望闻问切诊断用户问题,揭秘阿里云智能化服务全景

简介: 2018云栖大会上海峰会阿里云支持与服务专场,阿里云技术专家张海滨带来以“阿里云智能化服务全景揭秘”为题的演讲。本文首先就智能化服务方面提出了智能顾问、智能服务运营和智能对话分析三个方面的策略,然后创建了阿里云智能顾问、智能服务运营和智能对话分析三个产品。

2018云栖大会上海峰会阿里云支持与服务专场,阿里云技术专家张海滨带来以“阿里云智能化服务全景揭秘”为题的演讲。本文首先就智能化服务方面提出了智能顾问、智能服务运营和智能对话分析三个方面的策略,然后创建了阿里云智能顾问、智能服务运营和智能对话分析三个产品。最后就企业怎样解决掉用户的数据问题做了深刻的分析。
数十款阿里云产品限时折扣中,赶快点击这里,领劵开始云上实践吧!
直播视频回顾
下载PPT请点击
以下内容根据现场分享整理而成。

产品简介

智能化服务提出了三个方面的产品,第一方面是指智能顾问产品,智能自助服务不仅能做到独立的解决大部分用户问题,还能做到智能引导和决策来辅助人工服务;第二方面是智能服务运营产品,即需要面对服务运营智能化的要求,从而提高资源调度的效率;第三方面是智能对话分析产品,即沉淀挖掘服务域的数据资产,用于服务人工服务,使人工服务形成闭环。

阿里云客户服务的挑战

随着用户需求的旺盛,阿里云业务需要不断的提升,既要承接能力提升,也要解决能力提升,还要服务质量提升。阿里云人力成本也面临着巨大的挑战,它要求资深的专家去建设智能服务,使智能服务势在必行。

智能化服务的策略

image001


智能化服务架构体系可以分为四个层次,第一个层次是渠道,即客户通过电话、自助机器人、IM、工单、钉钉以及APP渠道来传达本身的需求;第二层次是智能自助服务,即将第一层客户的需求传达给智能自助服务后,首先智能顾问进行第一次解决客户的需求以及问题,其次智能辅助人工服务将问题进行进一步的挖掘,最后人工专业服务通过工单、IM在线、电话以及钉钉进行服务;第三层是智能服务平台,它通过用户智能识别到行为特征和轨迹特征的问题后,将问题进行分析,并调用已有资源到合适的岗位上,最后将数据挖掘进行服务监控,来支持智能服务平台;第四层是技术支撑,即整个智能化服务架构体系的最底层,通过NLP、意图识别、知识库自学习、搜索服务以及规则系统等技术解决客户的问题。

三个产品

阿里云智能顾问

阿里云智能顾问是指专注智能诊断、秒级解答和多端触达的云产品顾问,智能顾问是通过望、闻、问和切来诊断用户问题的。望是指对用户和用户问题进行探讨和解析,即对用户产品的画像、问题画像、用户行为轨迹和历史求助轨迹的分析。闻是指多渠道聆听,即通过识别电话是语音数据还是文本数据后,再对文本进行预处理的过程。问是指提供多种渠道的交流方式,例如,机器人进行多轮对话后,会深入的去探讨用户的需求,同时还会询问系统运行状态和行为特征。切是指根据后台来服务大脑,进行SOP流程、机器学习和优化策略,从而准确地把握用户的问题。

image003


智能顾问可以理解为对话机器人,它能够进行对话式交互,即弹出语义理解、主题推荐、输入联想、多轮对话、流程引导的对话窗口,进而对用户进行主题推荐,最终能够更准确地发现用户的问题。智能顾问也可以叫专业诊断,它能够根据用户购买的产品、运行的行为特征、运行的性能和产品的实践从中找到产品存在的问题,从而对产品进行优化处理。
在解决用户问题时,可以将业务意图进行划分并进行分类,例如,在解决域名的问题时,先将域名划分为域名注册、域名续费、域名转入、域名转出和域名过户五个点,再将五个点进行进一步的划分,这样便容易知道问题出现在哪个点处。
机器人自助SOP服务不依赖于人工去解决问题,人工解决问题需要有标准的流程,将标准流程进行信息上的标准化。机器人遵循同人工解决问题一样的过程,在这个过程中机器人进行对话式交互,进行步骤自行选择,进行系统的自行判定,最终找到最准确的答案推荐给用户。

智能服务运营

image005


智能服务运营是指智能决策统一客户诉求流量和服务能力的覆盖与管控两者之间的匹配和调度,它需要三个过程来完成。第一个过程是渠道适配过程,每个服务在自己的领域监测到精确地用户的数据后,进行渠道的匹配,在这个过程中关注的重点是身份信息、服务诉求、历史轨迹、渠道对接以及渠道引流的信息;第二个过程是调度决策,即智能服务运营对用户风险、运行体验、渠道解决、运营策略干预和渠道干预进行评估的过程。最终数据调度可以调度到人、调度到技能组和跨业务调度等;第三个过程是资源与能力过程,即通过业务线、技能组、人员和知识点四个资源去达到上线管控、忙先评估、健康度衡量等能力。

