概述 

人工智能 (AI) 将成为下一项重大的技术发展，影响力类似于计算机时代和智能手机的 兴起。AI 之所以能快速发展，一个主要原因是 AI 能潜在提升业务收入。 

每天有将近 50 亿移动设备用户通过 Facebook Messenger、Twitter Direct Message、 微信和 LINE 等应用程序发送 200 亿条短信和 600 亿条社交网络消息，如果您知道如 何与客户交互，便能比以往任何时候都更容易接近他们。

 这种向移动消息的巨大转变要求您从根本上改变为客户提供服务的方式。移动应用程 序的受欢迎程度日益上升，目前已成为 55 岁以下人群联系组织的三大首选方式之一。 相反，35 岁以下的消费者对传统电话的偏好有所下降，转而喜欢社交媒体、移动应用 程序和网上聊天。

1 随着移动消息使用飙升，用户对联系中心能够高效处理呼入移动请求的期望也随之升高。 如果您的企业想要实现与移动用户的高效通信，您的产品需要与他们的消息应用程序 实现无缝集成，这一趋势正日益明显。

 我们将探讨需要克服的挑战，以及需要考虑的关键技术能力。有了这些技术能力， 无论客户位于何处或使用何种通信平台，您都可以有效地与他们交互。 从这里迈出您的深层客户互动数字革命之旅第一步，了解如何充分利用先进技术， 为AI 奠定坚实的数字根基。

全球消息增长

 T移动设备日益普及，我们以前基本上无法网罗的人群也具备了现代通信能力。 文本消息的使用在新兴市场中的渗透率最高，最终用户通常会避开固定电话、电子邮 件和网上聊天等传统通信通道而选择使用移动消息应用程序。虽然这样有时会受到信 道混合 的限制，但通常体现了消费者对实时、个性化（通常以时代为背景）体验的渴望。

 文本消息并不是一个新概念。基于聊天的消息系统大约出现于 20 世纪 80 年代，但直 到移动电话推出支持使用基于文本的短信服务 (SMS) 通信功能的手持设备后才实现 飞速发展。由于文本消息可以在现有移动网络中运行，因此无线运营商也可以轻松提 供短信服务。因此，文本消息快速成为首选的通信通道（尽管存在诸如原始 160 个字 符技术限制以及漫游发送消息付费等缺点）。

 随着时间的推移，又开发出了很多其他消息平台来帮助移动用户打破消息分配限制、 克服国界和语言障碍。

 Facebook Messenger、Twitter Direct Message (DM)、Snapchat、微信、LINE 和 Kik 等 现代消息应用程序没有字符限制，而且对发送或接收的消息数量也没有限制。此外， 这些消息平台能够运用用户的数据服务（只需很少的量即可），这些服务反过来又能激 励用户实现更丰富的多媒体体验，更大程度地使用消息平台。 

尽管多个消息应用程序可以为用户提供更大的选择空间，但它们也给联系中心带来了 挑战，因为没有适用于所有消息应用程序的单一界面。跨国企业以及亚洲、中南美洲、 欧洲和非洲等多语言国家/地区市场的兴起也带来了额外的挑战。应对日益多样化的 消费者群体的需求，以及联系中心外包的增加，给全球 IT 运营带来了挑战。

 客户服务的数字化转型

 从 IVR 转型至 Web 

自从免费电话为消费者开启了访问服务的更加方便之门，客户服务发生了重大变化。 随着拨入呼叫量增加，交互式语音应答 (IVR) 系统跃升为处理呼叫中心内不断增长的 流量的主要方式。 IVR 的初始部署提供 DTMF（按键音）菜单交互，有助于减少对人工座席执行常规查询 路由的需求。自助服务应用程序的后续改进，包括自动语音识别 (ASR)，进一步增强了 这种体验。

尽管 IVR 已经通过提高效率有效满足了联系中心的需求，但消费者对自助 服务的期望也已发生重大变化，因此自助服务必须不断发展才能满足当今移动联网消 费者的需求。

 公司网站也在经历一场变革。网站最初定位为营销平台，而现在已发展成为另一个客 户接触点，提供与业务交互的额外通信通道，例如点击呼叫或网上聊天。 当代网站和 IVR 解决方案有很多共同点，两者通常都会先遵照一系列预配置菜单、 队列和表格的指示操作，然后才将客户连线到人工座席。尽管网站和 IVR 被视为成熟 的客户服务平台，但这两者都需要不断发展才能满足向移动消息大规模转变的要求。

