随着互联网信息技术在金融领域的应用程度越来越深，各企业在创新力度上的不断加强，市场竞争也在变得越来越激烈，在这种激烈的市场竞争中，客户服务已经越来越成为体现竞争差异、提升公司形象、增加客户满意度的重要举措，因此对客服体系服务质量的管理和控制已经变成了企业经营管理者日常的重要工作，而质检就是其中的主要组成部分。
一、质检工作现状
一直以来，服务质检的工作方式以人工抽查为主，形式上主要依靠质检客服的听录音、看记录并结合自己的专业判断来进行合规性检测。在目前业务量越来越大的情况下，传统的质检方式的弊端越来越明显的暴露出来：
1. 覆盖率。目前行业的抽检比例大概在1-2%，这个比例意味着大量的工作录音被忽略了，这其中隐藏的价值并没有被有效地发掘出来；
2. 业务价值。由于覆盖率比较低，无法对所有数据进行聚合分析，无法准确把握客户需求抓住商机，质检客服的业务价值被局限在合规性检查这一领域；
3. 质检延时。人工质检一般是第二天甚至更晚对前一天发生的语音进行抽检，这其实是一种事后定期抽检的方式，无法在事件发生的第一时间定位到问题，无法对风险进行及时应对；
4. 工作效率。质检客服针对每一通随机选择的电话，往往都需要反复进行复听，导致在工作时间内发现的问题有限；
5. 质检标准。人工抽听受限于对事务的认知，不同的人对事件的判断，往往会有不同的结论，甚至相同的人在不同时间对同一事件的看法也会发生改变，这都造成了标准上的不统一；
6. 质检成本。质检工作重复性高，任务繁重，随着业务量的增加，在保证抽检比例的情况下，公司需要投入大量的人力物力来满足质检的需要。
考虑传统质检形式的工作现状，很容易想到，我们需要一个新的智能质检工作平台，能够实现全量自动化的质检；能够实时、准实时或者批量地输出质检结果；能够有效提升质检客服的工作效率；促成质检客服的价值升级；能够显著降低企业成本。如图1：
图１
二、智能质检的定位
随着云计算、人工智能技术的发展，以智能语音识别（ASR）、自然语言处理（NLP）、大数据挖掘等技术的应用为代表，智能质检产品被催生出来。阿里云智能质检产品——智能对话分析服务——就是其中的典型代表。
智能对话分析服务（SCA，以下简称SCA）可以实时或离线地将海量录音数据转化为文本，实现了对语音文件的100%全覆盖，大幅降低了人工质检成本，通过对文本的分析和数据挖掘，可以实现对合规的检查、风险的预警、趋势的分析、商机的挖掘等。其典型应用场景如下（图2）：
１. 合规性检测
对服务的合规性检测是人工质检日常的主要工作，智能质检系统通过设定标准作业流程、标准话术、服务禁语等，判断客服人员是否存在不符合规定流程、违规用语、泄露公司机密等行为；通过判断上下文，理解用户的意愿是否得到合理的满足；通过匹配标准知识库，判断用户的问题是否得到正确的解答。
显而易见的是，对合规性的检测，尤其是对客服标准作业流程、问题解答的质检，仅仅使用关键词是无法达到目的的，真正有价值的，是能够理解上下文、匹配作业流程、命中交互场景的智能质检工具。
２. 企业风险管理
根据统计，一通服务电话下来，当客户有好的体验时，会告诉其他五个客户，但是一个不好的体验，却可能告诉其他二十个客户，而在互联网时代，微博、微信的使用使得口碑传播的速度更加快。因此对企业来说，监控客户的情绪变化，分析客户的满意度，发现客户反应中蕴含的舆情风险，成为客服体系必须重视并加以解决的工作。
智能质检系统通过检测电话静音、客户语速变化、情绪波动，及时判断客户的情绪变化，帮助客服检员发现通话中的舆情风险。
３. 商业机会挖掘
质检过程中，通过对客服大数据的分析和挖掘，能够有效地分析客户需求，挖掘商业机会和金融服务的潜力。例如客户关注的业务热点、客户对产品的反馈、客户未被满足的需求等，这些都蕴含着新的产品机会和销售机会。
质检系统与企业内部系统的深度集成后，可以建立用户的反馈记录、购买记录、兴趣链等，通过建立用户画像，实现精准营销。
４. 数据趋势分析
智能质检系统是个大数据分析的平台，通过对服务合规数据的统计，可以了解在不同周期内整体服务品质的变化情况；通过对客户行为数据的聚类、归纳与分析，可以形成客户热点问题统计、业务趋势分析；通过从通话中挖掘客户、产品等有价值信息，为客服、运营、营销提供支撑。
智能质检系统充分发挥人工智能的优势，挖掘和释放质检客服的价值潜力，通过在各个场景下的落地和应用，实现企业经营策略的优化，为企业战略的实现提供更多动力。
图２
三、智能质检的具体实现
１.智能语音识别
部署和应用智能质检系统，我们需要考虑如何才能够实现上述的几种场景？两个模型是关键，一是语音模型，二是业务模型，这其中，语音模型，也就是智能语音技术的应用是基础，语音转出来的文本不准确，一切的分析都是无根之木、无源之水。
随着智能语音技术的发展，市场上的主要语音厂商都能提供，或者在一定的模型优化后，提供准确率达到80%以上的服务，这在一定程度上已经为文本分析扫除了障碍。但是在选择语音厂商时，仍需要注意到，语音模型不是一成不变的，需要考虑到随着业务的发展、产品的变化和服务的升级，会有阶段性的关键词变化，这也要求语音产品需要具备模型迭代、热词更新能力。
2.业务模型创建
