99%、90%、95%——這幾個數(shù)字分別代表著馬上消費的智能客服的客戶提問覆蓋率、客戶意圖識別率、客戶問題解決率。從2017年上線至今，僅6年的時間，馬上消費的智能客服便做到業(yè)內(nèi)翹楚。

　　數(shù)字中國浪潮下，“人機(jī)共舞”的智能化時代已然來臨，AI算法、人工智能等先進(jìn)科技正在重新定義著消費金融領(lǐng)域的客戶體驗，隨著相關(guān)技術(shù)的不斷迭代，馬上消費的智能客服進(jìn)入全新的發(fā)展階段?！巴ㄟ^智能客服，將有效提升我們的服務(wù)效率、客戶體驗以及客戶忠誠度等?！瘪R上消費黨委書記曹景泉對鈦媒體APP表示。

　　據(jù)了解，馬上消費智能客服采用前沿的人機(jī)對話系統(tǒng)架構(gòu)，以深度學(xué)習(xí)、機(jī)器學(xué)習(xí)、增強(qiáng)學(xué)習(xí)等核心AI算法為基礎(chǔ)，實現(xiàn)意圖識別、意圖預(yù)測、用戶畫像、上下文理解等核心能力，力爭為客戶提供“千人千面”的精準(zhǔn)智能服務(wù)。

　　百萬級問答知識庫，客戶提問覆蓋率達(dá)99%

　　據(jù)了解，有著百萬級問答知識庫作為支撐，目前馬上消費的提問覆蓋率已達(dá)到99%，位居行業(yè)前列?？蛻舾采w率的提升，意味著馬上消費智能客服的場景不斷增多，越來越多的客戶可以享受其智能客服的服務(wù)。

　　百萬級問答知識庫之外，目前，馬上消費內(nèi)部有專門的“數(shù)據(jù)回流機(jī)制”，以進(jìn)一步提升客戶提問的覆蓋率?！爱?dāng)一些用戶的問題回答不上時，我們會反饋到日志庫里，之后我們會運用半監(jiān)督聚類算法來發(fā)現(xiàn)這種新標(biāo)簽，再通過人工的校驗來補(bǔ)充到前端數(shù)據(jù)庫里，以此提升問題的覆蓋率及解決率等?！瘪R上消費客戶體驗部負(fù)責(zé)人姜永峰對鈦媒體APP表示。

　　智能客服作為互聯(lián)網(wǎng)消金企業(yè)實現(xiàn)服務(wù)升級、質(zhì)量升級的重要工具，其背后的生成邏輯與市場需求、客戶需求緊密相關(guān)，隨著技術(shù)進(jìn)步的推動，將進(jìn)一步滿足企業(yè)的擴(kuò)展需求。于公司而言，智能客服有利于提升公司的競爭力、品牌的影響力、服務(wù)質(zhì)量、公司效率以及客戶的忠誠度等。于客戶而言，智能客服覆蓋率的提升，將滿足消金領(lǐng)域客戶的多元化、個性化、場景化、便捷的服務(wù)需求。

　　依托于高質(zhì)量數(shù)據(jù)，客戶問題解決率達(dá)95%

　　在消費金融領(lǐng)域，由于行業(yè)對服務(wù)知識的精準(zhǔn)度、準(zhǔn)確性要求極高，要達(dá)到95%的客戶問題解決率相當(dāng)不易。舉例來講，如何快速識別客戶處于哪個階段（貸前、貸中、貸后），如何根據(jù)客戶所處的不同階段提供不同的方案，給予精準(zhǔn)服務(wù)等都是需要攻克的技術(shù)難點。

　　據(jù)了解，在攻克技術(shù)難點中，需要用到自然語言處理技術(shù)去識別語意，識別相關(guān)問題之后，又需要數(shù)據(jù)基座通過模型學(xué)習(xí)提升精準(zhǔn)度。這個過程中包括自然語言處理技術(shù)、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等技術(shù)。此外，還有技術(shù)的現(xiàn)實應(yīng)用問題，如何解決相關(guān)數(shù)據(jù)與業(yè)務(wù)準(zhǔn)確度的標(biāo)注，或者如何解決模型訓(xùn)練中樣本數(shù)據(jù)，如何將其與實際資源進(jìn)行匹配等都是需要解決的問題。

