好的服務(wù)是互聯(lián)網(wǎng)產(chǎn)品的根基和命脈。在人工智能浪潮下，已經(jīng)可以在許多產(chǎn)品中看到智能機器人的影子，越來越多的公司開始嘗試通過這種全新的交互形式，來優(yōu)化或者升級自己的產(chǎn)品，逐步代替人工來解決用戶問題，從而降低服務(wù)成本。智能機器人的解決率隨著專家經(jīng)驗的積累而不斷提升，但長尾問題仍普遍存在，用戶對人工服務(wù)仍有依賴。如今服務(wù)已經(jīng)進化成渠道多樣、智能與人工相輔相成的復(fù)雜體系。

　　這套體系如何有效的運轉(zhuǎn)，如何快速而精準(zhǔn)的滿足用戶的個性化訴求，調(diào)度能力成為了這背后的關(guān)鍵。智能調(diào)度，就是在探索如何結(jié)合人工服務(wù)與機器人服務(wù)來做全局調(diào)度，優(yōu)化客服中心的人員利用率，同時提升用戶體驗。

　　從服務(wù)的發(fā)展角度看，客服中心一共經(jīng)歷了三個階段：第一階段主要以人工服務(wù)為主，領(lǐng)域更多屬于一個人力密集型行業(yè)，比較依賴人工通過電話、郵件、IM、論壇等溝通工具和渠道來解決問題；第二階段，主要集中在以IT平臺為主的自助服務(wù)，通過搜索引擎構(gòu)建知識庫讓用戶通過搜索來解決問題；到了第三階段，則是提供以智能化為主的多渠道結(jié)合的服務(wù)，包括文字機器人、語音機器人、熱線服務(wù)、在線服務(wù)、預(yù)約服務(wù)、自助服務(wù)，等等。

　　目前智能客服類產(chǎn)品可謂百花齊放，基本都是圍繞呼叫中心+智能機器人+在線人工對話的方式來建設(shè)，差異化不大。產(chǎn)品定位更多是幫助一家公司能夠快速建設(shè)服務(wù)能力，但是這么做服務(wù)質(zhì)量沒法保障，因為服務(wù)質(zhì)量更多是由服務(wù)背后的調(diào)度能力和運營能力來決定的�，F(xiàn)有的客服類產(chǎn)品都比較缺乏對服務(wù)的深度建設(shè)，所以市場上有很多做服務(wù)承接的外包類公司，但卻很少聽到用戶反饋說某個服務(wù)產(chǎn)品背后的客戶服務(wù)做的不錯。當(dāng)前已經(jīng)有一些大型企業(yè)開始投入智能服務(wù)建設(shè)來替代人工服務(wù)訴求，降低成本和優(yōu)化體驗，但很多中小型企業(yè)，即使使用了云端智能客服類產(chǎn)品，卻仍然無法享受到技術(shù)變革帶來的紅利，主要的原因就在大型企業(yè)里有智能化的運營調(diào)度類系統(tǒng)和服務(wù)運營人員。

　　螞蟻金服當(dāng)下的業(yè)務(wù)構(gòu)成比較復(fù)雜，既有基于交易訂單產(chǎn)生的支付訂單類業(yè)務(wù)，也有基礎(chǔ)賬戶和安全類業(yè)務(wù)，另外還包括金融領(lǐng)域的存投保消貸以及信用的相關(guān)業(yè)務(wù)。這對服務(wù)管控來說是一個很大的挑戰(zhàn)。

　　從用戶的角度來看，選擇合適的求助渠道，得到滿意的服務(wù)，盡快解決問題是最直接的訴求；然而實際情況是，目前螞蟻雖然擁有多樣化的接入渠道，但是用戶并不了解自己的問題最適合求助哪個渠道，也不了解每個渠道下的繁忙程度，很多時候，用戶在排隊等待的過程中或者是在某個渠道下沒法找到解決的方案就放棄了。

　　從運營人員的角度來看，如果能有合適的工具能幫助自己隨時了解到服務(wù)現(xiàn)場的承接情況，快速定位問題并即時做出響應(yīng)，并能通過數(shù)據(jù)分析來對歷史服務(wù)結(jié)果進行復(fù)盤，進而優(yōu)化運營策略，是最理想的狀態(tài)；然而實際情況是，由于業(yè)務(wù)復(fù)雜，很多運營人員的現(xiàn)場決策只能解決服務(wù)現(xiàn)場局部承接的優(yōu)化問題，而沒法解決全局的優(yōu)化問題，同時由于缺乏相應(yīng)的運營工具，不少運營人員只能依靠經(jīng)驗和人肉盯盤的方式來發(fā)現(xiàn)問題，從發(fā)現(xiàn)定位到排查解決問題的效率很低。另外由于很難預(yù)估服務(wù)量，所以很難做好提前排班，一旦流量發(fā)生異常，就有可能會導(dǎo)致現(xiàn)場無法正常承接。

