由于產(chǎn)品更新?lián)Q代的速度越來(lái)越快，客服人員在接到來(lái)電后，不得不讓客戶(hù)先等一等，以便花些時(shí)間研究主題�？头�人員通常需要“瘋狂”地搜索知識(shí)庫(kù)、常見(jiàn)問(wèn)題解答（FAQ）和論壇，瀏覽眾多網(wǎng)頁(yè)、PDF文件、文檔和電子表格。這樣不可避免地會(huì)延長(zhǎng)平均處理時(shí)間（AHT），而這是客服人員的一項(xiàng)關(guān)鍵指標(biāo)。

　　大多數(shù)基于關(guān)鍵詞的傳統(tǒng)企業(yè)搜索方法都很讓人失望，因?yàn)樗阉鹘Y(jié)果是通用的，缺少客戶(hù)所要求內(nèi)容的上下文，因此結(jié)果的相關(guān)性較低。像IBMWatsonDiscovery這樣的工具可以提供基于AI的洞察引擎，它能夠理解上下文，通過(guò)簡(jiǎn)單的自然語(yǔ)言搜索從復(fù)雜的業(yè)務(wù)內(nèi)容中找出答案。它能夠不斷地從客戶(hù)互動(dòng)和非結(jié)構(gòu)化內(nèi)容中學(xué)習(xí)，立即從相關(guān)文檔中找到所需的段落，可幫助客服人員縮短10-20%的AHT并實(shí)現(xiàn)令人愉悅的客戶(hù)體驗(yàn)。

　　一位惱怒的客戶(hù)打電話(huà)給無(wú)線(xiàn)服務(wù)提供商，抱怨自己的賬單金額猛增，他要求立即得到答復(fù)。他們認(rèn)為客服人員已做好準(zhǔn)備，可以給出合理的解釋并提供最合適的解決方案。由于沒(méi)有來(lái)電背景信息，客服人員處于不利境地；因此他們需要暫且放下該問(wèn)題，查看客戶(hù)歷史記錄，評(píng)估可能的選項(xiàng)，然后才能解決該問(wèn)題。

　　定制的AI解決方案可以利用客戶(hù)的互動(dòng)歷史記錄，分析使用和交易情況，發(fā)現(xiàn)異常，在幾秒鐘內(nèi)即可評(píng)估可能的解決方案。因此，當(dāng)客戶(hù)來(lái)電時(shí)，客服人員的屏幕上會(huì)自動(dòng)顯示調(diào)查結(jié)果、背景信息以及經(jīng)過(guò)排名的建議的摘要，這樣客服人員就可以進(jìn)行有重點(diǎn)的討論，為客戶(hù)帶來(lái)舒適的體驗(yàn)。IBM甚至可以在客戶(hù)開(kāi)始擔(dān)心并提出問(wèn)題之前，讓AI主動(dòng)提出解決方案。

　　傳統(tǒng)上，AI虛擬助手和基本的聊天機(jī)器人用于向客戶(hù)提供簡(jiǎn)單的常見(jiàn)問(wèn)題的答案。而現(xiàn)在，我們可以創(chuàng)建復(fù)雜的客服助手，為CSR提供基于上下文的即時(shí)幫助。AI助手接受深入的操作程序訓(xùn)練，因此知道在哪里尋找合適的信息，并可以自動(dòng)執(zhí)行客服人員的日常任務(wù)。

　　考慮一下醫(yī)療保健行業(yè)的復(fù)雜情況。一家大型健康保險(xiǎn)公司部署了一個(gè)客服AI助手，幫助客戶(hù)服務(wù)代表進(jìn)行理賠調(diào)查。當(dāng)一個(gè)健康計(jì)劃成員打電話(huà)詢(xún)問(wèn)理賠被拒情況時(shí)，AI助手馬上在客服人員的屏幕上彈出關(guān)于該特定理賠號(hào)的背景信息，并引導(dǎo)客服人員完成理賠調(diào)查的工作流程。它通過(guò)從多個(gè)系統(tǒng)調(diào)用API，自動(dòng)執(zhí)行一些步驟，例如檢查醫(yī)生在網(wǎng)絡(luò)之中還是之外。AI為客服人員推薦一些個(gè)性化的詞語(yǔ)，用于和客戶(hù)進(jìn)行交流，并提供有關(guān)使用這些詞語(yǔ)的理由。

