的巨大挑战。据某公司的估计，为寻找和雇佣一个合适的员工，平均需耗费人力管理员两个小时的工作时间——如果你新成立的呼叫中心需要数百名员工，那就意味着人力的配备工作要耗费好几个月的时间。

一个叫做 CornerstoneDemand的公司为此开发出一种基于数据的、名为“Evolv”的解决方案，让应聘者通过一个自动化的测试程序，包括录下他们的语音并且让他们就一些虚拟的来电呼叫进行应答。这个公司通过这些应聘数据的分析来决定能够参加面试的应聘者，并预测每个参与面试的应聘者潜在存在的问题，在面试过程中有针对性地加以注意。

对一家大型呼叫中心而言，这种解决方案能够节省大量用于人力配备的时间。很多公司表示，通过Evolv系统聘用的员工往往表现得更成功，会在工作岗位上待得更久。

随着技术不断发展，我相信我们会看到呼叫中心和客户服务整体上更大的改善和提升，也许让人害怕的客服热线已经成为了历史。

作者：人工智能学家，著作权属作者所有。

责任编辑：王培