考虑在联络中心内实现NLP 需要了解这些知识

来源:
浏览次数: 164

  “联络中心的人工智能:了解基本知识”,使用自然语言处理(NLP)与客户进行对话,是在一个联络中心最有效地使用人工智能的方法。NLP支持了网络聊天机器人、语音助手增强IVR功能以及语音计算接口(如Alexa等虚拟助理)的对话式人工智能,这是理解现代联络中心的关键技术。

考虑在联络中心内实现NLP 需要了解这些知识
  NLP包括两个组成部分:自然语言理解(NLU)和自然语言生成(NLG)。NLU将自然语言输入映射成有用的表示,用于处理和分析,而NLG则将表示转换成自然语言。
  在某些方面,这些技术已经过时了。1972年,计算机科学家罗伯特·默瑟(RobertMercer)和彼得·布朗(Peter Brown)提交了他们的第一个NLP相关专利申请。但随着可负担得起的高性能计算平台的出现,这些技术现在可以快速地支持实时响应,以实现舒适的人机交互,并可用于客户参与。在实际操作中,这意味着在不到300毫秒的时间内提供会话响应的能力。
  如果会话接口是你的目标,那么你应该NLU和NLG一起使用。但是,你仍然可以在单独使用这些组件时找到实用程序。例如,要求IVR将资金从一个帐户转移到另一个帐户只需要NLU。音频确认需要NLG。
  理解NLU
  以下是对NLU平台一些功能的描述。
  辨别意图:客户的意图可以通过处理一个完整的话语来辨别。然而,在客户参与环境中,语法完整的句子并不是常见的,因此你需要使用上下文和元数据元素来管理会话,从而获得成功的结论。例如,当试图检索股票报价时,客户可能会问:“告诉我现在的字母表交易是多少?”这台机器捕捉到了这些信息,应用了语境理解,并做出回应:“字母表的交易价格是1055.82美元。”客户的意图是检索股票报价。
  消除歧义:与其他形式的会话AI相比,客户约定不太容易产生不确定性,因此往往不需要经常消除歧义。这是因为交互关注的是一组客户属性、产品或服务,而不是整个宇宙。这并不意味着客户永远不会说一些模棱两可或矛盾的东西,比如“把我的订单发到我的家庭地址,不,让我再想想,请把它发到我的工作地址。”这使得机器可以消除混淆的消息传递。在这种情况下,你需要你的人工智能助手来背书确认:“只是确认一下,你是想把你的订单发到你的工作地址吗?”此确认步骤将为机器提供正确的确认,这可以用来防止在机器学习过程中产生进一步的误解。
  术语提取:每个行业都有一些独特的术语。科技行业更是如此,一个例子就是电话中的“端口”。如果客户想把电话号码从一个手机移动到另一个手机,他可能会说:“请将电话号码410-555-1212从T-Mo发送到下面的SIM卡123-4545-4545-9865.”有了正确的理解,机器将从这个句子中提取单词“port”和SIM值,这样它就可以执行一个机器人程序,将数字移动到新的SIM卡上。类似地,机器将知道“T-Mo”是指载波T-Mobile,并将开始接触,所以数字会被释放到新的载体上。
  翻译:在客户参与环境中使用翻译通常不是一个好主意。相反,最好的选择是选择一个处理语言的NLU/NLG解决方案。例如,将客户的请求从德语翻译成英语,然后用英语处理回复,并将其翻译成德语,这不是好的方法。
  解析:NLP解析的一个流行的例子是对句子的解释:“我看见一个拿着望远镜的女孩。”是我用望远镜去看那个女孩,还是我看到的那个拿着望远镜的女孩?客户约定很少需要解析语句来确定意义,因此,提出一个示例是很困难的。因此,一个解析算法比一个必须拥有的NLP特性更适合于客户参与平台。
  词干:这个过程是用来解释错误的或读错的单词,以及缩短程序来理解意图所需的时间。考虑如下:“我想转移资金(I want to have funds transferred)。”'转移(transferred)'的词干是“转移(transfer)”。如果你调优机器以考虑所有形式的“转移”,那么你就可以节省时间,不必手工编写每一单词的所有形式。
