大數(shù)據(jù)時代下的客戶服務

近兩年，“大數(shù)據(jù)”這個詞早已經(jīng)不再新鮮，成為了新技術的熱門話題，各類“大數(shù)據(jù)”的書籍層出不窮，文章更是琳瑯滿目，仿佛你要是不和“大數(shù)據(jù)”扯上點關系，你就OUT了！

大數(shù)據(jù)的定義和背景

麥肯錫的報告是這樣定義的：大數(shù)據(jù)是指無法在一定時間內用傳統(tǒng)數(shù)據(jù)庫軟件工具對其內容進行抓取、管理和處理的數(shù)據(jù)集合。（Big data refers to datasets whose size is beyond the ability oftypical database software tools to capture, store, manage, and analyze.）

大數(shù)據(jù)這個概念又是怎么來的呢？

2011 年5 月，EMC 舉辦了一次主題“云計算相遇大數(shù)據(jù)”的大會，首次拋出了“大數(shù)據(jù)”（Big Data）概念；6 月，由EMC 贊助，IDC 編制的年度數(shù)字宇宙研究報告《從混沌中提取價值》 (Extracting Value from Chaos) 發(fā)布；緊接著，IBM、麥肯錫等眾多國外機構發(fā)布“大數(shù)據(jù)”相關研究報告，予以積極跟進。

從背景我們可以看到EMC（全球最大的外置存儲硬盤供應商）是推動“大數(shù)據(jù)”這個概念的主謀，他這么做，當然是想多賣點硬盤。這種軟廣告式炒作不但沒引起反感和吐槽，反而被社會各界認可與接收，也是跟其社會背景密不可分。由于近年數(shù)據(jù)產(chǎn)生成本急速下降，人類產(chǎn)生的數(shù)據(jù)量正在呈指數(shù)級增長，其中80%以上都是傳統(tǒng)數(shù)據(jù)庫無法處理的非結構化數(shù)據(jù)。這些數(shù)據(jù)到底有多大呢？根據(jù)IDC 的監(jiān)測，全球在2010 年正式進入ZB 時代，預計到2020 年，全球將總共擁有35ZB 的數(shù)據(jù)量，如果把35ZB 的數(shù)據(jù)全部刻錄到容量為9GB 的光盤上，其疊加的高度相當于在地球與月球之間往返三次……在這么直觀的比喻面前，其他語言也要蒼白無力了！

根據(jù)麥肯錫全球研究所的研究報告《Big data: The next frontier for innovation, competition, andproductivity》，大數(shù)據(jù)將給醫(yī)療服務、公共管理、定位服務、零售和制造各個行業(yè)帶來顯著的應用價值，例如，對美國的醫(yī)療服務業(yè)每年創(chuàng)造價值3000億美元，約0.7%的年增長率，對美國制造業(yè)最高可下降50%的產(chǎn)品研發(fā)和裝配成本。麥肯錫的這份報告詳致地闡明了大數(shù)據(jù)對各行各業(yè)的利好。

云客服

在云時代，淘寶推出的一種極具“云”特色的客戶服務模式——云客服，云客服把社會上喜歡幫助人且有能力幫助人的淘寶人聚集在一起，使客服人員在家里或學校對客戶提供遠程服務，實現(xiàn)了“HO（Home Office，駐家辦公）”，并充分利用了客服人員的零散時間，不僅降低了成本，還提高了效率。當然，這個“云”并不是真正意義上的云技術，只是一種概念和噱頭。而在大數(shù)據(jù)時代，又將會給客戶服務帶來哪些商業(yè)價值呢？

大數(shù)據(jù)將對客戶服務帶來一次變革，給客戶服務帶來極大的想象空間和無限的發(fā)展前景。甚至可以使客服部門從原來的成本中心（高成本、低價值）轉型為利潤中心（提升品牌價值，創(chuàng)造收入），大數(shù)據(jù)功不可沒，而與時俱進的客服系統(tǒng)才是越來越優(yōu)質的客戶服務背后真正的技術支撐。

從非數(shù)據(jù)驅動的人工流程到數(shù)據(jù)導向驅動的自動化流程，從傳統(tǒng)客服時代到客服軟件時代，再到Udesk新一代智能客服時代。大數(shù)據(jù)帶來越來越優(yōu)質的客服系統(tǒng)，客服系統(tǒng)帶給客戶優(yōu)質的服務，降低企業(yè)的成本。

大數(shù)據(jù)時代下的客戶服務的未來

1、智能語音客服
目前，通信運營商等在客服領域比較先進的企業(yè)已經(jīng)實現(xiàn)了智能文字客服，通過文字識別技術和智能匹配算法對通過短信和網(wǎng)站文字客服提出的服務訴求智能匹配答案，不需人工判斷。要實現(xiàn)智能語音客服，也要通過識別和匹配這兩關。

我們先說說識別吧。早在Siri之前，就已經(jīng)有很多語音識別工具問世，最早的基于電子計算機的語音識別系統(tǒng)是由AT&T貝爾實驗室開發(fā)的Audrey語音識別系統(tǒng)，它能夠識別10個英文數(shù)字，現(xiàn)在AT&T的語音系統(tǒng) Watson已經(jīng)可以實現(xiàn)在線德語和英語的實時口譯。以現(xiàn)在的技術，語音的識別依然比較困難，主要面臨的難點有2個：
算法

