在日常生活中，无论是购物、出行，还是业务办理，都少不客服的帮助与引导，客服的存在为我们带来了极大的便利。但随着人们对客服依赖程度的加深以及咨询频率的增加，传统客服的不足之处也逐渐暴露出来，其中响应速度慢、服务质量参差不齐以及无法24小时在线等缺点尤为明显。

随着科技的发展与技术的成熟，人工智能给越来越多的行业注入了新的生机，客服这种工作重复率较高、要求响应速度快的职业自然也成为了其中的一员。人工智能的引入和应用，大大提高了客服的响应速度，简化了服务流程，但带来便捷的同时，也给传统的客服行业造成了巨大的冲击，有人预测，到2020年，客服可能会完全被人工智能所取代。 

下面，我们将从客服行业的发展历程、人工智能的引入给传统客服行业带来的提升和优化以及人工智能客服的不足与前景来聊一下人工智能在客服行业的发展状态。

客服行业的发展历程

科技一次又一次的突破，也带动着客服行业一次又一次的变革。从最原始遍布大街小巷的门店服务，到现今炙手可热的智能客服，传统的人工服务已经在一定范围内被智能客服取代，而准确性高、主动性强和效率性佳的人工智能客服也是未来发展的一大趋势。

从技术变革的角度来看，客服行业的发展主要经历了如下四个阶段。

1、基于人工模板的客户服务

电话技术的广泛应用推动了第一代呼叫中心基于人工模板的人工热线电话系统的诞生。在客户服务发展的早期，专门的话务员或专家利用电话，凭借经验和记忆，利用电话为打入电话的顾客进行咨询服务。

此时客户服务还没有达到可以将用户有关的数据存入计算机的技术水平，功能简单、自动化程度低下、信息容量有限，服务能力也处于一个较低的水准。

第一阶段，人工客服起主要作用

虽然此阶段缺点较多，但人工热线电话的出现让企业与客户有了更直接的交流方式，在提高企业工作效率、提高服务质量、降低企业成本方面都做出了不可磨灭的贡献。

2、基于检索技术的客户服务

这一阶段的客服系统在计算机信息系统的辅助下采用CTI技术，实现了语音和数据同步，用户呼入后即被CTI系统的IVR接管，用户通过电话机上的按键根据语音提示进行操作自助服务。若用户的问题不能通过自助语音解决，便可以进一步咨询人工客服人员，客服人员通过客户服务运营支撑系统的管理界面有效地对客户的资料即时调出和存储，及时地为客户提供个性化服务。 

该阶段客服的效率和质量都有了较大的提升，很多问题不需要接通人工客服，客户通过语音提示就可自助操作，这也在一定程度上减轻了客服人员的工作负担。

3、基于机器翻译技术的客户服务 

随着服务数量的累计，客服人员意识到用户问的提问有很多是重复的，拿电信行业来说，几乎每个办理业务的用户都会问套餐标准、价格，这符合帕累托法则（80/20法则）。利用关键词匹配技术，能较好地解决了这些重复的问题。 

关键词匹配原则是，先在后台设置好经常回答问题的答案，以及答案所对应的关键词。用户输入问题后，从问题中筛选出所包含的关键词，并与后台提前设置好的答案的关键词进行基于字符串匹配，匹配合适就返回该答案。

关键词匹配流程图

这一阶段的客服可以自动智能解答常见的业务问题，当问题实在无法解决或用户明确说明“我想联系人工客服”、“转人工”等情况出现时，才会转入人工服务。 

但是基于关键词匹配的搜索技术有较大的局限性，它不能区分同形异义,也不能联想到关键词的同义词，这也让这种智能客服模式无法真正取代人工客服，只能作为一个辅助性工具而存在。

4、基于深度学习的客户服务 

随着人工智能狂潮的掀起、深度学习技术的不断演进，客服系统也开始了“人工智能+”方向的变革。 

在上一阶段中，客服系统只是基于机器翻译技术,根据精准匹配、关键词匹配对用户的问题进行检索，这种情况下得到的答案不仅少之又少而且很不全面。 

深度学习技术与客服系统的结合则改变了这一局面。搜索相关的NLP技术灵活地将以往惯用的精准匹配、关键词匹配和语义相似度匹配等算法相结合，以不同的策略在知识库中搜集、发现、提取、处理信息，为用户提供咨询等服务。

 应用技术架构图

 深度学习技术的引入，一方面大大提高了客服系统回答的准确度。用户输入一个问句，系统需要对这一行文本进行语义提取（因为机器学习算法的输入一般都要求是数值型的向量，没法直接处理文本），将这一行文本转成一个数值型的向量，在用一些分类、聚类等机器学习算法做后续的分析并把答案返回给用户。

