循環(huán)智能 COO 揭發(fā)在 FiNext 2019 金融創(chuàng)新峰會(huì)的演講精華

2019-09-27
演講與活動(dòng)

2019 年9 月 25 日，上海。循環(huán)智能（Recurrent）聯(lián)合創(chuàng)始人&COO 揭發(fā)在 FiNext 2019 金融創(chuàng)新峰會(huì)上發(fā)表演講，重點(diǎn)分享了循環(huán)智能面向不同領(lǐng)域公司提供的解決方案：線索重定向和服務(wù)質(zhì)檢，以及解決方案的實(shí)際落地案例。

據(jù)揭發(fā)介紹，循環(huán)智能的核心團(tuán)隊(duì)成員，不僅有來自清華大學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室和卡內(nèi)基梅隆大學(xué)語(yǔ)言技術(shù)研究院的AI專家，而且有B2B解決方案的專家。為了適配不同行業(yè)的客戶溝通場(chǎng)景的實(shí)際需求，循環(huán)智能團(tuán)隊(duì)自研了三大核心技術(shù)：語(yǔ)音識(shí)別、語(yǔ)義分析、推薦系統(tǒng)，然后基于統(tǒng)一的底層架構(gòu)，實(shí)現(xiàn)規(guī)?；?、可復(fù)制地支持不同類型的上層應(yīng)用。

如下，Enjoy：

最近幾年，很多行業(yè)的獲客成本非常高，我們服務(wù)的教育、金融等領(lǐng)域公司，獲客成本可能高達(dá)幾千元。因?yàn)楂@客成本高，所以企業(yè)勢(shì)必要關(guān)注銷售環(huán)節(jié)的轉(zhuǎn)化效率。

我們幫助企業(yè)做的場(chǎng)景，主要有三個(gè)：第一個(gè)是線索重定向（retargeting）。舉個(gè)例子，我們的一個(gè)合作客戶在某個(gè)月獲得 80 萬(wàn)條銷售線索（leads），其中能轉(zhuǎn)化幾萬(wàn)個(gè)，剩下 70 多萬(wàn)都是未轉(zhuǎn)化線索，銷售精力有限，下個(gè)月只能繼續(xù)跟進(jìn)一小部分。怎么選擇跟進(jìn)對(duì)象？這些未轉(zhuǎn)化的線索中，其中一些是相對(duì)高意向的，但是分布比較稀疏，銷售人員很難直接定位到高意向的客戶。我們做的事情就是，使用AI和NLP技術(shù)對(duì)所有未轉(zhuǎn)化的線索進(jìn)行評(píng)分排序，然后找出其中高意向的線索，推薦給銷售人員去溝通，相比傳統(tǒng)的隨機(jī)撥打提升 3-10 倍轉(zhuǎn)化率。

第二個(gè)是客戶心聲分析。我們會(huì)幫助企業(yè)分析和監(jiān)測(cè)銷售溝通過程中的轉(zhuǎn)化漏斗和客戶畫像，幫助企業(yè)了解客戶關(guān)心的問題是什么，他們的特征是什么樣子的。

第三個(gè)是服務(wù)質(zhì)檢。幫助企業(yè)及時(shí)發(fā)現(xiàn)與客戶交互中的問題與風(fēng)險(xiǎn)。

線索重定向

我給大家分享幾個(gè)“線索重定向”的案例：

這是我們的一個(gè)銀行客戶，它的信用卡中心也會(huì)向客戶交叉推薦保險(xiǎn)、分期、理財(cái)?shù)犬a(chǎn)品。大家看這個(gè)表格的最左邊一列是評(píng)分，代表了這條線索的意向值，最高是 1 分。因?yàn)樯婕暗狡髽I(yè)隱私，我們把大部分?jǐn)?shù)據(jù)隱藏了，但是我們來看未隱藏的 0.8-1分這一行，這個(gè)分值代表了高意向值的線索。這部分的線索占所有線索的 20%，但是成單量卻占了 60%。也就是說，頭部 20% 的客戶貢獻(xiàn)了 60% 的訂單。所以我們的系統(tǒng)就會(huì)推薦銷售去聯(lián)系頭部 20% 的客戶，而不是像之前一樣隨機(jī)撥打。

簡(jiǎn)單理解，假設(shè)這家公司半個(gè)月電話跟進(jìn)線索的數(shù)量是 30 萬(wàn)個(gè)，對(duì)于其中未成單的線索，之后半個(gè)月可以繼續(xù)跟進(jìn) 6 萬(wàn)個(gè)，成單率是 1%，也就是 600 個(gè)。這是隨機(jī)撥打的情況，如果這 6 萬(wàn)個(gè)電話采用評(píng)分最高的 6 萬(wàn)個(gè)來?yè)艽?，那么成單率?3%，也就是 1800 個(gè)。半個(gè)月多出來 1200 單，每個(gè)月可以多出來 2400 單。

我們的很多客戶公司本身有比較強(qiáng)的技術(shù)，他們也會(huì)按照自己的模型對(duì)線索進(jìn)行打分排序。比如他們的數(shù)據(jù)，可能是用戶使用網(wǎng)站和App過程中產(chǎn)生的點(diǎn)擊、停留等行為數(shù)據(jù)。如果將這些數(shù)據(jù)產(chǎn)生的模型，與我們基于服務(wù)人員與用戶溝通的數(shù)據(jù)產(chǎn)生的模型，進(jìn)行算法融合，我們實(shí)現(xiàn)了 1 + 1 大于 2 的效果。

