導語：智能客戶服務在計量技術的應用一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

由于計量檢測業務的不斷發展以及客戶規模的不斷擴大，相關計量技術機構市場業務營銷部門的每日咨詢服務工作量快速增加，且具有訪問量大、頻次集中、重復問題多和個性化問題突出等特點。僅僅依靠傳統的客戶服務模式，已較難滿足客戶多樣化的咨詢需求，尤其在咨詢高峰時段，更易導致人工客戶服務應接不暇的現象發生。隨著現代信息化技術的不斷發展，客戶服務模式的智能化轉型升級已逐漸深入到越來越多的行業和領域，并被廣大客戶所接受并認同。計量技術機構需向客戶提供準確、全面和高效的計量檢測服務，為確保高品質的客戶服務質量，必須引入智能客戶服務模式，以平衡提升用戶體驗與降低機構運行成本之間的矛盾。這是對傳統計量技術機構客戶服務模式的全新變革，必將能為客戶提供更好的計量檢測服務及相關用戶體驗。

1現有客戶服務模式的現狀

目前，大部分計量技術機構已經跨越了傳統單一的人工客戶服務模式，形成了包括網站客戶問答服務、網上服務平臺和800熱線服務等多種方式并舉的客戶服務模式，實現了涉及業務流程、檢測期限、服務方式、收費標準、規程變更等相關辦事指南以及業務預約、業務查詢、貨物運輸條件等多種計量檢測業務場景的咨詢服務。但現有的客戶服務模式仍存在效率低、缺乏科學合理的評價體系、大數據綜合應用水平不高以及無法適應移動互聯網快速發展趨勢等問題。1.1服務效率較低傳統的人工客戶服務模式受客戶服務人員數量和人員精力的限制，容易造成在咨詢高峰時段客戶等待時間長、溝通效率低以及無法24h不間斷地為客戶提供熱線服務等問題[1]。

1.2缺乏科學合理的評價體系

傳統的人工客戶服務體系缺少對客戶服務人員進行科學合理地調度，也沒有一套完整的服務評價標準和體系來評價客戶服務質量和用戶滿意度[2]。

1.3大數據綜合應用水平不高

傳統的人工客戶服務體系缺乏對客戶數據的有效分析和利用，以應對計量檢測業務的發展變化。客戶服務人員往往只能利用個人經驗為客戶提供相關問題的解答，回答術語未能做到標準化和規范化，業務知識和數據之間的關聯性未被很好地挖掘和利用，因此，市場業務營銷部門無法準確研判客戶需求并提升客戶服務的主動性[3]。

1.4無法適應移動互聯網的快速發展趨勢

隨著移動互聯網和人工智能技術的飛速發展以及互聯網與搜索引擎的快速融合，改變了客戶過去獲取信息和尋求幫助的方式和習慣，遇到問題往往會選擇自助渠道解決，各行各業都在不斷探索及對以往的客戶服務模式進行創新。同時，微信的不斷普及和廣泛使用更加促進了智能化客戶服務的高速發展，因而，客戶咨詢不再受時間和空間的限制，變得更加靈活、快捷和便利[4]。綜合來看，人工智能的廣泛應用已是大勢所趨，智能客戶服務作為社會發展和進步的必然產物，越來越受到行業的青睞。

2智能客戶服務系統的一般要求

智能客戶服務是在海量知識和信息的基礎上建立的一項基于知識圖譜、深度學習、自然語言理解、知識分析處理、知識數據管理等技術的新型客戶服務模式，不僅能夠在計量技術機構與客戶之間建立快捷有效的溝通渠道，也能為機構提供更加專業化的知識管理體系，進一步提升機構內部的精細化管理水平。計量技術機構智能客戶服務系統設計的基礎為構建豐富的計量檢測業務知識架構體系、建立健全知識庫標準和問答術語規范、設計能夠理解計量檢測業務術語的意圖解析模型，并在知識體系中導入各種常見的計量檢測業務咨詢問題。通過將計量檢測業務知識圖譜、業務數據與智能客戶服務系統相融合，借助智能客戶服務系統強大的自然語言理解和自主學習能力，實現由客戶服務機器人提供實時問答、信息查詢，以及客戶服務機器人與人工坐席對接等服務。同時，基于智能客戶服務系統自主分析和解答客戶問題所產生的海量數據，不僅能作為計量檢測業務數據進行集中存儲、統一管理和按需分配，更可以通過挖掘大數據背景下業務知識之間的關聯，不斷提高智能問答的準確率和可靠性，輔助市場業務營銷部門更好地研判客戶需求，提升客戶服務質量。智能客戶服務系統的建立應實現人機的有效互補，當客戶進行提問和咨詢時，首先匹配智能客戶服務機器人的自助回答，當智能客戶服務機器人無法回答或無法提供客戶滿意的答復時才轉至人工服務。這樣客戶服務人員就可以從大量重復性的問答中解放出來，有了更多時間去解決疑難問題，緩解了客戶服務人員的工作壓力，降低了人力資源成本。此外，智能客戶服務系統還可以根據客戶服務人員的在線狀態和正在接待的客戶數量對客戶進行分流，以達到合理分配資源，減少客戶的等待時間，提高工作質量和效率的目的。智能客戶服務系統在接收到客戶的信息請求后，可運用自然語言理解、語音識別等人工智能技術，依托計量檢測業務知識架構體系，對相關信息展開語義分析，對語句中的關鍵詞、語法和句法等進行剖析，并以文字或語音的方式提供智能問答服務。智能客戶服務系統已從簡單的一問一答模式，逐漸發展出支持自助化業務咨詢、業務辦理和技術問答等更高級的信息處理功能。信息交互也從單純的一對一文字應答形式發展出支持相關問題聯想、高頻問題推薦、熱門問題推送、上下文語義分析、多輪對話、知識圖譜、圖文消息識別等更智能的信息交互形式，為客戶提供了更為方便、快捷和高效的解決方案，給客戶帶來了全新的智能化服務體驗。智能客戶服務系統業務流程如圖1所示。智能客戶服務系統通常應基于統一的技術標準和安全機制，主要功能模塊包括業務咨詢、意圖理解、多輪場景對話、多樣化咨詢模式、用戶評價反饋、綜合數據統計等，用以準確分析用戶意圖、快速解決用戶問題。1）業務咨詢實現業務流程、檢測進度、檢測期限、證書防偽、服務能力、服務方式、收費標準、規程變更、項目暫停、貨物運輸條件等多種計量檢測業務場景的咨詢服務。2）意圖理解在智能客戶服務系統的應用中，由于用戶可能咨詢的問題種類繁多，口語化表述方式和表達內容難以統一，因此，智能客戶服務系統的架構設計和算法運用需準確理解自然語言中所蘊含的豐富語義和用戶意圖，具備對用戶問句中概念不確定性的分析和概念間語義關系的解析能力。3）多輪場景對話通過用戶與智能客戶服務系統自然的人機對話，在有限的問答中準確理解用戶意圖，提供準確答復，以滿足用戶需求。4）多樣化咨詢模式通過計算機、手機等與智能客戶服務系統進行實時交互問答，用戶通過語音提出咨詢需求，智能客戶服務系統基于語音識別技術識別語音中的需求，在查詢到相關答案后直接在對話框中輸出文字信息。5）用戶評價反饋通過用戶對所提供智能問答結果和效率的滿意度評價，收集用戶不滿意的具體原因，以方便后期進行不滿意原因的定位與相關知識的回溯、優化。6）綜合數據統計利用智能客戶服務系統沉淀的海量數據，實時跟蹤客戶服務數據指標，根據市場業務營銷部門提供的統計報表進行業務分析和預測，包括客戶訪問數據、知識庫更新數據、高頻詞匯、熱點知識和滿意度評價等。實現多維度的綜合數據化管理和運營，有針對性地提升智能問答的速度和準確度，不斷優化客戶服務方案。