消息的特性 

Web 和 IVR 交互通过预先设置的菜单引导客户获得结构化的体验，而消息主导的互 动是非结构化的，允许客户更直接地影响体验，并根据个人偏好设置信息和结果的发 送方式。

 与预设 IVR 和 Web 应用程序不同，消息交互有可能提供关于客户需求、意图和情绪的 更加丰富的背景信息。例如，传统的基于菜单的 IVR 应用程序配置不当，不能处理应用 程序的开发人员未能预料到的任何类型的客户问询。采用更高级的 ASR 功能的 IVR在 问题处理能力上也很有限，因为提取客户情报需要首先将客户的话语翻译成文本进行 分析。与之相反，拨入的客户消息为联系中心呈现的是消费者“原始文本”，不需要先经 过语音到文本的转化处理，因此可以提供更精确且可靠的信息。

 正如 IVR 和 Web 形式曾经可以通过自助服务更有效地帮助向客户提供信息一样， 现 在，自动消息应用程序（通常称为“消息管理机器人”）可让联系中心满足新一代移 动消息用户的交互需求。

 自动化消息背后的强大技术

 通过自动化的自助服务有效处理传入移动消息需要可以利用以下先进技术的解决方案：

 人工智能 (AI) 

全球人工智能 (AI) 市场目前发展势头迅猛，市场研究显示，2017 年至 2025 年的CAGR 高达 55%。AI 正成为下一项重大的技术发展，与计算机时代和智能手机的兴起一样。 这一发展背后的一个主要原因是，AI 有望通过提高劳动力效率和数据挖掘能力获得收入。

 AI 是过去 50 多年间开发的一系列技术，旨在通过机器提供人类推理能力。AI 的最新 进展让基于客户输入数据自动分析的“系统学习”成为可能。“机器学习”和“深度学习” 都是指 AI 技术的特定子类。AI 依赖于数字根基，因此企业必须进行数字化转型，才能 利用这项技术。

 人工神经网络 (ANN) 

在认知科学领域，人工神经网络是受大脑和中枢神经系统功能的启发而建立的一系列 计算模型，用于在大量输入未知内容的情况下产生数据估算。

 自然语言处理 (NPL)

 自然语言处理通过分析基于文本的通信的语法和句法来理解书面语言。更加简单的语 言分析可以利用格式匹配功能识别文本消息中特定类型的数据，例如 Web 地址。

 机器学习 

机器学习在消息自动化解决方案中起到的作用尤其重要，它可以“观察”人工座席并且 随后根据实际客户交互扩展自动应答的宽度。

 借助云功能改进现有联系中心

 总的来说，不管从技术角度来看还是从业务流程来看，联系中心市场已经非常成熟。 现在主要是通过增强现有联系中心进行发展，而不是开发新的联系中心。

 一方面受到预算的限制，另一方面日益增加的偏好运营支出 (OPEX) 超过资本支出 (CAPEX)，导致对云服务的需求与日俱增，因为云服务采用的是“按需付费”的方式， 而在采用曲线的前端，云服务的支出很少。

 鉴于投资偏好的这一转变，基于云的 AI 服务变得非常有意义。在考虑云解决方案时， 与现有联系中心技术合理集成至关重要。此类服务的集成点应该包括：

 •消息输入– 尽管云服务可能为各种社交媒体提供商提供连接器或网关，但这可能还 无法满足需求。企业还可能有自己的消息来源，例如网上聊天或移动应用程序。 为了容纳这些消息来源，解决方案应该包括一个应用程序编程接口 (API)，该 API 可 用于集成各种消息来源。 

•人工座席交互– 由于服务可以充当社交网关，因此该 API 应该允许人工座席处理社 交交互，包括允许他们响应社交问询。 

•路由和座席分配– 通过识别客户意图，服务可以为联系中心提供有用的信息， 以便根据技能和属性（客户的和代理的均包含）将交互路由到适当的座席或组。 

•座席桌面– 该服务应该提供交互的座席桌面标记，以便座席能够快速有效地识别客 户旅程的相关信息。 

•学习服务– 该服务应该通过观察人工座席对客户的响应方式（行为）以及他们添加的 信息（符号、标记等）来捕获交互，从而训练系统以处理未来的交互. 

