基于語音處理技術的汽車售后智能客服系統設計

黎飛 張森 程登 王興月 蘇國傳 張亮

摘 要：汽車行業的售后客服團隊通常面臨著人員流動性大、專業性不足、容易產生負面情緒、長時間工作等問題。此外，售后客服人員所使用的工具非常單一，如電話，微信或QQ等，不夠智能，導致了整個汽車售后服務的成本高，效率低下，用戶的體驗不好。本文利用前沿的大數據技術及語音處理技術與客服業務相結合，設計了一種汽車售后智能客服系統，幫助售后服務團隊降低成本，提高效率，提升用戶體驗。

關鍵詞：語音技術 智能 客服

Abstract：After-sales customer service teams in the automotive industry usually face problems such as high turnover， insufficient professionalism， prone to negative emotions， and long working hours. In addition， the tools used by after-sales customer service staff are very single， such as phone calls， WeChat， or QQ， which are not smart enough， resulting in high cost， low efficiency， and poor user experience for the entire automotive after-sales service. This paper uses cutting-edge big data technology and voice processing technology to combine with customer service business to design an automotive after-sales intelligent customer service system to help after-sales service teams reduce costs， improve efficiency， and enhance user experience.

Key words：voice technology， intelligence， customer service

1 引言

近些年來隨著國家經濟的高速發展，人民的生活水平蒸蒸日上，大眾對于消費的要求也相應地提高，隨之而來的是大眾關于各種商品的抱怨及投訴日益增多。汽車作為高價值的商品，已然成為抱怨投訴的焦點之一。各車企為了在激烈的市場競爭中處于優勢地位，均把客戶服務作為留住用戶，提升用戶粘性的重要手段，售后客服團隊成為直面用戶的一線團隊承擔了巨大的壓力。傳統的企業售后客服團隊通常存在人數眾多，長時間集中辦工，直面較多負面情緒，不熟悉企業各業務流程等問題，從而導致人員流動頻率高，服務響應慢等一系列弊端;同時，企業需要為此支付大量的培訓費，場地費，通信費等，且培訓周期長，見效慢。但隨著技術的進步，尤其是大數據，語音處理技術的突飛猛進，這些技術的整合，并與客服業務的深度融合之后所形成的汽車售后智能客服系統，將極大地改善了這些現狀。

2 總體方案

汽車售后智能客服系統相對于傳統統計分析方式，在使用過程中數據沉淀和分析采用了ASR、NLP、大數據分析挖掘等技術，具備更高的效益與優勢。首先從成本考慮，該系統在采集、整理客服過程中數據，全程序自動采集，不再需要人為統計。另因為采用標準化的、基于語義結構的統一底層數據存儲格式，更有利于支撐上層業務的多樣性使得拓展成本低。其次該系統依托于強大的算力，可以對大量的數據進行整理與計算，不再局限于人力的限制，對數據采集來源的全覆蓋，可針對于真實環境進行全量的采集，保證數據的完整性。最后語音對話實時轉文本，并可進行語義分析，可快速定位問題，形成有效QA。同步對過程的數據基于語義分析的實時監控，可查看對話過程的詳細效果對比和全局數據。

該系統從邏輯上共分為六個層，分別是服務渠道層，業務方式層，語音技能層，控制管理層，專家知識庫?？傮w業務架構如圖1。

服務渠道層：用于對接售后服務的渠道，識別服務來源。目前最主要的是400服務熱線和企業App售后服務模塊。

業務方式層：主要有自助服務，客服服務，專家服務。當用戶進入時，系統首先啟動自助服務，并通過語音技能層，控制管理層，專家知識庫等識別用戶的問題并找到最佳的話術進行回復;當系統識別自助服務無法解決用戶的問題時或用戶自主選擇人工服務，此時將接入人工的客服服務，若問題的專業性超出了客服的能力范圍，便將接入專家服務。專家團隊主要由各領域資深汽車工程師負責。通過這種方式能極大的分擔了客服人員的壓力，同時可以降低客服人員的技術門檻。

語音技能層：用于語音的識別，語義理解，自然語言的生成與語音合成。將用戶的語音輸入轉成文本，并通過分詞，標注，句法分析等技術完成對于用戶語義的理解。同時該層將專家知識庫里匹配的話術通過語言生成技術生成并通過語音合成技術轉化成語音播放。