　　面對上述技術(shù)難點，如何快速提升問題的解決率？“首先，制作一個快速搭建數(shù)據(jù)集的工具，前期沒有足夠樣本用于訓(xùn)練模型，首先根據(jù)專業(yè)客服對每個意圖提供少量種子樣本，使用數(shù)據(jù)增廣算法將每個意圖數(shù)據(jù)量擴(kuò)充到30條左右，使用小樣本學(xué)習(xí)算法在該數(shù)據(jù)集上訓(xùn)練得到初始模型，之后基于主動學(xué)習(xí)思想在當(dāng)前模型基礎(chǔ)上，有針對性地從沒有標(biāo)簽的數(shù)據(jù)集里挖取對模型提升有效的樣本，給到標(biāo)注人員進(jìn)行標(biāo)注。為了保證標(biāo)注質(zhì)量，使用質(zhì)量檢查算法對標(biāo)注結(jié)果進(jìn)行打分，分值過低的標(biāo)注數(shù)據(jù)會返工重新進(jìn)行標(biāo)注。如此循環(huán)積累，最后得到足夠的高質(zhì)量樣本。”在模型選型上，我們使用了上億條金融場景數(shù)據(jù)并結(jié)合前沿預(yù)訓(xùn)練模型進(jìn)行二次預(yù)訓(xùn)練，相比于開源預(yù)訓(xùn)練模型，精度提升了2~3%，上述智能客服相關(guān)負(fù)責(zé)人表示。

　　據(jù)悉，要提升客戶問題的解決率，需先提升正確率，該指標(biāo)的提升需要依托高質(zhì)量的數(shù)據(jù)，以及數(shù)據(jù)分析能力，才能有效支撐相關(guān)指標(biāo)的持續(xù)提升。而受益于業(yè)務(wù)體量的指數(shù)級增長，馬上消費積累了大量真實、有效、基于實際業(yè)務(wù)的超級數(shù)據(jù)，對解決相關(guān)技術(shù)難題打下了堅實的基礎(chǔ)。

　　客戶意圖識別率達(dá)90%，“回流機(jī)制”助力指標(biāo)提升

　　客戶意圖識別是智能客服中尤為重要的一環(huán)，該指標(biāo)直接關(guān)系到客戶問題的解決等。目前馬上消費的客戶意圖識別率達(dá)到90%，在智能客服領(lǐng)域位居前列。

　　不過，馬上消費在該環(huán)節(jié)也面臨著行業(yè)共同的難題，即多意圖問題的解決?！翱赡芸蛻敉瑫r問了多個問題，占比不到0.1%，目前線上采取了偏工程規(guī)則方式來解決簡單的多意圖情況。針對復(fù)雜的多意圖，基于語義分段算法我們將文本進(jìn)行切割，之后針對切割后的每段文本進(jìn)行單意圖識別，最后進(jìn)行整合得到多意圖識別結(jié)果，目前在特定場景已取得不錯效果?！鄙鲜鲐?fù)責(zé)人表示。

　　目前，公司正持續(xù)提高客戶意圖的識別率。主要通過協(xié)同業(yè)務(wù)專家，離線梳理好意圖體系，并借助標(biāo)注輔助工具將馬上消費億萬級用戶提問話術(shù)進(jìn)行關(guān)聯(lián)到意圖知識點上，這一步要保障意圖體系的清晰、完備。

　　同時針對某些高頻意圖，要根據(jù)用戶具體情況生成適合用戶的個性化解決方案，這一步主要依賴智能客服的上下文理解、多輪對話能力與各個業(yè)務(wù)系統(tǒng)的深度結(jié)合。在線上意圖識別和應(yīng)答管理上，通過主動式猜問、高頻問法NLU識別、長尾意圖相似度匹配等手段形成漏斗式識別流程，確保整體客戶體驗。

　　用戶好評率達(dá)98.65%，客戶體驗持續(xù)優(yōu)化

　　馬上消費作為一家科技驅(qū)動型金融機(jī)構(gòu)，始終堅持以用戶為中心，積極將人工智能等技術(shù)投入實際運用，為用戶提供體驗更好的服務(wù)。因此，公司的智能客服也獲得用戶的較高好評，好評率高達(dá)98.65%。

　　事實上，馬上消費的智能客服不僅聚焦于消費金融領(lǐng)域，在疫情期間更是為客戶提供情感安撫的功能，有效提升了服務(wù)質(zhì)量，獲得客戶的好評。據(jù)悉，智能客服通過與用戶對話，可以判斷用戶情緒波動情況，對于焦慮用戶會第一時間給予話語安撫，并優(yōu)先轉(zhuǎn)接給專屬人工座席。

　　展望未來，曹景泉表示：“未來的智能客服，我們認(rèn)為它應(yīng)該是一個多重體驗融合的智能云客服。在數(shù)字中國的背景下，云計算、大數(shù)據(jù)等技術(shù)會愈發(fā)完善，將推動智能客服去做更多的嘗試；未來隨著元宇宙、虛擬數(shù)字人等技術(shù)的逐步完善，可能迭代為多模態(tài)的全新客服模式，比如全息客服，可能一個虛擬的形象在客戶身邊，為客戶做產(chǎn)品的介紹、問題的解決等?！?/p>