智能外呼机器人的前世今生

嘟嘟嘟~~~

“您好，请问是xx先生（女士）吗？您的保险即将到期哦，请问是否需要立即续保呢？”

当电话那头传来一阵阵亲切的问候声，是否幻想着跟你交流的是一位温柔可人的客服小姐姐呢？当你还在浮想翩翩的时候，那可能就要大失所望咯。

这温柔的声音可能来源自一位铁憨憨（智能交互机器人）。

小伙伴们是不是很诧异，印象中的机器人声音机械且单调，怎么会和上面听到的声音一样呢。自然而然会心生疑问，到底什么是智能交互机器人？

• 智能交互机器人的前世今生

在智能外呼逐渐兴起以前，企业通常采用传统的人工外呼方式。

人工外呼是指：电话通过电脑自动往外拨打客户电话，当客户接听电话的同时，系统接通呼叫中心的坐席人员，外呼的线路数大于坐席数，从而节省通话的等待时间。

当前市场竞争越来越激烈，企业无时无刻都在想着开发客户、维护客户。随着移动互联网科技的飞速发展，越来越多的企业采用了新的营销方式——智能交互机器人。

智能交互机器人是指：基于传统呼叫中心的技术，融合智能AI，开发出智能化的电话自动外呼机器人，来代替人工外呼拨打客户电话、服务客户、转化客户。

 

• 人工外呼PK智能交互机器人

Round One：成本

人工外呼：坐席的培训成本、工资成本、培训费、管理费……

智能交互机器人：开发成本。（简直一本万利呀） 胜！

Round Two：效率

人工外呼：每人每天约300通电话，且效率受身体、情绪影响。

智能交互机器人：每个机器人每天约1200通电话，不怕脏不怕累，只要有电就可以旋转跳跃不停歇~ 胜！

Round Three：管理

人工外呼：人员管理复杂，数据可回溯性差。

智能交互机器人：可根据企业需求，系统整理导出需要的客户数据，便于企业数据分析，制定友好的客户管理策略。 胜！

各方面都格外出色的智能交互机器人，不服不行呐！

 

• 深入浅出智能交互机器人

这么厉害的智能交互机器人，背后到底隐藏着那些技术呢？

让我们来一探究竟！

智能交互机器人是采用深度神经学算法和卷积神经网络算法，融合了ASR、NLP、TTS等多个门类的前沿技术集成的产品，其中，语音识别(ASR)、自然语言处理(NLP)、语音合成(TTS)技术起到了关键作用，保障了外呼系统的精准、高效、稳定运行。

看到了这么多专业术语，小伙伴们肯定现在都是下面的表情。

 

 

刚准备躺平的小TKer这时手机突然“叮叮叮”响了起来：

“尊敬的Tker先生您好，我是泰康在线续保专员，您的购买的保险马上要到期了，为避免您的保单失效，今天特意致电您进行续保操作”

此时的小TKer还没意识到对面就是我们的智能交互机器人，掐指一算，好像确实是要到期了，但最近手头有点紧，着实有些犹豫道：

“感觉价格略微有些贵呢，我感觉需要考虑下。”

此时智能交互机器人便收到了小TKer的语音，但是机器人毕竟不是人类，只靠语音无法理解所说的内容，这个时候就需要先通过ASR语音识别技术将语音转化成文本。

3.1、ASR语音识别技术

ASR语音识别流程如下图所示：

第一步：建立声学模型

对于同一个单词或汉字，由于不同人的发音、语调、语速等各不相同，声学模型建立过程需要录入大量的原始用户声音，以从中提取特征建立声学模型数据库。

第二步：建立语言模型

和声学模型的建立过程及面临的问题类似，只是这一步针对的是文本而不是声音。语言模型可以调整声学模型所得到的不合逻辑的字词，使识别结果变得正确通顺。

第三步：语音识别

首先，将用户的语音输入进行编码和特征提取（ 已被拆分成N份，合在一起才是一个汉字或单词），将提取到的特征拿到声学模型库（第一步中介绍的）中去查询，得到单个的单词或汉字；然后再拿到语言模型库（第二步中介绍的）中去查询，得到最匹配的单词或汉字。

