从服务对话中挖掘价值 ——阿里云智能对话分析服务深度解析

• 智能对话分析服务的由来

就我们阿里云来说，每天都要处理大量的工单以及电话，我们处理完成这些工单和电话的服务质量如何？电话中对话内容是否合规？对于客户的问题，如网络不稳定，主机出问题等等，我们是否解决了问题？对工单和电话内容的服务质量检查和数据分析，成为了我们的一个较为复杂的需求。

解决这个问题的难点有二：

1.对话量大

假设有500个电话坐席，每个坐席每天可接5小时电话，那么每天就有2500小时的数据量产生。

2.数据分析困难。

对话内容包含大量口语、专业术语、相同意思的不同表述和上下文逻辑。以目前市面上的对话分析软件的能力看，基本无法满足分析需求。

为了解决这些问题，阿里云诞生了内部代号为“慧眼”的对话数据分析服务平台，创立之初目的有二，一是输出对话分析能力使全量的对话，二是利用人工智能释放对话分析的生产力，解放质检人员的繁重劳动。

当我们真正开始做这件事以后，发现这是一个普遍存在的需求，不仅仅在于阿里云内部，外部同样存在的大量需要这个能力的客户，大家普遍存在客服服务质检、对话分析的痛点和需求。在研发这个平台的过程中，我们反复打磨需求，创造性的解决了很多问题，也在这个过程中不断学习，激发了很多对对话分析的思考。

我们不仅仅要提供服务质检的能力，还要让这个能力能够应用于更多更复杂的场景，只要有对话我们就能够进行智能分析。基于这个短期和远景目标，我们的智能对话分析平台诞生了。

• 智能对话分析服务的介绍

在智能对话分析出现之前的黑铁时代，我们对于服务质检通常使用关键词检索、按比例抽检等手段进行质检，不得不说这件事痛苦且事倍功半，智能对话分析基于质检的复杂需求，认识到仅凭借关键词检索很难达到目标，我们创造了一个规则系统，通过有逻辑关系的基本单元——算子，组成拥有一定智能的规则，来对数据进行检索，一下子让数据质检的准确率达到了前所未有的高度，把服务质检这件事从繁琐的体力劳动中解放出来，得到了内部和外部客户的认可。

简单介绍一下我们系统的质检规则：

注：& 代表逻辑“与”，|| 代表逻辑“或”，! 代表逻辑“非”

• 智能对话分析示例
  

对话内容如上图所示，客服和客户沟通中向客户要密码做诊断后，提醒客户问题解决完毕之后修改密码，这个是个相对比较复杂的针对具体业务的服务规范规则。

规则=!条件2

条件1：向客户索要密码：
1.检查范围：全文客服说过的话；
2.算子：匹配“向客户索要密码”的语义；
条件2：提醒客户修改密码：
1.检查范围：条件1命中的句子之后，客服说的话
2.算子：匹配“提醒客户修改密码”的语义

我们的系统对这段对话应用这个规则，整个过程如图所示：

根据图中所示的例子， 大家可以大概理解智能对话分析的基本数据处理流程。当然这仅仅是智能对话分析中最简单的例子，我们的系统支持7种算子，“与”，“或”，“非”逻辑关系，基于这几种基本单元，我们可以创建非常复杂的应用场景，让千奇百怪的对话分析成为可能。

• 智能对话分析平台核心能力
  

一、 工单、电话数据化能力。
对于目前企业售前、售后都存在大量的咨询工单、电话等数据，这类数据通常是海量的、杂乱无章的，令人望而生畏的，只有通过大数据、人工智能的手段对这些海量的数据进行挖掘才能发挥这些数据的价值。挖掘这类数据的第一步便是将这些数据结构化，这个数据处理是智能对话分析平台的基石。

数据结构化包含两个重要内容：

1.语音数据文本化

智能对话分析平台解决了两个难点，语音转文本和通话角色判定。基于阿里云自主研发的ASR系统首先可以将语音通话内容转换为文本，通过语音中的声纹特点，自动鉴定A/B角色，再通过系统内的判定规则，能够自动区分语音通话中的客户/客服角色。从而根据角色进行对话分析。

2.文本数据结构化

智能对话分析平台能够对通话内容结构化存储（其它类型数据客户可自行封装），从而方便对数据进行检索和分析，将杂乱的数据有序化。

二、 对话内容智能分析

智能对话分析系统内部拥有调度系统，能够灵活地手动启动分析任务，也可以设置定时任务，自动对新数据进行入库和分析，轻松实现数据的 T+0 或 T+1 分析。

三、 行业应用

对服务质量的把控和服务数据的挖掘不仅是阿里云的需求，大多数企业用户也普遍存在这样的需求，所以在满足内部需求以后，阿里云把这种技术能力开放给了用户,帮助企业提升服务质量、监控服务风险、优化服务策略。基于智能对话分析服务的数据处理能力，目前已经有金融、制造、电商等多个领域顶级厂商对系统进行试用，未来阿里云还将提供呼叫中心+对话分析一揽子解决方案。