一、项目背景及目标

    （一）项目背景

      1.智能客服市场现状及前景分析

      在当前以客户为中心的核心管理理念下，银行业在传统客服方式上却受到诸多困扰：客户数量与日俱增持续推高人力成本、咨询问题偏于简单重复长期制约效率提升、被动式交互方式严重阻碍服务品质突破等。同时伴随人工智能、大数据等新兴科技的发展，通过智能客服推动金融客服中心由劳动密集型部门向技术密集型、服务高端化部门转型，成为近几年银行业面临的重要课题。

    （1）客服市场发展情况

      总体来看，中国客服软件市场大致经历了三个发展阶段：传统呼叫中心软件（1990年-2000年）、 PC网页在线客服+传统客服软件（2000年-2010年）、云客服+客服机器人的智能客服阶段（2010年至今）。

       2000年以前，互联网尚未普及，客服主要以电话沟通为主。 

       2000-2010年间，得益于计算机技术、计算机电话集成技术（CTI）、网络技术、多媒体机技术以及CRM、BI、ERP、OA等企业信息化应用的集成，客服系统跳出单一的电话沟通，出现了网页在线客服等多种客服渠道。

      而过去近十年，移动互联网、云计算、大数据和AI技术的发展又将传统呼叫中心和客服软件带入了SaaS和智能化时代，一方面全新的SaaS模式使得企业搭建客服中心的成本大大降低，产品功能更加丰富，应用场景也从客服延伸到了销售、营销等多个环节，另一方面，客服机器人通过辅助人工，以及回答简单重复性问题，大大提高了人工客服的工作效率。同时，AI也在从各个环节上变革着企业客服的交互方式，加速线上线下客服的智能化升级。

      进一步来看，智能客服发展经历了四个阶段：*****代，“关键字机器人”，基于单个关键词精确匹配；第二代，可以支持多个词匹配，具有模糊查询能力；第三阶段，在关键词匹配基础上引入自然语言处理（NLP）技术，第四阶段，深度学习，有更好的自主学习能力和自然语言理解（NLU）能力。 

      （2）智能客服市场现状

       2018年下半年，5大国有银行和12家全国性股份制商业银行上线了智能客服，2019年部分中小银行和城商行也开始布局智能客服。根据中国银行业协会公布的《中国银行业客服中心与远程银行发展报告（2019）》，2019年客服中心与远程银行智能服务占比为33.38%；44%的客服中心与远程银行应用智能语音导航简化客户操作，提高服务效率；微信、在线、APP等渠道的智能机器人文本分流率达到78.41%。

      但根据实际运行情况来看，银行智能客服有待优化，主要体现在：1.模糊搜索有待改进，部分智能客服产品仍需要输入精确关键词才能得到答案；2.程式化服务，流程繁琐；3.客服系统自身知识库的储备不足；4.业务场景需要进一步丰富化。

     （3）智能客服发展前景

       5G时代下场景、模式、对象的进化——5G时代海量数据为机器学习奠定了强大的数据基础，令智能客服经常性“智障”的问题就能被缓解；5G场景下的智能客服产品，与客户的联络渠道从电话、在线客服，扩展到音视频，要求智能客服具备多模式的适配；5G可以使智能客服产品的云计算集中算力模式，部分转变为将复杂AI应用和计算到本地化，带来更灵敏和高效的应用方式；5G打通物联网的链接关节，包括具备物联网能力的事物，智能客服与物联网贯通，服务模式会由被动变为主动。

      更聪明的智能客服——中文环境下的语义理解，在高度密集型语音、文本沟通场景的智能客服行业使用场景中，在监督学习和标注辅助模式下，在部分封闭型、问答型场景下可以得到很好的利用；通过语音AI技术进步带来的更新、更落地的应用，进一步提升无监督学习和神经网络支撑下的自然语言理解能力。

      更优化的智能客服体验——融入AI后，在客户的咨询响应速度、接起率、问题解决能力上都会相比传统客服得到大大的提高，传统的人工回复速度在2-10m左右，但AI机器人是毫秒级响应，会在用户体验上得到很大的提高。

      推动人工客服向专业性发展——智能客服在整个服务环节中角色将会越来越重，但不会去完全替代人工客服，人工客服应对复杂性、专业性问题将大幅提高，推动人工客服向专业性发展。

