人工智能驱动商业银行外呼业务数字化创新

摘要：外呼业务在商业银行客户维护、市场拓展中发挥了重要作用，但传统的人工外呼方式在拨打效率、用户体验、人力成本等方面都面临很大的挑战。智能外呼方式能够应用语音识别、自然语言处理、语音合成等技术进行高效外呼，实现智能机器人使用标准话术像真人般和客户交流沟通，有效拓展了外呼业务的深度和广度。

关键词：外呼业务；人工智能；意图识别；话术流程；语料收集

一、引言

党的十九大报告提出“推动互联网、大数据、人工智能和实体经济深度融合”，人工智能是新一轮科技革命和产业变革的重要驱动力量，具有溢出带动性很强的“头雁”效应。随着人工智能底层技术的深入发展，传统行业有望加快掌握人工智能基础技术并依托其积累的行业数据资源实现人工智能与实体经济的深度融合创新。目前，人工智能逐渐从学术研究转向实际应用，引领着行业进步和产业升级，逐步在金融、医疗、教育等各行各业得到广泛应用，并成为企业数字化管理及业务创新运营的核心驱动力。

近年来，在大数据、区块链、云计算、人工智能等创新技术驱动下，越来越多的商业银行开启了数字化转型之路，将新兴金融科技逐渐应用到客户服务、零售营销等核心业务之中，这无疑对银行的在线营销能力、在线获客能力、在线业务处理能力、智能风控管理等都提出了更高的要求。

金融行业智能化应用正在逐步覆盖传统金融业务的前端、中端和后端流程。在前端流程中，银行可通过人脸、声纹、指纹、虹膜等生物识别技术提取用户特征，快速、精准、实时地描绘用户画像，实现了客户“刷脸”即可完成开户、登录、支付等业务操作的身份认证。在中端流程中，随着语音识别、自然语言处理、知识图谱及机器学习等技术的应用，银行可不断深入挖掘用户、企业、机构等不同需求主体之间的多维信息关联，快速识别潜在风险的同时，能够有效了解客户的实际需求，提升客户服务效率。在后端流程中，随着自动化挖掘用户金融需求技术和投资引擎技术的发展，行业算法模型得到持续完善，银行可深入洞察用户的个性化金融需求，为客户提供定制化的理财及投资计划。

电话外呼是银行联系客户的重要途径，也是耗费人力最多的前端业务流程。外呼业务中客户咨询的问题呈现高度重复性、集中性的特点，如果能够建立起足够全面的知识库，通过智能外呼的方式为客户提供具有针对性的服务，将大大促进银行外呼业务的效率提升。

二、智能外呼的应用优势

人工智能的出现给传统的呼叫模式带来了巨大的变革，利用“人工智能+外呼模式”拓展业务的深度和广度，可大幅降低服务成本，提升服务体验，其优势体现在以下四点：

第一，智能外呼机器人高度模拟真人声音，可以实现7×24小时不间断服务，沟通过程灵活，一个机器人每日外呼量可达600~800通，一名人工话务员每日外呼量为200~300通，从长远看成本低廉。

第二，智能外呼可以实现标准化的服务质量，避免人为情绪波动造成的潜在投诉风险。当业务量存在波峰情况时，可以通过增加并发路数的形式减小人工外呼压力，实现弹性运营，保证业务发展的连续性。

第三，智能外呼可以标准化、精确化定义每通电话的意向标签，对通话结果、状态、兴趣点等进行标记，如“有意向”“拒绝”“在忙”等，通过意向标签可以有效了解每通电话的最终结果，有利于形成客户画像，还可以有针对性地进行智能训练标注工作。

第四，应用智能外呼技术可以对用户的多维度信息进行收集和利用，同时可以向客户提供差异化的服务，实现数据的有效洞察，满足消费者潜在需求。

三、商业银行智能外呼创新战略

智能外呼是通过人机交互方式实现机器人与客户之间意向沟通的电话外呼方式，它采用自然语言理解、语音识别、语音合成的人工智能技术，识别并理解客户的问题及意图，通过语音交互对话收集业务结果。智能机器人使用标准话术和客户交流沟通，拓展了外呼业务的深度和广度。

人机交互主要研究人和计算机之间的信息交换，包括人到计算机和计算机到人的两部分信息交换。人机语音交互过程包括语音识别、语义理解和语音合成三个环节。语音识别是将客户语音转化为机器可识别的文本信息；语义理解是运用各种方法，学习并理解转化后的文本信息所表示的意思，包括自然语言理解和自然语言生成；语音合成是将文本信息转换成语音信息传达至客户。

