视频来源 | 客户观察·2021（第五届）华东峰会
分享嘉宾 | 同程旅行客户服务中心交通系统流程部负责人 钱艳
分享主题 | 人口负债时代下的智能破局
（后台回复关键词“华东峰会PPT”即可获取嘉宾分享PPT）1、同程旅行客户服务中心概况
2、人口结构数据变化带来的人员挑战
3、智能服务的应用
同程旅行是同程集团旗下的出行板块，目前覆盖的业务线包含火车票、景区、酒店等，2018年6月份的时候在港交所提交了招股书，成为了微信小程序第一个在港股上市中国主流的OTA。基于APP以及微信具备的双引擎模式下，平均月活用户规模2.06亿。在这样一个庞大的群体背后，支撑整个服务的板块就是客服中心体系，分为两大主板块，首先是生产部门，主要覆盖五条主业务线，第二是支持部门，就是支撑着客户中心，中台运营的一个维度，包括了质检部、培训部、招聘部以及行政部等。这是历史某一年的服务数据达成情况，整体话量全年1200W+，在线咨询量670W+，客户咨询机器人1亿4700W+，现在目前坐席规模在3000+以上，员工人数是在2000+，年度服务总人次1亿6600W+。在第七次人口普查后数据的变化，这里面官方数据的呈现，总共有两点比较有意思的变化。第一个是我们会发现中国每年竞争人口下降的趋势过快，80后比70后少了500万，90后比80后少了3100万。第二个变化，我们会发现从数据当中，人口结构失衡也在慢慢加速。从数据中发现，当前平均每个家庭的人口为2.62人，以及包括65岁以上的人口占比维持在3.5亿，提升了5.44%，以及我们15岁到59岁这样人口占比是下降了6.79%，这里面男性人口占比为7.23亿，女性人口占比为6.88亿。无论是上面分享的服务数据还是第七次人口普查后变化的数据背后，在某一个程度上更能体现出，现在客服行业在人力招聘的困难程度。我们会渐渐发现在一线城市的客服中心，其实是越来越少的。在社会发展的进程下，更多启动了外包职场从而降低外部人力成本。到了三四线城市以后，随着三四线人口红利也在不断下降，出现了招聘难度大我们用工难这样的局面。同时，其实还有一个困难，现在90后、00后的伙伴对于客服属性这样一个工作对他们来讲吸引力也是越来越小的。基于服务数据和人口普查数据，我们既想做人力成本的降低，又需要不断地提升用户的满意度，用户的体验，所以在智能的应用场景当中我们进行不断的探索和摸索。在智能应用场景铺设的背后，我们始终秉持着我们的使命：让旅行更简单、更快乐，背后其实是需要产品、流程、技术包括我们服务等多环节这样一个相互支撑和闭环的一个输出。作为一名中台管理者来讲，其实一直努力在做的事情就是，服务好客服伙伴的同时再去服务好我们的客户。在智能应用端，不仅在客服端铺设了智能坐席助手、云享受库以及在客户端有智能机器人，可以说将整个智能化的服务场景进行全面的铺设。首先简单介绍一下对客户端的应用场景。第一个是智能IVR的铺设，除了呼入进行智能导航建设以外，也有呼出智能导航建设。在呼入维度，客户可以通过拨打客服热线95711进入智能导航，在进入的同时摒弃了原先导航当中按键的传统模式，采取语音多轮交互的形式，通过在系统当中去识别客户的订单，包括投诉的轨迹、重复进线的缘由来去进行统一的识别，对应进行业务的路由分配。同时，在不同状态下我们会提供不同引导语为客户提供最优质的服务，目前呼入导航当中铺设的应用场景差不多在70+这样的一个水平。70+的背后意味着我们的客户是完全可以在智能导航当中进行一站式自助订单的解决，也就是说无需进入人工，可以在导航端进行一站式自助处理，一直到最后结束的过程。