2018年7月6日易谷網(wǎng)絡(luò)“智能服務(wù)與營(yíng)銷新方案發(fā)布會(huì)”在北京泛太平洋酒店順利舉辦。西安電子科技大學(xué)博士導(dǎo)師杜軍朝發(fā)表了題為《基于AutoML的智能推薦技術(shù)》的主題演講。

　　杜軍朝：大家好，我今天分享“基于AutoML智能推薦方案。”從三方面來(lái)講：

　　“CTI”大家都非常熟悉，呼叫中心核心的模塊是CTI，CTI的意思是計(jì)算機(jī)和電話的基礎(chǔ)，大家很早都用過(guò)我們的呼叫中心，它是主要把電話接入到計(jì)算機(jī)系統(tǒng)，跟我們的業(yè)務(wù)系統(tǒng)結(jié)合起來(lái)，來(lái)完成操作，做路由和具體連接，這是最早期的系統(tǒng)。

　　隨著云計(jì)算、大數(shù)據(jù)等技術(shù)的發(fā)展，同樣也有一個(gè)“CTI”，它的意思發(fā)生了變化。我們主要是在做連接，做連接的過(guò)程中用到很多技術(shù)，C是連接，T是技術(shù)，把連接和技術(shù)結(jié)合起來(lái)，為用戶提供更好的服務(wù)，這是我們正在做的系統(tǒng)。

　　將來(lái)隨著物聯(lián)網(wǎng)技術(shù)的進(jìn)一步發(fā)展，隨著普適計(jì)算技術(shù)的進(jìn)一步發(fā)展，CTI變成計(jì)算能力和萬(wàn)物互動(dòng)。下一代的呼叫中心就會(huì)變成計(jì)算跟物聯(lián)互動(dòng)的時(shí)代，到時(shí)會(huì)有很多場(chǎng)景出現(xiàn)，我們也在做這樣的探索。

　　回顧最早的CTI系統(tǒng)，就是計(jì)算機(jī)和電話的集成。這個(gè)時(shí)間很早，回想1998年時(shí)，我們就做了這樣的系統(tǒng)，當(dāng)時(shí)國(guó)內(nèi)廠商華為公司剛好在調(diào)它的CTI，我們就跟他們進(jìn)行連接，調(diào)這個(gè)系統(tǒng)，當(dāng)時(shí)還有各種各樣的問(wèn)題需要解決。

　　再后來(lái)，我們聯(lián)系了岳總?cè)フ{(diào)CSTA的協(xié)議，包括TSAPI、TAPI，把電話系統(tǒng)和計(jì)算機(jī)系統(tǒng)結(jié)合起來(lái)，把電話路由到業(yè)務(wù)系統(tǒng)里來(lái)，可以做電話轉(zhuǎn)接三方的服務(wù)。當(dāng)時(shí)這個(gè)技術(shù)是比較領(lǐng)先的，這個(gè)技術(shù)是水晶體結(jié)構(gòu)，路由是一個(gè)雙交換的矩陣，工程師在我們的終端上配置各種各樣的參數(shù)，能夠把很多地方網(wǎng)絡(luò)結(jié)合起來(lái)，當(dāng)時(shí)是通訊的黃金時(shí)代。

　　隨著技術(shù)的發(fā)展，經(jīng)過(guò)了十年、二十年，現(xiàn)在已經(jīng)到了2018年，技術(shù)發(fā)生了哪些變化？我們已經(jīng)是全媒體，不只是有變化，我們是多渠道的接入，通過(guò)電話、通過(guò)電視、通過(guò)APP完全接入，有很多坐席分布在不同的地方，有IVR系統(tǒng)和客服機(jī)器人，把各種聯(lián)絡(luò)接入進(jìn)來(lái)。更進(jìn)一步是各種業(yè)務(wù)部署，虛擬化、云計(jì)算、云平臺(tái)、大數(shù)據(jù)、AI技術(shù)，所有的技術(shù)和連接集成起來(lái)，為用戶提供更好的服務(wù)。

