php网站开发实训指导书,深圳网站开发建设培训,某企业网站建设规划书,建筑企业招聘网站智能工单处理#xff0c;达观数据助力运营商实现业务流程智能化改造 https://m.sohu.com/a/466386308_383123 智能工单处理#xff0c;达观数据助力运营商实现业务流程智能化改造
达观数据 05-14 14:04 订阅
运营商一线业务运营亟待智能化改造 近几年#xff0c;运营商领域…智能工单处理达观数据助力运营商实现业务流程智能化改造 https://m.sohu.com/a/466386308_383123 智能工单处理达观数据助力运营商实现业务流程智能化改造
达观数据 05-14 14:04 订阅
运营商一线业务运营亟待智能化改造 近几年运营商领域的生产运营工作的内外部环境发生了深刻变革加快向标准化、系统化、自动化、智能化的新模式转型势在必行。运营商领域的工单处理是与客户体验息息相关的重要工作要求处理人员具有丰富的运营商一线业务知识和很强的综合分析能力因而它是一项经验密集型工作适合进行智能化改造。本文结合达观数据在运营商领域的智能工单处理的丰富实践进行探讨。对于运营商客户服务热线的业务流程来说一般包括故障报修、举报、投诉、建议、咨询、意见、表扬、查询以及订阅服务等多个业务环节每个环节都会产生大量工单数据。具体说来运营商的投诉受理流程为客服人员接到客户投诉致电后根据客户描述生成投诉受理内容 由客服人工判别投诉类型并进行投诉处理 形成投诉处理意见。客户投诉管理作为运营商领域优质服务工作的重要一环 需要基于业务数据中台WEB端/APP 充分挖掘客户投诉工单数据 掌握客户诉求 不断提升客户满意度。然而长久以来上述过程大都是经由人工处理的往往会存在如下问题
耳朵嗡嗡响这样调理快速缓解赶紧咨询 广告
知识密集型 工单处理与客户体验息息相关对人员的专业素养要求极高是一项知识密集型的工作。联调的业务员大多学历不高理解系统及使用方式上接收起来比较吃力业务员很多分散各地全部培训成本较高。
问题定位不够准确 由于处理人员经验不足可能造成问题定位不准确形成有偏差的解决方案。这不但无助于解决问题还进一步降低了客户体验增加了系统运行风险。
工单分类准确度低 目前工单分派是根据业务人员填写的工单所属系统进行自动分派导致工单分类的准确度不高经常出现工单分派错误的情况影响了工单的顺利流转。
效率影响用户体验 工单处理效率低用户反映了问题后因为业务处理流程和分析问题导致不能尽早反馈用户影响用户体验。
无法快速匹配历史工单 运营商领域的账号注销、网络故障、话费充值等问题经常出现类似的工单会反复出现这在工单处理业务中很常见。经验丰富的维修人员凭借丰富的经验或知识总结可以快速找到类似的历史工单并参照历史最优处理方案进行处理确保高质量、高效率处理。由于工作人员的流动性新的工作人员可能在短时间内不具备这种能力导致低效的重复劳动。
自动化程度低维护成本高 随着每日需处理的工单数量不断上升维护人员处理工单的难度也逐渐增加。
工单价值亟待挖掘 工单以非结构化文本数据形式存储严重制约历史工单数据的价值挖掘。
达观数据智能工单处理技术 在运营商领域的实践 鉴于上述情形运营商亟待打造一个智能化的运营管理平台以促进集团各省分公司向智慧化运营迈进。在探索运营商智能运营解决方案的过程中达观数据的智能工单处理技术开拓了工单检索、知识推荐、工单派送、知识运营等多个运营场景有效的帮助运营商实现“降本增效”的业务目标。
1.智能工单处理嵌入业务流程 对工单内容引入语义分析能力实现共性工单预警、自动派单自动推荐解决方案大幅缩短工单处理周期。 2.业务流程智能化改造 引入机器训练模型结合专家经验培养一体化运营管理平台的自主学习能力匹配自动化处理手段构建一个“智能、敏捷、高效”的问题处理平台。原有知识中心引入智能推荐系统进行知识匹配和推荐提升知识使用效率并通过在线学习管控提升业务知识的传递有效降低员工培训成本提升业务能力。 3.先进的AI技术赋能运营商智慧化运营 达观数据智能工单处理技术利用前沿的深度语义分析技术进和知识图谱技术对工单数据进行智能化处理和知识泛化建立贴合业务的分类模型提升工单分类和流转效率可实现系统自动分类与派单并能基于历史沉淀的语料库构建智能语义知识库辅助一线坐席快速找到优秀的应答话术。 达观数据智能工单处理 业务价值与优势 总体上讲智能工单处理技术/引擎可以为运营商运营部门带来如下业务价值 达观数据智能工单处理技术的优势