安全的重要性

企业领导者通常对基于云端服务的安全性存在疑虑，但公共云平台提供的安全性其实 比私有 IT 基础设施更高。例如，精心设计的云平台可以提供增强的凭据功能，可让应 用程序通过 API 请求临时凭据，而不是将凭据存储在文件中。由于凭据实际上并没有 创建和存储，黑客就无法访问资源。

 学习需要数据，因此任何使用学习类型的 AI 算法的方法都必须存储交互，以备将来使用。 但是，重要的是采用适当的方式存储数据，确保可以保护客户（也有可能是座席）的隐私。 很明显，消息中可能存在一些敏感信息，必须在保存数据之前进行隐藏。同时，删除过 多信息可能导致消息不能用于训练 AI 算法，因此，应使用适当的方式隐藏敏感信息， 以便隐藏后的敏感信息仍能用于学习目的。

 自动化消息 •人工智能 (AI) •人工神经网络 (ANN) •自然语言处理 (NPL) •机器学习 

必需功能

如果想要任何 AI 或消息服务有效且有用，重要的是具备大量功能集。在考虑使用任何 自动化解决方案时还必须慎重考虑以下功能： 

•社交网关– 解决方案应该提供能自动连接到所需渠道的网关服务，而且无需联系中 心开发特殊的软件或硬件来支持消息发送和检索。例如，此类网关可以检索提及公 司名称的 Twitter 公开文章，然后以专用 Twitter Direct Message (DM) 的形式向发送 者发送回复。 

•社交个人资料标识– 通过与社交渠道（例如 Facebook 和 Twitter）的集成，解决方案 应该获取客户个人资料信息，这些信息可用于提高客户自动化体验的个性化和准确 性，并为之后的任何座席交互提供额外的见解。 

•多语言– 应支持多种语言和字符集。解决方案至少应能够使用以下语言处理消息： 英语、中文、葡萄牙语、西班牙语、阿拉伯语、俄语、日语、德语、法语和泰国语。 此外，解决方案必须处理多个（或混合）字符集。例如，能够以简体中文读取包含以拉 丁字母表示的机场代码的消息。 

•语言标识– 处理消息首先需要识别消息所用语言，因为仅仅知道原始国家/地区或消 息来源无法提供足够的信息。例如，来自于美国的推文或 Facebook 文章可能使用任 何语言形式（例如英语、西班牙语或中文）。 

•文本自动化– 确定消息所用语言之后，解决方案就可以查看人工座席以前如何合理 响应类似消息。自动服务可以从人工座席之前应答的数千条消息中学习。寻找的解 决方案应该能够根据以往交互中的学习，为相当大比例的消息提供自动回复。 

•意图分类– 解决方案应能根据问题或问询类型对交互进行分类。例如，服务可以确定 消息与丢失信用卡有关，然后相应地路由这一消息。解决方案应该能够学会借助复 杂的机器学习技术，通过识别意图来对消息进行分类。

格式匹配– 在第一次部署解决方案时，联系中心可能尚未积累到足够的过往数据， 因此无法训练系统进行应答或确定客户的意图。在此类情况下，格式匹配方法可以 在收集到更多数据之前提供最初的自动化服务。例如，如果消息中包含“已取消”这 个词，航空公司应用程序可以确定消息与取消航班有关。 

•座席显示标记– 座席显示标记会突出显示座席桌面上消息的关键信息，例如实体和 情绪。这样可以便于座席找到关键信息，进而提高效率。图 1 示例显示解决方案如何 突出显示航班号和机场代码实体，以及表示情绪的字词。

 •情绪评估– 解决方案应该能够评估客户的情绪（积极或消极），并评估从负到正范围 内的数值或定性值。情绪评估有助于做出路由和座席分配决策。座席桌面中可以包 含这些信息。 

•实体检测– 文本中实体（帐号、航班号、机场代码和日期）的检测和标识也是提供客户 旅程背景信息的重要功能。解决方案应该能够检测消息中的一个或多个实体，从而 提供所需的个性化服务。看一下以下消息示例： 这些实体可被识别，并用于通过有效通信通道引导与客户进行进一步对话。 

•报告和分析– 首选的解决方案应能提供相关指标和报告，用于生成对消息处理成效 方面的见解。如要成功实现交互处理，企业必须能够评估、报告和分析其效果。 从根本上讲，联系中心需要知道从客户那里接收了多少条消息，自动应答了多少条 消息，以及座席应答了多少条消息。图 2 的时间序列图显示消息交互的总数，按访客 （客户）、座席或自动化等来源划分。 