　　通過(guò)提供一致而準(zhǔn)確的回答，還解決了另一個(gè)主要問(wèn)題:76%的客戶(hù)從不同的客服人員那里得到相互矛盾的答案。除了加快調(diào)查過(guò)程外，AI還會(huì)跟蹤和總結(jié)客服人員在通話(huà)后備注中記錄的結(jié)果。

　　隨著數(shù)字消息傳遞日益成為客戶(hù)隨時(shí)隨地與品牌企業(yè)溝通互動(dòng)的首選渠道，90%的消費(fèi)者希望能夠立即得到回應(yīng)�？蛻�(hù)服務(wù)代表使用消息傳遞平臺(tái)解決這些問(wèn)題，他們通常需要并行處理多個(gè)會(huì)話(huà)。AI可以無(wú)縫地嵌入到消息傳遞平臺(tái)中，提供基于上下文的答案，幫助客服人員加快工作流程，即時(shí)滿(mǎn)足客戶(hù)需求，而無(wú)需在多個(gè)應(yīng)用之間切換、搜索答案以及復(fù)制和粘貼信息。

　　例如，如果一位客戶(hù)正在與客服人員探討信用卡境外交易費(fèi)用問(wèn)題，這時(shí)AI可以閱讀互動(dòng)信息，了解背景和客戶(hù)概況，并從PDF文件或知識(shí)庫(kù)中檢索費(fèi)用信息，并給出回復(fù)。如果存在更有經(jīng)驗(yàn)的客服人員之前關(guān)于該話(huà)題的聊天記錄，并且獲得了很高的客戶(hù)滿(mǎn)意度，那么AI還可以挖掘這些信息，推薦合適的回答。

　　客戶(hù)服務(wù)代表不需要在數(shù)據(jù)堆中“大海里撈針”，只需點(diǎn)擊“向客戶(hù)發(fā)送回復(fù)”即可。如果AI完全可以自己處理客戶(hù)所需的幫助，例如密碼重置或費(fèi)用支付，那么AI“副駕駛”會(huì)建議讓自己加入聊天對(duì)話(huà)，從而將客服人員解放出來(lái)，有時(shí)間去執(zhí)行更復(fù)雜的任務(wù)，這樣生產(chǎn)力可提高2-3倍。

　　為了提供輔導(dǎo)和控制質(zhì)量，呼叫中心經(jīng)理通常會(huì)監(jiān)聽(tīng)客服人員的對(duì)話(huà)，但他們只限于監(jiān)聽(tīng)少數(shù)幾個(gè)人的對(duì)話(huà)，而且一次只能監(jiān)聽(tīng)一個(gè)人。過(guò)去幾年中，語(yǔ)音到文本算法的質(zhì)量和準(zhǔn)確性以及計(jì)算能力都取得了長(zhǎng)足的進(jìn)步，這意味著AI可以并行監(jiān)聽(tīng)數(shù)百萬(wàn)個(gè)實(shí)時(shí)對(duì)話(huà)，進(jìn)行轉(zhuǎn)錄，理解意圖和對(duì)話(huà)上下文，制定智能查詢(xún)，并主動(dòng)在客服人員的屏幕上提供實(shí)時(shí)洞察。另外，通過(guò)對(duì)每位客戶(hù)的話(huà)語(yǔ)和客服人員的回答進(jìn)行語(yǔ)氣和情緒分析，創(chuàng)建實(shí)時(shí)記分卡，以提醒經(jīng)理哪些通話(huà)需要主管協(xié)助，并提供整個(gè)呼叫中心的實(shí)時(shí)趨勢(shì)。

　　客戶(hù)服務(wù)代表會(huì)盡其所能、盡力而為，但他們無(wú)法依靠自身的力量滿(mǎn)足不斷增長(zhǎng)的客戶(hù)期望。難怪呼叫中心行業(yè)的人員流動(dòng)率高達(dá)25%-40%。由AI驅(qū)動(dòng)的認(rèn)知服務(wù)通過(guò)增強(qiáng)客服人員的能力，提供卓越的客戶(hù)體驗(yàn)，幫助彌補(bǔ)差距。
　　原文鏈接：https://www.ibm.com/blogs/china/gbs/ai-helps-csr-20210125/