智能对话分析

智能对话分析服务依托于阿里云语音识别和自然语言分析技术,为企业用户提供智能的对话分析服务,支持语音和文本数据的接入。可用于电话和在线客服坐席服务质量检测、风险监控识别、服务策略优化等场景。

image007


智能对话分析是指在对话录音或文本中,基于机器学习和自然语言处理技术,将对话内容进行分析,从而挖掘对话中潜在问题和机会。智能对话分析产品是一款服务质检产品,能够检测服务质量,能够分析用户满意度,更能带来二次销售机会的多功能产品。在智能对话分析产品的流程中能够快速的发现问题,从问题中挖掘服务规范、操作规范和沟通技等,最终对用户解决问题的程度进行分析,并将问题反馈到服务,最终提高服务。
智能对话分析服务非常有特色,首先,智能对话分析服务是智能规则的,它不仅仅是关键词的检索,而且还能深入的分析上下文的逻辑和语义。其次,智能对话分析服务是全量自动化的,它不像传统的对话分析服务,避免了分析的盲区。再次,智能对话分析服务是灵活接入的,由于它支持存储OSS数据源的无缝接入,所以它即省时又省力。最后,智能对话分析服务是复核校验的,它利用人机配合的方式对分析结果进行二次效验,从而提升结果的准确性。

服务数据深度挖掘

image009


企业如何去解决掉用户的数据呢?首先企业有用户的内部数据,但内部数据也有一个很大的问题。问题在于用户并不是一天二十四小时都会和企业的产品、平台保持沟通联系。用户更多的时间会游离在企业的体系之外,企业如果只是拿到用户在自己平台上这些数据,它们是非常片面的,而企业外部还有很多的用户数据。由于外部和内部的数据,企业将形成一个一个的数据孤岛,所以我们需要通过一些方法把数据孤岛打通。打通之后的数据汇聚到同一个ID上时,我们才说获得了用户真正全方位的数据。
相关文章
|
缓存 安全 Java
|
5月前
|
人工智能 自然语言处理 数据可视化
AI 数据分析产品推荐:更高效、更可控的智能报告解决方案
在与客户的共创中,我们发现数据团队仍被困在周报、月报的重复劳动中,AI 生成的报告往往结构松散、缺乏深度,无法直接使用。这引发我们对智能分析范式的重新思考,推出了 「智能融合报告」,确立了一种新的协作方式:您作为“总设计师”编排思路,AI 作为“超级工匠”精准执行。通过这种方式,您能够将业务经验融入分析框架,全程掌控生成过程,获得结构严谨、洞察深入且可复用的分析成果。如果您在寻找更高效、更可控的智能报告解决方案,这篇凝结我们实践思考的文章值得一读。
|
3月前
|
SQL 人工智能 Java
告别传统 Text-to-SQL:基于 Spring AI Alibaba 的数据分析智能体 DataAgent 深度解析
DataAgent是基于Spring AI Alibaba生态构建的企业级AI数据分析师,融合NL2SQL、多智能体协作与RAG技术,支持多数据源分析、自动纠错与可视化报告生成,让业务人员零代码获取深度数据洞察。
2229 42
告别传统 Text-to-SQL:基于 Spring AI Alibaba 的数据分析智能体 DataAgent 深度解析
|
5月前
|
SQL 人工智能 自然语言处理
企业级 AI 数据分析“专家”——Data Agent 推动数据分析民主化
Data Agent(数据智能体)正从辅助工具向企业核心数据分析中枢演进,推动“人人都是分析师”的愿景落地。
|
11月前
|
Web App开发 人工智能 JSON
Windows版来啦!Qwen3+MCPs,用AI自动发布小红书图文/视频笔记!
上一篇用 Qwen3+MCPs实现AI自动发小红书的最佳实践 有超多小伙伴关注,同时也排队在蹲Windows版本的教程。
1954 1
|
SQL Java Maven
idea如何建立一个springboot项目
idea如何建立一个springboot项目
555 0
|
机器学习/深度学习 存储 人工智能
AI实践:智能工单系统的技术逻辑与应用
智能工单系统是企业服务管理的核心工具,通过多渠道接入、自然语言处理等技术,实现工单自动生成、分类和分配。它优化了客户服务流程,提高了效率与透明度,减少了运营成本,提升了客户满意度。系统还依托知识库和机器学习,持续改进处理策略,助力企业在竞争中脱颖而出。
1466 5
|
网络协议 Linux
iperf 工具使用总结
iperf 工具使用总结
2034 0
|
存储 运维 数据可视化
低代码平台中的“模型驱动”与“表单驱动”有何区别?
低代码是近几年比较火的一种应用程序快速开发方式,它能帮助用户在开发软件的过程中大幅减少手工编码量,并通过可视化组件加速应用程序的高效交付。(低代码的定义来自Forrester报告,被认为是低代码一词的起源)。
低代码平台中的“模型驱动”与“表单驱动”有何区别?
|
人工智能 Java API
Spring AI Fluent API:与AI模型通信的流畅体验
【11月更文挑战第24天】随着人工智能(AI)技术的飞速发展,越来越多的应用场景开始融入AI技术以提升用户体验和系统效率。在Java开发中,与AI模型通信成为了一个重要而常见的需求。为了满足这一需求,Spring AI引入了ChatClient,一个提供流畅API(Fluent API)的客户端,用于与各种AI模型进行通信。本文将深入探讨ChatClient的底层原理、业务场景、概念、功能点,并通过Java代码示例展示如何使用Fluent API与AI模型进行通信。
662 0