起點課堂會員權(quán)益
職業(yè)體系課特權(quán)
線下行業(yè)大會特權(quán)
個人IP打造特權(quán)
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導(dǎo)直播
12場專業(yè)技能直播
會員專屬社群
榮耀標(biāo)識基于運營商NLP模型，做好AI智能化落地
5G及AI的發(fā)展給通信行業(yè)帶來了新的變化和挑戰(zhàn)，各大運營商在都希望能結(jié)合新的技術(shù)為客戶提供更好的服務(wù)。運營上如何打好AI這副牌，做好智能化落地，文章對此進(jìn)行了分析探究。
隨著5G及AI時代的到來，通信行業(yè)的競爭也越發(fā)激烈，各大運營商都希望能在每個業(yè)務(wù)中通過AI+方式為客戶提供更優(yōu)質(zhì)的服務(wù)，提升用戶滿意度，保留更多的用戶。AI技術(shù)同5G技術(shù)一樣剛剛登上歷史舞臺，都處于“嬰兒期”，日后也都會茁壯成長。
本文將結(jié)合AI中的NLP模型在通信運營商實際生產(chǎn)環(huán)境中的構(gòu)建落地，從而達(dá)到為通信業(yè)務(wù)用戶服務(wù)增值增效，同時保留維系客戶的應(yīng)用目標(biāo)進(jìn)行闡述。
一、運營商AI+的應(yīng)用訴求
從通信運營商角度出發(fā)，如果可以預(yù)知用戶行為，例如套餐消費行為、家寬業(yè)務(wù)拓展、保號維系等，并且有針對性地得知用戶產(chǎn)生一系列行為的主要原因是什么，然后，對用戶進(jìn)行有針對性的精準(zhǔn)推薦、維系挽留，有目標(biāo)性的故障問題解決，那么，對于通信運營商來說，這樣的智能應(yīng)用將會為其保留并拓展更多的用戶，帶來更多的經(jīng)濟效益。
從用戶角度出發(fā)，如果通信運營商可以提早有針對性地幫助其解決使用通信產(chǎn)品時的問題，讓其產(chǎn)品體驗感更加舒適的話，也愿意繼續(xù)使用原本的產(chǎn)品服務(wù)。
當(dāng)前國內(nèi)通信運營商針對各自重點業(yè)務(wù)的精細(xì)化運營也提出了一系列AI+應(yīng)用需求，但目前在探索道路上，自研能力尚比較薄弱，比如對4G、家寬等業(yè)務(wù)的目標(biāo)客戶篩選識別，熱線服務(wù)質(zhì)量監(jiān)測與提升等長期困擾呼叫中心的痛點仍未解構(gòu)清楚原因，不能為營銷增收、熱線服務(wù)等重點業(yè)務(wù)提供有效生產(chǎn)力與優(yōu)秀支撐能力，這些都充分體現(xiàn)了運營商亟需開展AI+的應(yīng)用建設(shè)訴求。
目前比較行之有效，又能夠快捷解決運營商營銷增收、熱線服務(wù)中業(yè)務(wù)與應(yīng)用難題的AI+方式之一，是構(gòu)建基于運營商在線服務(wù)的NLP模型。
二、運營商NLP模型應(yīng)用
基于運營商的客服在線，NLP模型可以以不同應(yīng)用方向進(jìn)行設(shè)計，如為實現(xiàn)客戶與運營產(chǎn)品的精準(zhǔn)匹配，對業(yè)務(wù)或目標(biāo)客戶進(jìn)行預(yù)測推薦的精準(zhǔn)營銷模型（預(yù)測模型、分類模型）；為提高低效客服的服務(wù)效率，從熱線語義文本、辦理日志、簽入時長等方向切入，判定出熱線服務(wù)中的低效客服喚醒模型；結(jié)合業(yè)務(wù)質(zhì)檢標(biāo)準(zhǔn)，通過多維度指標(biāo)實現(xiàn)對客服通話數(shù)據(jù)的質(zhì)量檢驗?zāi)Ｐ偷鹊取?/strong>
1. 預(yù)測模型
預(yù)測模型主要用于指標(biāo)的預(yù)測、趨勢的預(yù)測，如新增客戶、流量等的預(yù)測，主要使用線性回歸、ARIMA、時間序列等算法，預(yù)測數(shù)值是為了對往后的趨勢進(jìn)行準(zhǔn)確把握，及時調(diào)整市場和產(chǎn)品策略，當(dāng)然也能更好的完成KPI指標(biāo)。
指標(biāo)預(yù)測模型：
- 新增用戶推薦預(yù)測；
- 流量增長預(yù)測。
2. 分類模型
分類模型主要用于客戶細(xì)分和目標(biāo)客戶識別，如用戶是否離網(wǎng)、用戶是否有套餐升檔的傾向等，主要使用聚類、決策樹、RFM、邏輯回歸、決策樹和神經(jīng)網(wǎng)絡(luò)等算法，分類模型是使用得最為有效的模型，是實現(xiàn)精準(zhǔn)營銷的基礎(chǔ)。
