客服节精彩 纪冉：服务创新，智慧赋能
联想方案服务业务群消费服务事业部
智能设备在线服务业务负责人 纪冉
这次要和大家分享的主题是“服务创新，智慧赋能”，主要聚焦后疫情时代政务、商客、金融、互联网以及卫健这五大行业客服的发展趋势。
1五大行业呼叫中心发展现状
第一，数据应用的短板急需得到解决。客服团队的指标越来越多，越来越多元化。客服团队内传统的数据孤岛收集和分析的方式实际上是无法满足业务飞速变化的。在组织战略上，作为承接客户服务的最后一班岗，客服团队的数据产出需要为业务赋能，并参与战略决策制定，如何更好地运用数据是需要关注的。
第二，如何平衡成本效率和用户体验。客户团队目前仍是以轻量化投入规模为导向，而且处在转型的关键时期。降本及客户体验提升是转型的刚需。
第三，拥抱智能化的同时，需更加关注多系统间的融合。近期AIGC备受关注，许多企业已经开始探索如何通过ChatGPT进行智能化的跃升，企业应进一步考虑客服中心对团队管理、系统集成、数智沉淀等方面的需求及与系统间的融合。
第四，“业务沉淀”需要在客户服务运营中发挥更大作用。客户服务业务人员更替速度快，业务的沉淀不断被重视，业务经验的积累不再局限于员工个人经验的积累，体系化、系统化的积累，是企业需要关注的重点。
从一些实际的业务场景出发，业务场景的痛点和挑战还是比较明显的。坐席的工作效率低、客户易流失、人员留用成本高、培训周期长等都是目前企业所面临的挑战。
在实际的业务过程中，多系统切换、无法自动识别用户和数据无法被联动是系统智能化升级面临的系统难题。
2联想魔方加速业务智能化转型
面对以上痛点，联想方案服务提供的“魔方”平台的核心策略是用统一的平台加速业务智能化转型，让业务团队能够充分享受到新IT技术为企业带来的红利。
魔方平台具备五大核心优势：
1.全平台100%由联想自主研发，适配了国产化的环境，拥有多项软件著作权和专利，可充分满足企业安全审查和定制化需求。
2.模块化能够更灵活地与现有企业业务系统进行结合和嵌入，并且不会破坏企业原有的技术架构。
3.不仅拥有全场景的AI能力，同时拥有经验丰富的运营和机训团队。在项目实施过程中，运营团队可以通过标准的运营方法论以代运营或者教练的形式助力业务智能化应用的嵌入。
4.拥有大量系统对接和定制化开发经验，对涉密网、企业内网、公网等复杂环境有丰富的解决经验，能够保障项目成功。
5.具有丰富的场景支撑能力，具备了呼叫中心里售前、售后、营销、IT Support运维等多方面场景的一站式智能解决方案。
魔方平台是经历了联想自身业务实践的检验，不断在联想自有的呼叫中心业务应用中迭代升级，所以更贴近客服行业的底层逻辑、服务体系和流程弹性。整个业务流程以呼叫中心为连接点，融合系统、流程和数据，解决业务数据孤岛，提高知识利用率和用户满意度，同时强调全流程监控和全流程智能化。从服务请求开始到自助服务，到智能匹配，再到交付完毕以及之后的数据沉淀和迭代，实现端到端的整个流程的智能化。
魔方平台各项智能化的模块都是灵活的，可以单独被pick，每个模块都可以适时嵌入到原有企业系统架构当中。大体上包含几个关键的模块：1.平台服务模块，包括所有线上的客服系统、工作台、机器人。2.工单管理模块，助力线上线下服务系统化管理。3.智能化模块，主要指ASR、Chat GPT等底层智能化的模块。4.运营管理模块，涵盖用户购买、使用、维修、更换全生命周期的流程。5.管理配置模块。6.系统工具模块。
接下来我将从五大行业介绍一下我们在不同行业上是如何落地智能化赋能的。
3智能化赋能企业的落地实践
目前，“魔方”平台已成功助力政务和卫健行业更好地落地数字中国战略新布局。传统的政务服务建设分散，总体规划不规范；数据不同，数据整合不充分；使用不便，服务标准不统一；成本昂贵，服务维护各自为政；形式陈旧，智能化服务待提升。针对几大痛点，我们提出了相应的解决方案：统一服务平台、规范服务设计、整合服务体系、整合服务资源、升级服务形态。
