近日，新零售主题的活动开展得如火如荼。8月27-28日，客户世界 • 新讲坛在北京华腾美居酒店举办《AI赋能：电商流程再造与零售体验升级》主题会议。29日，中国软件创新发展大会在河北省秦皇岛市园博园召开。大会以“大数据时代的软件创新发展”为主题，聚焦软件产业发展，以促进交流合作为主线，推动数字化演进，用数字化对传统产业进行改造升级，为软件企业和制造企业搭建交流合作平台。
新零售由于咨询量大一直是人工智能客服的高需求行业，如何突破传统语义瓶颈，真正实现“智能”？围绕智能语义应用，新零售AI产品在形态、场景上如何落地，形成一站式系统能力，进而帮助企业提升智能化服务水平？茆传羽在两次大会上分别分享了云问科技的探索和实践。
我们在谈到新零售的时候，做了一个简单的总结，就是新零售的本质到底是什么？新零售服务的本质肯定是成交，不管你做什么生意，一定要保证让客户去买单。不管你是销售商品还是贩卖服务，如何能够高效的把产品推出去，其实也是一个非常重要的话题。如果用户在我们这买了产品，享受了服务，那么接下来他会再一次的上门，再次去购买我们的商品，这是复购。如果他还会去推荐给他的朋友，给他周边的一些人群，这就是口碑，所以如果做到了成交、效率、复购和口碑，那么我们认为，这就是新零售所追求的最终的商业的本质。
而这个过程中对我们的客服提出了哪些要求呢？我们认为主要是这三个方面：懂业务，就是你要懂我们的服务和产品是做什么的。懂客户，要有非常高的一些情商知道客户在想什么，同时也要有非常好的数据知识来分析现在客户所关心的一些事情。懂勤奋，这里面其实有两个意思，一层意思呢，是我们自己的从业人员要在效率上提升，还有一层就是我们利用技术手段和一些AI的方式去帮助我们提升服务效率。
我们认为如果要达成以上提出的要求，主要需要实现四个方面。第一是知识，就是不管你在做什么服务，都要有底层的一些知识作为支撑；第二是数据，因为现在随着系统越来越多，我们的服务可能越来越多样，数据的支撑就显得非常的重要；第三是场景，新零售也好，传统的服务也好，更多的是在打造不同场景上面的服务，可能刚刚咱们也提到了，在不同的场景下面我们会提供不同的一些服务的类型。这些都需要哪些技术做支持呢？就是第四个是AI，也就我们的人工智能。
云问研究院对智能客服有一些我们自己的理解。首先第一个是全局性，要进行整体的业务系统，现在客服不是一个孤立的视角，不是我提供一个产品的解决方案就可以了。现在会关联非常多的业务系统和公司里面的一些业务流程。就好像全员客服或者营销，这是一个新的概念，对我们的客服提出一个全局性视角的要求。可能大家朋友圈里都会碰到一些分享。打个比方有个员工在某个房地产公司工作，然后他除了是做IT的，他可能还在朋友圈里面卖房，所以这就是一种全员客服和全员营销的概念。第二是用户体验，主要是两个，一个是主动服务，就不能在问题产生之后再去做解答，而是在他没有产生之前，我就已经把他解决掉；第二就是客服运营，也就是说我们在做服务的时候，我们其实是希望能理解用户的一些诉求，然后在我的系统里，能够帮助用户解决一些问题。第三是利润相关，也就是我们经常说的从成本中心转换到利润中心。有一些客服中心，他是不允许直接做销售的，所以要么我能够服务直接转销售，要么我的服务去促销售，这也是两个不同的概念。那最后一个，是我们创新视角，创新视角其实也分成两个，一个是系统创新，一个是业务创新。系统创新，当然是用我们的一些新的技术，而业务创新实际上是根据新时代的客服要求，去提供一些制度上面的一些变化。
我们前段时间提出的一个叫客服的中台战略，主要是基于这几个方面。其实对我们整个客服中心的一个建设，就不光光是一个很简单的怎么去做服务，怎么去接电话，而是搭建一个非常系统化的一个流程。比如说底层最重要的是一个知识的状态，首先有就是知识管理，知识技术的加工能力，有知识的运营能力，那么这些除了可能需要技术的一些手段，还有一些制度的一些创新。我们认为可能下一代的呼叫中心的人力外包很可能就会在这个领域要求对于人才会提出一些新的要求。
我们现在遇到了很多知识运营上的一些问题，比如说如果一个客户的每天生产十万条的知识，那这个时候，我们怎么去帮助他们提供大量知识的智能化运营能力。如果一个用户每个人有十万个未知问题也意味着我要处理十万次吗？其实不然，可能熟悉我们的客户都知道，我们在每天的服务当中有大量的重复问题。只不过用户有时候表述方式不太一样。那我们也可以利用聚类，也就是把相似的场景全部聚在一起，这个时候处理一次问题就可以了。同时也可以去学习下用户的这种交互习惯，然后把客户的交互习惯推给人工去做审核。