深度学习深度语义相似模型原理示意图

 另一方面深度学习技术帮助客服系统建立了敏感词检测模型，在如果用户输入一个问句（集合A），系统需要检测这个问句中是否存在一些关键字是属于集合B，B就是违禁词列表。若存在问句存在违禁词，即提示用户提问失败需重新提问；若问句不存在违禁词，即按正常情况检索、对文本聚类并返回答案。 

相对于前三个阶段，基于深度学习的人工智能客服服务，在处理问题的精准度和速度方面都有了质的飞跃，也为以后的大规模的应用打下了良好的基础。

人工智能带来的提升和优化

人工智能的引入，不仅提高了用户的体验，也为传统的客服行业的人员管理，知识体系以及服务等方面都带来了巨大的提升和优化。

1、人员管理的优化

根据去年发布的《客服行业现状白皮书》中对分布于金融、电信、旅游、电商、医疗等多个行业的客服进行的问卷调查，结果显示了以下几个现象：

77%的受访客服的工作平均年限在3年以内，呈现出工作稳定性较差的状态；

51.4%的受访客服表示对现有工作状态不满意。原因主要有工作强度大，经常加班、值夜岗；工资待遇低；工作内容枯燥，重复性强；负面情绪多，面对客户刁难，心理压力大；晋升路线不明确；

43.5%受访客服主管对工作不满意。主要原因有员工离职率高、招人难、员工培训成本高，员工效率、缺少系统化培训体系以及领导不重视等原因。

客服行业现状白皮书

而智能机器人的引入很大程度上改善了这些问题。 

由联动北方公司打造的智能会议秘书，也属于智能客服的一种，该智能系统主要针对的是会议场景中会议内容的记录和整理。大多数公司的会议纪要都有一个相对固定的模式，智能秘书能通过分析与学习形成一个标准化的输出模版。在使用过程中，智能秘书会根据输入的内容进行智能分析、整合，然后生成文档即时发送给所有与会人员。同时，该系统还会保存每次会议的纪要，并根据存储的数据阶段性进行总结，将相关联的部分分类归档并生成报告，作为以后会议的资料和参考。智能秘书在使用前不需要经过传统秘书所需的培训，一套系统能够同时在多个会议中使用，极大减少了企业在相关方面的资源投入，同时其高效的输出能力和极强的数据存储处理能力也保证了任务完成的质量。

单就以上这几点，就可以帮助传统客服人员解决会议记录完成效率低、工作内容重复枯燥等问题，空出来的时间，可以投入到更具价值的事情上去；同时可以帮助客服主管解决员工效率低下、招人难、培训成本高等问题。而对企业来说，直接在客服人员投入的成本变低，可以投入到客服其他价值更高的地方去。 

研究报告显示，使用机器人可以解决85%的常见客服问题，而一个机器人坐席的花费只相当于一个人工坐席花费的10%。若是企业的客户群体数目大、咨询频次高、问题重复度高的话，引入高性能的智能客服机器人能极大地节省人工成本。

2、知识管理的改善

在以前的模式中，一线客服人员是知识产生的主体，他们直接跟用户对接，用户有哪些问题、哪些需求，他们最清楚，但同时他们又最不清楚。他们清楚，是因为只有他们才直接接触到用户。他们不清楚，是因为传统的客服普遍年轻、学历相比要低，再加上工作强度极大等原因，没有足够的知识、经验、精力、动力去从用户的话语中提炼出核心的意思来。

其实，客服部门作为企业前端的客户直接接触窗口，每天都可以从客户身上获取大量的信息，甚至可以在客户比较满意的时候，主动获取一些爱好、职业等信息，积少成多，这些数据将为企业巨大的价值。传统客服跟用户沟通过后，一个问题解决了，沟通过程得到的信息、解决过程方法没有沉淀下来，不利于后面跟用户持续沟通、服务，也不利于知识的推广和挖掘。而用智能客服，沟通的每一步，都能准确、及时的记录下来，用作进一步挖掘。主要体现在以下三个方面：

第一、产品改进。例如，举办一个活动，若问活动规则的人过多，要么表明规则制订不清晰，导致用户无法看懂；要么说明产品设计有缺陷，导致用户不知道哪里查看更具体的活动细则；要么市场营销不到位，用户只知道活动，但不知道参加活动等等。更进一步，可以统计客服沟通过程中的上下文，更准确地找出问题所在。

第二、持续个性化服务。例如，用户问她的小孩今年1岁，吃什么奶粉好？从这个问题中，我们就能知道用户是一个妈妈，孩子刚1岁，今天买了奶粉。那我们就可以推荐其他妈妈常用的商品给用户，如尿布、婴儿服饰等；同时，还可以记录下孩子的成长信息，随着孩子的成长改变推送的内容，例如在孩子生日的时候向客户发放优惠券吸引消费等等。