当然在整个的意图识别过程当中如果我们的导航没有进行客户意图的识别，也会采用人工进行统一兜底。目前整体解决率在25%的水平，与此同时，其实也是更多将机器人的能力运用到外呼的场景当中，通过搭建智能导航和外呼去实现一站式的服务平台。在智能外呼的人工场景，目前打样的场景是捞单业务通过人工进行系统的导入，系统对接后去完成在智能外呼交互过程，相当于客户在外呼导航当中可以完全进行订单的确认包括引导性的一个操作，完全进行自助这样的处理模式。这个跑下来以后，我们会发现捞单业务与实际人工服务是没有差异的。第二个应用场景对客端—VOIP场景简单理解为网络电话。目前现在所实现的是我们将全业务线已经进行了一个接入，并且覆盖了小程序以及同程APP和PC端，主要实现的系统功能，主要从小程序侧接入智能导航。与此同时可以支持人机交互模式，在系统终端层面完全实现与传统坐席百分百兼容的技术，通过我们统一路由分发，由我们的坐席进行统一的接起。在这个过程当中，我们可以做到细分的一个技能组，精准分发到客服端，整个VOIP下来可实现的功能化，主要体现在对客交互的过程当中，不仅可以及时收集用户的身份，还可以授权用户当前的手机号码以及文件的传输等等核心的系统功能。目前阶段性的里程碑数据的话测算下来以后，会发现VOIP对比我们传统可以做到对传统的电话分流率提升1.5%，以及单通电话可以节约0.2分钟，其实针对于VOIP系统功能以外，更多未来想做尝试的就是差异化的特殊定制化的应用场景。比如说针对一些特殊的人群，听障人士通过视频服务的模式，可以有对应专属的坐席为特殊人群提供服务，基于此也希望能够承担社会责任。下一个对客端的应用场景是智能机器人，其实大家相对于比较的普遍场景，智能机器人主要是通过语言的理解包括在智能学习中提取关键词来去准确定位到用户的属性，锁定用户的订单从而来去解决我们的用户繁多复杂应用场景，去满足用户整体的需要。其实对于智能机器人这里面有一定的感悟，随着企业的发展的周期一开始更多的是倾向于做智能机器人去解决一些最基础最简单的应用场景，从而来降低我们内部的一个人力成本，但是慢慢随着我们不断地去优化我们的智能服务，不断优化智能机器人解决的水平，所以我们更看重的就是在交互过程当中解决率的一个水平。所以我们后面更多的尝试去做了我们的千人千面的服务，以及我们精准达场景的铺设，都是为了更好地去降低我们内部成本的前提下，去提供更好用户体验给到我们的客户。在整个系统交互过程当中，我们通过业务的识别，包括我们渠道的识别，以及说用户身份的识别，做统一的路由分配，与此同时去结合内部的系统，包括比如说客户在我们的投诉系统当中有浏览轨迹，以及通过前端用户的反馈以及问题咨询类型，和结合整个客户端前端自助服务的轨迹，从而最终实现用户问题的智能分析，并提出对应的一个答案的解析这样一个模式。除去对客端的应用场景以外的话，其实在客户中心内部也不断地在去铺设智能化的应用场景，从而来去降低客户中心内部中台运营的人力成本的损耗，所以说在中台运营维度的话第一个铺设的应用场景是智能现场，智能现场首先是摒弃掉了之前需要纯靠人力去做排班的输出历史数据的调取分析，由线下搬迁到了线上，通过系统匹配算法逻辑规则进行一站式的智能化的生产力的管理，从而去输出了整个生产预测排班三个主核心一个板块的输出。首先第一个板块，就是智能预测。通过智能现场系统来去进行历史数据的跑测，包含历史核心事件的数据的分析维度来去输出智能预测。第二个板块就是智能排班板块，结合大数据分析输出，最终输出排班管理的策略。