大數據助推呼叫中心服務(wù)價(jià)值轉型

　　歷經(jīng)概念炒作、技術(shù)完善、場(chǎng)景探討，客戶(hù)心態(tài)從被動(dòng)了解漸漸走向主動(dòng)擁抱，大數據應用在若干失敗的風(fēng)投案例中逐漸走向成熟，應用項目從嘗試走向更廣更深的實(shí)踐應用，應用方向從技術(shù)主導型逐漸轉向價(jià)值應用型。針對客服中心沉睡多年的海量音頻數據，技術(shù)的關(guān)鍵性突破使全量數據分析及價(jià)值挖掘成為可能。以下結合中國銀行客服中心實(shí)踐對大數據應用進(jìn)行交流探討。

　　客服中心傳統管理手段是基于系列系統統計報表、抽樣質(zhì)量檢查和人的經(jīng)驗，而跨系統數據分析、數據項的重新組合分析是難以基于全量數據進(jìn)行的，基于員工效能的多維度分析、對欺詐風(fēng)險的偵測與防范往往更多依賴(lài)于人的經(jīng)驗和從事后的教訓中習得。

　　利用大數據技術(shù)建立基于客戶(hù)電話(huà)行為的數據分析平臺，匯集各應用系統數據、語(yǔ)音數據形成基礎數據池，再依據業(yè)務(wù)服務(wù)與管理需求的特點(diǎn)進(jìn)行建模分析，如：深度挖掘客戶(hù)數據，洞察客戶(hù)行為模式，構建外呼預測模型，有效提升外呼座席利用率和整體產(chǎn)能；針對客戶(hù)電話(huà)交易型風(fēng)險和座席操作合規性風(fēng)險，構建數據全量篩查及報警模型（例如：同一來(lái)電號碼為多個(gè)客戶(hù)辦理高風(fēng)險業(yè)務(wù)），自動(dòng)抓取風(fēng)險線(xiàn)索，為風(fēng)險稽核提供數據支持等。通過(guò)建模、模型訓練、有效性驗證、結果展示等動(dòng)作，提供一般查詢(xún)定制、業(yè)務(wù)分析、運營(yíng)指標監控，甚至敏感客戶(hù)名單及其特征等，將如同大數據在其他領(lǐng)域的應用一樣，成為業(yè)務(wù)與管理決策的基本工具。

　　另外，客服中心在密集接觸客戶(hù)的過(guò)程中匯集了海量信息。以中銀金融商務(wù)有限公司為例，通過(guò)電話(huà)和網(wǎng)絡(luò )渠道為客戶(hù)提供服務(wù)，全年轉人工電話(huà)量過(guò)億通。客服中心作為銀行連接客戶(hù)的重要觸點(diǎn)，日均數十萬(wàn)次的交互，客戶(hù)的需求也通過(guò)語(yǔ)音、文本和工單傳遞到客服中心。

　　海量的客戶(hù)交互信息中，通過(guò)對這些信息的歸類(lèi)分析，理解每一個(gè)呼叫的真正價(jià)值，將其提取并客觀(guān)反饋到銀行各相關(guān)環(huán)節。一方面，可幫助銀行管理部門(mén)、產(chǎn)品部門(mén)、市場(chǎng)部門(mén)等有效掌握客戶(hù)需求信息，了解自身產(chǎn)品功能、服務(wù)、業(yè)務(wù)流程等方面的不足，為其優(yōu)化和創(chuàng )新提供直接依據；另一方面，每一次呼叫中也許可以捕捉到新的商業(yè)機遇，可以通過(guò)對客戶(hù)需求的跟蹤，及時(shí)推動(dòng)創(chuàng )新和進(jìn)行客戶(hù)挽留。

　　以往，這些數據主要用于客服中心業(yè)務(wù)處理和內部管理，客戶(hù)通話(huà)的錄音數據一般僅僅用于抽樣質(zhì)檢和糾紛處理。越來(lái)越多的銀行高管已經(jīng)看見(jiàn)其中蘊含的價(jià)值，大數據技術(shù)的發(fā)展洽為其價(jià)值的充分挖掘與展現提供了技術(shù)支撐。

