ITBear旗下自媒体矩阵:

AI辅助客服 容联电话机器人为行业带来多少改变?

   时间:2018-10-25 16:15:42 来源:大风资讯编辑:星辉 发表评论无障碍通道

人工智能几经沉浮60多年,近两年随着深度学习算法在语音和视觉上的突破,人工智能产品的更加成熟,围棋人机大战、无人驾驶汽车的上路再次引爆市场。

近日,在开源中国举办的人工智能论坛上,容联李文超受邀分享了智能语音交互的实践,讲述了AI如何与通讯融合并深度应用于客服领域。

人工智能技术三个核心要素分别是:计算力、算法和数据。

1.高性能运算能力的突破,使我们在训练深度神经网络上的运算速度提升了上百倍;

2.当前时代大数据井喷式爆发,为深度学习技术准备了海量的知识来源;

3.深度学习算法则由之前的传统神经网络到现在更为复杂的深度神经网络;

国内人工智能应用主要分布在三个领域:计算机视觉、语音交互、自然语音处理。对应的综合应用领域:智能客服、个性化推荐、机器翻译、虚拟助理、工业视觉监测、医疗影像诊断等。

中国AI+通讯的市场前景:2020年智能通讯产业规模达到1500+亿,覆盖的企业数量会达到300万家。

未来客户的核心诉求:

1.通讯是基本,ai是大脑

2.需要持续提高通讯相关的服务质量

3.一体化的智能通话解决方案

4.平台级别的智能通讯服务

5.适应不同场景,不同用户需求

深耕客服行业,用AI重构外呼场景,助力企业降本提效

传统客服业是典型的人力密集型,被视为是人工智能最有可能全面颠覆和取代的工种,传统客服业存在大量的重复性工作,而随着人口红利消失,人力成本的越来越高,减员增效也变成了企业的核心诉求。

在传统的电话销售场景中,人工外呼为业务执行的主力军。然而,面对海量的客户线索、重复的工作内容、高强度的销售压力,人工外呼存在诸多问题:

1、电销人员供不应求,人力成本不断攀升;

2、客服行业人员流动比较高,新人要上岗之前,需要企业长时间的培训;

3、客服之间的服务意识差异大,缺乏统一标准;

4、海量线索过滤难度大,筛选意向客户耗时耗力,工作效率低;

5、大量的重复性工作占用了人工更多的精力,导致意向客户跟进不及时,客户流失率高;

虽然人工外呼的难题颇多,然而它在企业营销中的价值却无法替代。

针对人工外呼的诸多难题,容联希望用AI重构外呼场景,推出了智能外呼的解决方案。

在传统的外呼系统的基础上,加入了自然语言处理、语音识别、语义理解等多项人工智能技术,通过机器去做大量重复性工作,企业降本提效的核心诉求将得以破解。

把复杂的技术简单化、产品化,比如:识别纠错、知识挖掘、数据清洗、标注、训练、规则匹配等等融合在产品中,让用户一看就懂,一听就懂,一用就懂,不用解释。

容联机器人SaaS服务的四大创新:

1.所见即所得的IVR流程编辑器。

2.实时人机对话展示。在不用听完整录音的情况下,帮助企业随时了解人机对话的过程。

3.丰富多维度BI报表。为企业决策提供数据支撑。

4.知识学习。要吧人工+机器方式让学习更精确。

除了功能层面的创新,线路资源和呼叫效率也是关键因素:

线路资源。如果只提供软件平台,企业业务要上线,还要自行解决线路资源和码号资源,如果要提高接通率,还要考虑本地出局。这对企业而言,也是一项费时费力的工作。容联可以提供整体解决方案,不仅提供机器人软件,也打包了线路和号码资源,为企业提供一站式的服务。

呼叫效率。简单说就是机器人在同等条件下呼叫的处理速度。一个电话打出去,可能出现接通,也可能出现未接通,未接通的原因可能有很多,比如:关机、欠费、不再服务区等语音提示,通常运营商都是通过语音的方式反馈,10多秒之后才会挂机。在并发的情况下,特别是在接通率低的的其情况下,中继资源不能有效利用。容联基于过去的技术积累,特别针对中国运营商做了CPD语音侦测, 在同等条件下,大幅的提升了中继的利用率。平均呼叫效率高出了30%以上。

容联为行业、为企业带来了什么价值?

对行业而言,深耕AI+通讯,容联加速实现通讯产业的智能化升级,借助AI能力与通讯的结合,传递知识,产出高知识附加值和高知识密度的产品和服务,提升社会经济效率。

对企业而言,通过客服智能化,降低商品的沟通和服务成本,使消费者受益,提高消费者对相关服务的满意度,唤醒消费者更多需求,实现企业收益和效率的提升。

这里有3组数字:

1. 回复问题速度提升75%,这个是显而易见的,机器人一定是有问必答,速度大幅提升。

2. 客服工作效率提升52%,用机器去做大量重复性的工作,工作效率自然有大幅提升。

3. 商机转化效率提升43%,把人工从过去重复性的工作中解放出来,投入到意向客户的二次跟进,商机转化率得到大幅提升。

举报 0 收藏 0 打赏 0评论 0
 
 
更多>同类资讯
全站最新
热门内容
网站首页  |  关于我们  |  联系方式  |  版权声明  |  RSS订阅  |  开放转载  |  滚动资讯  |  争议稿件处理  |  English Version