2018年7月6日易谷網(wǎng)絡(luò )“智能服務(wù)與營(yíng)銷(xiāo)新方案發(fā)布會(huì )”在北京泛太平洋酒店順利舉辦。西安電子科技大學(xué)博士導師杜軍朝發(fā)表了題為《基于A(yíng)utoML的智能推薦技術(shù)》的主題演講。
杜軍朝：大家好，我今天分享“基于A(yíng)utoML智能推薦方案。”從三方面來(lái)講：
“CTI”大家都非常熟悉，呼叫中心核心的模塊是CTI，CTI的意思是計算機和電話(huà)的基礎，大家很早都用過(guò)我們的呼叫中心，它是主要把電話(huà)接入到計算機系統，跟我們的業(yè)務(wù)系統結合起來(lái)，來(lái)完成操作，做路由和具體連接，這是最早期的系統。
隨著(zhù)云計算、大數據等技術(shù)的發(fā)展，同樣也有一個(gè)“CTI”，它的意思發(fā)生了變化。我們主要是在做連接，做連接的過(guò)程中用到很多技術(shù)，C是連接，T是技術(shù)，把連接和技術(shù)結合起來(lái)，為用戶(hù)提供更好的服務(wù)，這是我們正在做的系統。
將來(lái)隨著(zhù)物聯(lián)網(wǎng)技術(shù)的進(jìn)一步發(fā)展，隨著(zhù)普適計算技術(shù)的進(jìn)一步發(fā)展，CTI變成計算能力和萬(wàn)物互動(dòng)。下一代的呼叫中心就會(huì )變成計算跟物聯(lián)互動(dòng)的時(shí)代，到時(shí)會(huì )有很多場(chǎng)景出現，我們也在做這樣的探索。
回顧最早的CTI系統，就是計算機和電話(huà)的集成。這個(gè)時(shí)間很早，回想1998年時(shí)，我們就做了這樣的系統，當時(shí)國內廠(chǎng)商華為公司剛好在調它的CTI，我們就跟他們進(jìn)行連接，調這個(gè)系統，當時(shí)還有各種各樣的問(wèn)題需要解決。
再后來(lái)，我們聯(lián)系了岳總去調CSTA的協(xié)議，包括TSAPI、TAPI，把電話(huà)系統和計算機系統結合起來(lái)，把電話(huà)路由到業(yè)務(wù)系統里來(lái)，可以做電話(huà)轉接三方的服務(wù)。當時(shí)這個(gè)技術(shù)是比較領(lǐng)先的，這個(gè)技術(shù)是水晶體結構，路由是一個(gè)雙交換的矩陣，工程師在我們的終端上配置各種各樣的參數，能夠把很多地方網(wǎng)絡(luò )結合起來(lái)，當時(shí)是通訊的黃金時(shí)代。
隨著(zhù)技術(shù)的發(fā)展，經(jīng)過(guò)了十年、二十年，現在已經(jīng)到了2018年，技術(shù)發(fā)生了哪些變化？我們已經(jīng)是全媒體，不只是有變化，我們是多渠道的接入，通過(guò)電話(huà)、通過(guò)電視、通過(guò)APP完全接入，有很多坐席分布在不同的地方，有IVR系統和客服機器人，把各種聯(lián)絡(luò )接入進(jìn)來(lái)。更進(jìn)一步是各種業(yè)務(wù)部署，虛擬化、云計算、云平臺、大數據、AI技術(shù)，所有的技術(shù)和連接集成起來(lái)，為用戶(hù)提供更好的服務(wù)。
這時(shí)典型的技術(shù)發(fā)展是已經(jīng)變成軟交換與全媒體的方案，這是最早的基于板卡、基于交換機來(lái)做的，上面是割裂的媒體。隨著(zhù)軟交換技術(shù)的發(fā)展，基于SIP互聯(lián)網(wǎng)來(lái)做，把它結合起來(lái)。結合起來(lái)之后提出了這個(gè)方案，現在大家也在主推這個(gè)方案，就是要完成統一的接入，有聊天、微信、微博、視頻統一接入進(jìn)來(lái)，接入以后有統一的全媒體處理，后面有各種各樣信息處理，變成這樣的架構。
這時(shí)路由的方式發(fā)生了變化，前面是交換機配矩陣，現在變成了全媒體接入，基于用戶(hù)策略定制。這里有很多種策略，有一個(gè)可視化界面，做各種各樣的配置。這個(gè)系統是怎么得到的？由人工專(zhuān)家，經(jīng)過(guò)長(cháng)時(shí)間在這個(gè)行業(yè)里去學(xué)習，基于他的經(jīng)驗做了這樣一些配置。也是像剛才夏博士第一個(gè)階段，由人工來(lái)做這個(gè)配置。