潛在商機客戶識別模型：
- 潛在4G業(yè)務(wù)客戶識別模型，通過客戶消費、通信及終端信息等，識別營銷成功高概率客戶；
- 潛在寬帶客戶識別模型，通過客戶消費、通信及終端信息等，識別高裝寬帶概率客戶；
- 潛在某項業(yè)務(wù)目標(biāo)客戶識別模型，通過客戶消費、通信及內(nèi)容偏好等，識別潛在互聯(lián)網(wǎng)業(yè)務(wù)客戶等。
目標(biāo)客戶分類模型：
- 客戶等級評定模型，綜合客戶資費檔次、網(wǎng)齡、消費、停機次數(shù)等，評定客戶星級；
- 數(shù)據(jù)業(yè)務(wù)高價值客戶識別模型。
3. 低效客服喚醒模型
低效客服喚醒模型，結(jié)合客服在業(yè)務(wù)場景中涉及的三個維度：客服營銷成功率、客服營銷動作、客服營銷效能進(jìn)行評估。
其中，營銷動作的識別通過營銷動作識別模型來完成。
該模型實現(xiàn)的功能為，將通話中客服的對話作為模型的輸入，逐句進(jìn)行分析，再將句子級分析整合通話級的結(jié)論，即判斷客服是否有營銷動作，營銷成功效率多少。
4. 客服能效評定模型
結(jié)合在熱線運營服務(wù)場景中，客服的服務(wù)質(zhì)量及效能進(jìn)行量化評判。通過多維度如業(yè)務(wù)指標(biāo)、效能指標(biāo)、服務(wù)指標(biāo)和營銷指標(biāo)等，綜合得出客服針對該服務(wù)場景的質(zhì)量/效能得分及缺點，此外，根據(jù)客服對各類服務(wù)場景的質(zhì)量效能評定結(jié)果，構(gòu)建客服服務(wù)能力雷達(dá)圖，客觀反映客服的服務(wù)能力強項和短板。
三、運營商NLP建模關(guān)鍵
構(gòu)建效果良好的NLP模型，主要有以下兩個關(guān)鍵點。
1. 做好數(shù)據(jù)預(yù)處理
數(shù)據(jù)預(yù)處理的好壞直接影響模型結(jié)果和模型準(zhǔn)確性。數(shù)據(jù)預(yù)處理主要需要做以下幾方面工作：
- 要檢查數(shù)據(jù)的正確性與完整性，不能有明顯的錯誤；做好缺失值和極值處理，一般可用0或平均值替代缺失值，極值也容易讓一些統(tǒng)計量和模型偏離；
- 標(biāo)準(zhǔn)化、離散化、降維等處理，標(biāo)準(zhǔn)化將數(shù)據(jù)縮放在固定的空間，離散化是將連續(xù)變量變?yōu)榉诸愖兞浚绮煌挲g的人劃分為青年、中年、老年等，降維是為了減少入模變量，提取主要的特征，常用因子分析、主成分分析等。
2. 基于業(yè)務(wù)解讀模型結(jié)果
要基于通信業(yè)務(wù)來解讀模型結(jié)果，模型結(jié)果要遵循通信業(yè)務(wù)流程和邏輯，如果偏離過大，那就可能存在過度擬合問題，需要對模型進(jìn)行調(diào)整。
例如，一般用戶網(wǎng)齡越高離網(wǎng)的概率越低，但是模型結(jié)果卻是用戶網(wǎng)齡越高，離網(wǎng)的概率也越高，這顯然違背基本的業(yè)務(wù)邏輯，這時，我們就需要好好審視一下模型，是否存在過度擬合、是否抽樣有問題等。
四、運營商NLP業(yè)務(wù)增值
NLP對運營商業(yè)務(wù)應(yīng)用的落地建設(shè)，不僅可以對運營商業(yè)務(wù)能力有效提升，也可為未來業(yè)務(wù)賦能提供渠道。
未來運營商為提升客服熱線服務(wù)等重點業(yè)務(wù)的營銷價值及運營衍生能力，勢必會加大AI+應(yīng)用建設(shè)。
基于此，以NLP模型為手段，賦能營銷和運營為目標(biāo)，圍繞營銷體系建設(shè)、營銷閉環(huán)分析、熱點服務(wù)場景匹配、優(yōu)秀話術(shù)應(yīng)用等眾多應(yīng)用場景，全面推動AI+落地建設(shè)，促進(jìn)營銷效率、客服服務(wù)效能及質(zhì)量不斷提升，實現(xiàn)運營商降本增效、增值賦能的戰(zhàn)略要求。
作者：許小剛：達(dá)觀數(shù)據(jù)資深項目經(jīng)理，負(fù)責(zé)客戶私有化項目交付，主導(dǎo)過運營商、新聞、軍工等多個行業(yè)大型企業(yè)智能化場景落地。
本文由 @達(dá)觀數(shù)據(jù) 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載
題圖來自Unsplash，基于CC0協(xié)議
- 目前還沒評論，等你發(fā)揮！