　　從服務(wù)人員的角度出發(fā)，由于同一通話務(wù)有多種承接的方式，所以如何整合機器人、自營客服人員、外包客服人員以及社會化客服人員，提升資源的利用效率，是一個比較難的領(lǐng)域問題。在保證用戶滿意度的前提下，如果機器能解決問題，卻使用人力去承接(即使是外包服務(wù)人員)，這是一種資源浪費；而如果自營客服人員本身能承接的話務(wù)，卻因為和外包公司的商務(wù)合同沒有達成，只能分流給外包客服人員來進行承接，這也是一種資源浪費。

　　在客戶服務(wù)現(xiàn)場需要這樣一種能力，能夠在用戶訴求和承接資源之間建立一種動態(tài)管控的能力，一種能夠提供跨渠道、跨人機、跨主被動的全局服務(wù)管控能力，我們將之稱為調(diào)度大腦。

　　調(diào)度大腦首先應(yīng)該具備的能力是感知能力，能夠盡快捕獲到現(xiàn)場出現(xiàn)的承接異常信息，幫助運營人員在最短的時間內(nèi)定位問題，從而解放他們的生產(chǎn)力，讓他們更多的關(guān)注如何優(yōu)化整體的承接策略，更多的思考如何避免現(xiàn)場繁忙，而不是現(xiàn)場出現(xiàn)問題以后再考慮怎么來彌補。

　　接下來應(yīng)該具備輔助決策能力，這建立在對現(xiàn)場的全局洞察之上。能夠預(yù)測時段內(nèi)的流量，能夠明確用戶求助更適合通過什么渠道來解決，能夠大致判斷用戶接入渠道后需要等待多長時間才能得到服務(wù)，能夠了解現(xiàn)場每位客服人員的工作狀態(tài)，并協(xié)助運營人員針對現(xiàn)場實時狀態(tài)做出合理判斷和最優(yōu)選擇。

　　最后應(yīng)該具備的是響應(yīng)能力。對現(xiàn)場有了判斷以后，剩下的就是響應(yīng)執(zhí)行了，這屬于基礎(chǔ)能力。繁忙時需要限流和引流，或者增加承接能力；空閑的時候則需要導(dǎo)流，引入新的承接任務(wù)。

　　數(shù)據(jù)的實時監(jiān)控，是感知體系的基礎(chǔ)，它能夠透過數(shù)據(jù)看清現(xiàn)場，能夠沉淀可以量化的運營標(biāo)準(zhǔn)，并為后續(xù)決策體系的建模提供基礎(chǔ)數(shù)據(jù)。透過數(shù)據(jù)分析和異常識別，能替代運營人員傳統(tǒng)的盯盤模式，自動識別現(xiàn)場發(fā)生的異常并同步給運營人員，幫助他們在第一時間了解到現(xiàn)場的準(zhǔn)確狀況并采取相應(yīng)的補救措施。

　　常規(guī)的異常可以使用通用的文本分析、類目分析來檢測；長尾的異�？梢允褂萌斯ぽo助運營、客服眾包等模式來檢測，對于周期性的異常則通過定期掃描來檢測，突發(fā)性的新型異常則采用詞頻分析來檢測。

　　目前螞蟻金服客戶中心每天有著數(shù)百萬的機器人求助量以及幾十萬的話務(wù)求助量，現(xiàn)場同時運行著上千條的運營策略和多個調(diào)度模型，整體的管理成本非常高，基于這個背景螞蟻金服建設(shè)了整體服務(wù)鏈路的監(jiān)控大屏。

　　大屏主要包括了對求助來源、整體服務(wù)鏈路、調(diào)度節(jié)點、現(xiàn)場定時掃描、服務(wù)風(fēng)險檢測、輿情觀測、當(dāng)前咨詢熱點以及現(xiàn)場人力資源管控等模塊，并提供了放大鏡功能，能夠針對核心調(diào)度節(jié)點的宏觀表象與微觀詳情進行透析。