优势1知识图谱与机器学习相结合提高短文本分析准确度 客服热线中用户的非正式的表达很多比如“那个给我取消了我我没订那个”属于指代不明的口语化说辞且缺少有意义的特征还有字少信息量大比如“我问一下幺零零八五是什么平台;那为什么他给我打电话说;赠送我流量了…”中提及的“幺零零八五营销服务热线”属于运营商领域独有的词汇需要结合运营商领域的业务知识来处理。引进知识图谱做长短文本处理分析与复旦大学肖仰华教授合作技术中解决了文本稀疏性等难题。 优势2机器学习模型结合人工反馈机制驱动产品更智能 智能工单引擎中若干机器学习/深度学习模型会随着业务人员的使用和bad case反馈会“学习”到更多的业务知识变得越来越“聪明”准确率、召回率和F1Score会逐步提高。 优势3人机协作大幅度提升业务分类体系构建的效率 在工单处理中需要对工单所反映的问题进行自动化打标这需要提前认为构建业务标签体系。标签体系的构建要符合“MECEMutually Exclusive CollectivelyExhaustive”原则即“相互独立完全穷尽”。然而人工构建分类体系的成本很高且需要业务经验深厚的员工参与一般人员难以在短时间内完成一个高质量的业务标签体系的构建。达观数据通过先进的无监督语义算法可辅助业务人员在短时间构建一个的科学化的业务标签体系
基于无监督语义聚类算法从大量无标注的业务语料中发现潜在的业务结构。 基于少许先验知识即有一定结构的种子词汇的主题模型可以提高主题划分和主题词拓展的质量。 智能工单处理引擎在其他行业的展望除了运营商智慧化运营这个典型场景外其他文字密集型领域如银行、保险、电力、运营商等每年需要处理数以万计的工单数据也需要基于自然语义理解技术的智能工单处理引擎进行能力支撑。目前上述领域的工单处理系统仅在工单报送、审批、存档等办公事务性环节实现了自动化在最主要的问题分析处理环节还是主要依靠人工。上述领域的服务智能化已经是大势所趋这些领域的工单处理是与客户体验息息相关的重要工作要求处理人员具有丰富的业务知识和很强的分析能力是一项经验密集型工作适合进行智能化改造。下面列举几个常见行业
保险行业客服 提高坐席的服务质量和效率 理解用户话语意图后经提醒功能页面将回答建议提供给客服人员
风险识别与预警 识别和防范业务挖掘中潜在的、突发的风险针对非结构化数据通过简单的关键词匹配较难实现对高频、高危问题的挖掘和监控并对这个高频、高危、突发事件进行及时的预警。
客服话术质检 对客服违禁用于进行实时监控更可以直观展现坐席在服务过程中的表现能及时发现问题并反馈给运营层。
工单数据价值挖掘 话务、微信、APP等应用所产生的的文本数据涵盖了许多客户真实的需求和意图信息如客户通话情绪、客户通话意图等重要的客户服务信息需要针对这些新技术可获取的客户服务信息进行分析展现以便更真切、及时的感知到用户的需求。
银行理财产品电销 客服数据价值挖掘 客服与用户的交互过程中产生大量数据语音转文本、工单等难以及时处理并产生商业价值
优化坐席营销能力 为实现目标客户的个性化营销提高营销成功率信用卡中心提出对营销录音转译后的文本数据和工单数据进行分析实现对客户行为及偏好分类为坐席提供动态营销指导提升客户体验优化已有非金融产品引领客户生命周期管理。
提高坐席的服务质量和效率 电话营销主要依据规范话术和销售人员自身的营销经验虽话术标准但缺少针对性无法满足客户更多的业务需求导致存在部分目标客户流失的风险。
电力行业 提高坐席的服务质量和效率 基层客服人员素质参差不齐专业技能较差缺乏服务意识的敏感性为客户提供的供电服务存在单一性、粗糙性和趋同性。
工单数据价值挖掘 客户的投诉是针对电力产品或服务中的某一个具体问题提出的这就为供电服务中心提供了市场反馈的信息。如何有效的根据工单数据分析客户投诉的心理需求与行为诉求切实提高服务质量是供电公司面临的一项迫切任务。
虽然行业领域不同但各行业面临的场景诉求和以期得到业务价值相同。达观智能工单处理技术可以为上述场景提供量身定制的智能化工单处理解决方案。