通过搭建集约服务平台实现数据化的价值，通过平台沉淀大量标准化的数据，并在之后起到辅助决策的作用，形成常态化运营、政务意见反馈沟通机制、建立市民画像等能力，赋能智慧城市建设。
在商客行业，存在几个关键的问题：第一，企业内部有很多业务部门的数据是重复的，造成冗余无效的情况，降低了数据的质量和准确度。第二，数据不准确、不及时，往往导致业务决策的错误和决策的迟缓，从而影响企业的口碑和在市场当中的竞争力。第三，企业内部数据孤岛现象会影响各个部门、团队难以获取工作需要的数据，导致协作不良。第四，不同部门对数据的理解和定义不同，企业内部沟通成本上升，同时各部门对数据的重复管理造成了时间和金钱的浪费，工作效率低下。第五，企业内部拥有的数据不统一，容易造成终端客户体验的混乱。
图片来自嘉宾共享PPT
基于此，联想魔方通过数据中台和开放API的形式将企业积累的数据进行打通，形成服务全生命周期的数据管理结构。最底层就是企业现有的这些数据源，向上是服务数据中台及部门数据的管理中心。
在呼叫中心运用数据时，我们需要建立属于呼叫中心自己的数据地图。包含客户的维度，例如客户信息、设备信息、画像信息等所有定义的字段，同时这些数据要具备数据管理能力，包括加密、脱敏和归集的能力。
在金融行业，由于政策较为复杂，每个金融产品政策的解读也是比较严谨的，要求对外的口径必须非常准确的，不能造成用户的混淆或者误导用户。如何利用知识降低业务的成本，这是在金融行业上面临的困点。很多银行或金融行业的员工不会找数据，即使会找也存在不会用的问题；此外还有利用知识效率差、知识更新迭代不及时导致传递的知识或口径有偏差等问题。这些都是由于公司缺乏统一的知识分类体系、多投维护、目录混乱造成的。
“魔方”通过借助AI技术整合专业知识，实现全场景智能化体验，高效利用知识。实施的关键路径分四步：第一步是数据整合，即数据清洗并提取业务关键数据；第二是标准化的动作；第三是利用智能化技术有效处理数据；第四步是落地到智能的知识应用，为终端用户提供包括机器人、知识库等自助应用。将企业的异构数据进行有效的整理、编辑以及再整合，形成统一视图，让知识管理更高效，同时，基于图谱结构的知识点可以为机器人等应用赋能，提供标准、统一的问答，降低知识维护工作量。
在联想的业务当中，可以简单看成把所有的知识都封装成一个机器人，机器人7×24小时待命，为全通路、全场景的客户随时提供智能接待服务，大量节省了人工服务的成本。同时利用知识的自生产、机器的冷启动等能力。在联想目前的实践中，用三个月的时间完成了上一代版本机器人十年沉淀的冷启动，使新的机器人具备了多轮对话的能力，使新的机器人解决率保持了原来积累十年的机器人的表现。
4如何保障服务体验、提升满意度？
线上的服务从电话进来一直到这通电话的结束有一个指标叫AHT，平均通话时长。现场的服务大概率通话时长不会很长，在这样比较短的服务过程中，如何做好过程监控，其实是很多企业面临的大难题。
例如一个在线员工接起电话后，可能说到第二句话的时候用户的情绪就已经比较激动了，体验就已经不好了，这个时候如何发现这样的Case？如何让我们的主管及时介入？是非常关键的。魔方具备了线上情绪识别能力，从用户进线后，根据用户说的每句话的文字内容以及语调、声音，打出情绪分，分数低于一定值时，坐席主管会得到预警，并及时通过现场辅助接管这个Case，及时做到过程中服务质量的监控。此外，在视频服务、远程桌面接管服务中也是行之有效的。“魔方”提供包括文本、语音、桌面接管以及视频方式的全媒体服务能力。
在外呼的场景中也可以通过魔方进行预测式自动外呼和任务型机器人外呼。人工外呼普遍会遇到忙线、错号、无人接听的情况，服务回访实际接听率不足50%，主动营销下甚至低于30%，造成大量的人力成本浪费，员工热情受到极大影响，预测式自动外呼和任务型机器人外呼能有效地帮助坐席避免无效劳动，同时提升外呼效率。