      2.我行建设智能客服系统的必然性分析

     （1）顺应行业发展趋势的要求

      多媒体在线客服广泛运用于银行业,一方面为客户提供更多样的服务模式，提升客户服务体验。另一方面为分流人工话务，提高效率,减少人力成本。自2018年以来国内银行业开始增加对智能客服系统的建设，以达到服务差异化、提高核心竞争力的目的。在此背景下我行只有顺应趋势，通过智能客服系统提高客户留存率以及转化率，才能不断提升市场份额，做强做大。

     （2）助力战略规划的要求

      在金融体质深化改革的十三五时期，面对银行市场的竞争态势，我行提出了“以客户为中心、快速金融创新、面向服务架构、建设金融枢纽”的战略规划。迫切需要构建高效、友好、安全的客户服务体系，以支撑规划实现。因此在“企业化”、“平台化”的我行IT架构的思路下，建立全渠道接入、多业务场景切入、全媒体智能化的智能客户系统成为必然。

     （3）顺应“以客户为中心”的现代管理目标

      当今激烈的市场竞争中，各家银行推出的产品服务同质化现象严重，为了吸引客户，抢占市场，要求提供的产品和服务都具备“差异化”和“创新化”。其次客户在追求创新性产品的过程中，随之而来的对产品服务的质量和效率的要求也越来越高，从而要求业务系统本身需具备更高的处理效率，以及7*24小时连续的不间断的对外提供服务的能力。通过智能客服系统，在满足7*24小时服务时长的基础上，通过提升业务处理效率，增加交互友好性，以达到提高客户服务体验，实现以客户为中心的管理目标。

     （4）达成项目群目标的要求

       2017年我行启动了新核心总账系统项目群的建设，共涉及70多个系统参与建设和改造，作为我行信息科技发展史上的重要里程碑事件，在建设时便确立了“以客户为中心”、“快速产品定制”、“灵活定价”、“交易核算分离”、“灵活清算”、“统一交易规范”作为项目群建设的目标，并定于20181126项目群整体上线。

      同时，我行在多媒体智能服务方面尚属于空白，本项目的建设一方面弥补了我行服务渠道的不足，也为我行其他系统提供基础能力支持，包括知识库可以扩展到全行实现共享，智能客服系统形成的大量数据可以为业务提供数据分析和决策支持等。

       3.我行建设智能客服系统的机遇与挑战

     （1）机遇

       开放银行崛起，零售银行的转折点

      全球零售银行的转型趋势愈加明显，大多数零售银行都表示对开放银行持“拥抱态度”。根据BCG波士顿咨询报告指出，开放银行是为顺应银行平台与第三方平台的一体化趋势，以客户需求为导向，以生态场景为触点，以API/SDK等技术为手段，以服务碎片化、数据商业化为特征，通过与第三方数据、算法、业务、流程等的融合，实现业务驱动的应用架构转型，从前台到后台的整体体系升级，从而变成新时代银行。若银行能够很好地整合第三方功能，就可以显著增强核心业务，并从反应迟缓的竞争对手那里攫取市场份额。智能客服作为第三方功能的选择之一，前期可能作为个性化创新服务吸引客户，后期由于大部分银行的引入，可能会作为银行间竞争的“必需品”。

      自然语言处理、深度学习等人工智能领域的发展助力智能客服

       进人21世纪以来，中文语音语义识别技术的快速发展，使得“机器人客服”代替“人工客服”的构想不再遥不可及，同时随着深度学习的逐渐成熟以及场景应用落地，银行可以实现语音、文本、图片、视频全媒体的智能识别，同时借助知识库、深度学习算法等实现智能机器人，由此为银行业建设智能客服系统创造了有利条件。

      大数据分析以及挖掘助力业务优化

       客户数据是客服中心的宝贵财富。智能客服管理台系统将逐笔完整记录海量的客户上行问题与智能应答答案，并实时生成覆盖问题触发频次、客户满意度、匹配失败情况等关键指标的智能应答报表。通过对业务大数据的密切跟踪与深入挖掘，智能应答系统运维团队可以获取持续完善智能应答知识库的直接依据，从而进一步促进了应答成功率的提升。此外，管理团队还可以定期开展热点问题分析，找出相关产品与服务规则设计中的可能存在的潜在不足并形成优化建议。

