4步投产银行外呼机器人,容联云深耕AI运营全周期解决方案

随着人工智能的发展,一些银行选择将机器人应用于催收业务,搭建智能化催收团队,以解决人工催收成本高、效果不稳定、合规性难以考量的问题。但随之也出现了不少顾虑:机器人要多久才能“上岗”?AI够智能吗?能达到甚至超越人工坐席的催收效果吗?容联云为某大型银行提供的外呼机器人整体解决方案,使这些问题有了极具说服力的答案。

该大型银行多年来不断探索银行传统经营活动的数智化转型之路,并始终走在前列。面对行方的海量用户名单和严苛运营指标,容联云在2个月的时间里,通过建设期、提升期、试运营、运营期等不同阶段的优化迭代,让机器人更懂用户需求,为银行客户提供了良好的工程化和交付落地体验。

四步规划覆盖人工智能应用运营全周期

1、建设期

想要训练出更智能、更懂用户需求的语音机器人,第一步是做好准备工作。为了让机器人采集足够的客户意向,同时达到接近于人工坐席沟通效果,需要先梳理业务流程

整理出主要业务逻辑框架,标记关键流程节点

通过收集更多真实的交互记录,不断补充每个节点会出现的分支,填充分支流程,最终形成可覆盖绝大多数用户轨迹的完整业务流程图

在该行催收流程的设计中,容联云最终梳理出千余个场景路径上百个用户标签,要通过数千个电话才能遍历所有节点。

之后则是准备数据集。语料是搭建智能客服场景的基础材料,真实语料要通过圈定类型、收集、预处理、标注、质量评估等步骤,才能用于模型训练。处理后的语料将分成用于做模型训练的训练集,和用于评测模型准确率的测试集,并在模型中进行闭环训练,同时进行配置业务规则、配置对话流程、配置标签等对话流程设计。

随后进入冒烟测试阶段,如遇到识别问题就标注后回流模型优化,遇到逻辑问题则修改对话流程配置,直到全流程跑通、冒烟测试完成。

2、提升期

此后,便进入了第二步——人工智能应用流程批量测试的提升期。容联云对AI产品进行话术逻辑调优、NLP和ASR等各个方面的优化。

通过一次次的数据收集、评估、调优、验证,不断提升话术衔接自然度、话术播报流畅性、话术逻辑合理性、质检标注的新意图等指标;通过数据回流、模型训练评测进行模型迭代,纠正训练集,提升NLP意图识别的能力;通过语言模型训练、热词训练、声学模型训练,提升识别准确率。

在项目的实际工作中,容联云通过用例测试,校验场景逻辑及基本语料覆盖情况。每天记录未通过用例测试的问题并当天处理;当天无法处理的就尽快处理后邀请业务复测,每天回复优化进度、同步复测结果,并在用例测试结束后邮件同步盲测计划。

盲测即模拟真实业务发生场景,进行自主发散测试。容联云的训练师在首轮盲测时给出质检报表和测试结果分析,并基于当前识别效果不佳的意图提出测试建议,后续盲测中则会每天监控指标、同步质检报表。

经过以上复杂而精细的流程,在提升期内,业务流程准确率提升近十个百分点。

3、试运营

在生产环境验收测试通过后,AI产品将先进行小批量投产,试运营2-3周,观察效果和使用稳定性。小批量投产期间,同步进行AI效果优化,效果趋于稳定后进行大批量的投产使用。

4、运营期

在进入批量正使用后,项目便进入运营期。运营期智能客服使用效果逐渐趋向稳定,运营工作重点是监测日常使用情况,关注指标稳定性,并结合线上真实数据稳健提升效果指标

在流程交互效果趋于稳定时,日质检量即可适当缩减。释放出的多余人力便可围绕业务目标,通过分析发现局部话术存在的问题,定期调优话术逻辑,促进业务正向增长。

AI能力+底层通讯技术 构建独特竞争优势

除了过硬的技术和专业化的交付运营团队,语音机器人也有一定的通讯层门槛和能力要求,这正是容联云深耕多年的优势领域。

容联云的CC能力领先,单服务器性能好,处理能力1200并发,通过模块的叠加可以支持30000个以上的并发,整个集群可以随着客户需求弹性水平扩容;全年故障率低,具有较高稳定性;内置录音,训练师可以直接质检、复检,保障使用效率。

虽然2020年疫情黑天鹅席卷而来,但该行项目仍然顺利投产上百个机器人进入试运营。容联的训练师团队,每日对上千通通话进行标注、质检形成数据集,并不断优化迭代。智能外呼不仅能提供自然流畅的对话体验,对未接通用户、承诺还款用户短信提醒,还能在首催后,通过丰富的数据制定差异化复催策略,提升催收效果,并为上游系统提供精细化运营的分析依据。据统计,容联云外呼机器人能完成的工作量是人工坐席的2倍,但却能降低90%的成本。统一标准的话术也降低了合规风险。

经过三年的沉淀和发展,目前容联云在该银行部署的机器人已达到数千个,并随着客户需求仍在扩容中。优异的使用效果也吸引越来越多的部门接入机器人,未来,容犀机器人在该行应用的业务场景将不断拓展,从最初的催收分期、发卡、信审、客服等众多场景延伸。

(0)
上一篇 2021年8月25日 11:54
下一篇 2021年8月25日 11:54