近些年,电商的蓬勃发展让我们的生活发生了极大的变化,可以足不出户挑选喜欢的商品、在线和商家沟通、坐等快件到家,购物的同时享受了便捷的服务。随之而来的,是消费者对于电商服务类行业从业者的服务质量需求持续升高。在消费过程中,消费者难免会遇到各种各样的问题。当消费者对服务内容或服务质量不满意时,大部分的消费者会首先联系服务提供商的客服人员寻求解决方案,若问题得不到有效解决,部分消费者可能会选择到监管部门投诉,或将不满情绪发泄到互联网社交网站上,对商家声誉造成负面影响。
对电商来讲,客服的智能质检解决方案需要及时有效地从大规模的客户群体中探测到小部分客户的不满情绪,并在第一时间解决用户的实际需求,安抚用户的情绪,从而降低越级投诉事件的发生。降低投诉率,提高客户的满意度,对于构建品牌形象,提升品牌忠诚度起到了至关重要的作用。
同时,由于客服人员的服务水平和能力良莠不齐,消费者在遇到问题时,如果不能与客服人员进行有效的沟通,就很容易发生越级投诉。实际情况中,很多越级投诉事件的发生与低水平的客服服务直接相关。所以,在电商客服的智能质检解决方案中,还应考虑如何进行客服质量监控,有效规范客服人员的行为,从客服质量的角度减少越级投诉发生的可能性。
在该解决方案中,可以充分利用人工智能技术的优势。比如薄言信息的模型结合了深度神经网络和传统特征工程方法。广泛使用的深度神经网络模型依赖于深层次的网络结构,而传统的特征工程方法通过人工提取特征的方法,可以捕捉到很多对话文本特征和非对话统计特征。两者结合的优势在于:传统特征学习对高频特征敏感,可以避免过度拟合;而深层神经网络可以探索到深层语义,对数据处理过程和特征的依赖较少。
在选择智能质检解决方案的时候,需要对比行业内的质检平台(机器人质检、智能质检是怎样工作的),是否有过硬的语义理解技术能轻松解析语义相似句,准确率更高;是否具备优质的上下文理解技术更符合日常对话场景;是否含有丰富的质检模式,更能随意组合搭配质检点,轻松应对复杂场景。从服务管理角度来看,好的解决方案能迅速发现问题、总结经验,规范服务人员行为,使服务技能、客户满意度、运营效率全面提升。
领取专属 10元无门槛券
私享最新 技术干货