•定向对话– 定向对话可以引导客户完成收集预定义事务字段集合的表单。例如， 信用卡余额查询可能会问询信用卡号，然后提出两个安全问题。如果使用 IVR 树， 一个问题的答案会影响后续问题。在信用卡示例中，定向对话可能会首先问用户是 否有 PIN。如果答案是肯定的，那么下一个问题就会询问 PIN 号码。否则，接下来会问 安全性问题。

•联系中心集成– 解决方案应能提供与现有联系中心系统的无缝集成。此功能可 通过消息队列界面来实施，例如 Amazon Web Services (AWS) SQS (Simple QueueService)，并且包含以下两部分： —访客 API – 可让联系中心将传入的客户消息重定向至消息自动化服务。此界面可 用于短信、网上聊天和应用程序聊天消息等。 —座席 API – 可让服务与联系中心交互，从而允许座席处理客户交互。 

•出站消息– 除了处理传入的客户消息之外，设计完善的解决方案还应该向客户发起 消息。例如，出站功能通过主动提醒需要执行操作，自动且主动地为客户更新服务 请 求的解决状态。交互可以将源自一个通道（例如语音）的客户请求转换并发送至消息 通道，从而进一步增强体验。 

•安全数据暂留– 如前所述，解决方案需要保存对话以供将来分析，但是消息交互可能 包含敏感信息。为此，该服务必须能够通过以下方式隐藏或掩盖消息中的敏感信息： 如匿名处理（隐藏敏感名称和信息）以及编辑（在提供消息供 AI 或机器学习之前隐 藏敏感信息）。用于隐藏敏感信息的方法必须足够先进，避免呈现其他无用数据进 行分析。 

与客户旅程集成

如今的客户不仅仅期望企业能够胜任执行个人交互，还希望企业了解他们“旅程”。 换句话说，就是了解他们的经历、预测他们所需的服务，以及指导他们处理即将发生 的事务。

 例如，如果客户预订了机票，他们可能希望收到确认和办理登机手续的提醒通知。 他们还可能希望收到航班是否延期或取消的通知，并且在他们想要获得客户服务时， 希望与自己交互的人员和系统知道他们的航班和旅程。

 这个示例突出表明需要一个平台来管理整个客户旅程中的交互。旅程从客户预订行程 时开始，并在行程结束后继续。客户旅程表示与客户的关系，并无限期地继续下去。 在整个客户旅程中，平台维护所有交互的背景信息。首选服务将无缝地利用此背景信 息执行未来的交互。

结论 

这种向移动消息的全球转变为现代企业带来了一系列特殊挑战，同时也提供了新的发 展和改善客户服务的机会。随着越来越多的客户通过文本消息和消息应用程序进行通 信，成功的联系中心将需要引入自动化消息解决方案，以满足主要通过移动通信的人 群的需求。

 高效的自动化服务是现代联系中心的重要部分，这类服务应能够通过消息交互执行大 部分联系中心自动化功能。预期的自动化服务将使用机器学习和人工智能来自动应答 消息、捕捉消息中的信息、执行定向对话以及对消息的语言和意图进行分类。除了为联 系中心提供无缝界面之外，正在考虑的任何解决方案还应该支持多种语言和字符集。 

Avaya AVA™ 是云端 AI 解决方案，运用聊天机器人和自然语言处理 (NLP)，提供社交消 息集成和数字交互自动化。通过与 Avaya OceanaTM 解决方案的紧密集成，Avaya 可 提供单一的集成全渠道体验，用于为您的整个客户互动战略需求提供服务，从而可提 供特殊的个性化客户体验。Avaya 可让您的企业能够快速创新，以响应客户的动态需 求，并且提供连接和集成第三方技术实现效率最优化的适应能力。 

要了解更多关于 Avaya 客户互动解决方案和相关服务的信息，请立即访问我们的网站 Avaya.com/Ava 或与我们的代表联系。 

在数字经济时代，企业的业务达成取决于他们能否提供卓越的服务体验，每天， Avaya都支持企业完成数百万次的高效通信，助力企业实现卓越的服务体验。 一百多年来，我们通过为客户和员工打造智能通信体验，赋能全球企业和机构赢得商 业成功。Avaya通过构建开放，集成、创新的通信解决方案，增强和简化企业的通信和 协作流程，确保云、本地和混合部署的灵活性。我们致力于技术创新，发展合作，并不懈 追求前瞻性布局，以促进您的业务增长。我们将不负您的信赖，依托我们全球领先的技 术帮助您提供卓越服务体验。如需了解更多信息，请访问：www.avaya.com/cn。