　　決策主要分為三類：渠道決策用來為用戶選擇最合適的服務(wù)承接渠道；承接決策用來保持現(xiàn)場的穩(wěn)定，讓流入的話務(wù)能夠被順利的接起，盡量避免呼損的情況發(fā)生；資源管理本質(zhì)上是為了優(yōu)化現(xiàn)場資源利用率，同時管理好現(xiàn)場龐大的人力資源。服務(wù)中心本身擁有很多負責(zé)承接話務(wù)的客服人員，除此以外還有現(xiàn)場管理人員和眾包客服人員，管理成本會比較高，如何發(fā)揮客服人員之間的協(xié)同效率，以及降低現(xiàn)場管理人員乃至全局的管理成本，是領(lǐng)域性質(zhì)的難題。

　　目前業(yè)界主流的服務(wù)渠道仍然是熱線服務(wù)、通過IM工具進行在線求助的在線服務(wù)，以及通過和對話機器人進行直接交流的自助服務(wù)。熱線服務(wù)中通過多輪按鍵交互和機器人多輪對話的方式來對用戶提出的問題做問題識別從而引導(dǎo)話務(wù)派單。在線服務(wù)里也主要通過機器人多輪對話的方式來識別用戶問題并引導(dǎo)派單。機器人自助服務(wù)則是通過用戶問題匹配最佳的知識點來推送給用戶。

　　螞蟻金服提供的則是一種跨渠道的解決方案：當(dāng)用戶到達場景入口以后，首先會根據(jù)用戶基礎(chǔ)信息，嘗試在用戶當(dāng)下選擇的渠道里解決用戶的問題，如果當(dāng)前渠道不足以解決，再依據(jù)承接渠道的繁忙程度、用戶咨詢的問題所屬的類目、用戶所問問題在各承接渠道下的解決率、用戶的歷史求助行為等特征綜合建模，為用戶推薦當(dāng)下最優(yōu)的渠道；并同時給出當(dāng)前可選的渠道，讓用戶自主選擇，用戶選擇了自己傾向的渠道以后，系統(tǒng)會同時把用戶在前一個渠道里描述的問題透傳到新的渠道，這樣用戶轉(zhuǎn)接到別的渠道以后就不再需要重復(fù)描述問題，直接接受客服人員的服務(wù)。

　　例如在螞蟻金服的客服咨詢中，每天都有很多用戶來電詢問螞蟻森林的游戲規(guī)則，現(xiàn)場決策就會對是否需要將用戶引流至機器人自助渠道來解決進行評估；而賬戶被盜屬于高風(fēng)險的問題，現(xiàn)場決策就會在最短的交互后外露熱線人工入口，引導(dǎo)用戶直接進入熱線人工服務(wù)。

　　業(yè)務(wù)繁忙時提前為每條業(yè)務(wù)線準(zhǔn)備好候補客服隊伍，同一塊業(yè)務(wù)能由不同的團隊(包括同一個業(yè)務(wù)線里的不同團隊和跨業(yè)務(wù)線的團隊)來承接。接下來會對候補客服的助接能力進行評估打分。當(dāng)現(xiàn)場出現(xiàn)繁忙的時候，可以通過實時調(diào)度在保證候補團隊自身承接沒問題的前提下，將承接出現(xiàn)緊張狀況的團隊的話務(wù)流量按照助接能力得分的高低分配給當(dāng)下最適合助接的候補客服來進行承接。

　　如果引入候補客服助接仍無法緩解現(xiàn)場繁忙的狀況，系統(tǒng)會提供預(yù)約回呼的服務(wù)，將無法承接的話務(wù)流量導(dǎo)流到能夠保證現(xiàn)場承接的同時還有多余人力的時段來進行回呼。用戶接受預(yù)約后，在預(yù)約回訪時段，系統(tǒng)會通過系統(tǒng)雙呼自動拉起用戶與客服來進行回呼服務(wù)。

　　能夠開放的預(yù)約名額也是有限的，并不能保證開放預(yù)約回呼服務(wù)后就能承接溢出的流量。在開放預(yù)約以后仍無法緩解現(xiàn)場繁忙狀況時，系統(tǒng)會安排有承接能力的運營人員協(xié)助承接，同時把通過實時調(diào)度引入云客服人員來協(xié)助承接做為兜底方案。

　　首先會結(jié)合歷史下一時段流量，以30分鐘為粒度預(yù)測下一時段的流量，并考量預(yù)測結(jié)果，如果判斷未來時段會出現(xiàn)繁忙，會先進行前置調(diào)度(比如收緊客服人員小休策略、將就餐時段適度推遲、動態(tài)調(diào)整在線客服的在線服務(wù)并發(fā)數(shù)等)。