业务模型是质检系统的核心组成部分，优秀的业务模型，能够准确地描述企业的业务场景，真实地反映质检流程。
质检中最常见的数据是对话语音，而语音是典型的非结构化内容，客户、客服的对话具有口语化、发散、上下文相关等等特点。另一方面，客服在对话过程中，往往有着本企业规定的标准话术流程，与客户的交流过程，有着定义清晰的对话结构，对于客户不同的反应，有着相应的会话标准和技巧。
很明显，单纯的关键词搜索是无法有效提取客户需求，描述客户意愿，和检查话术流程的。智能质检的业务模型需要能够命中交互场景，理解上下文，真正理解客户交流的意图，需要具备更高的技术处理能力。
质检规则不是简单的关键词识别，更是标准作业流程的计算机化的表达；不仅仅是对文本文字的抓取，更是糅合了对客户情绪、语音语速、语义分析于一体的综合评估。
对标准作业流程进行分析，会发现有几个关键的特点，例如：
第一，有处理步骤，也就是处理动作，步骤之间有前后关系；
第二，处理步骤有处理人，对于质检行为来说，处理人就是客服和客户；
第三，步骤与步骤之间，由条件链接，不同的条件分支可以指向不同的步骤；
第四，条件分支可以是一个逻辑表达式，也可以是一组逻辑表达式的组合。
SCA通过应用角色设定、位置设定、范围设定和表达式组合，实现将符合标准作业流程的质检行为转化为系统可识别的规则，将规则的定义和系统的实现剥离出来，支持质检客服的灵活自定义。
在SCA支持如下的逻辑判断：
关键字：与市场主流关键字匹配功能相近，精确匹配，同时又扩展了全部包括、全部不包括、任意包括等类型；
正则表达式：提供对正则表达式的支持，相较关键字，正则是一种更加灵活的判断方式；
语义匹配：匹配出于给定参考句句义相近的句子，通过自然语义理解判断语义是否相近；
问句检测：判断是否属于问句，疑问、反问等，用于判断用户意图；
语速检测：判断通话是否超出给定的通话语速，一般来说，超出一定语速范围的通话会给人带来理解上的困难，同时检测一个人语速的变化，有助于对情绪识别的判断；
情绪识别：通过对说话人声音特征和语义的理解，判断用户情绪的波动；
时间间隔：用于判断通话过程中是否出现过盲音；
抢话：判断是否存在插话、抢话等行为。
3.智能语义处理
人工智能的一个典型层面即是自然语义处理，在模型设定中，语义处理有着广泛的作用。
一个问题，会有多种不同的表达方式，在模型设定时，如果仅使用关键字识别，势必会需要穷举到所有的可能性。而语义理解可以智能地识别出相近的句子和相似的意思，在识别过程中，通过对上下文的语义处理，实现对用户意愿和服务效果的精确匹配。
语义识别处理建立在大规模语料库和统计机器学习方法的基础上，是一种对语言现象的数学建模，主要是基于大数据和算法模型搭建的，包括了分词、词法分析、句法分析、篇章分析技术等等。
可以看到，对语义的识别处理，离不开语料库的创建和训练，为增加适配性，语义模型应该是个能够迭代发展的模型，针对语义识别不准确的地方，又应该允许人工干预加以调整。
SCA提供了基于语义进行规分析的规则处理流程，考虑到模型迭代的速度以及行业的特殊性，同时提供了人工干预的接口，使得人机配合更加紧密，同时更加贴合实际的需求。
4.数据挖掘
目前，智能质检大部分的应用还是通过解放繁琐低效的人工监听、查看等行为，来协助业务人员快速、有效地发现服务质量问题，而这只是基础能力的应用，能够为管理人员优化服务质量、提高人员素质提供辅助决策建议，才是更深层次的应用。
例如，通过对违规规则分析和服务评分分析，及时发现服务短板，有针对性地进行人员培训提升服务质量；通过数据挖掘和聚类分析，及时掌握客户关注的业务热点，有助于了解产品市场反馈、了解竞品能力，从而帮助提升公司产品能力和市场竞争力；通过趋势分析，可以从容地调整运营策略，优化市场响应。
四、智能质检为企业带来的收益
1.通过解决传统人工质检存在的不足，从而帮助企业更加高效地开展服务质量管理工作，从服务质量提高的角度来看，智能质检对比传统人工质检在覆盖率、成本上都有明显的变化（如图3），
图3
2.通过数据挖掘、分析，辅助企业进行经营策略优化，从而提升企业的市场竞争力和市场满意度。
3.质检客服工作方式的变更
智能质检产品为企业提供了一个优质的服务、分析和学习平台，它的应用必将会对质检客服的日常工作方式和内容产生巨大的影响：
1）从日常繁琐、重复的监听录音解放出来，转变为质检标准制定、业务模型创建、人工智能训练等工作；
2）从人工收集客服存在的问题，转变为整理、分析客服的服务水平，有针对性的培训和指导客服工作；
3）从服务质量这一具体领域，升级为对舆情分析、市场调研、商机挖掘、辅助经营策略优化等诸多经营领域的工作，实现价值链的升级。
五、总结
从市场来看，当前大多数的智能质检对技术的应用还不够深入，承载的功能还是比较单一，导致了质检范围有限、业务效果不突出。随着人工智能、云计算技术的不断深入应用和自然语言处理、机器学习、文本分析技术的逐渐成熟，智能质检平台应用除了在合规风险管理方面发挥优势外，更加能够在舆情分析、商机挖掘、精准营销等方面提供更多的智能服务。
通过智能质检平台的应用，充分挖掘和释放质检客服的价值潜力，助力公司战略落地，为金融服务创新发展提供持久动力。