      （2）挑战

       智能客服处于刚起步阶段，既有经验稀缺

       智能客服依赖于中文自然语义识别与交互技术。但可供参考的既有经验稀缺，诸如“智能知识库结构如何构建”、“业务的专业性与客户的通俗性之间如何有机对接”、“业务答案的广泛适用性与匹配精准度如何取舍”等问题始终困扰着商业银行与系统服务商。与此同时，系统服务商虽已具备相对丰富的项目建设经验，但对金融行业尤其是银行业却相对陌生，其智能应答软件的产品功能与银行业客服中心各项需求的贴合度尚需提升，以各取所长，优势互补。

      客服中心面临业务专业性考验

      在智能客服快速发展情况下，相对简单、重复的业务顾客自助就可以完成，比如说转账、查询账单、账单分期，顾客直接通过APP端自助完成。由此导致一旦转接到人工，则对应的客户问题相对专业化、复杂化，对客服中心的专业性形成考验。

       客户群体特征导致对于智能系统接受度低

       城商银行服务的区域和人群特点决定了核心客户老龄化的趋势明显，对电子科技产品的接受能力存在天然的弱势，这类客户群体初期有可能会排斥全渠道智能客服所提供的高效、便捷服务，无形中提高了准入门槛。

     （二）项目目标

       1.提升渠道的服务能力——实现全渠道融合服务，提升客户体验。

      通过网页、APP、呼叫中心、社交平台等全渠道的场景融合，提升用户和智能平台之间交互的便利性；综合采用多项技术手段与服务策略，确保机器人服务与人工服务间不存在明的客户体验落差；通过对交互日志进行分析，持续优化应答策略与文本，大程度提升智能应答的客户体验。

       2.提升渠道的营销能力——实现服务营销一体化，精准营销创造价值

      智能客户服务除了为客户常态化地提供各类活动资讯及相关细则，可借助聊天机器人，成为融互动性与趣味化于一体的营销推广工具；通过智能客服积累的数据可以为客户画像以及精准营销提供辅助的数据分析与挖掘；智能客服的技术实现手段未来可以在营销外呼方面实现功能复用，真正实现服务营销一体化。

       3.提升渠道的业务受理能力：实现远程业务受理模式，推动远程银行的建设。

       2019年11月，中国银行业协会发布银行业首份远程银行团体标准——《远程银行客户服务与经营规范》，成为银行客服领域一个新的里程碑。《远程银行客户服务与经营规范》从前瞻和指导的战略层面，为客服中心与远程银行的规范建设和创新发展发挥引领作用，截至2019年末，已有13家银行客服中心更名为远程银行中心,21家银行计划建立远程银行。客服中心升级为远程银行，是运用金融科技手段服务客户，实现从“成本中心”向“价值中心”的转型，是金融科技赋能下银行业客服中心的又一次发展进阶。

       从近期目标来看，本项目是本行客服业务进入人工智能领域的首个项目，一期重点在于智能客服平台搭建及在线客服基础功能的实现：运用自然语言理解技术（NLU）、深度学习等人工智能技术建设厦门银行在线智能客服。通过网上银行、手机银行、门户网站及微信等多渠道，建立厦门银行与客户直接沟通渠道，快速响应客户需求，提升客服服务质量和客户满意度，同时减低人工成本。

二、项目方案

      （一）项目方案概述

       我行新一代智能客服系统依托大数据、人工智能等金融科技创新技术，构建客户画像、意图识别、知识图谱问答、智能化服务调度编排等智能大脑赋能场景，实现业务场景化、服务智能化、数据业务化，开启“智能+人工”的新服务模式时代，为客户营造一个更便捷、更精准、更贴心的服务环境。

      我行智能客服系统由知识库管理、智能应答、智能分析、智能学习、数据分析、机器人质检、运维监控、系统管理等功能模块组成。将门户网站、手机银行、网上银行的服务功能整合成一个完整的服务平台，并提供基于文字、图片、音频的多媒体服务。利用智能机器人、智能知识库、全语音交互等人工智能技术为客户带来****的交互体验的同时，提高服务与营销效率。