這個(gè)配置是不是符合現在云計算、大數據時(shí)代的技術(shù)發(fā)展？它考慮到我們當前客戶(hù)的狀態(tài)、坐席狀態(tài)、交互記錄等等各種各樣的信息了嗎？它這種路由會(huì )不會(huì )越來(lái)越聰明了？這時(shí)我們就考慮能不能讓這個(gè)路由、讓我們的推薦更聰明，用AI技術(shù)對用戶(hù)進(jìn)行畫(huà)像，并且不停完善對用戶(hù)的理解，我們對坐席進(jìn)行畫(huà)像，坐席有不同的技能，隨著(zhù)他的培訓，語(yǔ)言、話(huà)術(shù)等各方面都有增長(cháng)。同時(shí)，業(yè)務(wù)系統也會(huì )越來(lái)越完善，加入規則，用知識圖譜描述規則。當具有大量數據之后，希望通過(guò)計算機的學(xué)習，讓我們的系統更加聰明，能夠更好的感知用戶(hù)、感知坐席服務(wù)能力。
這時(shí)我們推出了一個(gè)機器學(xué)習以及推薦服務(wù)的引擎，我們選擇什么樣的模型學(xué)習？用線(xiàn)性模型還是非線(xiàn)性模型？選用這個(gè)模型之后，怎么調它的參數，讓這個(gè)模型越來(lái)越聰明，而不是效果還不如前面基于規則的學(xué)習，需要很多高手和科學(xué)家來(lái)做這個(gè)事情，這顯然對公司來(lái)講不太現實(shí)。這時(shí)我們可以用AutoML技術(shù)來(lái)做，把數據提供給引擎，把我們想要的目標整理出來(lái)提供給引擎，讓它按照我們的目標、我們數據去不停學(xué)習，變得越來(lái)越聰明。我們要選擇模型-調參-采樣-抽取特征-快速迭代優(yōu)化，然后我們進(jìn)一步分析它。在這個(gè)學(xué)的過(guò)程中，也會(huì )有人工的介入，設計我們的目標和評價(jià)標準，來(lái)做這個(gè)事情。
基于這個(gè)框架之后，既然有這么好的數據、這么強的算力，應該比我們基于規則的推薦效果要好。客服哪家強？顯然是易谷公司，自動(dòng)機器學(xué)習哪家強？智鈾科技。把兩家結合起來(lái)，希望在企業(yè)客服以及主動(dòng)營(yíng)銷(xiāo)的行業(yè)中，能夠把智能推薦和路由相關(guān)技術(shù)進(jìn)行產(chǎn)品研發(fā)和應用推廣。
接下來(lái)看一下這個(gè)方案，第一，這個(gè)系統可以跟以前見(jiàn)的CC系統進(jìn)行互聯(lián)，原來(lái)基于策略的路由可以跟推薦路由并存，第二，可以設置用戶(hù)的目標，優(yōu)化它的FCR和其他目標，設定不同的優(yōu)化目標。第三，把用戶(hù)數據、坐席等各種交互數據，通過(guò)接口通過(guò)給引擎，引擎會(huì )用這些數據進(jìn)行計算，它不僅可以推薦用戶(hù)、推薦坐席，甚至跟業(yè)務(wù)系統結合起來(lái)以后可以推薦業(yè)務(wù)系統，推薦用哪個(gè)業(yè)務(wù)為用戶(hù)服務(wù)。
接下來(lái)看一下它的過(guò)程。首先，進(jìn)行模型訓練，訓練時(shí)基于以前用戶(hù)的數據，然后把用戶(hù)目標設定過(guò)來(lái)訓練模型。模型出來(lái)之后，模型庫放到系統里面得到引擎，這些引擎根據不同的目標訓練不同的引擎，向路由請求來(lái)的時(shí)候會(huì )給推薦引擎，推薦引擎根據用戶(hù)需求選取模型，再選取用戶(hù)數據，給出一個(gè)比較好的推薦。推薦的結果返回給呼叫中心系統。當這個(gè)結果運行之后，它會(huì )進(jìn)一步寫(xiě)評價(jià)的庫，在評價(jià)庫里更新系統，我們訓練的引擎根據用戶(hù)的反饋，進(jìn)一步迭代訓練這個(gè)引擎，在以后的交互過(guò)程中，它變得越來(lái)越聰明。