在智能外呼的应用中，通过语音识别技术将客户输出内容转译成文本形式，通过自然语言理解技术对转译后的文本信息进行判断，理解客户的真实意图，并根据外呼流程中的话术内容，依托自然语言生成技术组合成相应的答案，最后通过语音合成技术将答案播报给客户。在这个过程中，语义理解是最关键的衔接点，如果意图识别错误将导致匹配失败，而意图识别只有以丰富的语料库作为支撑，才能训练机器人理解客户所表达的真实意图，所以，丰富的语料库和知识库是决定外呼机器人效果的核心要素。  

四、智能外呼创新应用

在创新战略的指引下，要打造商业银行外呼业务的智能化服务，需要应用智能外呼的解决方案，引导客户按照设计的话术流程进行灵活互动，应用方法如下：

第一步：外呼业务系统主动拨打客户电话，待客户接通后将其转至智能外呼系统；

第二步：智能外呼系统根据设定的话术流程进行对话管理，调用语义理解模块进行信息相似度匹配和关键词匹配，明确用户的真实意图，并将相关的答案以文本形式输出；

第三步：将输出的文本转化成语音播报给用户；

第四步：当机器人在应答过程中满足一定条件时，人工话务员介入通话，外呼业务系统会自动提示机器人和客户之间的交互文本内容，以便话务员快速了解该阶段客户的关注点及实际问题，更具有针对性地解决客户疑问，确保良好的通话体验。

实现以上流程的核心是话术流程设计和知识库管理。话术流程是指外呼过程中针对不同意图节点设置匹配的应答话术，分为结束通话、转人工服务两种情况。知识库是外呼机器人尽可能精确、全面回答客户问题的关键，因此需要像人一样通过不断学习来积累知识，知识库越丰富，机器人对客户问题的应答将越准确到位。知识库包括意图分类和词典分类两个主要内容。意图分类是指通过清晰界定语料的意图，进而有针对性地收集语料内容；词典分类是指通过分词的形式把语料切割成不同的词组，让智能机器人明白语料所表达的意思。

（一）话术流程的搭建

智能外呼是人工外呼的有效补充方式，能够分担人工外呼压力，更是对智能化应用的有效尝试。因此，在进行智能外呼流程设计时可以参考人工外呼业务的话术逻辑，此外还要考虑客户和机器人的交谈意愿，避免引起客户反感或投诉。合理的智能外呼流程能正确收集客户的意图，有效引导客户转人工解答或进入其他环节。如图2所示，客户接听智能外呼电话后，智能外呼机器人和客户进行多轮沟通，最后收集客户的潜在意向，若无意向则流程结束，若有意向或未有效识别客户意向，则转人工话务员进一步解答。

在智能外呼的流程设计中，需要根据对意图节点的判断来播报不同的内容，进而引导客户进入不同的流程分支。比如机器人询问是否为客户本人，“是本人”和“不是本人”是两个不同的判断节点，差异化的放音内容引导客户进入不同的流程分支。而针对一些在流程的任一判断节点都可能被问及的常见问题，一般应设计在流程的通用问答模块中。通用问答是指在各交互层级中都可能出现的用户问题、表述。比如，客户表述自己在忙，这类表述可能出现在流程的开始、中间或者结尾的任一环节中，那么可以在通用问答模块设置这类表述的应答话术，此时流程节点并未发生变化，依然停留在原有的判断节点上。

（二）知识库管理

知识库是人机实现顺畅沟通的基石和前提。知识库在后台为机器人提供知识支持，机器人根据客户问题进行应答时，都需要知识库优先进行判断，匹配相应的知识，知识库的丰富与否直接决定客户通话是否顺畅自如，因此，需要对知识库进行不断扩充和提升。

1.意图识别

在智能外呼中，机器人与客户对话并完成特定任务，其核心要点是语音意图判定，即让机器人在接收到客户语音后，能够判定客户想表达的意思。自然语言处理是语音意图判定的关键技术，调用语义理解模块进行信息置信度匹配和关键词匹配，识别语音文本中客户希望传递的意图信息，明确客户的相关意图。自然语言理解技术将客户的语音文本信息先进行切词分割，根据关键词权重及知识库中现有语料进行对比分析，计算出置信度，如果置信度大于某个特定阈值，则认为两个句子的语义相近，可根据话术流程的设定内容进行相应解答；如果置信度小于某个特定阈值，则认为该语句未匹配到相近意图，最终转人工话务员进行下一步解答。