    （二）项目实施

      我行新一代智能客服系统项目实施总体原则为分步实施、由易到难、设计AI布局、考虑未来扩展性。具体来看，项目实施分为三个阶段：*****阶段搭建智能客服的底层平台机器人、在线客服以及全行级知识库；第二阶段借助AI机器人智能运用，实施不同功能的外呼营销工作，提升渠道的营销能力，具体包括电话营销、电话回访、电话催收、语音通知，同时在媒体方面增加实现视频服务、核身工具，进一步提升渠道的业务受理能力；第三阶段实现智能语音分析、深度挖掘需求，同时控制经营风险，主要包括客户坐席语音转写、客户语音数据分析、智能语音导航。通过三期建设，终实现客服中心多媒体渠道整合，实现四个统一（统一接入、统一排队、统一数据、统一服务）。目前已完成的为*****阶段项目。

      *****阶段项目新建三个系统，包括在线客服系统、在线文本智能分析系统和知识库管理系统。

      在线客服系统，包括三个子系统：客户子系统，由客户操作界面与客户操作功能组成，提供客户向客服人员发送与接收多媒体信息的基本功能。核心子系统，实现客户子系统和坐席子系统的路由、排队与控制，完成客户排队、消息路由、链路控制等功能，同时对接在线客服文本智能分析系统，客户提出问题先与在线客服文本智能分析系统的智能机器人进行沟通，机器人回答不了再转人工客服处理，有效节省人工客服资源。坐席子系统，由坐席和坐席服务功能组成，提供为客户服务的基本坐席和班长坐席功能，同时对接知识库管理系统。

      在线客服文本智能分析系统，通过深度学习、自然语言理解、知识图谱等人工智能技术，为在线客服应用提供智能应答、智能分析、智能学习等服务。该系统后续将扩展为全行级在线文本智能分析平台，可为智能IVR（智能语音互动）、智能交易导航等应用提供语音识别、意图分析等功能，也可运用于舆情分析、文档分类、信息检索等场景。

       知识库管理系统，实现人工知识库与机器人知识库统一管理和知识共享，知识库提供双引挚搜索功能，可查看信息文档，也可查看机器人对外输出的业务信息。

      （三）技术架构

       1.系统逻辑架构

      （1）系统上下文

      在渠道服务渠层：改造门户网站、网银和手机银行，嵌入在线客服界面，为个人及对公客户提供银行业务在线咨询服务。在产品服务层：新建在线客服系统，为客户提供文字、图片、音频3种服务方式接入，并通过在线文本智能分析自动应答辅以人工坐席在线应答。在管理分析层：新建在线文本智能分析系统，通过文本智能机器人技术，为在线客服应用提供智能应答、智能分析、智能学习等服务。

     （2）系统流程图（以网银渠道个人客户咨询为例）：

      （四）业务模式

        我行自2019年10月上线智能客服系统（*****阶段），接入了借记卡、信用卡、信贷、理财、保险、基金、现金管理、CRM、风控等业务系统。通过与知识管理平台实现耦合，实现对内对外服务。第二阶段，我行智能客服系统将进一步拓展智能催收机器人、智能语音导航、智能语音质检等业务模式。

       1.智能客服

      智能客服系统通过与我行的业务系统对接，通过网页、微信、短信、APP等渠道服务于广大用户；无缝集成到企业的信息系统中，特别是与现有的客服坐席系统融合，代替或辅助人工坐席完成数据查询、订单处理、业务办理等操作，拓展及丰富企业的对外服务渠道，提供更快捷的客户服务响应能力；能显著减轻人工坐席压力，减少用户等待时长，针对用户的业务问题能够准确的命中业务知识点，能提升用户尤其是贵宾客户的使用体验。

      同时在线客服文本智能分析系统后续将扩展为企业级在线文本智能分析平台，可为智能IVR（智能语音互动）、智能交易导航等应用提供语音识别、意图分析等功能，也可运用于舆情分析、文档分类、信息检索等场景。

      2.知识库管理

      知识库包括文档、FAQ条目、多媒体知识、公共信息等类型，通过知识文档建立、QA知识积累、知识拓展与发现、建立知识图谱等过程形成全行完备的知识库。以智能客服系统建设为契机，建设全行知识管理统一平台，知识管理大部分通过自动化实现，各部门不用再花太多时间在资料的整理上。