第三个板块就是生产力的管理人员，便于整个生产力对于客服中心整体人力智能调度的维度，最终确保人力匹配服务能力这样一个场景。第二个中台运营维度的智能应用场景的铺设，就是智能管理平台，简单理解为整个客服中心数据的一个集成和枢纽。他主要应用场景体现在四个方面，首先第一个方面生产力调度，我们看到了上一屏具体生产力的平台，其实智能管理平台首先第一个维度结合了我们生产力调度里面所有大数据的一个输出，实时可以监控到电话在线订单服务最大化的去实现业务量与人力的最佳匹配。第二个是报表平台化的维度，通过智能管理平台也解决了以前需要纯靠人力来去制作报表这样的模式，智能的报表出具以后的话可以更好提供数据的准确性、及时性包括数据管理的安全性。第三个是智能预警模块，我们可以通过智能管理平台去通过监控电话订单以及在线的一个核心的服务指标去呈现每一个智能板块包括每一个业务线数据健康达成情况。第四个是员工的绩效考核的维度，我们可以通过线上定制化去解决不同工种绩效方案下去匹配不同输出逻辑，我们主要核心优势有三点：第一个更智能化，我们可以在智能管理平台当中以图表更直观的形式来去进行呈现，其实对于业务端的伙伴来讲可以更清晰地去看到我们当前一个数据走势和变化；第二个是更快速，我们可以进行在系统当中实时数据的一个更新包括去及时把握一个动态数据异常；第三个核心优势是更全面，我们可以将多渠道的数据来去进行多维度的交叉分析，从而助力服务体验数据的分析和支撑。这个也是自研的一个系统，所以还是给大家简单地去看一下系统功能主页面的一个情况。中台运营维度智能质检的运营场景也是大家比较感兴趣的一个话题，下面简单介绍一下同程目前使用的情况：在基础平台上面也同时在在线和电话端进行质检的铺设，目前做到在电话端进行百分之百全程录音的同时可以做到两小时历史语音转译文本这样的水平，主要是通过在语音这样一个解析平台上面去通过不断搭建我们的模型，来去提高模型命中率。在线端的话我们也是可以进行百分之百在线服务过程全记录，并且可以进行实时的质检数据的输出，在线文本分析平台更多匹配模型交叉，以及自动热词从而提高质检平台准确性的输出。到最后无论是在线还是电话端，会通过系统跑测出最终数据报告，呈现给质检管理人员和业务部门的伙伴从而让他们更好实时监控，全面诊断当前客户中心伙伴们的服务能力和水平。下面给大家主要介绍一下中台运营维度云享库的介绍，就是智能知识库，整个云享库主要拆解为两大核心的部分：首先第一个部分，就是我们的一个信息聚合平台。可以理解为我们在信息聚合平台里面把我们的知识点进行聚焦，推送到第二大板块智能赋能中心，再由智能赋能中心进行不同维度路径的输出，然后在过程当中不断地去做知识的匹配优化再传输给我们的信息聚合平台形成一站式这样一个知识运营这么一个系统保障。首先在信息聚合平台先进行知识的获取，通过结合信息外部的一个来源这里面比如说对应的一些产品信息，我们的运营信息以及包括现在市场上面的一些信息，再去结合内部的信息的数据输出，比如说客户的一些反馈的声音，VOC包括质检反馈的声音，借助知识的要点来去进行统一知识的编纂，在知识边区的过程当中我们在知识内容板块上不仅是能够做到对客以及对用户端差异化的呈现，在第二个知识形式上面我们会进行在智能知识库进行分门别类，让客户伙伴更精准搜索到知识点的同时更便捷看到对应的知识点。通过知识获取以及知识编辑以后，最终去完成知识的核验发布来去搭建一站式信息的聚合中台，再反馈到智能赋能中心去进行统一路由的分发。这里涉及到三个分发的渠道也给大家做个简单的介绍。