实现意图识别的前提和基础是语料的收集，即知识库中某个特定意图的语料收集越多，那么意图识别效果越好。语料有三个获取途径，一是业务系统中客户和人工话务员之间的电话录音，二是有经验的话务员模拟客户思维进行语料编写，三是智能外呼过程中未识别的语音文本信息。收集到相应语料后还需要进行数据清洗，去除重复性语料和无用部分。进而根据语料内在相似度进行意图归类，如转人工意图分类，就是将所有语料中具有转人工意图的语料都归为一类，这是根据业务场景中特定的关键词或者特定的规则进行的筛选。

2.文本分词

由于不同的字词组合会表示不同的意思，但是计算机无法理解这些组合的意思，因此需要文本分词告知计算机哪些词的意思是相近的。分词是自然语言处理的基础，分词准确度直接决定了词性标注、句法分析及文本分析的质量。对一句语料进行分词时，首先将句子拆分成多个词组，将每一词组与词典一一对应，如果该词组存在于词典中，则分词成功，否则继续拆分直到匹配成功。

词典是意思相近词组的集合，客户表达了不同话术但是同一意思，可以通过词典归集进行语料相似度匹配。比如“我暂时不需要”和“我目前没有需求”，表达的都是客户拒绝的意思，需要将“不需要”和“没有需求”放在同一词典下，才能有效匹配出相近意图。

五、智能外呼存在的问题

人工智能的核心技术突破将是推动人工智能产业升级的驱动力。目前人工智能产业正处于从感知智能向认知智能发展的进阶阶段，前者涉及智能语音、自然语言处理等技术，已具有大规模应用基础，但后者要求的“机器人要像人一样去思考及主动行动”仍尚待突破。

第一，智能外呼无法实现全流程自动操作。目前人工智能还处于弱智能时代，缺乏独立思考能力，仍需要在人工训导下，处理有明确结论的简单重复性问题，对于客户情绪变化、发散咨询类问题，智能机器人无法自如应答，仍需要人工的支持，才能保证外呼业务的全流程顺利开展。

第二，人工智能技术存在的局限制约着智能外呼效果。虽然目前人工智能技术得到了快速的应用和发展，但依然存在很多问题需要克服。首先，语音识别技术在识别口音或者方言上仍需突破，文本翻译错误直接导致意图拒识，影响外呼业务的顺利开展。其次，自然语言理解技术在识别意图上无法做到自主学习和判断，仍需要大量的语料训练才能满足日常运营，为此需要投入充足人力进行训练标注才能保证意图识别准确率维持在平稳水平。以上的问题直接影响着客户的通话体验，造成客户无法有效理解来电用意，甚至使客户产生反感、厌烦情绪。

第三，智能外呼方式的大众接受度有待提升。尽管智能外呼的放音已经高度拟合人声，但是在语气语调和断句方面和真人还有一定的差距，在回答问题的前后顺序上也容易让客户感知通话方是机器人，这种情况下，客户就会要求人工应答。

六、智能外呼应用发展方向

尽管目前智能外呼还存在一些问题亟待解决，但总体来说利大于弊，越来越多的商业银行将人工智能技术应用在人力消耗多、重复性高的工作上，比如催收外呼、电销外呼等，不仅能节省成本，也能提升工作效率。人工智能技术的迭代升级将会给外呼领域带来新的发展契机，推动行业进入快速变革时期。

第一，人机高度融合的智能外呼。随着人力成本急剧上升、智能外呼的逐步普及，把人力从繁复的机械问答中解放出来，让其聚焦于有温度的个性化服务，高度配合智能外呼的转人工应答，这样既能提升客户对智能外呼的认可度，又能高效满足客户的需求。

第二，基于大数据处理分析的智能外呼。智能外呼可以实现海量外呼，但无法根据人机交互过程进行合理分析，影响了业务开展效果。随着智能技术的发展，基于人机交互过程的数据分析将被广泛应用，即通过对客户的语言分析、流程环节分析、对话交互情况分析，判断客户业务办理的成功概率，必要时由人工介入来提高客户的通话体验。此外，需要在外呼策略上进行变革，将外呼数据进行分层，根据客户的接听偏好、业务特点判断采取何种外拨方式，比如全自动外呼、半自动外呼及人工外呼。

第三，基于语音情感识别的智能外呼。人类的语音情感是微妙多变的，人工智能技术需要加大对人类情绪识别的探索和研究，比如激动、不耐烦、有顾虑等情绪，并在通话过程中采取强干预措施，帮助智能外呼达到更好的效果。在外呼业务场景下，语音情感的识别能减少客户被打扰的次数，杜绝不必要的投诉，有效控制风险。