  命名实体提取:之前在我的股票交易示例中涉及到理解意图。在客户询问字母表的股票价格后,他可能会说:“亚马逊怎么样?”这台机器维护了语境,并说:“亚马逊的交易价格是1522.32美元。”“亚马逊怎么样?”可能不是指股票价格,而是关于亚马逊雨林信息的查询请求。通过使用命名实体提取,机器能够提供与会话上下文匹配的响应。
  一些NLP解决方案提供了公开使用的命名实体的详细列表,例如在我的示例中使用的公司名称,但是其他的没有。即使有一个提供的列表,你的业务中的命名实体可能与其他实体不同,因此你需要特别注意构建你的列表。除了公司名称,命名实体列表还应该包括产品、城市、国家、供应商和流程的名称,包括任何可能出现的命名实体,并帮助机器在客户交互过程中提供更快、更准确的响应。
  主题分割:建立一个传统的知识库涉及到一个手工的过程来处理内容和确定主题和子主题。NLP解决方案可以通过一个主题细分过程自动化这个工作,这个过程决定了文档的哪个部分适用于特定的客户请求。为了达到速度的目的,最好提前执行主题分割,并在所有知识内容上生成标记,这样你的机器就能在客户请求时更快地呈现正确的知识。
  辨别情绪:情绪分析在联络中心有很多用途。作为一个提供管理解决方案的关键,很难复制。分析单词和标点可以帮助确定文本交互中的情绪。语音交互在情感分析中增加音高和音量,而视频接口则将面部表情引入分析。一些供应商提供上述所有的服务,但许多供应商没有。如果你对情绪分析感兴趣,那么一定要了解你选择的供应商在这方面的能力。
考虑在联络中心内实现NLP 需要了解这些知识
  内容总结:总结是客户参与环境中一个有趣的工具。对于它的Watson NLU引擎,IBM收取0.003美元来总结一份10,000字符的文档,并总结一个客户的八个字的表达。针对客户交互的NLP解决方案通常是针对这些简短的话语进行调整的。
  在客户服务环境中,摘要总结是一种统计工具。它可以有效地取代呼叫处理过程,为联络中心的运营经理提供接近实时的洞察,了解客户的需求。我知道当我在经营一家药店的福利项目时,我会发现一个NLU的总结工具。例如,某一天下午4点,呼叫量比平常增长三倍。事实证明,这是退休人员去邮箱的时间,而我们的一个杰出的营销人员已经发送了大量的邮件,上面写着:“你的福利可能会受到威胁。”一旦我们发现了这个问题--两个小时之后--我们迅速推出了一个脚本,这样所有的座席都能更有效地处理这些呼叫。如果我们有一个NLU总结工具,我们可以在几分钟内确定这个趋势。
  内容标记:当联络中心使用大量非结构化数据来支持客户交互时,标记内容是必需的。在标签上搜索比在知识库中搜索所有内容要快得多,这意味着座席--虚拟的或真人的--可以比不添加内容标记更快地向客户传递正确的答案。
  分类:分类用于识别某些类型的词。如果你从事抵押贷款服务业务,那么哥伦布可能指的是一个地方,而不是一个人。类似于目的和功能的命名实体,基于NLP的分类法对于具有非常广泛的产品目录的企业来说是很有用的。这些工具可以减少客户在处理成千上万的产品时可能发生的混乱,同时节省时间。
  掌握NLG
  在客户参与中,NLG通常被理解为一个复杂的定向对话实现。接口向用户公开的响应或后续问题是利用NLG创建的。具体来说,NLG处理器将文本公开给用户(如在Web聊天中),或者向用户提供的一种中间技术,像TTS(如在IVR或语音计算中),产生了用户可以听到的语音。
  如果你打算使用语音接口,那么你应该将一些思想引入到TTS(文本到语音)解决方案中。标点、性别、能量、压力、音素长度、语调、音节和声调都可以影响你向客户展示的沟通质量。虽然你可能并不一定想要探索这些因素背后的算法,但是你肯定想要倾听这个接口,并确定什么对你和你的团队来说是好的。
  选择

  如果你仍在阅读,那么你可能正在考虑在你的联络中心内实现NLP。你有很多选择,现在有1000多家公司提供NLP服务。有些具有预先构建的功能,支持我上面描述的特性,而另一些则需要你构建自己的特性。好消息是,随着联络中心技术的发展,没有一种技术是非常昂贵的。但是,有些工具的实现和管理可能比其他的更昂贵。选择最能支持业务的平台或产品是成功的关键。