在知识上面，我们会形成一些数据，知识做过结构化的加工，包括已经做过结构化存储的一些数据，如何去利用这些数据去做一些场景呢？我们这里提到了新零售里面一个关键的电商场景下的客服数据中台。我们选取的会员数据这个部分，他底层首先有一些基础的数据，不管你是消费数据也好，行为数据也好，还是底层的一些基础数据，在这些数据上面，我们会建立许多的模型。这个模型其实是非常关键的，基于这个模型，这次可以直接使用。以后比如智能预测、排班或者要去做一些其他的数据分析也可以通过底层的数据中台和数据模型自己去做一些分析。
我们做了很多家电行业的用户，发现对于服务数据和数据文本分析上面有很多值得做的地方。我们做了一个评论问卷分析，通过NLP的技术去实现，比如标签上门服务的时间，维修内容，用户对这次服务的态度：比如说工程师态度不满意，具体哪里不满意，同时这种满意度之间有没有什么关联性。这也就是千人千面，现在客服都会讲究一个标准定制化，就是每一个人都一样又不一样，大家可能会有一个群体，然后每个人会有自己的一些特点。我们通过不同的场景去做到一些千人千面的工作。
在最近大火的技术发展里面，有一个叫NLP搜索特别火，为什么呢？因为有很多结构化数据，我们以前可能需要去写一些搜索语句去查，比如说领导来问，小李帮我看一下上个月我们公司在华南的业绩，其中制造业领域有多少，这样的工作小李可能需要去统计，去调很多的数据。而NLP就是做语句的筛选，那么在新零售领域他可以做什么呢？比如说你可以提问：有没有2.0T或者，有没有某某品牌蓝色的车，他会给你推荐出来，然后这个时候你再去比较，国六跟国五有什么区别呢？他们轴距上面相差多少呢？很多这样参数的对比，这其实就是一个导购的助手。我们认为在下一阶段的服务过程当中，最终能够跟数据结合的精准化推荐是非常重要的。
我们这里也讲一个数据分析很有意思的案例。我们在给国网做服务的时候发现他们每天会产生几百万条工单。这些工单里面有大量的值得分析的地方。后来我们经过分析之后会发现，比如有的用户会这样打电话说：你好，我是某某小区的，今天上午发现我们家门口的电线杆被车撞坏了。这样的工单以前客服最多打上一个标签——设施损坏，没有任何其他的分析，但通过NLP你可以分析到什么？他发生的时间，发生的地点，就是他发生在某小区当中，通过转换成经纬度去确定他是什么样的地址，然后形成一个区域世界里的热力图，你就会发现很有意思，在最近半年的时间内某个地区、某个小区门口的这个电线杆的老被撞坏，那是不是说明这个小区电线杆搭建位置有问题？通过分析这个事情，以前国网在搭建电线杆的时候就可以避开这些问题。
并不是特别的难，只是在场景分析上需要我们的分析师做一些场景的划分，就会非常的有效。试想，原来一个由人工做的大量重复的事情，是非常耗资源的，淘宝的小蜜做得就非常不错。基于智能外呼的场景，分享一个简单案例，是我们之前做的一个车险的案例，大家可能会觉得接到一个机器人打的电话，我们不会去接，但是在合理合法的情况下，你用它去做一个客户的意向筛选还是蛮实用的。比如说，我们之前做的一个车险客户，他一百通电话里面人工去打可能会有八到九个有意向用户，接受你的这种回访和邀约，然后去上门去拜访。我们把客户分成abc三类客户，通过这种AI机器人打完了之后去做一个意向的筛选，会剩下来二十左右，然后再用人工去打这二十个客户，会发现还剩下来还也是八九个。这一百个人当中，机器人已经筛掉了八十多之后，剩下的意向客户还是那么多，所以在这种场景应用很多。类似在很多线下的服务场景上面也会有很多的一些应用，比如线下的智能服务的大屏，还有AI的虚拟投影，都会有这样的导购的作用。它会收集和记录你的信息，同时也会让你觉得非常的真实。当然，在很多的政府的这些场景当中，也都会有体现。
最后简单介绍一下我们产品的系列，我觉得云问是一个挺有情怀的地方，我们希望我们的产品都是用中国一些传统的词汇来做命名。雅言，是古时候的一个官方语言。我们认为，这是官方的普通话，应该非常优雅，用于我们的电话机器人的命名。司南，顾名思义就是做一些方向性的指导，我们认为数据分析这上面用这样的一个词会比较好。然后杏坛就是知识库，是传播知识的地方。参宿是什么意思，就是一个古星宿，我们服务的人群，就像天上的一个繁星一样，需要我们去观察去研究，所以这个就是我们在线客服的名字。玲珑，顾名思义就是一个聪明客服助理。榫卯这个是我们古建筑的一个结构，没有一个钉子，能够把建筑做的非常的稳固，说明他架构非常的优秀，所以在我们AI能力上面，我们用的这样一个词汇去代表我们的产品。乾坤呢，就是代表内有乾坤的一个意思，是我们整个的一个服务的平台，占了很多优势。
我们的愿景是希望能够用我们自己的AI做下一个时代最伟大企业，也希望能够帮助我们的用户一起用AI技术成就下一个时代最伟大企业，感谢！
行业标杆，领先水准
云问用智能问答创新技术
打造企业级智能服务机器人