　　這時(shí)典型的技術(shù)發(fā)展是已經(jīng)變成軟交換與全媒體的方案，這是最早的基于板卡、基于交換機(jī)來(lái)做的，上面是割裂的媒體。隨著軟交換技術(shù)的發(fā)展，基于SIP互聯(lián)網(wǎng)來(lái)做，把它結(jié)合起來(lái)。結(jié)合起來(lái)之后提出了這個(gè)方案，現(xiàn)在大家也在主推這個(gè)方案，就是要完成統(tǒng)一的接入，有聊天、微信、微博、視頻統(tǒng)一接入進(jìn)來(lái)，接入以后有統(tǒng)一的全媒體處理，后面有各種各樣信息處理，變成這樣的架構(gòu)。

　　這時(shí)路由的方式發(fā)生了變化，前面是交換機(jī)配矩陣，現(xiàn)在變成了全媒體接入，基于用戶策略定制。這里有很多種策略，有一個(gè)可視化界面，做各種各樣的配置。這個(gè)系統(tǒng)是怎么得到的？由人工專家，經(jīng)過(guò)長(zhǎng)時(shí)間在這個(gè)行業(yè)里去學(xué)習(xí)，基于他的經(jīng)驗(yàn)做了這樣一些配置。也是像剛才夏博士第一個(gè)階段，由人工來(lái)做這個(gè)配置。

　　這個(gè)配置是不是符合現(xiàn)在云計(jì)算、大數(shù)據(jù)時(shí)代的技術(shù)發(fā)展？它考慮到我們當(dāng)前客戶的狀態(tài)、坐席狀態(tài)、交互記錄等等各種各樣的信息了嗎？它這種路由會(huì)不會(huì)越來(lái)越聰明了？這時(shí)我們就考慮能不能讓這個(gè)路由、讓我們的推薦更聰明，用AI技術(shù)對(duì)用戶進(jìn)行畫像，并且不停完善對(duì)用戶的理解，我們對(duì)坐席進(jìn)行畫像，坐席有不同的技能，隨著他的培訓(xùn)，語(yǔ)言、話術(shù)等各方面都有增長(zhǎng)。同時(shí)，業(yè)務(wù)系統(tǒng)也會(huì)越來(lái)越完善，加入規(guī)則，用知識(shí)圖譜描述規(guī)則。當(dāng)具有大量數(shù)據(jù)之后，希望通過(guò)計(jì)算機(jī)的學(xué)習(xí)，讓我們的系統(tǒng)更加聰明，能夠更好的感知用戶、感知坐席服務(wù)能力。

　　這時(shí)我們推出了一個(gè)機(jī)器學(xué)習(xí)以及推薦服務(wù)的引擎，我們選擇什么樣的模型學(xué)習(xí)？用線性模型還是非線性模型？選用這個(gè)模型之后，怎么調(diào)它的參數(shù)，讓這個(gè)模型越來(lái)越聰明，而不是效果還不如前面基于規(guī)則的學(xué)習(xí)，需要很多高手和科學(xué)家來(lái)做這個(gè)事情，這顯然對(duì)公司來(lái)講不太現(xiàn)實(shí)。這時(shí)我們可以用AutoML技術(shù)來(lái)做，把數(shù)據(jù)提供給引擎，把我們想要的目標(biāo)整理出來(lái)提供給引擎，讓它按照我們的目標(biāo)、我們數(shù)據(jù)去不停學(xué)習(xí)，變得越來(lái)越聰明。我們要選擇模型-調(diào)參-采樣-抽取特征-快速迭代優(yōu)化，然后我們進(jìn)一步分析它。在這個(gè)學(xué)的過(guò)程中，也會(huì)有人工的介入，設(shè)計(jì)我們的目標(biāo)和評(píng)價(jià)標(biāo)準(zhǔn)，來(lái)做這個(gè)事情。