  原文链接:http://www.ctiforum.com/


  • 相关资讯 More
  • 点击次数: 105
    2021 - 07 - 26
    我们现在生活在这样一个世界:人工智能(AI)了解人们的情绪和情感,因此做出明智和数据驱动的决策,目的是通过个性化提高客户参与度。  个性化始于同理心。要实现这一目标,超个性化企业必须首先了解客户的行为和意图,然后以情感上适合具体情况的方式进行先发制人和主动干预。在这样做时,面向客户的员工必须缓解问题,并根据客户的行为和兴趣提供个性化的服务或信息。  然而,个性化的努力往往缺乏同情心,这在以情感方式与客户联系时至关重要。当企业通过理解客户对他们的行为和沟通方式的感受和原因,将同理心融入到他们的工作中时,它将有助于为更大的个性化开辟道路。  这种更高层次的个性化源自捕捉和倾听客户反馈。创造这种以人为中心的人工智能交互,优化人工智能和人类之间的关系,增强人类的同理心,将为促进同理心驱动的客户参与提供更大的机会。  人工智能增强了人类的参与  当我想到联络中心或客户服务中的同理心时,我立刻想到21世纪初出现的Zappos在线服装零售商,它是第一家围绕同理心和倾听客户意见建立服务组织的公司之一。当客户联系Zappos的联络中心时,当时的座席并不依赖于脚本式的对话,也没有试图推销。这在很大程度上是由于在线零售商没有通过平均呼叫处理时间来衡量他们的表现。取而代之的是,座席的表现是通过他们对客户的超越程度,以及他们解决客户问题的速度来衡量的;类似于当前客户努力程度得分的指标。整个模型围绕着与客户建立情感联系。  也许人工智能不能取代人类的同理心,但它可以帮助增强人类的参与度,以帮助座席变得更具同理心,从而像Zappos的座席所展示的那样,提供情感上相关的参与。这个模型涉及到采用以人为中心的人工智能方法,将一些复杂的理解放在技术的肩膀上,同时向人类提供情感和认知输入。以人为中心的人工智能通过让座席通过以下三种方式分配同理心参与,架起模拟同理心和人类同理心之间的桥梁:接受积极主动的指导性辅导洞...
  • 点击次数: 130
    2021 - 07 - 19
    社交媒体和评论网站的发展使得消费者越来越多地通过各种在线渠道分享他们对品牌的看法以及对产品和服务的批评。因此,组织必须了解社交媒体用户对其品牌的看法,才能了解人们对品牌的看法和感受。  这就是情绪分析可以提供帮助的地方。  情绪分析到底是什么?  情绪分析将自然语言处理(NLP)与人工智能(AI)和机器学习相结合。它是语音分析或文本挖掘概念的一部分,从社交媒体帖子、产品评论、调查和新闻文章等文本中提取意义,然后分配积极或消极的情绪分数。  这些技术的结合使得情绪分析工具能够更好地理解语言和人们的真实观点。这允许您确定客户对产品、服务或主题的态度是消极的、中立的还是积极的。因此,情绪分析通常用于理解:情绪极性,评估人们对你品牌的看法是积极的还是消极的情绪强度,监控他们的情绪强度  情绪分析对于节省时间和增加社交媒体倾听、调查响应分析、员工反馈处理和竞争对手研究等过程的价值至关重要。在实践中,这有助于加强诸如市场调查、市场分析、产品设计、公共关系、金融交易和声誉管理等活动。  利用情绪分析提高客户满意度  通过情绪分析,您可以分析信息,了解数字助理、电子邮件、社交媒体帖子和文本对话中书面内容的态度、情绪和语气。然后,您可以利用这种洞察力来真正理解人们说了什么以及他们是如何说的,提高他们对您的品牌和产品的认知,并使客户体验人性化。  部署情绪分析的好处包括:  1、情感分类  情绪分析使您能够处理更准确的数据。例如,NLP使用lemmatization,它将一个词的不同形式进行整理,以分析各种复数和时态,并识别诸如形容词、名词和动词等言语要素。  因此,您可以对用户评论和客户反馈建立更可靠的分析。然后你可以开始对他们的情绪进行分类,这样你就可以了解客户对你的员工、数字和实体店、政策、产品、服务和网站的感受。  2、潜在问题识别  不满意的客户越来越多地转向社交媒体来表达他们对品牌...