3智能客服系統建設實施過程中的難點

3.1業務知識庫需要不斷更新

智能客戶服務系統知識庫的構建需要涵蓋各類計量檢測業務，通過互聯網和市場業務營銷部門對行業知識的收集和儲存，運用預設的數據規則對收集到的知識數據進行分析和歸納，更新和擴充業務知識庫。無論對于計量檢測業務中的共性或個性問題，還是結構化或非結構化的數據，都可以通過多層次的樹狀結構、標簽記錄和關鍵詞實現高效的問題檢索和準確的自助答復。

3.2智能客戶服務系統需要不斷優化

通過對用戶問答關鍵詞的學習和知識優化，對近義詞匯、專業術語建立擴展詞庫以及對一定時期內的高頻熱門問題進行專題信息聚類，自動維護、更新和擴充智能客戶服務系統的業務知識庫儲備，減少客戶服務人員對于知識庫的手工維護。同時，通過對用戶問答行為的學習和分析以及對索引數據庫的動態整理、分類和調優，判斷用戶的使用習慣和關注點，不斷提升非標準問答的匹配能力，更好地向用戶推薦相關業務知識。

3.3要重視人工客戶服務的及時介入和有效對接

讓智能客戶服務更智能，不能只依靠客戶服務機器人，還需要人工介入。智能客戶服務系統的設計，既要不斷提高客戶服務機器人的智能化水平、從客戶需求的角度出發優化程序設計、提升智能客戶服務機器人的應變能力，也要根據實際情況保留相應比例的客戶服務人員，以彌補智能客戶服務的不足。當客戶不滿意智能客戶服務機器人提供的回答或智能客戶服務系統未能匹配用戶相關問題時，客戶服務人員應及時介入，保證人工客戶服務轉接渠道的通暢，實現人工客戶服務與客戶服務機器人的有效對接。

4結語

計量技術機構智能客戶服務的應用，通過建立計量檢測業務知識庫、規范化服務標準和前瞻性預測客戶意圖等服務手段，實現在自然語言的交互環境中為客戶快速解決問題，提供了全新的智能化服務體驗和更加優質的客戶服務。解決了傳統人工客戶服務工作效率低、人力成本高、工作壓力大等問題，也克服了脫離大數據的人工客戶服務大數據綜合應用水平低、業務知識庫無法自學習及動態更新等不足。而對于計量技術機構而言，智能客戶服務的引進還能夠促進客戶服務團隊向高價值專業性服務的轉型升級，進一步優化資源配置，提高計量技術機構的客戶服務水平，是信息化發展的必然選擇，對于機構長遠發展具有十分重要的現實意義和應用價值。

參考文獻

[1]李斐，邵曉東，周力恒，等.智能客服機器人的現狀及發展[J].中國傳媒科技，2015(Z1)：106-108．

[2]周穎.基于大數據機器學習的客服系統的研究[D].貴陽：貴州大學，2018．

[3]劉曉娜，張淑娟，門立彥，等.通信智慧客服關鍵技術研究[J].通信世界，2020（5）：88-89．

[4]王亭，華強，章毅，等.基于人工智能的信息通信智慧客服的構建[J].電氣技術，2019（7）：84-87．

作者：張一帆 唐松 金永賀 鄭雨佳 謝若龑 單位：上海市計量測試技術研究院