      3.智能客服数据分析

      通过数据分析全面掌握智能客服的服务情况，例如，从时间、渠道、回答情况等维度，把握机器人服务量、问答准确率等情况；通过统计热点知识、及知识库知识数量，直观了解客户关注的热点问题及其变化趋势，以便业务决策或发现潜在风险并提前处理；与CRM系统打通完善客户画像实现精准营销、作为数据收集器收集更多的数据为大数据分析打好基础。

三、创新点

      （一）业务创新点

       1.运营体系闭环

      通过智能客服系统的智能分配，将用户诉求与产品、业务解决方案形成精准对接；通过多渠道整合，实现用户通过任一渠道的问题，都可达到快速、准确的回答；通过不同种类的客服方式协同（智能客服、人工客服），达到用户等待时长低，同时后台客服无闲置资源浪费的目的。整体实现客服运营体系闭环。

       2.体验管理重塑

      收集体验数据，与已有的业务系统（如CRM、风控、信用卡）中的运营数据相结合，利用先进的人工智能机器学习分析工具，将数据转化为洞察力，推动行动以创造价值，并在客户、员工、产品和品牌体验之间建立联系，以帮助缩小体验差距。

     （二）技术创新点

      1.核心自然语言理解能力

      采用机器学习、深度学习、自然语言理解（NLU）知识图谱等人工智能技术，对智能问答过程所涉及的知识库构建、客户意图理解、教育优化、语义模型自学习等各个环节进行了全面优化，处于行业领军水平。

      自然语言理解（NLU）技术为智能客服提供自然语言处理能力，以完成各类人机交互任务，具体包括但不限于智能问答、多轮对话、知识图谱结构化查询、信息核对、信息抽取等等。自然语言理解技术根据输入的文本，来判断其所表达的意图，并依照预先设定的交互方式进行后续处理。

      2.智能自主学习

      语义理解引擎基于深度学习算法，采取深度神经卷积网络，对输入问题以及知识库中问题进行向量化，具有极强的泛化能力系统的自然语义理解引擎具有自学习功能，能够应用客服中心积累的对话数据，发现已有知识点的相似提问，并用这些提问训练语意模型，不断自我学习、自我迭代，持续提高问答准确率，实现越用越聪明的效果。

      3.知识维护便捷

      系统具备知识发现功能，能够从历史对话数据中，进行无监督聚类（无需人工参与），自动挖掘出新的知识点，辅助知识加工人员进行知识点归纳。针对知识加工环节，系统提供实时扩展问推荐、实时知识点去混淆功能，针对知识库维护调优环节，系统提供知识优化、知识淘汰等多种功能，相比传统的加工方式，可减少一半以上的人力成本。

      此外，统一的知识库管理后台，可同时满足多个机器人、多个渠道的高效复用，极大的简化了知识维护人员的工作。该知识库可作为企业级知识库，提供分级管理模式，支持全行各部门或个人构建独立文档库，及分享知识。

      4.知识图谱

      在知识图谱中，所有知识点被相关的语义信息所关联。从问题到知识图谱的知识点匹配，可以利用大量关联结点的信息进行回答，进而提升知识库的问答效果。知识图谱适合编辑矩阵类知识，例如：信用卡咨询场景，‘铂金卡/金卡/银卡’的‘年费/申办条件/透支额度’只需建立1个知识图谱，就可以回答知识，并支持反问补全问题。

      5.智能化服务编排调度

      调度引擎通过对接客户端与座席端，针对不同渠道的用户问题，通过语义关联识别对应业务接口，以及智能排队系统，实现统筹调度。智能客服系统可以实现60%自动化调度、90%异常智能监控。

四、项目过程管理

      智能客服项目立项时间为2019年3月21日，上线日期为2019年10月25日，结项时间为2020年3月16日。其中主要阶段包括立项签批、产品采购、项目需求分析、一阶段实施、一阶段测试、一阶段发布、结项。

      （一）项目范围管理

      项目管理中，为了实现项目的目标，对项目的工作内容进行范围界定，范围规划，范围调整等。在项目范围管理过程中，我们通过期初界定项目范围、期中及时进行范围调整、期末总结项目范围变更程度等方式，进行项目范围管理。项目范围明细参见表1。

