智能客服时代，人和机器应该如何分工协作？

随着人工智能技术的发展，以语音识别（Automatic Speech Recognition）、自然语言处理（Natural Language Processing）、深度学习（Deep Learning）为核心技术的人机交互模式正在逐渐改变着传统的客服行业——智能客服，正在以一种极低的感知度，悄悄地渗透进我们的生活。

实际上，从2017到2018年，我国智能客服市场已经呈爆发趋势。一方面，移动互联网的发展带来的多触点营销极大地增加了客服中心的业务量，直接导致传统人工客服的接待能力超载；另一方面，高居不下的客服人员的培训和留存成本，以及机械化的工作内容本身给员工带来的“掉价感”也再度对企业敲响了警钟——要想在降低运营成本的同时还能保证优质的服务体验，客服中心必须走向智能化。

国内包括智能云客服以及客服机器人在内的公司融资情况（数据截止2018年5月28日，来源：前瞻产业

在单一的产品或垂直行业领域，智能客服的优势已经逐渐突显——通过输入特定的行业知识，搭建企业的专业知识库，智能客服能够精准拦截和回答约80%的高频问题，快速为咨询者输出相匹配的答案，实现秒级响应。同时，机器还能够通过实时的数据反馈自动扩充语料库，供日后的素材更新使用，其强大的记忆力、敏捷的反应力和7x24h不间断的工作热情，足以让它成为客服行业中的“翘楚”。

不过，尽管机器人的智能程度在不断提升，答非所问的现象仍然很常见。在客户服务数字化的进程中，人和机器究竟该如何分工协作？企业在智能客服的应用上又该如何权衡？

| 解放劳力，用机器守住第一触点

目前，语义识别技术在智能客服领域已经较为成熟。机器能够顺利识别并完成语义指令型语义理解和多轮任务型问答对话，为用户提供不间断的贴心服务，高效完成标准化的详细解答。因此，企业大可放心地将智能客服安排在官网、微信、app、微博等多个触达客户的一线渠道，让智能客服充当售前服务的主力，而将人工客服分配到更高附加值的任务中，进一步提升前端业务的处理效率。

人工客服 VS 机器响应

| 画像描绘，让机器分发个性内容

在电商领域，不少用户都会发现自己拥有“专属智能客服”。根据用户的浏览路径和历史消费记录，专属智能客服不仅能够自主判断用户的喜好，为其推荐相似的商品，帮助用户扩大选择范围，还能通过大数据建立完整的用户画像，不定时地推送符合用户期待的商品，及其他个性化的服务信息，以较低的成本不断激活“沉睡”用户（即对用户的精准二次触达）。

例如：天猫设有专属智能客服随时提供服务

| 多维分析，借机器获取消费洞察

海量对话信息的沉淀和再利用是智能客服得以不断进步的基础。通过自动采集不同渠道中用户与企业的互动数据（包括将语音对话转换成为结构化的文字数据），加之多维度的辅助分析模型，机器能够帮助企业挖掘不同业务场景下的高频话题，及时获取某类产品/服务的市场反馈，为下一步的运营决策提供有效参考意见。

多渠道的互动信息是获取消费洞察的重要来源

| 相互补充，以机器优化人工服务

除了承担繁琐复杂的数据处理和机械应答工作之外，介入机器的意义更在于提升人工客服中心的运作质量。例如，不少企业已经开始用智能质检管理系统代替传统人工抽检。通过灵活的关键词匹配、情感/语速识别和智能业务模型规则，机器能够深入多个业务场景，对人工客服的服务态度、话术规范及处理业务的流程做出自动化的批量检测，将质检覆盖率提升到100%（传统人工抽检的比例不足3%，抽检样本也缺乏代表性）。

此外，传统的人工抽检受质检员的主观意志影响大，个体的检验标准存在差异，而机器质检则采用统一规范的评分标准，并由机器统一打分、实时输出分析报告，最大程度地消除了评分的主观性，为坐席人员提升自己的服务专业度提供了一套行业内标准化的指导方向。

欧唯特智能质检任务结果概览

如果说人工智能技术是企业数字化转型路上的助推器，那么不同渠道的数据及精密的算法处理规则便是其中的燃料之一，而智能客服的兴起正是人们对技术及数据应用的积极突破。

未来，依赖智能AI交互、智能数据分析等技术，人们还将借助机器实现全业务和服务流程的智能化。在此过程中，人机的高效协作也将逐渐重构品牌与消费者之间的互动法则。