  • 点击次数: 108
    2021 - 07 - 12
    联络中心座席是您组织的第一线。然而,他们的工作压力很大。座席经常被要求帮助那些可能生气或不安的客户,他们必须以专业精神、同情心和同理心做出反应。他们的工作往往单调而有压力,需要持续监控,以确保他们尽可能快速高效地解决客户的问题。再加上在家工作可能造成的孤立,压力水平会进一步攀升。   考虑到这一点,不仅照顾座席的身心健康是道德上的当务之急,而且对商业也有好处。快乐、积极的座席更有效率,不太可能请病假或找其他工作。最重要的是,他们更有可能提供更好的服务,满足那些更加忠诚并可能花费更多的客户。  从本质上讲,专注于您的座席有三个业务好处:  1、增加员工留任  员工留用问题多年来一直困扰着联络中心部门。根据Contact Babel research的数据,2020年该行业的平均员工流失率为20%。这种流行病只会使这一趋势更加恶化--Enghouse Interactive的一项研究发现,91%的座席可能会在2021年更换工作。如果你想避免自己的联络中心出现高员工流失率,寻找工作压力的解药,确保员工快乐、满意和积极性应该是一个重要的优先事项。留住你的员工意味着你也降低了成本--你不必花钱去寻找、雇用和培训那些需要时间才能跟上进度的新员工。病假减少了,生产力也提高了。  2、提供更好的客户服务  如果士气高涨,座席感到满意,那么他们更有可能从事自己的工作,并提供更好的服务。长期以来,这种情况一直存在,但随着日常客户服务查询现在越来越多地通过自助服务和聊天机器人进行处理,座席更有可能将时间花在支持客户处理更复杂、更难解决的问题上。这使得他们在提供确保客户对您的品牌保持忠诚的体验方面更加重要。  3、雇主品牌  确保你有一个理解雇主的声誉,提倡积极的支持性工作环境可以帮助任何企业吸引和留住人才。而在联络中心行业,面对座席面临的压力和人才竞争,这一点可能更为重要。建...
  • 点击次数: 95
    2021 - 07 - 05
    客户满意是企业所追求的核心目标,它几乎决定了企业的市场占有、利润和生命力。对于那些追求基业长青的企业来说客户满意更是唯一的依靠,因为任何产品设计、市场营销、广告推广甚至具体的服务项目都经不起时间的锤炼,只有客户心理的认可才能使企业获得客户长久的支持。  对客服中心来说“以客户为中心”不仅仅是口号,更要将获取更多的客户满意定为核心目标并且实际落实在所有的管理工作中。  客服中心要分析客户的需求再对应不同的需求采取措施,使客服中心所提供的服务与之匹配,最终满足客户需求,获取客户满意。  充分认识客户需求  马斯洛需求层次理论告诉我们人类的需求是有层次划分的,它既体现个性,但更多时候会展现共性的特点。  对于客服中心来说它服务的客户群有较大的数量级,其单位服务成本并不高,更多是依赖高度信息化的工具,提供给客户标准化、规范化且有效率的服务。客服中心应主要研究客户的共性需求部分,至于个性部分则要提高到客户关系管理的层级,需要依赖更加信息化、智能化的管理体系。本文仅研究客户的共性需求部分,这也是客服中心的主要职责所在。  著名的质量管理大师狩野纪昭教授的KANO模型理念非常适合于分析客服中心的客户群,它将客户需求分为三个层级:  基本型需求:客户认为企业“必须提供”的产品属性、功能或服务,当其特性不充足(不满足客户需求)时客户很不满意甚至愤怒;当其特性充足时无所谓满意不满意,充其量是没有抱怨。  期望型需求:客户希望企业“能够提供”的更多的产品属性、功能或服务,但不是底线。客户最愿意谈论也最重视这部分需求,当其特性不充足时客户不满意;当其特性充足时客户满意,且越充足客户越满意。  兴奋型需求:企业“额外提供”给客户的产品属性、功能或服务,是完全出乎客户意料的、能够带给客户惊喜的。当其没有特性表现时客户无所谓;当其有特性表现时哪怕仅有一点,客户就非常满意,而且很容易将满意转化为忠诚。  ...
Copyright ©2017 四川西沃信息技术有限公司
犀牛云提供企业云服务