然而此时智能交互机器人只是将语音转化成了文字，这可还远远不够哦。通过转换后的文本，智能交互机器人需要根据它了解用户的意图是什么，才能做出对应的回答。因此，还需要通过意图识别模型，进一步对客户的意图进行识别。

3.2、意图识别技术

意图识别，顾名思义，是将用户输入的自然语言会话进行划分，类别（classification）对应的就是用户意图。例如“今天天气如何”，其意图为“询问天气”。自然地，可以将意图识别看作一个典型的分类问题。

 

 

在智能交互机器人中，使用了深度学习模型，采用预训练模型bert（取名源自于芝麻街的动画角色，也就是上图中拿着小黄鸭的人偶哦）对文本进行处理作为输入，训练海量数据，得到了一个高准确率的意图识别模型。当用户回答或是咨询相关问题时，智能交互机器人能迅速准确的洞悉其目的。

那么此时问题又来了，就算知道了小Tker的意图，智能交互机器人是怎么知道该回答些什么呢？

不要着急嘛，路要慢慢走，知识也要慢慢积累~ 听我徐徐道来。

这里有涉及到了一项智能交互机器人中的重要模块——智能对话引擎。

3.3、智能对话引擎

智能对话引擎主要用于生成符合当前语境的话术。话术的生成主要采用了两种方式，一种是话术流程引擎，另一种则是采用了nlg自然语言生成技术。

在话术流程引擎中，利用公司积累的大量客服记录数据并采用阅读理解技术从不同产品的相关文档中自动抽取典型问题的回复话术，整合出一套高质量的交互知识库，能够根据客户的情感趋向、意图方向等信息，从知识库中筛选出最为恰当的回复话术，完成对客户问题迅速反应及处理。

另一种方式则采用了自然语言生成模型，通过构建NLG模型可以理解意图、考虑上下文、并将结果呈现为一种可以被理解的语言。

在这种对话类型的情景中，智能交互机器人使用GPT-2模型（一种在文本生成中表现优异的模型），通过对保险领域中的相关话术与内容进行学习理解，在海量数据的熏陶下，俨然化身一个保险小专家。通过分析用户的意图，从历史学习的数据中生成出能够给与满意答复的文本，直击要害的解决用户的问题。

根据小TKer上面的回复来看，小TKer有些犹豫，所以为了达到挽留小Tker续保的目的，智能交互机器人生成了对应的挽留话语：

“其实买保险就是为了一份安心，花一份小钱，买一份大的安心，还是很划算的哦”

但问题又来了，如何让机器人有感情的读出这段文字，并且能够有语气的变化，不被发现是机器人呢？不要担心，法宝都准备好了！——语音合成技术（TTS）

 

3.4、语音合成技术（TTS）

 

TTS技术（Text-To-Speech，语音合成），主要目的是将文字转化为声音（朗读出来），类比于人类的嘴巴。

我们常见的Siri、天猫精灵，高德地图导航等等中听到的声音，都是由TTS来生成的哟，一下子是不是感觉就在身边！

当接收到文本后，TTS会首先进行语言学处理，进行文本规整、词的切分、语法分析和语义分析，然后会为合成语音规划出音段特征，如音高、音长和音强等，使合成语音能正确表达语意，听起来更加自然，最后根据前两部分处理结果的结果输出最终语音。

至此，智能交互机器人经过一系列处理，用最优美柔和的声音完成了对小TKer的劝导。也完成了对用户语音的转化、识别、生成、输出这一整套闭环操作。

没想到简简单单的一句对话，蕴含了这么多科学技术吧！小TKer在听了智能交互机器人给出的建议后，也是觉得颇有道理，愉快的完成了随后的续保操作，毕竟这样优美柔和的声音，谁能拒绝呢？

写在最后：

目前智能交互机器人广泛的应用于各个领域，在管理和效率上都有着极大的优势。无论是从语言理解，还是从声音的拟人化，都不断的在更新优化，进行着技术上的革新。在不远的未来，相信智能交互机器人能够更加大放异彩，为企业乃至个人提供长足的帮助。