首先第一个渠道就是云享库的知识运营，在系统维度里面实现了知识结构化的梳理，并且能够进行内容配置这样的策略管理，我们的客户伙伴可以在我们的知识赋能中心云享库板块进行个性化的学习，包括在上面完成自评以及互动知识点的信息反馈等等。第二个渠道分发到智能坐席助手，对于客户端助力我们知识点获取这样一个平台，所以通过智能赋能中心将知识传输到智能坐席助手，从而提高应用端知识推荐的准确率和知识的采纳率。第三个分发渠道在前端的应用机器人，通过不断调配知识点的有效性和准确性，去助力前端机器人能够提供更准确的信息从而到用户，不断提升我们的服务满意度。我们更希望借助于云享库这样的平台，来去赋能客户伙伴，去提升大家业务技能，从而提高客服问题处理的效率以及提升整体的客服满意度。其实除去在系统维度建设以外的话，我们也有自己一整套智能化的保障体系，通过保障体系从我们的员工学习开始，进行考试，再到最后去验收以及最终一个结果输出，形成一站式这样智能化的知识保障体系。举个例子，当有词条或知识点上新的时候，我的系统对应进行统一的推送到对应客服的伙伴，客服伙伴在学习过程当中不仅能够学习而且还能够进行定制化的测评，比如说进行每天的测评周测评以及专题性测评等等，测评结果最终也会以成绩将我们的测评成绩直接由系统进行统一回收，并且将测评结果去推送业务端进行统一的验收，也可以从整个测评系统维度,我们目前实现的是搭建了各项题库分类的同时，去支持单个题目的勾选，形成统一的试卷将知识库对标进行前端业务进行学习，从而形成一站式自助测评平台，来去助力测评中心对于知识掌握验收情况和提升大家整体服务专业度。再来介绍一下对客服端的应用场景，刚才提到过关于我们的智能坐席助手的应用场景什么样的，目前铺设前端电话以及在线的智能坐席助手通过系统进行语音的识别，语义的分析以及大数据的处理来去实时对于业务的指导及监控的管理工具。更多的是他会通过进线的服务预判来去进行实时的语音分析，从而来去实时理解客户的意图，对应话术给到客服伙伴，当整个服务完结以后的话坐席助手还可以有后台的功能，比如说针对服务内容来去生成智能服务单的完结。包括在整个坐席监控过程当中，他可以去监控员工或者说是客户这样的情绪。当客户情绪达到一定值的话，对于客户端的伙伴会接受类似个性化的弹屏提供更高的服务来去降低客服端对客服务的情绪。第二个维度对于客服端伙伴情绪的一个监控，同样当他的峰值达到了情绪匹配系统以后，录音会对应到领班坐席会及时监控客服整体服务水平，帮助他解决这样服务的历程。最后应用场景是我们在客服端IM+的工作台，整个客服中心会涉及到不同的后台有不同的应用系统，我们现在在做的就是把所有的系统晋升一个整体的集成，包括将前端多类型的服务方式来去进行平台统一的整合，通过智能机器人进行技能的分配再结合内部的系统，包括独立使用的CRM系统来去进行统一员工工作台的集成和最终完成分配，使用这样IM+的工作台来去降低员工整个操作力度。最后分享一下自己做智能应用场景的心得，我们匹配智能应用场景可以增加坐席监管力度的同时去结合整体运营的成本；我们不断尝试和摸索进行自研系统的输出可以希望借助进行节约客服系统的资源增加企业的收益；更重要的一点，做了这么多应用的场景和铺设，最终希望提升客户服务的满意度。在刚开始的时候也提到了作为中台管理人员的话，我们希望服务好客服的同时，让客服伙伴可以更好地服务我们的用户，再通过用户去建立起良好服务口碑用户真实反馈声音再给客服。我们客服伙伴去输出更好地服务体验给到用户，其实在用户和客服交互的过程当中，我们希望用智能化应用场景让服务创造更大的价值。在智能服务探索的路上，我们也希望不断通过优化智能优化场景来去提供更好的智能服务。