算法是軟件的核心，目前的語音識別算法使用的語言模型仍是一種概率模型，還未發(fā)展成以語言學為基礎的文法模型，算法不突破，效果無法取得突飛猛進的進展。算法的優(yōu)化不是一朝一夕的事情，需要慢慢不斷地進行，尤其語音這種非結構化數(shù)據(jù)（不便用數(shù)據(jù)庫二維邏輯表來表現(xiàn)的數(shù)據(jù)），但隨著大數(shù)據(jù)分析技術（用于非結構化數(shù)據(jù)的管理分析）的發(fā)展，也會對新算法開發(fā)帶來福音。一些核心算法如特征提取、搜索算法和自適應算法也都在一步步改進，且隨著數(shù)據(jù)源的不斷豐富，算法的識別效果也就越來越精準。

適應性

由于方言、語氣、環(huán)境和音色等因素的影響，限制了語音識別算法的效果，這就需要語言識別系統(tǒng)具有一定的自適應性，不同口音、方言的識別都需要以一個龐大的語音數(shù)據(jù)庫為基礎，對這些非結構化數(shù)據(jù)的管理分析就更加指望大數(shù)據(jù)技術了。至于排除環(huán)境噪音、音色等因素，個人感覺要依賴半導體傳感技術的進步，留待硬件領域的專家進一步探討。接下來就說到匹配了。目前，匹配的算法已經(jīng)相對比較成熟了，也許和大數(shù)據(jù)技術沒有直接聯(lián)系，不過其準確性也有賴于數(shù)據(jù)源的豐富程度，同時要在不斷產(chǎn)生的“交互數(shù)據(jù)”中動態(tài)地調整匹配結果。

綜上所訴，隨著數(shù)據(jù)源越來越多，大數(shù)據(jù)技術的不斷進步，語音識別系統(tǒng)也在持續(xù)地完善之中，說到底，算法依然是核心，而數(shù)據(jù)則是基礎，對于這類非結構化數(shù)據(jù)，也許傳統(tǒng)的數(shù)據(jù)庫技術Handle不住，但大數(shù)據(jù)技術卻大有可為。相信不久，語音識別的技術的突破不僅可以實現(xiàn)智能語音客服，還將變革人與物之間的交互方式。

2、語音文本轉換
因為這個功能的核心也是語音識別，所以大數(shù)據(jù)技術對的轉換準確度的保障支撐就不用再說了。之所以單列出來談呢，是因為其對客戶服務別有一番作用。

對于呼叫中心而言，客服人員與用戶的通話都是要錄音備份的，這些語音數(shù)據(jù)可真的不小哦，僅以廣東移動為例，廣東移動客服中心每年就要新增約60T的數(shù)據(jù)存儲，這個體量對于一般的企業(yè)來說已經(jīng)是“大數(shù)據(jù)”了。據(jù)悉，這些數(shù)據(jù)是用磁帶來保存的，而且這些要保存幾十年不能銷毀，想想到時候光這些磁帶所占用的房間租金就是不少錢啊，更何況是其他成本。而如果能將這些語音準確地轉換成文本之后，文本存儲所占用的空間就小的多（一個移動硬盤都可以存儲一個圖書館的數(shù)據(jù)量了），存儲成本簡直就是直線下降，不僅實現(xiàn)了低成本高效，對自然環(huán)境也是一種利好。

有人會質疑這些錄音是為了便于追溯留證的，不是原始的錄音記錄，客戶不認賬怎么辦？當然，我要聲明不是所有的錄音都要轉換成文本，對于客戶投訴或辦理業(yè)務的來電，仍然保留錄音記錄，一則便于企業(yè)對客服人員的服務態(tài)度（說話語氣什么的還真要靠語言才能判斷）和質量進行抽檢，二則備份留證。而對于更多的咨詢或查詢類來電，通常不必留證，將這些語音轉成文本之后，不僅減少了存儲空間，這些文本數(shù)據(jù)還可用于后續(xù)的信息挖掘，用來改進服務或發(fā)現(xiàn)商機，畢竟文本的信息分析要比語音的容易得多。

3、客戶信息挖掘

在互聯(lián)網(wǎng)時代，除了用戶數(shù)、營業(yè)額等，數(shù)據(jù)已經(jīng)被認為是未來的核心資源。我記得馬云曾說過類似這樣的話“你知道全國哪個省份的女人胸圍最大么？你知道哪個城市的男人最喜歡用什么牌子的衣服、香水么？你們都不知道，淘寶知道?！泵磕暧卸嗌倨髽I(yè)關注《淘寶用戶行為報告》，以圖挖掘出一些數(shù)據(jù)來提升自己的銷量，從這里，數(shù)據(jù)的價值可見一斑。

而客服部門作為企業(yè)前端的客戶直接接觸窗口，每天都可以從客戶身上獲取大量的信息，甚至可以在客戶比較滿意的時候，主動獲取一些愛好、職業(yè)等信息，積少成多，某些時候，這些數(shù)據(jù)將為企業(yè)巨大的價值。當然，這些數(shù)據(jù)的錄入也不能僅靠人工，其中更涉及客戶視圖和標簽的問題，待下文再進行剖析思考。對客戶信息挖掘的應用，我在此舉兩個簡單的例子。比如，通過數(shù)據(jù)的挖掘，可以發(fā)現(xiàn)哪些用戶是高爾夫球愛好者，進行精準營銷，避免盲目營銷導致的客戶反感及投訴。再如，隨著定位技術成為了手機的標配，個人位置信息已經(jīng)成了客戶服務領域待被開采的金礦，國外運營商已經(jīng)開始分析這些個人位置信息的數(shù)據(jù)，并將洞察結果面向政企客戶提供，這些位置信息可以為企業(yè)的實體店、營業(yè)廳選址提供依據(jù)。