他們中有些人經(jīng)過與課程顧問的一次或多次溝通，獲得有效幫助，選到了適合自己的課程，制定了學習計劃。但也有些人，因為始終沒得到有效幫助或其他原因而流失。
如何幫助更多想要提升自己的人，為他們提供相應的產(chǎn)品?對于新東方在線而言，這是一個關鍵問題，而這個關鍵問題的前提就是能夠了解咨詢者的真實需求，尤其是沒有明確說出口的潛在需求——心聲。
客戶心聲分析
對于不同咨詢者的“心聲”，優(yōu)秀的課程顧問會從自己的經(jīng)驗中總結規(guī)律，比如在職人員更關心課程的單節(jié)時長和時間安排，應該多為他們提供時間相關的信息。但這些規(guī)律都藏在他們心里，難以驗證，也難以變成整個公司、整個團隊的公共知識。
因此，新東方在線找到循環(huán)智能(Recurrent AI)，一起嘗試通過機器學習的方式，從全量的、經(jīng)過脫敏處理的客戶溝通數(shù)據(jù)中，挖掘“客戶心聲”;從優(yōu)秀課程顧問的對話數(shù)據(jù)中，分析讓溝通更高效的規(guī)律方法。
在校生、家長、在職人員分別最在意的事情是什么，除了大家熟悉的因素，比如價格、課程時長或師資力量，是不是還有讓所有人都意想不到，機器卻能從微弱的信號中學到的某種因素?
了解到不同客戶最在意的事情之后，應該在溝通的什么階段提供什么樣的信息，才能贏得他們的信任?從成功的溝通記錄中，機器可以學到哪些“優(yōu)秀課程顧問在使用但無法轉(zhuǎn)述給其他人”的溝通技能?
循環(huán)智能為新東方在線提供的機器學習技術是這樣工作的：首先，將通話錄音轉(zhuǎn)為文字(溝通文本記錄可跳過這步);之后，利用自然語言處理(NLP)技術分析文本語義，提取語義點形成畫像標簽;最后，對結構化的數(shù)據(jù)進行分析，拆解出豐富的數(shù)據(jù)維度，尋找溝通方式、溝通內(nèi)容與服務效果之間的關系。
這個過程聽起來很容易，但每一步做好了卻很難，整合為一個系統(tǒng)，更難。
第一步的核心技術是語音識別。通用的語音識別引擎，識別字正腔圓的新聞節(jié)目和日常用語(早上好、午飯吃了嗎、晚安)準確率很高，但是在特定的場景下往往難以招架：雙方對話(需要分離兩個人的聲音)，電話錄音(常伴著雜音)，說的不一定是普通話，以及經(jīng)常出現(xiàn)行業(yè)術語(A-Level、托業(yè))。于是，循環(huán)智能自研了自動語音識別(ASR)引擎，引入聲紋識別、語氣識別等技術。在合作伙伴進行的第三方測試中，準確率顯著高于市面上的通用識別引擎。
第二步的核心技術是語義理解。循環(huán)智能采用了NLP領域國際熱門的預訓練模型 XLNet，XLNet 模型的第一作者正是循環(huán)智能(Recurrent AI)的聯(lián)合創(chuàng)始人、AI和產(chǎn)品負責人楊植麟。語義理解的其中一個難點在于，大家講話的時候往往是“話里有話”的，機器判斷起來也很吃力。所以，循環(huán)智能在面對一個新領域時，會引入高效的人工標注過程，通過人機結合的方式做預訓練，最后形成可靠的算法模型。
第三步的核心技術是數(shù)據(jù)分析和挖掘。在這方面，循環(huán)智能的CEO和CTO都是個中高手，CEO陳麒聰師從亞馬遜AWS現(xiàn)任AI負責人、機器學習泰斗Alex Smola;CTO 張宇韜師從清華大學計算機系副系主任、數(shù)據(jù)挖掘頂級專家唐杰教授，曾作為核心開發(fā)者研發(fā)了知名的科技大數(shù)據(jù)分析平臺AMiner。
他們擅長發(fā)現(xiàn)數(shù)據(jù)之間的關系和隱藏的規(guī)律。舉例來說，在線溝通時，關于客服回復客戶的速度這個維度對于客戶最終滿意度的影響，通常企業(yè)會認為一定是越快越好。但是，循環(huán)智能幫助新東方在線分析了大量對話之后發(fā)現(xiàn)，數(shù)據(jù)揭露出的結果：并非回復得越快越好。當服務人員總是在幾秒之內(nèi)回復客戶時，反而獲得客戶有效反饋的比例更低一些。經(jīng)過對大量具體案例的進一步分析，循環(huán)智能找到了關鍵原因——快速的回復往往是被動的、過于簡單的“是的”、“好的”、“對”，但客戶更希望服務人員能主動提供更多與學習和課程相關的信息，而非被動的應付之語。
