人類嘗試著讓電腦擁有與人類相同的思考能力，在1958年，感知機(jī)(Perceptron)這個(gè)啟蒙概念就被提出，但由于只是個(gè)初期理論，未能實(shí)際投入到應(yīng)用上，電腦科學(xué)家不斷參考人腦神經(jīng)元運(yùn)作方式，在20世紀(jì)末逐漸將必要的理論完備。正當(dāng)要一展身手的時(shí)候，電腦科學(xué)家確發(fā)現(xiàn)自己低估人腦是多么精密且處理能力強(qiáng)大，以當(dāng)時(shí)的運(yùn)算能力，訓(xùn)練出一個(gè)模型不僅曠日費(fèi)時(shí)，而且不一定能夠一次就能夠成功，因此這個(gè)理論的流派又再度沉寂了一陣子。在摩爾理論基礎(chǔ)中，除了CPU外的另一個(gè)操作數(shù)件GPU發(fā)展下，讓大量并行運(yùn)算的速度與成本達(dá)到合理的范圍后，做了些調(diào)整再以新的名稱重新展現(xiàn)在世人面前，其結(jié)果成功奪取科技圈的目光，也就是最近常聽(tīng)到的深度學(xué)習(xí)(Deep learning)。

　　銷售與客服兩個(gè)單位，是企業(yè)與顧客面對(duì)面最直接的媒介，而其中的客服平時(shí)是要面對(duì)客戶疑問(wèn)、疑難解答、信息查詢、訂單處理，一個(gè)客服專員同一時(shí)間里，只能面對(duì)一個(gè)客戶，可以稱的上是個(gè)人力與產(chǎn)品知識(shí)密集的單位。電腦擅長(zhǎng)迅速處理精準(zhǔn)的問(wèn)題，人類之所以會(huì)拿「冷冰冰」這個(gè)詞來(lái)形容電腦，是因電腦只能響應(yīng)夠精準(zhǔn)的問(wèn)題，沒(méi)有被設(shè)計(jì)者考慮進(jìn)去的情境，一概被列為不精準(zhǔn)問(wèn)題，電腦無(wú)法提供你相對(duì)應(yīng)的答案，使用者轉(zhuǎn)而尋求9「為您轉(zhuǎn)接客服專員」的幫助，這也是為何在電腦發(fā)明了將近八十年，真人客服依然屹立不搖，以及大多數(shù)話機(jī)上的12顆按鈕中，9永遠(yuǎn)是最干凈明亮的根本原因。

　　在信息領(lǐng)域里，讓電腦去了解與分析人類使用文字符號(hào)的學(xué)科稱為自然語(yǔ)言處理(Natural Language Processing)，自然語(yǔ)言處理也是一門擁有長(zhǎng)久發(fā)展歷史的技術(shù)。在全世界的數(shù)據(jù)中，大約有21%的數(shù)據(jù)屬于結(jié)構(gòu)化數(shù)據(jù)，呼叫中心處理的語(yǔ)音與文字對(duì)話，正是屬于占大部份的非結(jié)構(gòu)化數(shù)據(jù)，這是一座尚未開(kāi)采的金礦，而自然語(yǔ)言處理就像是一盞明燈，賦予機(jī)器一部份理解人類語(yǔ)言功能，進(jìn)而有能力去挖掘非結(jié)構(gòu)化數(shù)據(jù)�！溉朔殖蓛煞N，一種好看，一種難看，你剛好介于兩者之間，屬于好難看的」，如果以情緒字典下去計(jì)算，可以算出「好難看」是反向情緒沒(méi)錯(cuò)，但語(yǔ)言經(jīng)過(guò)人類社會(huì)的千錘百煉，其抽像程度非常之高。常見(jiàn)的網(wǎng)絡(luò)用語(yǔ)「啊不就好棒棒」是一種富有弦外之音的說(shuō)法，連外國(guó)人都無(wú)法理解一堆正向的詞擺在一起，結(jié)果會(huì)產(chǎn)生負(fù)向的意思，更何況是電腦，可見(jiàn)沒(méi)有一套的公式或規(guī)則就能夠描述文字間的情緒。以往的自然語(yǔ)言處理，靠的就是這些所謂的高質(zhì)量字典以及特征工程，雖然投入大量的人力與時(shí)間去研究，但得到的結(jié)果卻往往不盡理想。適逢這個(gè)信息爆炸的世代，從網(wǎng)絡(luò)上取得帶有情緒標(biāo)注的數(shù)據(jù)變得容易許多，深度學(xué)習(xí)能在數(shù)據(jù)驅(qū)動(dòng)(Data-Driven)下，自動(dòng)從大量數(shù)據(jù)中萃取出一些特征，來(lái)評(píng)斷一段話的情感傾向，或是將一篇文本分類。只要模型參數(shù)設(shè)計(jì)的好，訓(xùn)練的數(shù)據(jù)夠完整，就能夠得到一個(gè)效果不錯(cuò)的分析模型。