　　基于這個(gè)框架之后，既然有這么好的數(shù)據(jù)、這么強(qiáng)的算力，應(yīng)該比我們基于規(guī)則的推薦效果要好。客服哪家強(qiáng)？顯然是易谷公司，自動(dòng)機(jī)器學(xué)習(xí)哪家強(qiáng)？智鈾科技。把兩家結(jié)合起來(lái)，希望在企業(yè)客服以及主動(dòng)營(yíng)銷的行業(yè)中，能夠把智能推薦和路由相關(guān)技術(shù)進(jìn)行產(chǎn)品研發(fā)和應(yīng)用推廣。

　　接下來(lái)看一下這個(gè)方案，第一，這個(gè)系統(tǒng)可以跟以前見(jiàn)的CC系統(tǒng)進(jìn)行互聯(lián)，原來(lái)基于策略的路由可以跟推薦路由并存，第二，可以設(shè)置用戶的目標(biāo)，優(yōu)化它的FCR和其他目標(biāo)，設(shè)定不同的優(yōu)化目標(biāo)。第三，把用戶數(shù)據(jù)、坐席等各種交互數(shù)據(jù)，通過(guò)接口通過(guò)給引擎，引擎會(huì)用這些數(shù)據(jù)進(jìn)行計(jì)算，它不僅可以推薦用戶、推薦坐席，甚至跟業(yè)務(wù)系統(tǒng)結(jié)合起來(lái)以后可以推薦業(yè)務(wù)系統(tǒng)，推薦用哪個(gè)業(yè)務(wù)為用戶服務(wù)。

　　接下來(lái)看一下它的過(guò)程。首先，進(jìn)行模型訓(xùn)練，訓(xùn)練時(shí)基于以前用戶的數(shù)據(jù)，然后把用戶目標(biāo)設(shè)定過(guò)來(lái)訓(xùn)練模型。模型出來(lái)之后，模型庫(kù)放到系統(tǒng)里面得到引擎，這些引擎根據(jù)不同的目標(biāo)訓(xùn)練不同的引擎，向路由請(qǐng)求來(lái)的時(shí)候會(huì)給推薦引擎，推薦引擎根據(jù)用戶需求選取模型，再選取用戶數(shù)據(jù)，給出一個(gè)比較好的推薦。推薦的結(jié)果返回給呼叫中心系統(tǒng)。當(dāng)這個(gè)結(jié)果運(yùn)行之后，它會(huì)進(jìn)一步寫評(píng)價(jià)的庫(kù)，在評(píng)價(jià)庫(kù)里更新系統(tǒng)，我們訓(xùn)練的引擎根據(jù)用戶的反饋，進(jìn)一步迭代訓(xùn)練這個(gè)引擎，在以后的交互過(guò)程中，它變得越來(lái)越聰明。

　　需要說(shuō)明的是，針對(duì)不同用戶來(lái)講，您的數(shù)據(jù)是有自己特色的，您的目標(biāo)也是有自己的特色，經(jīng)過(guò)這個(gè)訓(xùn)練之后，我們得到的引擎是這個(gè)企業(yè)獨(dú)一無(wú)二的引擎，只適合您這個(gè)企業(yè)把業(yè)務(wù)目標(biāo)做得越來(lái)越好，這是系統(tǒng)的特點(diǎn)。

　　我們從接入的方式來(lái)做，上面有各種各樣數(shù)據(jù)，包括客戶畫像、坐席畫像、用戶規(guī)則，這個(gè)我們已經(jīng)提前做了訓(xùn)練，放到了模型里面。用戶接入了我們系統(tǒng)里面，客服系統(tǒng)會(huì)跟這個(gè)引擎進(jìn)行交互，交互之后給它一個(gè)響應(yīng)，響應(yīng)的方式有各種各樣的推薦結(jié)果，推薦哪些坐席和相關(guān)技能。然后我們用不同的服務(wù)方式，比如推薦機(jī)器人、推薦坐席以及服務(wù)返回給用戶，然后完成操作。它返回之后，優(yōu)化的是前面設(shè)定的那些目標(biāo)，這是針對(duì)呼入。

