人工智能与金融科技无疑是金融行业最令人激动人心的话题。
但Fintech与AI究竟是什么？它们将会如何改变金融？
朗迪中国特邀人工智能洞察专家——刘剑东推出“朗迪·智话”专属系列文章。通过深入浅出的方式，介绍人工智能的前世今生，讲解其中的科技原理并分析当前最前沿的商业应用。
今天，我们来聊聊「线上客服」。
在本月初的Googlei/o大会上，Google发布了一款划时代意义的全新版谷歌助手。除了以往的智能协助功能外，谷歌还增加了拟人模块，让人工智能助手可以全面模仿人类的语言习惯，就连人类思考时不自觉的沉吟都模仿的惟妙惟肖，简直就是戏精本“精”！
????点击下方视频，感受一下“黑科技”
在这一版谷歌助手上线以后，除了Google手机用户，智能客服行业将会成为最大的收益团体。该模块未来势必会被应用在人工智能客服上，并大大提升人工智能客服的用户体验，它从根本上拉近了人工智能和用户之间的距离。
传统客服
猜一猜我们在等待客服电话上花了多少时间？
根据手机通讯公司TalkTo的调查显示，每个用户每年要花大约13个小时，在电话线上等待客服。按照70岁的寿命来计算，把这些时间都加起来，足足占去了一个月零七天的时间。
当你有一个月的空闲时间，你可以参加一场出国深度游，可以学习一种新的舞蹈，甚至可以认识一个新的异性朋友。然而，你却因为客服电话而不得不坐在桌前，百无聊赖地等着。
长时间的线上等待，不仅仅是浪费用户的时间，同时也会大幅度降低企业的用户体验。根据软件咨询公司SoftwareAdvice的数据显示，60％的客户认为等待一分钟的时间太长，同时63%的客户在等待超过一定时间后选择挂断电话。
当客服不再需要人
随着科技的进步，人们经济情况的富足，线上消费频率变得越来越快，一次线上交易，从开始到结束也许就在短短的几分钟内。想要在短时间内吸引客户，同时促使客户做出决定，客服工作的重要性不言而喻。
在线上客服行业，由于人工智能技术，尤其是自然语言处理的技术性突破，人工智能客服已经在许多场景下实现了商业化应用，并得到了相当好的效果，帮助许多企业带来了更高的利润。
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数已经不再神秘。甚至在有些大学老师，会将“编写问答机器人”作为高年级学生的作业，用来考核学生的业务编程能力。
目前几乎所有人工智能客服，是由“业务知识库建立—用户输入理解—自动反馈”三个步骤组成。
业务知识库建立：企业事先按照常见的用户需求语句，准备好一个标准需求语句库以及相对应的标准答案库和指令程序库。
↓
用户输入理解：当用户的输入到达智能客服系统，系统调用自然语言处理模块理解用户的需求语句，从事先准备好的句库中寻找相似的需求语句。如果用户是通过语音进行输入，则需要在自然语言处理模块前，添加一个语音识别模块，将客户的音频转化为文本，然后再进行意图理解。
↓
自动反馈：在系统找到与用户输入相似的标准需求语句后，将与之对应的标准答案或者指令程序反馈给用户。
显而易见，在整个流程中，将用户需求语句对应到相似的标准需求语句就成为最关键，也是最能体验“智能”的地方。目前，市场上的人工智能客服主要是通过两个方法来实现用户需求语句分类：句向量法，正则表达式法。
句向量法
在了解什么是句向量法之前，先让我们来了解一下它的上一代：词向量法。
词向量（WORD2VEC）是由Google在年公开的一款深度学习工具，也是目前自然语言处理领域应用最广泛的一项技术。
在词向量法出现之前，科学家只能将词语转化为离散的独热码（onehotencoder)，举个例子：如果想表达下面四个城市，只需要在四个独特的位置标记上1，其他位置标记为0即可。
杭州[1,0,0,0,……，0,0]
上海[0,1,0,0,……，0,0]
宁波[0,0,1,0,……，0,0]
北京[0,0,0,0,……，1,0]
在独热码中，计算机可以通过阅读0和1来分辨每条码代指的哪一座城市，同时这也是计算机可以获取的唯一信息。然而，如果是人来阅读，就可以读出更多的信息，例如宁波，杭州，上海相关度应该较高，而北京与其他几个城市的相关度应该较低。
在词向量出现后，向量这工具被利用了起来，独热码就可以被转化为低纬度的连续值，也就是上面提到的稠密向量，同时相关度高的词语会被映射到向量空间中相邻的位置。
依然以城市举例，如果将城市名字映射到向量空间，其降维后的图像将会是下面这样。
我们可以从图中清晰的看到相关度高的城市被映射到了一起，同时我们也可以直接用数字来表示任意两个词语之间的距离。
既然词向量是将词语映射到向量空间中得到的向量，那么句向量法的含义就清晰许多了。句向量就是将每一个句子都映射到向量空间中而得到的向量。
在人工智能客服的应用上来说，事先准备好的「标准需求语句」通过句向量的方式映射到「向量空间中」去，形成标准需求向量。当输入一个「用户需求语句」，语句将会被直接映射到「向量空间」中去，并通过计算找到最接近的标准需求向量。