第三、对业务更准确的跟踪。用分析这些“大数据”，可以形成更全面的用户行为表，如用户的满意率、最受欢迎的商品，受欢迎的原因等等。

企业知识利用过程

传统模式的客服，知识没办法沉淀与传承，一旦人员离职，他所拥有的知识库就随之消失，新员工必须从头学起。像电商这种流程长、品类多、场景多的行业，客服需要学习知识点多达数千条，学习的过程不论对企业还是对员工，都是极大的负担。使用智能客服后，重复、简单的问题交给了机器人，企业有专门的系统管理这部分知识，系统会随着数据的增多，越来越智能。而客服越智能，用户越满意，客服人员越有时间去做其他高价值事情，形成良好的正循环。

3、服务边界的拓宽 

以前做生意，大多是一锤子买卖，通过策划卖点、投放广告、渠道推广等，把货卖出去，把钱收回来，之后再也不愿意跟用户打交道了。因为购买过产品的用户无非是需要换货退货，或者产品需要修理等服务，这些都是增加成本的。在这时的客服，主要承担的就是售后职能，与用户的沟通中处于被动的位置，辛苦不说，还不受重视。对企业来说，客服部门要花很多钱，但没有直接的收益。这就是所谓的“成本中心”。

技术改变了这一切。信息的自由流动，激烈的竞争，让企业推出产品时，一定要回答清楚：用户为什么非要用这款产品？这款产品能为用户解决什么问题？这款产品与竞争对手的产品到底有哪里不同？自己回答了这个问题还不够，还要清楚无误的回答给用户。而客服常年处在跟用户直接接触的位置上，是一个绝佳的传递产品信息、企业理念的渠道。这样，客服要做“售前”甚至“市场营销”、“品牌建设”。例如，现在电商常见的“评论”，初看是“售后”，但细想，评论好坏、处理是否会得当，会严重影响到后续的购买、用户品碑。

跟之前不同，现在把产品卖给用户，企业跟用户之间的关系才刚刚开始。很多企业的盈利模式决定了，产品本身是不赚钱，甚至亏损的。互联网产品的本质是服务，产品本身，如手机，背后是电信服务。这时候，企业会希望用户最好天天泡在你的产品上，用你的服务越多，收入就越多。若用户体验不好，就会流失到其他同类产品那里去。这种客户服务，也被常称之为“运营”。良好的客户服务可以帮助企业引导产品销售，为企业带来更多盈利机会，同时收集用户反馈，统计分析用以对于产品的改进。

既然产品是一种服务，软件和app都是一个窗口，通过这个窗口，把服务传递给用户。用户的需求在不断改变，企业就要随时调整。调整的方法可以是每天不断地改进产品、改进服务，比如发布新的版本，就属于这种狭义的持续改进。但是广义的持续改进，也包括一些运营方法，如服务方式、服务质量的提升。企业要有办法收集用户的反馈，而传统客服跟用户的沟通内容、过程就是一个极好的数据来源。这种收集用户反馈而改进产品、服务的工作，常常是互联网企业产品经理的工作。

要满足新形势下的客服要求，有效的收集、处理和协同数据其实成为企业面临的新的问题。用户数据与后台数据，线上数据与线下数据，社交媒体数据与线下的零售数据，会员卡数据与微信粉丝数据等等之间都存在需要协同的问题。而人工智能就是最最能够利用大数据的一个领域，在这方面有着得天独厚的、传统人工客服无法比拟的优势。对于企业来说，应该善加利用各种各样的数据，才能让这些数据产生应有的价值。

客户服务的内涵越来越丰富，包含了售前、售后、运营、产品改进等内容，这一切都要求企业把客服从烦重、枯燥的工作中解放出来，重新定位部门价值，开始从成本中心到的利润中心转变。

4、深度服务的推行

客户服务演进的趋势是，服务越来越主动，用户越来越被动。主动地提供更个性化的、更灵活、更深度的服务，正日益成为企业提升用户体验的制高点。

最近很多服务型公司就采取了这种模式并取得了良好的效果，一些公司甚至打出了只要给他们发一个短信，他们可以帮你做任何事情的广告，当然前提是这些事必须是合法的。

当用户身处于一个自己不熟悉的领域时，往往会希望得到主动的帮助而不是去寻求帮助。例如，对于一个不了解红酒市场的人来说，买红酒并不是一件简单的事，红酒市场复杂，瓶子看起来同样，但实际质量与价格都千差万别。正常情况下，顾客要花费时间请教专业人员，不断对比靠谱的产品，挑选最优性价比。现在，我们唯一需要做的就是把需求发送给客服，服务的优化为我们节省大量的时间与精力。