      （二）项目时间管理

       项目管理中，为了确保项目终能够按照计划完成，实施活动排序、时间估计、进度安排、时间控制。在时间管理中，我们采取如下策略：

       立项阶段，通过活动定义、活动排序、活动时间估算等过程，完成进度计划编制，作为项目进度管理的基线。我们利用甘特图将所有的任务和截止日期以时间轴的格式直观地表示出来，在重要的时间节点设置里程碑；

       项目执行阶段，在各个阶段进行及时跟踪，比较实际进度与计划进度，并针对时间偏差较大的阶段进行原因分析以及方案调整，在保证项目质量的前提下通过人员调度、任务优先级调整等方式确保时间进度与计划进度偏差范围在可接受范围内；同时通过落实责任人、任务拆解细化、挂钩绩效、计划时间采用浮动时间等多种方式，保证实际进度与计划进度的偏差在可控范围内。

       表2 智能客服项目各主要阶段时间进度

        （三）项目成本管理

       项目管理中，为了保证完成项目的实际成本、费用不超过预算成本、费用，通过资源的配置，成本、费用的预算以及费用的控制等方式进行项目成本管理。在成本管理中，我们采取如下策略：

       立项阶段，通过资源计划、成本估算、成本预算过程，估算项目总成本以及合理的分摊方式。具体针对该项目，包括针对三大子系统以及配套改造系统、服务器的费用预算；

项目开发阶段，跟踪、控制项目预算的变化、分阶段定期通报费用报告，再由控制人员对其进行费用审核，以保证各种支出的合理性；将已经发生的费用与预算相比较，分析其是否超支，并采取相应的措施加以弥补。如果有很大的偏差应该作出及时的调整，涉及到总费用预期超支还要得到项目主要干系人的认可；

       项目结束后，进行项目成本分析，并通过项目成本考核方式，实现合理的、可持续的成本管理制度。

     （四）项目质量管理

      项目管理中，为了确保项目达到所规定的质量要求所实施的一系列管理过程。在质量管理中，我们采取如下策略：

      立项阶段，针对智能客服系统的用户需求进行全面、准确、客观的评估，连接具体的质量要求，并以此展开讨论、确认下一步的工作安排，拟定具体明确可操作的管控计划。同时，将管控计划与第三方厂商的核心干系人沟通、确认，以求达成共识，并支持计划地施行；

      项目开发过程中，针对主要的开发阶段要求相应负责人出具明确、清晰、可追溯的阶段性可交付成果，并就可交付成果进行检验、确认。另外对于开发中出现的变更需求次数以及内容进行严格把关，并将变更需求与干系人绩效挂钩方式，达到项目实际开发范围不发生大的变更；

       结项阶段，通过合同验收过程，完成《智能客服项目_供应商评价报告_软件开发》以及《智能客服项目_验收报告》，严格评审系统性能是否符合需求说明书要求，确保结果可接受。

      （五）项目风险管理

       项目实施过程中，通过识别、分析并采取实际有效的应对措施来管理可能影响项目的各种业务、技术风险。在风险管理中，我们将采取如下策略：

       从立项阶段开始，就尽可能的识别潜在风险，并记录每个风险详细信息，包括风险描述、识别人、识别日期、状态、责任人等。

根据项目管理规范，进行风险评估分类、分级，并采取积极的措施防止各类风险的发生，比如人员、实施质量、测试配合，充分利用各种内外部资源，规范流程、模板，并增加评审、管控节点等。

      对于已识别登记的风险，进行常态化跟踪管理。根据风险类别、发生可能性、影响程度，进行风险量化评估，确定风险系数级别，制定风险防范应对策略，并安排责任人，定期跟踪，直至风险关闭。

五、运营情况

      本期智能化项目建设，通过智能客服，结合在线客服，实现门户网站、直销银行、网上银行、手机银行、微信公众号等多种渠道的智能化客户服务，快速响应客户需求，提升客户体验。

      具体来看，智能客服系统自2019年10月上线后，截至到2020年8月底，期间服务客户数量为人工服务客户数量的5倍；智能客服回答问题数量与人工回答数量的比例达到150%以上；2020年疫情以来每月客服接待量平均增长29%；智能客服系统的问题命中率（客户提出并且业务维护的知识库有对应答案的问题数量/客户提出的问题数量）为95.17%；问答准确率（智能客服能够回答出的问题数量/客户提的问题数量）自上线初的86.98%提升至96.52%；分流率达到85%。