類似這樣的客戶心聲分析維度，高達數(shù)百個。從不同維度得到的信息，經(jīng)過進一步整合和驗證，就能轉(zhuǎn)變成新東方在線整個服務團隊的公共知識(Know-How)，進而提升服務能力和客戶滿意度。
對于管理層而言，如果能一目了然地“看到”整個業(yè)務流程中，每個節(jié)點的用戶反饋，就可以有針對性地做出業(yè)務決策。循環(huán)智能與新東方在線合作，將新東方在線每個業(yè)務節(jié)點里用戶最關心的問題和反饋進行整理，形成了可視化的“用戶反饋地圖”，這樣管理層就可以知道用戶在不同階段最關心的問題是什么，進而對產(chǎn)品和業(yè)務進行相應的調(diào)整。例如，在課程咨詢階段，用戶最關心哪些問題;在課后服務階段，用戶最滿意和不滿意的地方在哪里……
這是“客戶心聲分析”的方法和意義。
智能質(zhì)檢
“客戶心聲分析”，顧名思義，主要關注的是客戶一方的聲音。而服務人員，比如課程顧問、售后客服一方的聲音，也可以使用人工智能和自然語音處理(NLP)技術實現(xiàn)“服務質(zhì)量檢測”，從而讓服務更加規(guī)范。
在任何一家公司，負責與客戶直接溝通的服務人員，都要遵循很多服務規(guī)范。對于新東方在線來說，為了實現(xiàn)更好的服務水準，除了最基礎的規(guī)范，例如不能嘲諷客戶、不能讓人感到不耐煩，還包括很多專門的規(guī)范，例如在開始對話之前要做充分的自我介紹、以及主動提到 400 服務電話等。
過去，新東方在線對售前、售后服務人員的質(zhì)檢方式是“人工抽檢”，由專門的質(zhì)檢員抽取少量錄音來收聽，然后找到其中不符合規(guī)范的地方，再與相關服務人員進行溝通，改善服務水平。這樣做，成本很高，且效果有限。成本高是因為需要雇傭多名全職質(zhì)檢員來工作，效果有限是因為只能抽取極少部分的錄音進行收聽，遠遠做不到全量的質(zhì)檢。
新東方在線在 2019 年引入了循環(huán)智能所提供的智能質(zhì)檢技術，將后臺數(shù)據(jù)——經(jīng)過脫敏處理的聊天文字記錄、通話錄音對接到循環(huán)智能提供的系統(tǒng)中，實現(xiàn)全量的、幾乎實時的質(zhì)檢。
循環(huán)智能的機器質(zhì)檢系統(tǒng)，首先會使用自研的專用語音識別引擎，將錄音轉(zhuǎn)換為文本;然后根據(jù)行業(yè)、公司的不同，使用預訓練并結合人工少量數(shù)據(jù)標注，從文本中提取包含關鍵信息的“語義點”;最后將“語義點”與規(guī)范條例結合，找出所有不符合規(guī)范的溝通過程——這個過程并不是搜索關鍵詞那么簡單，例如很多情況下，規(guī)范只寫了嚴禁嘲諷用戶，系統(tǒng)需要通過機器學習結合人工標注，學習到在這個領域中什么樣的用語算是“嘲諷”。
現(xiàn)在，使用循環(huán)智能的智能質(zhì)檢技術，新東方在線可以做全量質(zhì)檢，服務人員與客戶的每一次溝通都不會被忽視。因為質(zhì)檢的效率大幅提升，通過機器可以發(fā)現(xiàn)絕大部分問題，所以新東方在線的整體服務水平得到快速改進。此外，課程顧問和客服新人的培訓效率也得到了提升，他們可以很快從系統(tǒng)里的培訓模塊中找到正確的實例和錯誤的實例，自助學習，快速提升水平。
讓每一次溝通有更好的結果
基于在“客戶心聲分析”和“智能質(zhì)檢”產(chǎn)品上的良好合作，新東方在線與循環(huán)智能同時也在“線索重定向”產(chǎn)品上展開合作。“線索重定向”是循環(huán)智能另一個主打解決方案，旨在幫助企業(yè)分析未成功的客戶溝通過程，挖掘用戶存在潛在需求但未被重視的對話，幫助企業(yè)按照優(yōu)先級進行重新溝通。
新東方在線客服總監(jiān)吳明珠表示，“我們非常愿意將人工智能技術部署到業(yè)務流程中，提高企業(yè)的生產(chǎn)力。在與循環(huán)智能的合作中，我們發(fā)現(xiàn)這個團隊不僅自然語言處理和數(shù)據(jù)分析挖掘相關的技術實力很強，而且具備結合行業(yè)場景快速落地的能力?！?/p>
作為一家創(chuàng)業(yè)公司，循環(huán)智能很注重業(yè)務的專注性，不管是客戶心聲分析、智能質(zhì)檢，還是線索重定向，本質(zhì)上這些產(chǎn)品都指向同一個目標：通過落地到業(yè)務的智能對話分析系統(tǒng)，讓企業(yè)與客戶的每一次溝通有更好的結果。