知道了效果，我們來看看“線索重定向”的原理。

我們的線索重定向整體解決方案，包含了客戶畫像生產(chǎn)、跟進(jìn)時(shí)間和渠道特征學(xué)習(xí)以及產(chǎn)品特征學(xué)習(xí)等三個(gè)主要模塊：

客戶畫像生產(chǎn)模塊。通過自動(dòng)化的畫像生產(chǎn)管理系統(tǒng)，抽取結(jié)構(gòu)化的客戶畫像。我們對(duì)每個(gè)不同的行業(yè)，都積累了數(shù)百個(gè)畫像維度。

跟進(jìn)時(shí)間和渠道特征學(xué)習(xí)模塊。就是要知道什么時(shí)候、通過什么渠道聯(lián)系客戶。在競(jìng)爭(zhēng)激烈的行業(yè)，如果隔了一周沒有聯(lián)系，客戶就被別人搶走了。如果溝通太頻繁會(huì)打擾到他，所以需要從歷史溝通數(shù)據(jù)中學(xué)習(xí)到其中的規(guī)律。
產(chǎn)品匹配特征學(xué)習(xí)模塊。很多甲方公司的痛點(diǎn)不是銷售線索（leads）多到銷售電話打不過來，而是根本不知道應(yīng)該向客戶推哪個(gè)產(chǎn)品。一旦推錯(cuò)產(chǎn)品，就相當(dāng)于少了一次機(jī)會(huì)。循環(huán)智能的系統(tǒng)會(huì)從過往的溝通數(shù)據(jù)中學(xué)習(xí)到產(chǎn)品匹配的規(guī)律。

此外，為了進(jìn)一步提升轉(zhuǎn)化率，企業(yè)還需要結(jié)合銷售員的能力模型進(jìn)行線索分配、推薦。

本質(zhì)上講，機(jī)器學(xué)習(xí)、深度學(xué)習(xí)的過程，就是學(xué)習(xí)人類銷售冠軍是怎么與客戶溝通的，怎么成單的。因?yàn)闄C(jī)器比人類對(duì)于微弱信號(hào)的捕捉更為敏感，所以能學(xué)到很多人類意想不到，但效果很好的成單因素。

服務(wù)質(zhì)檢

在質(zhì)檢這個(gè)場(chǎng)景，同樣也用到了之前講到的線索推薦類似的原理。很多行業(yè)，尤其是金融行業(yè)對(duì)合規(guī)有很高的要求，但并不是所有的違規(guī)行為都能通過簡(jiǎn)單的規(guī)則系統(tǒng)找出來。所以我們使用了機(jī)器學(xué)習(xí)的方式，從歷史的違規(guī)通話錄音中學(xué)習(xí)，再對(duì)其他所有錄音做相似性判斷，判斷這些錄音違規(guī)的可能性，然后打出意向分——越高越可能違規(guī)。

我們來看一個(gè)互聯(lián)網(wǎng)金融公司的實(shí)際案例，按照意向分排序，0.75分以上的錄音，占比大概是 25%，但是這 25% 的錄音量占了違規(guī)量的 81%。也就是說，通過系統(tǒng)找出的 1/4 錄音就能發(fā)現(xiàn)大部分不合規(guī)的問題。

以前大部分公司都是人工質(zhì)檢，我們的一個(gè)客戶公司，之前質(zhì)檢員每天大概能從一百通電話里邊找出兩三個(gè)違規(guī)的。用了智能質(zhì)檢系統(tǒng)之后，通過機(jī)器預(yù)先篩選出疑似違規(guī)錄音，質(zhì)檢員再來復(fù)核的方式，每天至少能找到三十個(gè)違規(guī)。

這是質(zhì)檢功能的工作流程，在我們的系統(tǒng)里面，客戶可以自行設(shè)置“質(zhì)檢點(diǎn)”，主管可以向質(zhì)檢員分配“質(zhì)檢任務(wù)”。系統(tǒng)也支持人工復(fù)檢以及查看質(zhì)檢歷史，生成報(bào)表。

最后介紹一下我們?yōu)榭蛻籼峁┊a(chǎn)品和服務(wù)的架構(gòu)。最下層是企業(yè)的客戶溝通數(shù)據(jù)，既可以是電話錄音，也可以是在線 IM 的文本數(shù)據(jù)；中間是我們的技術(shù)模塊，包括聲紋識(shí)別，就是分離說話人是客戶還是服務(wù)人員；最上層是我們給客戶提供的產(chǎn)品和應(yīng)用，包括語(yǔ)音識(shí)別的API、質(zhì)檢系統(tǒng)、線索重定向等。我們基于統(tǒng)一的底層架構(gòu)，實(shí)現(xiàn)規(guī)?；?、可復(fù)制地支持不同類型的上層應(yīng)用。

如果你也想了解，如何在公司引入 AI 和 NLP 技術(shù)，讓銷售、服務(wù)人員與客戶的每一次溝通有更好的結(jié)果。歡迎來找我們聊。

? THE END

ysl蜜桃色蜜桃成熟时_国产成人永久免费播放视频_免费呦呦小泬泬99精品_中文字幕中文字幕中文字幕_又爽又粗又黄视频_欧美日韩丝袜成人在线视频_真人一级一级97片黄大片_国产区精品系列在线观看不卡

循環(huán)智能 COO 揭發(fā)在 FiNext 2019 金融創(chuàng)新峰會(huì)的演講精華