      访问智能系统的客户来源方面，目前通过手机银行渠道（含微信公众号）的客户来源多，其次是门户网站。从沟通交互的轮次来看业务均在5次左右完成业务咨询。

六、项目成效

     （一）降本增效

       智能客服系统通过解答85%以上的常见咨询，为客服热线分流，节省人工成本（智能客服系统与人工客服系统服务比例大致为5：1），2020年疫情期间及时应对在线客服业务量的快速增长，节省人力投入成本的同时，极大提升服务效能。

     （二）促进产品转化率提升

       通过使用智能客服系统在线智能解答咨询、查询/办理业务，缩短用户业务办理时间，信用卡产品服务量提升33%。

      （三）促进我行服务规范性发展

       智能客服系统具有7*24h服务，情绪稳定，口径统一，问答数据结构化存储等优势，提升了服务的规范性，并成为未来促进我行整体服务规范发展的重要基础。

     （四）提升客户体验

       我行智能客服系统基于强大的知识库以及人工智能技术，能够多线程运行、多渠道接入、合理调度任务，同时回答准确率达到96.52%。实现客户零等待，满意度提升至98.14%。

七、经验总结

       我行顺应金融科技发展趋势，重视以客户为中心的现代管理理念，以智能客服系统的建设为切入点，积极探索使用现代大数据、人工智能等新兴科技与银行传统业务的结合。通过智能客服系统建设，积累了丰富宝贵的经验，具体体现如下：

      （一）项目进度安排上，实现由易到难，分期建设

       如要实现全媒体、全渠道、深度智能的智能客服系统，一方面需要在各个维度实现智能化，包括文本智能识别、语音智能识别、图片智能识别等，其中每一个维度都涉及到不同的复杂的人工智能技术；另一方面需要与现有业务系统、业务场景融合，以业务为导向。基于上述原因，我行在智能客服的建设上采用了由易到难、分期建设方式，并对现有的系统考虑未来可扩展性为主。一期进行基础知识库、在线客服系统的搭建以及较容易切入的文本智能客服系统；二期以增加业务场景为主，同时技术层面增加视频受理、人脸识别、智能外呼等运用；三期引入技术上较有难度的语音智能，并终实现全渠道、全媒体的目标。

      （二）通过严把技术关，达到深度人工智能化

       智能客服系统的搭建主要目的除了降本增效，也包括提升客户体验感。目前国内较多同业均已开通智能客服功能，但智能化程度差异较大。主要原因在于使用的人工智能算法具有差异，以及能否从客户角度考虑形成完备的功能，比如考虑到部分客户不熟悉各项业务功能入口，交互应答时可以灵活穿插相关功能的快速链接；考虑到部分客户对机器人服务缺乏信任，机器人服务与人工服务无缝转接机制是一个保险手段；考虑到部分业务的敏感性，相关关键词可直接触发人工策略等等。我行在智能客服系统搭建中，通过深入的需求分析、反复调研与讨论，与国内**厂商合作，在架构设计、算法选择、功能需求完备性方面具备先进性，从提升客户体验、促进产品转化率等方面指标来看，人工智能化程度较高。

      （三）不断丰富深化业务场景，实现业务间协同

      智能客服系统的建设作为金融科技中的一个很小的分支，其目的不仅在于为未来的远程银行搭建基础，同时在实施过程中可不断挖掘出新的科技与金融融合的业务场景。我行现有智能客服系统的业务场景主要聚焦在针对借记卡、信用卡的客户服务等方面。后期将根据项目建设进度以及业务场景的挖掘，拓展到智能催收、智能质检、外呼营销等多种业务场景中。我行在期初项目规划时考虑到后期业务拓展问题，一方面针对知识库管理实现企业级管理，为后期其他业务场景的搭建提供基础；另一方面在已开发完成的文本智能客服系统后续将扩展为企业级在线文本智能分析平台，可为智能IVR（智能语音互动）、智能交易导航等应用提供语音识别、意图分析等功能，也可运用于舆情分析、文档分类、信息检索等场景。