　　中國銀行客服中心在探索實(shí)踐中逐步豐富應用場(chǎng)景，逐漸形成“提升內部管理效能，服務(wù)集團價(jià)值分析，提高營(yíng)銷(xiāo)精準度，防控相關(guān)業(yè)務(wù)風(fēng)險”四大客服中心大數據應用。以下將針對客服中心增值轉型中最具代表性應用場(chǎng)景——“客戶(hù)之聲”的價(jià)值挖掘進(jìn)行闡述。

　　客服中心作為對外交流的巨大窗口，匯集了盈千累萬(wàn)的客戶(hù)聯(lián)絡(luò )信息，包含著(zhù)客戶(hù)的需求、問(wèn)題、投訴、建議及偏好等重要信息；蘊含著(zhù)企業(yè)改善產(chǎn)品設計、優(yōu)化服務(wù)流程、提升客戶(hù)體驗及加強營(yíng)銷(xiāo)效果的重要價(jià)值信息和參考依據，是企業(yè)以客戶(hù)為中心戰略轉型和持續發(fā)展的推動(dòng)力。

　　“客戶(hù)之聲”的價(jià)值挖掘奠定了客服中心作為“價(jià)值中心”的基礎。這里的價(jià)值挖掘是指以發(fā)現有助于提升服務(wù)水平、產(chǎn)品質(zhì)量、流程效率及客戶(hù)體驗等為目的，針對各渠道客戶(hù)聯(lián)絡(luò )信息進(jìn)行收集、匯總和深度挖掘的大數據應用場(chǎng)景，其應用實(shí)現主要分為以下三個(gè)層面：

　　一是源數據采集匯聚。以客戶(hù)聯(lián)絡(luò )信息為主線(xiàn)，針對各渠道信息進(jìn)行數據提取、轉寫(xiě)和清洗等數據準備工作，采集范圍包括語(yǔ)音通話(huà)數據，文本客服、微信、微博及社區等渠道的文本數據，以及相關(guān)業(yè)務(wù)系統所產(chǎn)生的結構化數據。

　　目前，客服中心數據量最大的依然是語(yǔ)音數據，這部分數據需通過(guò)以聲學(xué)模型、語(yǔ)言模型及發(fā)音詞典為基礎的語(yǔ)音識別技術(shù)實(shí)現音頻數據到文本數據的準確轉換。近年語(yǔ)音技術(shù)取得較大發(fā)展，市場(chǎng)上一般用戶(hù)解決方案有關(guān)語(yǔ)音識別引擎識別率能達85%以上，用戶(hù)環(huán)境訓練后可達到更高，已基本可支撐基于大數據的分析應用。

　　二是數據分類(lèi)體系。數據能夠按照業(yè)務(wù)屬性進(jìn)行分類(lèi)和標注是大數據應用的前提，分類(lèi)的目的是根據數據集的特點(diǎn)構造一個(gè)分類(lèi)函數或分類(lèi)模型，該模型能把未知類(lèi)別的樣本映射到給定類(lèi)別。

　　由于文本數據的半結構化甚至于無(wú)結構化的特點(diǎn)，當用特征向量對文檔進(jìn)行表示的時(shí)候，特征向量通常會(huì )達到幾萬(wàn)維，需要使用特征選擇、特征抽取等降維技術(shù)，降低特征空間的維數，提高分類(lèi)的效率和精度。而從實(shí)際應用層面來(lái)看，分類(lèi)準確性的提升需建立在業(yè)務(wù)專(zhuān)家對業(yè)務(wù)知識的全面分析和梳理之上，需按照業(yè)務(wù)參數對文本進(jìn)行反復的聚類(lèi)分析和驗證，迭代優(yōu)化聚類(lèi)效果，建立完備的數據分類(lèi)體系。

