智能客服行业报告（31页）

如果企业只需要客服在线，同时业务量很小的状态下，可能无法用到智能客服机器人。 所以传统客服还是他们的首选。 这类业务的企业对智能客服的诉求不强烈，导入智能客 服的动力也不足。 在这几种场景下企业就有了比较强的用智能客服来替代传统客服的动力：  在线会话量巨大，知识库建立不足，传统客服坐席已经不足以胜任数据量激增 的会话业务 。7*24小时服务也是一个巨大且必须刚需替换的原因。 售前到售后的全服务体系，传统客服在售前与售后业务当中，以往是割裂的。 对客户而言，服务的感知不统一，造成客户对品牌、产品服务的满意度下滑严 重，而智能客服在统一客服体验方面有巨大的优势。 多渠道、多终端的同时服务，传统客服无法同时处理在线、通话服务，而智能 客服的出现解决了这一问题，极大增强了客服的响应能力。在不同的行业当中，智能客服满足的场景以及实现的价值也有所不同，因此最终打动企 业客户使用智能客服的核心动力最终落在了使用AI来解决繁琐重复的人力劳动，通过数 字化来提高的业务精准度，而最最根本的是在规模化业务的情形下帮助企业节省了多少 预算或者增加了多少销售。

在营销场景下又分为辅助位客服和机器人客服。目前在辅助人工客服方面，AI还没有渗入关键的流程环节，只在客户沟通、信息记录等关键环节上有一定的AI能力辅助，在外呼这个前期 关键的流程环节中还没有与人工外呼做很好的支持和结合；在机器人客服的场景下，AI已经在语音机器人、智能分配的主流程关键环节中实现了切入和替换，在筛选客户、策略调整节点 中也利用AI进行了能力的加强。在智能客服主流程中，AI所能提供的结合点和高效能力会随AI技术的进一步成熟逐步释放。

智能客服在数据运营层面的能力让许多企业提升了 对数字化升级/数据化运营的新认知： 数据预处理，比如，数据清洗、分词、专 名识别、指代消岐等任务。模式学习，基于上亿条文本，自动去发现 这些文本、语音语义的规律 。 知识抽取，针对上亿条文本、语音，以继 续学习到的模式进行二次抽取。增强学习+Bootstrapping，基于一些标 注数据、判断准则，不断重复第2、3点， 并给出准确率超过99%的结果数据 。 数据运营是企业运营过程的核心，如果孤立的数据 会让企业很难全面了解运营情况，缺失的数据可能 会让企业造成错误的决策。智能客服对服务过程中 产生的所有数据进行收集，并通过BI，企业可以随 时将所有数据进行自我需求定制。 基于AI的能力，客服机器人、客服动作的RPA应用 不仅对传统的客服业务进行了优化，也把业务流程 与数据流进行了有效统一，实现了数据驱动决策的 客服流程再升级。