　　現(xiàn)代客服產(chǎn)業(yè)應(yīng)用里，與客戶溝通的渠道，因智能型的裝置興起而趨于多樣化，在線文字客服、Email、社交平臺(tái)就能夠傳訊息與客服專員進(jìn)行客戶服務(wù)，而這些傳送的文字對(duì)話本來(lái)就屬于自然語(yǔ)言處理的范圍。語(yǔ)音客服不管是透過(guò)一般的電話，或者是實(shí)時(shí)通訊軟件，語(yǔ)音訊號(hào)利用STT(Speech to text)轉(zhuǎn)譯成文本后，也能夠使用自然語(yǔ)言來(lái)進(jìn)行處理。而客服事件處理進(jìn)行時(shí)，以自然語(yǔ)言為工具，讓客服專員更了解客戶后，提供更適當(dāng)?shù)姆��?wù)。已結(jié)束的服務(wù)，能用更聰明的方式將這些對(duì)話保留，以供往后更快速的進(jìn)行檢視或利用。而如同前面所說(shuō)的，對(duì)話過(guò)程里留下來(lái)非結(jié)構(gòu)化數(shù)據(jù)，如何用自然語(yǔ)言轉(zhuǎn)換為結(jié)構(gòu)化信息，也是必要的過(guò)程。

　　客戶每次進(jìn)線分配到的通常不是同一個(gè)客服專員，所以客專員與客戶都是素未謀面，如果提供以下這些方法，讓客服專員對(duì)客戶多一點(diǎn)的了解，能夠讓客戶感到舒服的狀況下，得到這每一次的客服服務(wù)

　　在客戶務(wù)服進(jìn)行一段時(shí)間后，留存的數(shù)據(jù)也就會(huì)越來(lái)越多而形成大數(shù)據(jù)，每一份數(shù)據(jù)都會(huì)成為滋養(yǎng)深度學(xué)習(xí)的來(lái)源。但數(shù)據(jù)量一大還能提供往后的檢視，以及了解數(shù)據(jù)的輪廓，都是大數(shù)據(jù)架構(gòu)下的必要條件。

　　文本聚類：機(jī)器學(xué)習(xí)能在未提供更多的標(biāo)注下，利用文本的里的特征，將各個(gè)文本在高維度空間中進(jìn)行分群。而數(shù)據(jù)管理者就能夠在群聚的結(jié)果里，觀測(cè)出目前持有數(shù)據(jù)的樣貌，進(jìn)一步分析能夠獲取更多的信息。

　　文本分類：相較于文本聚類，文本分類更明確知道分群的意圖，在以監(jiān)督或半監(jiān)督的狀態(tài)下，讓數(shù)據(jù)分門別類。在往后的檢視或分析中，能夠取單一類或多個(gè)類別進(jìn)行處理，可以大量的減少運(yùn)算資源以及處理時(shí)間。

　　在客服產(chǎn)業(yè)里，非常注重的就是事后的客服質(zhì)檢，這攸關(guān)于客服品質(zhì)的好與壞，如上面所說(shuō)的，深度學(xué)習(xí)使用于自然言處理中，在抽像的語(yǔ)意概念里以及詞語(yǔ)間的相似度關(guān)聯(lián)判斷能力，都較舊有的技術(shù)強(qiáng)，因此在質(zhì)檢評(píng)分里，能夠得到更客觀精準(zhǔn)的評(píng)分。而用電腦來(lái)進(jìn)行質(zhì)檢，在處理速度上，以及可以24小時(shí)不間斷的工作，與人工質(zhì)檢相比，更容易達(dá)到「全質(zhì)檢」的目標(biāo)。

　　在這個(gè)數(shù)據(jù)淘金的時(shí)代，企業(yè)能擁數(shù)據(jù)量就像是原油儲(chǔ)備量，經(jīng)過(guò)提煉的數(shù)據(jù)，能成為企業(yè)向前邁進(jìn)的動(dòng)力來(lái)源。一個(gè)懂的怎么使用數(shù)據(jù)的公司，和一個(gè)只存放卻不知道怎么去運(yùn)用的公司，在往后的經(jīng)營(yíng)上的差異，只會(huì)越來(lái)越明顯。

　　鉆石與黃金埋藏在地底下數(shù)萬(wàn)年，直到被發(fā)現(xiàn)開(kāi)采出來(lái)價(jià)值依舊存在，而數(shù)據(jù)礦與他們不同的是，數(shù)據(jù)礦會(huì)是具有時(shí)效性的，其價(jià)值會(huì)隨著時(shí)間慢慢的「氧化」，所以趁著手上的礦還新鮮的時(shí)候，準(zhǔn)備好工具，當(dāng)個(gè)快樂(lè)的礦工。