如果两者的距离低于预先设定好的值时，系统会直接将两者视为意图相同的两条需求，并进行答案匹配。
正则表达式法
正则法即是使用正则表达式作为分类工具的方法。正则表达式（regularexpression）是一种描述字符串模式的文本，利用该文本，可以检查一个句子中是否含有某个结构的表达。
由于正则表达式的使用比较复杂，我们将通过下面的例子，来简单解释它的工作原理：
如果我们使用“怎么.*开户”这种正则表达式，它将可以匹配到含有“怎么....开户”这样的结构的句子。因此，如果一段话中含有“怎么才能开户”，“怎么开户呢”，“我该怎么开户”等结构的句子都会被匹配上。
在人工智能客服的应用上，企业在准备标准需求语句的时候，按照标准需求语句的业务逻辑，编写一段与之相对应的正则表达式。当用户的需求被系统接收的时候，系统会调用所有正则表达式来与用户需求语句匹配，如果某个标准需求的正则表达式被匹配上了，系统将会把对应的标准答案反馈给用户，从而进行客服应答。
优势
除却对人工智能客服的技术层面分析，大多数人更关心的是，人工智能客服到底如何为企业的利润进行加成。我们将从三个方面，详细解释分析人工智能客服给企业带来的优势。
1.全天候、多线程服务
在传统客服工作中，一个客服虽然能够同时服务数个用户，但是这个数字相当的有限。通常当同时访问的用户超过5位，客服人员的工作质量将会大大下降。尤其是当线上消费越来越主流的今天，为了应对日渐增长的客服需求，企业不得不大量招聘客服人员或者进行客服工作外包，这两项选择都将会大幅度拉高企业的运营成本。
然而，使用人工智能客服则可以很好的解决这一问题。基于业务知识逻辑编辑的客服程序可以运行大量多线程的并行服务。只有当人工智能客服系统无法理解客户意图时，才会需要人工客服的介入。
2.大数据加成
人工智能客服除了具备人所不能及的效率以外，还可以与大数据紧密结合，提供更好的个性化客服体验。
通常情况下，企业需要花费大量的时间来整合所有数据，将其与客户的行为模式相匹配。有了这些信息，企业可以和客户有更多的默契，可以进一步增加销售额。
而且，人工智能客服可以更快。
人工智能可以快速的将积累的所有关于客户的信息利用起来，例如：对话，消费记录和位置记录等。从这些积累的数据中，构建用户个性化的消费模型。在后期的客服工作中，人工智能客服可以在零点几秒的时间内调取某个客户正在过去所有的积累信息和消费模型。根据模型和信息，人工智能客服可以做出最优的推销决策。
除了可以做出最优的推销决策，人工智能客服可以提供个性化的定制服务，也将大大提升用户的使用体验。根据Infosys的一项研究表明，59%的客户购买决策会倾向于个性化定制服务。
3.提供更可靠的服务
人工智能可以提供人类不可比拟的可靠服务。
客服工作每天的主要内容是面对客户，并与之进行长时间的交流。作为企业直接面对用户的窗口，一个客服的重要性，可靠性不言而喻。从企业的角度出发，它们会希望客服人员永远以笑容满面的态度对待每一位客户。
根据Zendesk的研究，42%的客户在接受过良好的客户服务后，其品牌忠诚度会得到提升。然而，即便是作为最高级的智慧生物，人类依然不能做到不知疲惫的微笑工作。考虑到客服工作每天需要面对不同的客户以及繁杂的问题，一名能保持平静心态工作的客服人员都可以算得上是优秀了。
但是，人工智能客服却可以做得更多。
企业不需要担心人工智能客服的任何健康和心理的问题，不用担心它迟到早退或者消极怠工，更不用担心它会对客户大吼大叫。即便是在复杂的难题，它也会按照已有的设定程序工作下去。只有当人工智能客服遇到了系统无法解决的客户需求时，才会呼叫客服人员的介入。
展望
迄今为止，人工智能客服已经发展了数十年，其商业化过后的效果也反响不错，客服效率已经大大提高。例如，面向企业的IBM人工智能平台Watson帮助Autodesk将其客户响应时间提高了99％。
正如笔者在前言中提及的拟人模块应用，未来的人工智能客服已经不单单局限于高效工作，更重要的是要靠近人类客服的模样，从而消除用户与人工智能客服之间的隔阂感。这次推出的拟人Google助手，也为智能客服行业来了一次投石问路，提前体验了一把拟人版人工智能的效果。
由此看来，随着人工智能的发展，在不远的将来，人工智能客服或许可以进化到让客户难辨真伪的地步。它既是无所不知的业务专家，又是彬彬有礼的贴心管家；既能提供全天候随叫随到的服务，又能理解到用户说的每一句话。
这样的客服，谁能不爱呢？
联系我们
若您有赞助或参展意向，请联系：
石佳麒Hero
+4
hero.shi
langdifintech.cn余盛威Shawn
+9
shawn.yu
langdifintech.cn若您有市场合作或其他问题咨询，请联系：
董姗姗Stephanie
+1
stephanie.dong
langdifintech.cn预览时标签不可点收录于合集#个上一篇下一篇