控制管理層：用于對話管理及語言理解后的專家知識庫匹配。用戶的交流不是一問一答就結束了，往往是多輪交互，故需要通過多輪對話的管理不斷的理解用戶的真實意圖。在理解用戶意圖之后通過搜索管理到專家庫中尋找相關性最強的主題并匹配最優話術。

專家知識庫：提供車輛各子系統知識庫。將該知識庫按整車系統結構進行劃分為不同主題子庫，分別由各領域資深工程師負責更新和維護。

2.1 關鍵技術

2.1.1 語音處理技術

核心技術包括語音識別，自然語言理解，自然語言生成，語音合成，其中

語音識別（ASR）即自動語音識別Automatic Speech Recognition。該技術是通過語音信號處理將人類的語音轉換為計算機可讀的內容，主要包括特征提取、模式匹配、參考模式庫等三個關鍵環節。語音信號輸入后通過模數轉換，量化降噪等語音預處理技術進行數據清洗，接著提取語音特征，并與已經建立好的語音特征庫進行比較，找到最優的識別結果。

自然語言理解（NLU）即Natural Language Understanding，用計算機模擬人的語言交互過程，使計算機能理解和運用人類社會的自然語言如漢語、英語等，實現人機之間的自然語言通信，以代替人的部分腦力勞動，如查詢資料、解答問題等。

自然語言生成（NLG）即Natural Language Generation，其使計算機具有人一樣的表達和寫作的功能，能夠根據一些關鍵信息及其在機器內部的表達形式，經過一個規劃過程，來自動生成一段高質量的自然語言文本，是NLU的逆過程。

語音合成（TTS）又稱文本語音轉換技術，即Text To Speech。其將計算機自己產生的、或外部輸入的文字信息轉變為人可以聽得懂的、流利的漢語口語或其他語言輸出的技術。

以上技術建立了人與系統實時溝通的橋梁，同時將所有內容轉換成了可存儲、分析的文本信息，為大數據分析奠定了基礎。

2.2 對話管理及搜索

對話管理（DM）即Dialog Management，它模擬和控制著整個人機對話的過程。由于日常生活人們交流過程中往往不能一次性將關鍵信息說完或將意圖描述清楚，需要多輪的問答之后才漸漸清晰。該功能十分重要，若對話交互次數較多容易讓人產生煩躁情緒，而“智能化”也無從談起。對話管理主要包含四項內容。（1）對話狀態維護：主要是對前一時刻和當前時刻的對話狀態，用戶行為進行記錄和更新;（2）系統決策生成：根據對話狀態產生系統行為;（3）與后端任務或模型進行交互：獲取反饋對的結果，生成文字信息。（4）提供語義表達的期望值：根據用戶輸入的表達，包括語言表達和語義解析，做出滿足用戶期望的語義表達，滿足用戶需求。該技術保障了用戶反饋的問題能在第一時間能夠找到解決方案。在應用過程中不斷積累實施案列，后臺工程師對管理與搜索算法實時調優，讓系統不斷的成長。

2.3 專家知識庫

知識庫主要功能是存儲和管理各領域專家在長期工作時間中所獲得的經驗知識，全面“TO C”，其質量好壞直接影響智能客服系統的“質量”。通過系統收集各渠道來的問題，經整理匯總后分成不同的問題域并邀請該領域專家制定統一話術及處理措施。該知識庫可與企業用戶畫像系統打通，通過對用戶駕駛行為，充電加油行為，出行習慣等多維度分析可將知識庫中的相關知識推薦給用戶，并結合用戶的對于信息的反饋，可不斷地更新完善現有的知識庫。

3 結語

基于語音處理技術的汽車售后智能客服系統是將語音處理，大數據等多種前沿技術相結合并應用在汽車售后服務業務中，它有效的降低了客服人員的工作強度和難度，提升了整個售后服務的效率和用戶體驗。

柳州市科技計劃項目（2021ADB0101）。

參考文獻：

[1]張志強，汪健雄，靳超.鐵路智能客服關鍵技術研究[J].鐵路計算機應用，2019，28（09）：1-5.

[2]王冰純，毛妍捷，孫濱頤，吳獻策，湯逸震.基于大數據背景下的人工智能客服系統[J].電子測試，2018（13）：72-73.

[3]程廣兵.運營商問答系統融入AI 打造智能客服[J].通信世界，2018（14）：45-47.