需要說(shuō)明的是，針對不同用戶(hù)來(lái)講，您的數據是有自己特色的，您的目標也是有自己的特色，經(jīng)過(guò)這個(gè)訓練之后，我們得到的引擎是這個(gè)企業(yè)獨一無(wú)二的引擎，只適合您這個(gè)企業(yè)把業(yè)務(wù)目標做得越來(lái)越好，這是系統的特點(diǎn)。
我們從接入的方式來(lái)做，上面有各種各樣數據，包括客戶(hù)畫(huà)像、坐席畫(huà)像、用戶(hù)規則，這個(gè)我們已經(jīng)提前做了訓練，放到了模型里面。用戶(hù)接入了我們系統里面，客服系統會(huì )跟這個(gè)引擎進(jìn)行交互，交互之后給它一個(gè)響應，響應的方式有各種各樣的推薦結果，推薦哪些坐席和相關(guān)技能。然后我們用不同的服務(wù)方式，比如推薦機器人、推薦坐席以及服務(wù)返回給用戶(hù)，然后完成操作。它返回之后，優(yōu)化的是前面設定的那些目標，這是針對呼入。
針對營(yíng)銷(xiāo)來(lái)講，首先設計用戶(hù)滿(mǎn)意度、轉化率和解決問(wèn)題的能力，接下來(lái)是主動(dòng)營(yíng)銷(xiāo)。當我們拿起一個(gè)電話(huà)，準備給一個(gè)用戶(hù)打電話(huà)時(shí)，前面系統已經(jīng)做了大量運算。這里面有主動(dòng)營(yíng)銷(xiāo)的客戶(hù)信息，有交互服務(wù)的信息，有坐席的信息。我們建不同的引擎和模型，考慮給這個(gè)客戶(hù)推銷(xiāo)什么產(chǎn)品，如果這個(gè)客戶(hù)剛好有小孩，這個(gè)小孩要上學(xué)，要知道他目前所在地區小孩上學(xué)的情況，會(huì )非常有針對性的推薦這款產(chǎn)品。某個(gè)坐席可能對某款產(chǎn)品非常熟悉，當我把坐席、產(chǎn)品和客戶(hù)拉到一塊的時(shí)候，可以推薦這個(gè)坐席用什么樣的話(huà)術(shù)跟客戶(hù)進(jìn)行交流，讓他容易接受這個(gè)產(chǎn)品。
事先這么多數據拿出來(lái)經(jīng)過(guò)學(xué)習，然后把這么多模型進(jìn)來(lái)之后，有一個(gè)外呼系統請求過(guò)來(lái)，我給它推薦一個(gè)去呼誰(shuí)、推薦什么產(chǎn)品、用什么方式去進(jìn)行推薦，它的成功率會(huì )非常高。這時(shí)系統發(fā)出一個(gè)營(yíng)銷(xiāo)請求，然后去連接我們的客戶(hù)、坐席，完成營(yíng)銷(xiāo)。現在很多營(yíng)銷(xiāo)手段頻繁打電話(huà)，可能是并沒(méi)有好好做功課，所以通話(huà)效率比較低。經(jīng)過(guò)這個(gè)系統之后，通話(huà)效率非常高。這是外呼情況，它用到大量的計算能力、數據能力、AI能力完成操作，把AI和營(yíng)銷(xiāo)結合起來(lái)。這是主動(dòng)營(yíng)銷(xiāo)，全方位獲取數據，用引擎推薦產(chǎn)品、營(yíng)銷(xiāo)人員和話(huà)術(shù)，提供轉化率。
我們智能推薦系統和現有基于策略的路由是并存的，把一部分用戶(hù)接入進(jìn)來(lái)，或者主動(dòng)營(yíng)銷(xiāo)的方式分成兩個(gè)組，做AB測試。這是傳統的模型經(jīng)過(guò)處理，有客戶(hù)的信息來(lái)，有坐席配置，最后做這樣的處理，處理之后有一個(gè)模型去評估，得到統計結果。接下來(lái)，是基于智能路由的方式有一個(gè)評估統計結果，這個(gè)評估統計正在進(jìn)一步研究，從各個(gè)方面去分析。就像剛才夏博士提到，為什么這次呼入或者呼出效果很好、原因是什么、是哪一個(gè)因素打動(dòng)了客戶(hù)的因素完成了這次營(yíng)銷(xiāo)，我們找到這樣的影響因素去做學(xué)習，它比傳統的基于策略的路由效果好一些。
畢竟我們的人力資源和科學(xué)家的時(shí)間精力非常有限，希望通過(guò)易谷公司和智鈾科技的合作，推出智能推薦方案。找到2、3家用戶(hù)，一起合作做推薦系統，你們可以繼續用現有基于策略的路由，再有一部分是我們的推薦路由，最后看用戶(hù)滿(mǎn)意度或者呼出效率有多少提升。
謝謝大家！
