易觀分析：雖然客戶服務有著將近20年的發(fā)展歷史，相對于人工客服，客戶體驗依然較差。銀行應用智能客服系統(tǒng)時，存在二次開發(fā)成本高、廠商的解決方案不能夠很好地適配銀行場景等問題。銀行需要形成智能客服相關(guān)的可復用于跨部門的中臺能力。

隨著人工智能技術(shù)的發(fā)展，智能客服在各行業(yè)的應用快速增加。

雖然客戶服務有著將近20年的發(fā)展歷史，相對于人工客服，客戶體驗依然較差。銀行應用智能客服系統(tǒng)時，存在二次開發(fā)成本高、廠商的解決方案不能夠很好地適配銀行場景等問題。

銀行業(yè)智能客服場景相對分散，未實現(xiàn)全場景智能化升級

易觀分析認為，銀行業(yè)客戶服務建設(shè)包括四個發(fā)展階段：企業(yè)自建呼叫中心、托管型呼叫中心、多渠道云客服以及全場景智能客服。

基于上述發(fā)展階段劃分，以及當前銀行業(yè)客戶服務發(fā)展現(xiàn)狀，目前銀行處于從多渠道云客服向全場景智能客服的發(fā)展階段，重視對客戶服務體系的智能化升級，但存在技術(shù)債等歷史遺留問題，場景相對分散，尚未實現(xiàn)全場景智能化。

具體分析如下：

其一，在銀行業(yè)，由于各業(yè)務部門的業(yè)務內(nèi)容、相關(guān)數(shù)據(jù)系統(tǒng)、客服渠道都存在巨大差異，各業(yè)務部門具有獨立采購智能客服產(chǎn)品的權(quán)限。智能客服廠商按照銀行部門提供定制化解決方案，使得不同部門的客服系統(tǒng)彼此獨立，形成數(shù)據(jù)孤島。

其二，在數(shù)據(jù)孤島的背景下，銀行業(yè)還存在難以打通客服數(shù)據(jù)，為深度學習提供充分素材的情況。即使是大型銀行，在一些客戶服務量少的渠道，例如小程序、NPS評價或某些特定的營銷渠道，月度服務量也僅有幾百到幾千，深度學習無法基于這個數(shù)量級的數(shù)據(jù)實現(xiàn)有效的訓練，從而形成千人千面的個性化服務。

其三，全場景智能客服需要多技術(shù)棧融合，同時具備扎實的客服知識庫體系，這一方面也存在短板。智能客服不僅是回答客戶提問、提供自助服務的語音機器人。廣義的智能客服還包括坐席服務、運營管理、坐席管理等內(nèi)容，如下表所示：

多樣化的應用場景以及能力支持導致智能客服的建設(shè)需要融合大量產(chǎn)品、技術(shù)、解決方案。這不僅包括音視頻對話、自然語言處理、深度學習、知識庫等相關(guān)能力，也包括BI、OA、協(xié)同辦公系統(tǒng)建設(shè)等坐席人員管理、客服運營方面的能力。

另外，語音＆語義識別的準確率僅在70－90％之間，方言適配僅支持數(shù)十個地區(qū)的、銀行現(xiàn)有用戶行為的數(shù)據(jù)量和分類維度不滿足深度學習所需的要求、知識庫不具備當前客戶個性化需求。這導致智能客服在多輪次、高復雜度的客戶服務互動中，無法理解對話內(nèi)容、沒有適配的知識庫答案。

易觀分析建議：

易觀分析認為，銀行需要在企業(yè)級架構(gòu)的基礎(chǔ)上，形成智能客服模塊的中臺能力，對可復用的技術(shù)能力進行統(tǒng)一規(guī)劃、開發(fā)和應用。

形成中臺能力可以實現(xiàn)核心能力的自主可控，同時降低技術(shù)開發(fā)、資金投入方面的投入，還可以保障相關(guān)能力更貼合銀行自身的業(yè)務需求。

形成中臺能力也可以實現(xiàn)客戶跨業(yè)務、跨渠道的服務信息同步，提升客戶體驗。

聲明須知：易觀分析在本文中引用的第三方數(shù)據(jù)和其他信息均來源于公開渠道，易觀分析不對此承擔任何責任。任何情況下，本文僅作為參考，不作為任何依據(jù)。本文著作權(quán)歸發(fā)布者所有，未經(jīng)易觀分析授權(quán)，嚴禁轉(zhuǎn)載、引用或以任何方式使用易觀分析發(fā)布的任何內(nèi)容。經(jīng)授權(quán)后的任何媒體、網(wǎng)站或者個人使用時應原文引用并注明來源，且分析觀點以易觀分析官方發(fā)布的內(nèi)容為準，不得進行任何形式的刪減、增添、拼接、演繹、歪曲等。因不當使用而引發(fā)的爭議，易觀分析不承擔因此產(chǎn)生的任何責任，并保留向相關(guān)責任主體進行責任追究的權(quán)利。

       原文標題 : 銀行需要搭建智能客服模塊的中臺能力，驅(qū)動全場景智能客服務升級