　　三是業(yè)務(wù)主題分析模型。在完成數據準備的基礎上，運用趨勢分析、根源分析、關(guān)聯(lián)分析及回歸分析等數據挖掘算法，構建業(yè)務(wù)主題分析模型。例如：產(chǎn)品主題分析、投訴主題分析、同業(yè)情況主題分析、突發(fā)事件主題分析、高風(fēng)險業(yè)務(wù)主題分析、服務(wù)態(tài)度主題分析等，從產(chǎn)品、服務(wù)及流程等各個(gè)方面深度挖掘價(jià)值信息，洞察客戶(hù)關(guān)注點(diǎn)、市場(chǎng)敏感點(diǎn)、服務(wù)薄弱點(diǎn)、疑似風(fēng)險點(diǎn)等熱點(diǎn)及重點(diǎn)信息。

　　大數據的成功應用不在于實(shí)現技術(shù)的某一方面，而是需要把一連串的技術(shù)、人員和流程糅合到一起，捕捉數據、存儲數據、清洗數據、建模分析數據并對數據進(jìn)行價(jià)值可視化，在應用中持續強化、優(yōu)化尤為重要。由于大數據技術(shù)真正開(kāi)始應用可以說(shuō)仍處于起步階段，各機構乃至市場(chǎng)中大數據人才仍在成長(cháng)中，相關(guān)應用在實(shí)踐落地中常常遭遇窘境，在傳統機構內，以下兩類(lèi)尤為常見(jiàn)。

　　技術(shù)驅動(dòng)還是業(yè)務(wù)驅動(dòng)？大數據應用源于技術(shù)的發(fā)展，雖已經(jīng)歷數年的概念沉淀，因應用場(chǎng)景還在探索中，成功實(shí)踐仍鳳毛麟角，成熟的行業(yè)解決方案更是寥寥無(wú)幾，其應用實(shí)質(zhì)、分析特征尚未能普及。一般需要在技術(shù)平臺上結合用戶(hù)自生數據特征、業(yè)務(wù)活動(dòng)場(chǎng)景設定分析主題。在傳統機構內常常發(fā)生這樣的情況，技術(shù)部門(mén)預研引進(jìn)技術(shù)方案，卻并不了解業(yè)務(wù)的場(chǎng)景需求，業(yè)務(wù)部門(mén)將其當作一項技術(shù)避而遠之，兩者之間沒(méi)有機會(huì )契合而遭遇尷尬，要么遲遲不能啟動(dòng)，要么建起系統平臺后暫時(shí)擱置。

　　屈身成為報表系統。傳統的IT應用系統建成后，相應功能是確定的有限的，只要學(xué)會(huì )操作即可。大數據類(lèi)應用的目標是基于大數概率去發(fā)現規律，去尋找價(jià)值，因此大數據類(lèi)應用系統重在使用，在使用中持續優(yōu)化模型、擴展模型，從數據中尋找規律、尋找關(guān)注點(diǎn)。然而目前在傳統機構中，業(yè)務(wù)部門(mén)在建設過(guò)程中提出一些原報表系統未能覆蓋的主題分析作為初始需求，在IT部門(mén)建成大數據系統后，則將其當作傳統報表系統使用，未能全面盡其所能。

　　越來(lái)越多的應用涉及到大數據，而這些大數據的屬性，包括數量、速度、多樣性等都呈現了不斷增長(cháng)的復雜性，大數據最重要的現實(shí)是對大數據進(jìn)行分析，只有通過(guò)分析才能獲取更多智能的、深入的、有價(jià)值的信息。分析思路離不開(kāi)業(yè)務(wù)思維，脫離業(yè)務(wù)思維，工具只是工具，技術(shù)也只是技術(shù)而已。只有將大數據的手段和方法滲入管理理念，融入業(yè)務(wù)思維，才能真正發(fā)揮大數據的價(jià)值。

　　對于客服中心來(lái)說(shuō)，通過(guò)大數據應用項目的有效開(kāi)展及在實(shí)際應用中的深入探索，不斷擴展基于大數據應用場(chǎng)景，建立數據驅動(dòng)的價(jià)值挖掘、科學(xué)決策、精細化管理理念，才能充分發(fā)掘客戶(hù)聯(lián)絡(luò )信息的數據價(jià)值，產(chǎn)生大數據真正的“大”價(jià)值。