中国快递行业：业务量随电商消费暴涨，客服工作亟待智能技术实现降本增效

受益于电商消费规模的高速增长，国内快递行业的业务量同样迎来急速增加。在此趋势下，快递公司在收获海量订单的同时，其客服工作也迎来了各方面的挑战：

• 客服中心建设成本：快递物流企业因业务特殊性，其网点往往覆盖全国，若大量建立客服中心，其成本难以估量。若企业各分部以独立系统各自运营，则容易造成重复建设，造成不必要的成本浪费。

• 客服人力成本：对于每一位客服员工，企业均需要支付人工成本、培训成本、通讯成本乃至机会成本。另一方面，人工客服所能提供的服务时间有着客观限制，而人员流动所带来的数据和客户流失的可能性则进一步增加了企业的成本风险。

• 服务响应效率：伴随电话、小程序、官网、公众号等渠道的增加，用户固然更够享受更加便捷的服务，然而客服在服务响应效率上却受到了制约。此外，由于用户所咨询的问题往往存在极高的重复性，占据大量客服资源和精力，造成客服压力大，服务成本高，影响用户体验。

快递行业智能客服应用案例解析：以壹鸽智能为快递企业提供线上客户自助语音服务为例

针对某快递物流机构所面临的客服压力，壹鸽智能通过为其架设人工智能语音应用平台（简称AI语音平台），接入智能电话机器人、语音识别、企业知识库等智能化功能实现对客户咨询的快速响应。此外，平台可结合企业业务属性及服务场景，实现优化服务资源配置，标准化、精细服务管理，进而增加企业客服部门的承载能力。

一、平台功能及适用客服场景

呼入类场景应用可针对物流服务、业务咨询办理等业务场景，利用自助语音服务为传统客服坐席解决80%的重复性问题，减少用户电话排队时常，从而提升服务效率。其具体呼入类应用场景包含：

1. 咨询类-查运费、查时效

2. 查询类-查快递进度、查询网点电话

3. 业务类-快递下单

4. 受理类-催派催取工单、投诉类工单

外呼类场景应用则可帮助物流公司实现向用户发出通知、调查、回访等工作的自动化。其具体呼出类场景包含：

1. 派前电联

2. 虚假签收回访

3. 客户投诉相应

4. 周末件预约派送

二、平台系统架构

壹鸽智能AI语音平台基于一整套系统架构为用户提供自助语音服务功能。系统总体架构共分为三层：分别包括服务管理层、智能业务层及基础任务执行层。其中智能业务层是整个系统的核心部分。

服务管理层

服务管理层在壹鸽智能AI语音平台上为快递物流企业提供丰富的增值服务，包括业务开发管理服务、服务监控服务。

• 业务开发管理服务为客服人员提供业务编辑的管理界面，方便其对业务流程进行编辑，客服人员可以通过话术编辑和组件拖拽的方式构建电话呼叫对话流程图。

• 服务监控服务则主要针对语义解析引擎当前配置信息的管理与设置，实时对系统的运行数据进行统计分析。

智能业务层

智能业务层是壹鸽智能AI语音平台的核心层，是系统具备机器智能呼叫/接听功能的关键所在，包括业务流程对话管理以及语义解析引擎两大模块。

• 业务流程对话管理又包括业务解析和对话管理子模块。

• 业务解析子模块实现对本地业务脚本文件或业务开发管理服务提供的业务流程图的加载；

• 对话管理子模块则是根据加载的业务流程完成其描述的对话流程，该过程需要调用语义解析引擎进行语义解析。

• 语义解析引擎同样包括意图识别和智能问答两个子模块，分别实现用户意图的识别以及智能问答的功能。

基础任务执行层

基础任务执行层主要包括传统呼叫中心的各个模块，同时增加了语音处理功能，主要包括呼叫中心ACD、MS媒体服务模块以及语音处理模块。基础任务执行层主要负责呼叫的分发、与智能业务层的交互，调度MS媒体服务模块完成放音、收号、录音、ASR（语音识别，Automatic Speech Recognition）、TTS（语音合成，Text to Speech）等功能控制。 