　　針對(duì)營(yíng)銷來(lái)講，首先設(shè)計(jì)用戶滿意度、轉(zhuǎn)化率和解決問(wèn)題的能力，接下來(lái)是主動(dòng)營(yíng)銷。當(dāng)我們拿起一個(gè)電話，準(zhǔn)備給一個(gè)用戶打電話時(shí)，前面系統(tǒng)已經(jīng)做了大量運(yùn)算。這里面有主動(dòng)營(yíng)銷的客戶信息，有交互服務(wù)的信息，有坐席的信息。我們建不同的引擎和模型，考慮給這個(gè)客戶推銷什么產(chǎn)品，如果這個(gè)客戶剛好有小孩，這個(gè)小孩要上學(xué)，要知道他目前所在地區(qū)小孩上學(xué)的情況，會(huì)非常有針對(duì)性的推薦這款產(chǎn)品。某個(gè)坐席可能對(duì)某款產(chǎn)品非常熟悉，當(dāng)我把坐席、產(chǎn)品和客戶拉到一塊的時(shí)候，可以推薦這個(gè)坐席用什么樣的話術(shù)跟客戶進(jìn)行交流，讓他容易接受這個(gè)產(chǎn)品。

　　事先這么多數(shù)據(jù)拿出來(lái)經(jīng)過(guò)學(xué)習(xí)，然后把這么多模型進(jìn)來(lái)之后，有一個(gè)外呼系統(tǒng)請(qǐng)求過(guò)來(lái)，我給它推薦一個(gè)去呼誰(shuí)、推薦什么產(chǎn)品、用什么方式去進(jìn)行推薦，它的成功率會(huì)非常高。這時(shí)系統(tǒng)發(fā)出一個(gè)營(yíng)銷請(qǐng)求，然后去連接我們的客戶、坐席，完成營(yíng)銷。現(xiàn)在很多營(yíng)銷手段頻繁打電話，可能是并沒(méi)有好好做功課，所以通話效率比較低。經(jīng)過(guò)這個(gè)系統(tǒng)之后，通話效率非常高。這是外呼情況，它用到大量的計(jì)算能力、數(shù)據(jù)能力、AI能力完成操作，把AI和營(yíng)銷結(jié)合起來(lái)。這是主動(dòng)營(yíng)銷，全方位獲取數(shù)據(jù)，用引擎推薦產(chǎn)品、營(yíng)銷人員和話術(shù)，提供轉(zhuǎn)化率。

　　我們智能推薦系統(tǒng)和現(xiàn)有基于策略的路由是并存的，把一部分用戶接入進(jìn)來(lái)，或者主動(dòng)營(yíng)銷的方式分成兩個(gè)組，做AB測(cè)試。這是傳統(tǒng)的模型經(jīng)過(guò)處理，有客戶的信息來(lái)，有坐席配置，最后做這樣的處理，處理之后有一個(gè)模型去評(píng)估，得到統(tǒng)計(jì)結(jié)果。接下來(lái)，是基于智能路由的方式有一個(gè)評(píng)估統(tǒng)計(jì)結(jié)果，這個(gè)評(píng)估統(tǒng)計(jì)正在進(jìn)一步研究，從各個(gè)方面去分析。就像剛才夏博士提到，為什么這次呼入或者呼出效果很好、原因是什么、是哪一個(gè)因素打動(dòng)了客戶的因素完成了這次營(yíng)銷，我們找到這樣的影響因素去做學(xué)習(xí)，它比傳統(tǒng)的基于策略的路由效果好一些。

　　畢竟我們的人力資源和科學(xué)家的時(shí)間精力非常有限，希望通過(guò)易谷公司和智鈾科技的合作，推出智能推薦方案。找到2、3家用戶，一起合作做推薦系統(tǒng)，你們可以繼續(xù)用現(xiàn)有基于策略的路由，再有一部分是我們的推薦路由，最后看用戶滿意度或者呼出效率有多少提升。

　　謝謝大家！