这样的服务方式显然满足了很多顾客的期待，目前很多最经常网购的商品都存在这样的优化空间。比如，在线上买衣服对有些顾客而言可能是很痛苦的体验。不太懂得挑款式，也不知道自己适合什么样的风格，这时候顾客就会特别希望有这样一种服务：把我必要的身高体重臂展等数据，以及一张衡量颜值水平的照片，传给线上的一名“导购”，“导购”就能帮我挑出一堆心仪的衣服，选择几件，线上付完款，然后就能坐等收快递了。

深度服务下的购物模式

事实上，这种客服模式不仅对顾客有利，同时也是更加合理的。企业具有更多的整合资源的能力，能对消费行为给出更专业的意见。同时，这种主动服务中沉淀下来的各种数据，又将提高决策的效率，是一种正向循环。如就红酒来说，企业可以收集到红酒各种数据参数，用户体验反馈，形成一张关于红酒的知识图谱，智能机器人利用这张图谱，就可以像用户的私人秘书一样，提供工作生活建议。 

深度服务的大火，正说明了众多商家的火眼金睛已经看出这种更灵活、更主动的客服形式必将是未来的大势所趋。人们起初需要亲自出门去买东西，然后出现了互联网、有了各种电商和APP，用户只需要搜索、下单、支付，就可以坐等快递上门；到了现在，新的客服渠道和方式让人们省去搜索、下单的过程，你有什么需求只需一个短信或者说一句话，商家就能直接帮你搞定。这一个过程中人变得越来越懒，下一步让人更偷懒的方法就是覆盖非标准类服务、让“懒人”们在手机说一句话，打一句话，就可以得到服务。这对企业的要求则是打通所有客服管道，入口尽量简单化，互动尽量即时化，而服务尽量个性化、多样化。 

人工智能客服的不足与前景

人工智能目前在客服行业已经取得了不俗的效果，但就长远发展来看，还有几个需要完善的地方。

首先是对于自然语言的处理能力需要加强。在解决用户的问题之前，人工智能首先要做的就是信息匹配，将用户的问题与知识库中的数据进行配对，从而找出问题的答案。在这其中，智能客服要想令人满意，对于语言的处理能力还要进一步加强。毕竟用户的表达方式多种多样，若是不能很好地进行自然语言处理，就不能正确理解用户的问题，又何谈为用户解决问题？

其次是知识库的储备需要填充。在使用过程中，当用户提出问题，智能客服会将之与知识库中的数据进行配对，以找到类似的问题来提供答案。但正如网络安全一般，只有在病毒出现之后，网络安全团队才能根据它找到解决的办法。这样来说，在网络安全的防御战中，安全团队一直处于被动方，只能被动防御，无法主动发起攻击抵制新型病毒的入侵。而在智能客服，其知识库即相当于网络安全的病毒库，需要不断的更新才能为用户提供更好的服务。在此之前，智能客服所能解决的只是一些陈旧的问题，并不能应对人们提出的新问题。 

不过，与病毒防御不同的是，智能客服的知识库是可以提前录入的，毕竟规章制度什么的都只是一些死东西，只需在发生变化时进行实时更新即可。 

因而，在此基础之上，智能客服的知识库还需加入更多全面的问题，以便其多加学习，提供优质服务。

立足于未来的人工智能客服系统

立足于未来的客服系统，应该是一个 “智商”、“情商”都超高的智能助手。要为人们带来更贴心的服务，未来的人工智能客服应至少应具备下面五个方面的能力：

首先是其极高的短期记忆力，能准确地理解用户问句中的潜在意思，具有极强的推理能力，能进行多轮次的多轮对话。

与此同时，长期记忆能力也是其“智商”的衡量标准之一。未来的客服应该能根据用户的行为轨迹对其进行用户画像，判断用户的年龄、性别、喜好等，并对其进行个性化推荐。

客服的视觉理解能力的提升也会让客服显得更加“智能”，在咨询客服的过程中，未来的客服不再拘泥于单调的交互方式，也能像人工客服一样，接收图片、视频等并迅速识别其中的信息并给予反馈，让用户与客服系统的交互更加多元化也更方便。例如，用户收到的商品存在破损，便联系客服反馈商品破损问题要求退款，只需拍摄商品破损的图片并上传，客服系统自动对其进行识别确认便可进行退款。

除了业务方面的问题，未来的客服也会扮演“百科全书”的角色，用户不只可以向它咨询与业务相关的信息，还可以跟它聊天、讨论，甚至提出任何五花八门天马行空的问题。

最后，未来客服系统还应具备极高的商务能力,能像一个出色的销售一样与用户进行主动的攀谈，拉进彼此的关系，了解用户的喜好，再利用极强的沟通能力和销售能力完成商务关系的建立等。

随着人工智能技术的发展和应用的深入，传统客服行业将逐渐被取代。与此同时，兼具“情商”与“智商”的人工智能客服，将接替传统客服的角色，在未来发挥更大的作用也给我们带来更好的用户体验。