一、项目背景

      金融业是高度知识密集型行业，是高智力的集中体现。如何让智力得到传承、完成知识沉淀，并且还能形成创新，减少重复劳动，且具备自我学习的进化能力是业务人员及管理人员不容忽视的诉求。此外，对IT系统的诉求还包括：7*24小时、智能化、支持多语言、提高运营效率等。

      广西农信客服中心作为对外服务的窗口，在不断提高客户服务能力的发展过程中，其原有的服务模式无法满足实际业务增长的需求。伴随着服务压力的持续增长，以及多渠道(微信、APP等)新媒体服务触点的增加，为了更好满足渠道分流需求以及不同渠道客户的需要，我社决定建设基于行业内领先人工智能技术的智能在线客服，提升银行智能化服务水平，以更好地支撑未来的发展。

二、项目目标

      智能在线客服的目标包括：建立一个实时应答式网络智能机器人，能够在人机交互端表现出丰富的业务功能；在微信、网站、手机银行、网上银行等多渠道接入智能机器人，通过自然语言理解技术，实现自然语言识别、业务交互和业务引导、聊天对话、营销活动支撑、业务支撑（业务咨询、业务查询、业务办理）、敏感词过滤等功能，打造7*24小时的互联网全渠道多媒体智能交互平台，提升服务体验的同时节约客服成本；分流人工座席服务压力，提高工作效率；能够对用户对话记录进行数据挖掘、热点分析及统一监控，为营销决策提供数据支撑。

三、创新点

      1.1核心技术采用深度学习为主、搜索技术为辅的算法

      深度学习需要大量计算，变更无法即时生效。在系统实际运行过程中，知识点会常常需要新添、删除，标注数据也会逐步增加。而深度学习重新训练模型需要花费较长的时间，在深度学习的模型更新上线之前，搜索技术可以令更新的新数据马上生效。

      1.2将计算机视觉领域的注意力模型应用于NLP场景

      智能在线客服需要同时兼顾用户的长句表达和短句表达，普通的模型只能兼顾其中一种，智能在线客服独创性将计算机视觉领域的注意力模型（Attention Model）应用于理解客服场景的自然语言，获得明显的效果提升。以人类观察照片为例，一只鸟站在以森林为背景的图片当中，那么人首先认为这个照片是描述一只鸟，而不是背后的森林。自然语言也是这样，重点是哪些文字在描述核心意图，这个可以通过我们的模型学习出来。

四、技术实现特点

      传统的自动应答客服系统采用了简单的关键词语匹配技术，无法模拟人类识别自然语言，对用户问句的理解能力非常有限。智能在线客服采用深度学习为主要技术，其优点主要体现在以下几个方面：

      1.非线性能力强

      深度学习，一般是指采用深度神经网络模型（缩写DNN）的系统。DNN本身具有很强的“非线性表达能力”，正好适合人类自然语言这种“非线性”。因此，深度神经网络比浅层神经网络具有更强的非线性表达能力。

      如下图所示，基于住房公积金贷款场景下用户问句训练出来的DNN模型，用一句原始的用户问句，来查找和它相似的其他用户问句，已经突破了字面上的相似度，呈现出很强的非线性。

       2.泛化能力强：

       同样是有监督学习，相比于传统方法，深度学习泛化能力更强，善于举一反三。如下图所示，左侧是原始用户问句，右侧是广西农信智能在线客服能够归一化到的同一个知识点。如果是传统方法，采用句子模板的方式，需要编辑很多的模板才能覆盖完所有的内容。

       3.端到端的学习

      深度学习可以做到“端到端（end to end）”的学习，也就是说可以直接将原始输入直接给DNN，让DNN学习直接输出终结果，原始输入和终输出之间的中间过程，完全交给DNN。

      一个直接对比解释，不同于传统的“用户问句->词理解->句理解->知识点”这样三步过程，智能在线客服深度学习方案则只有一步，“用户问句->知识点”。因此，端到端的学习不需要做其他额外处理，从原始数据输入到任务结果输出，整个训练和预测过程，都是在模型里完成的。

五、项目管理过程

       5.1项目前期准备

       2018年6月至9月，主要完成项目前置准备工作，包括协调相关人力资源、硬件资源、网络资源、知识库基础知识点准备等。

       5.1需求分析和概要设计阶段

       2018年10月至2019年2月，主要完成业务需求分析、业务功能和技术架构的高层设计。提交需求分析文档、架构设计文档等文档。

       5.2系统详细设计阶段

       2019年3月至2019年5月，主要完成系统的详细设计工作以及接口文档的整理，提交了详细设计文档和接口文档。

       5.3系统编码、测试以及上线准备

       2019年6月至2020年4月，主要完成在线客服服务端和客户端以及智能机器人服务端的功能开发，智能机器人数据训练等。提交了各个模块的业务测试报告、上线方案、项目要求的其他交付文档等材料。

       5.4上线试运行以及正式上线阶段

       2020年5月，系统上线试运行，主要由内部人员进行使用。2020年6月，系统正式对外开放，微信、手机银行APP、网上银行、官网等多个渠道接入智能在线客服。

六、运营情况

       在线客服智能机器人项目立项于2018年6月，经过前期的知识库建设及机器人教育数据整理，2019年6月进入各渠道功能开发阶段，并于2020年6月10日正式上线。现将上线后的运营情况通报如下：

       截至2020年9月末，在线客服月均受理进线量15.72万个，较投产前月均增加了685.11%。其中，机器人月均受理进线量15.47万个；人工月均受理进线量0.25万个，较投产前月均减少90.73%，达成机器人引流客户的预期目标。项目上线后，新增营销广告推送功能，即系统向进入在线客服的客户自动推送广西农信新产品及活动资讯，截止9月末各渠道月均推送主动营销约14.78万条。

七、项目成效

      7.1释放客服坐席压力

      智能在线客服通过FAQ+知识库+寒暄+任务型，仅需少量的人工标注及训练工作，即可保持较高识别准确率。能够实现7*24小时、多渠道自助应答，有效分流电话渠道的客户，减少人工座席的工作量。

      7.2处理复杂任务场景

      智能在线客服强大的自然语言处理能力，可以实现单轮、多轮、资料查询及流程性任务自助处理。除了基本的自助问答服务外，还能结合实际会话场景中的上下文理解，进行精准的用户意图识别，帮助用户真正解决问题，实现银行多种业务的智能办理。其与现有业务系统实现高度融合，应用在多个细分场景，例如：

      7.3发掘数据价值

      智能在线客服对用户对话记录进行意图分析以及热点分析，为后续的智能营销提供数据支撑。并且，其对构建银行的知识库数据有较大的帮助，同时能够有效进行知识沉淀以及用户画像分析。

八、经验总结

      智能在线客服基于深度学习和自然语言处理等技术，深度融合业务场景，构建智能语义服务平台。平台建设后，其分流人工座席服务压力，提高了工作效率，也提升了服务质量,实现了智能营销。后续可拓展其整体的智能服务，面向服务、营销和数据维度，提供包括智能IVR、外呼机器人、知识库运营、坐席辅助、智能分析等智能服务。