　　考慮到客服人員每天的服務(wù)狀態(tài)可能出現(xiàn)異常，系統(tǒng)引入了健康度模型(主要參考整體服務(wù)流程、客服服務(wù)態(tài)度、現(xiàn)場行為【小休，遲到，早退，缺勤等】、客服產(chǎn)能以及智能質(zhì)檢和用戶評價等相關(guān)特征)來對客服做綜合評估，如果存在不健康的狀態(tài)，那么現(xiàn)場主管需要對其保持關(guān)注或做相關(guān)提醒。當(dāng)現(xiàn)場出現(xiàn)繁忙時，針對熱線坐席控制小休，針對在線坐席，控制客服人員的在線服務(wù)并發(fā)數(shù)。首先評估好人力缺口，然后根據(jù)缺口值來判斷收緊多少位熱線客服的小休策略與延遲就餐，提高多少位在線客服的在線服務(wù)并發(fā)數(shù)；當(dāng)現(xiàn)場回歸到空閑時，再放開管控策略，這樣就能最大程度的保障現(xiàn)場的承接，當(dāng)前在螞蟻的業(yè)務(wù)場景下已經(jīng)實現(xiàn)了60%左右比例的自動決策。

　　當(dāng)現(xiàn)場做出決策以后，剩下的就是響應(yīng)執(zhí)行，這也屬于基礎(chǔ)能力。這里介紹幾種引導(dǎo)流量的方法。整體拉起采用了系統(tǒng)雙呼的方案，首先將繁忙時段無法承接的話務(wù)通過預(yù)約的方式導(dǎo)流到流量波谷區(qū)，到了預(yù)約時間會通過系統(tǒng)自動拉起空閑客服和用戶來完成預(yù)約回訪功能。

　　當(dāng)流量超過現(xiàn)場人力承接的峰值(波峰)時，系統(tǒng)通過引入了資源預(yù)估模型來實時評估產(chǎn)能不飽和的時段與空閑名額(波谷)，并將其提供給預(yù)約準(zhǔn)入模型。預(yù)約準(zhǔn)入模型會根據(jù)用戶接受度來進行打分，并對得分高的用戶開放預(yù)約入口。用戶接受預(yù)約后，在預(yù)約回訪時段，系統(tǒng)會通過系統(tǒng)雙呼自動拉起用戶與客服來進行回呼服務(wù)。這樣做能有效降低呼損，穩(wěn)定時段接通率。

　　資源預(yù)估模型建模依賴了當(dāng)前排班和歷史排班數(shù)據(jù)、當(dāng)前流量和歷史流量數(shù)據(jù)、日期數(shù)據(jù)等特征。預(yù)約準(zhǔn)入模型建模則依賴了問題畫像、歷史求助軌跡、求助偏好等特征。

　　針對呼損類的場景：

　　在現(xiàn)場人力出現(xiàn)空閑的時候，即流量低谷期，可以把當(dāng)天較早時候產(chǎn)生呼損的高價值用戶未接通的話務(wù)自動的分配給當(dāng)前空閑的承接資源進行主動回訪。

　　當(dāng)下機器人的服務(wù)能力還不足以解決所有的問題，當(dāng)機器人服務(wù)不到位的時候，會直接面臨用戶流失的風(fēng)險。這時候可以透過數(shù)據(jù)分析圈出這部分服務(wù)不到位的人群，利用主動回訪來進行承接，可以避免用戶的流失。

　　針對主動服務(wù)類的場景：

　　當(dāng)用戶在使用支付寶下的各類產(chǎn)品擁有不好體驗的時候，經(jīng)常會在各類社交媒體上發(fā)聲，有時候還會導(dǎo)致輿情事件，針對這種情況，可以通過空閑的資源承接一些社交媒體的官方賬號的解答和回應(yīng)工作。

　　當(dāng)用戶通過支付寶錢包轉(zhuǎn)賬時轉(zhuǎn)錯款的時候，可以通過系統(tǒng)雙呼拉起客服和錯誤的收款人來進行溝通調(diào)解，并在溝通完成后再通過雙呼拉起客服人員和轉(zhuǎn)錯款的用戶來同步溝通結(jié)果。這個場景引入系統(tǒng)雙呼之前只能通過人肉手動操作的方式來處理，需要1天時間才能處理完，目前通過見縫插針的方式來解決，前后只需要1小時。目前已經(jīng)使用同樣的方式完成了一系列類似的復(fù)雜場景的外呼工作。

　　目前螞蟻金服在智能調(diào)度領(lǐng)域已經(jīng)做了一些探索，希望通過后續(xù)的持續(xù)投入，來創(chuàng)造一些新的服務(wù)模式，建設(shè)能提供7x24小時服務(wù)的智能調(diào)度機器人。