三、交互时序流程

针对不同业务场景，每一通客服问答均会在智能语音平台各个模块间实现交互。以呼入为例，其交互时序流程如下：

1. 客户拨打快递物流服务电话咨询，由智能语音客服接待。

2. 智能语音客服接听电话后，呼叫中心平台调用业务流程管理接口，启动并初始化对话流程状态。

3. 业务对话流程管理模块初始化对话流程状态后，发送开场白话术给呼叫中心。

4. 呼叫中心平台接收到开场白话术，根据配置选择进行TTS语音合成或者直接播放录制好的录音，并进行放音操作通知用户。

5. 客户收到开场白语音后同样做出相应的语音回复，开始进行对话流程。

6. 呼叫中心平台收到用户的回复语音后通过MRCP协议调用ASR服务进行语音识别。

7. 呼叫中心收到ASR返回的文字结果后，通过HTTP协议调用业务流程对话管理接口进行对话状态更新。

8. 业务流程对话管理接收到呼叫中心传来的请求信息后，调用语义解析模块进行语义解析，并根据语义解析的结果选择话术返回给呼叫中心平台并更新对话状态。

9. 呼叫中心收到当前话术，根据配置选择进行TTS语音合成或者直接播放录制好的录音，并进行放音操作通知客户。

10. 根据配置好的业务流程状态图，重复6-9步骤，直至呼叫对话流程结束。

11. 业务对话流程结束后，呼叫中心通知ASR服务结束当前的语音转写时间请求。最终通知业务流程对话管理模块挂机操作，并向呼叫管理平台上报呼叫结果。

四、核心功能 - 意图解析

当用户发起一条资讯，其对问题的描述鲜有固定的表达方式。而如何识别、明确用户的真正需求则是平台实现智能客服问答的核心要务。在交互流程中，当业务流程对话管理模块确定语义解析请求的具体业务后，平台会进行相应的意图解析”。

意图与其他概念的关系

壹鸽基于“高内聚、低耦合”的设计思想来搭建任务型对话。此时：

• 一个任务型对话，由多个“意图”构成。

• 每个“意图”由触发器和关联到该意图的“流程”共同构成。

• “流程”由多个“对话动作”和对话动作之间的“跳转”构成。

概念 - 触发器

在平台设定中，每一个意图均配有“触发器”，即机器人在识别用户意图后，要“触发”预设的，有多轮交互构成的一个“意图流程”。“触发器”中存放开发者维护的一系列意图触发条件。平台的底层算法则将通过“学习”这些触发条件，教会机器人如何理解用户意图。按照触发方式的不同，“触发器”中有四种类型的触发条件：

1. 关键词 - 当用户消息中的信息片段严格匹配或整体包含“触发器”中维护的关键词时，意图被识别，这个意图所关联的流程 从而被“触发”。

匹配方式包含：精确匹配、短语匹配（短语精确、短语同义、短语核心）、广泛匹配

精确度排序：精确匹配>短语精确>短语同义>短语核心>广泛匹配 

2. 多模式串匹配 - 当用户消息与“触发器”中的某个句式在语义上很接近时，意图被识别，这个意图所关联的流程被“触发”。根据句式的复杂度不同，平台大致设定了三种类型的模板：

a. 第一类模板针对最简单语义，即完整的一句话，如“查快递”；

b. 第二类模板可应对稍微复杂的语句，如”查询*XX网点的电话“；

c. 第三类模板对应更复杂的句式，可以是包含实体类别标签的内容，如“查询<address>网点电话”

3. 正则式匹配 - 当用户消息与“触发器”中的某个正则表达式在语义上很接近时，意图被识别，这个意图所关联的流程被“触发”。如“(查一下|查询)(快递|快件)(这个|那个)?(运费|费用)(啊|吧)？”，模板可能展开的路径如图下所示： 

基于模型学习的分类方法

为实现对各类业务场景所出现的会话内容及用户意图实现文本分类，平台可提供多种模型，由企业用户针对具体业务场景挑选相应模型，以灵活的配比实现全面的的智能语音交互。平台模型包含：

FastText分类模型 - 反应速度快，计算资源要求低，适合样本数量大、类别标签多，且不需要太多语义理解的任务。 

CNN分类模型 - CNN适用于复杂度较高的场景，可捕捉更多、更广、更细致的文本特征，适用于需要一定程度语义理解的任务。对比FastText分类模型，CNN拥有更高的文本识别精度，但需要更长的训练时间。 

BiLSTM-Attention分类模型 - 与CNN分类模型相似，适用于复杂程度较高的场景，同时能够更好地捕捉文本里的长期依赖。 

融合模型（集成学习） - 可融合CNN，BiLSTM-Attention，CNN-BiLSTM等机制的集成学习模型，适用各类文本分类场景，训练时间较长。 

在此之上，针对部分用户业务场景的特殊要求，壹鸽可基于RapidMiner平台为深度定制专项的深度学习分类算法，实现相应的意图解析工作。 

五、应用效果

通过架设人工智能语音应用平台，案例客户快递公司成功使用能客服机器人实现自动外呼、自动应答、自动化客户资料整理等工作，实现催查解决率约90%、下单正确率约75%、时效、运费解决率约85%等成果。在此基础上，平台成功为人工坐席端分流50%、将客服人员从量大、高压的重复性问答工作中解放，专注于处理复杂事件。

点击阅读原文，进一步了解壹鸽智能人工智能语音应用平台