“科學(xué)研究”

浙江大學(xué)醫(yī)學(xué)院

說到客服和銷售，很多人的印象都是“難”。房產(chǎn)中介、汽車銷售總是被電話轟炸，網(wǎng)上客戶無數(shù)次重復(fù)“親愛的”二字，但并沒有解決你真正需要解決的問題。這樣的談話不僅讓消費(fèi)者感到不安，也給企業(yè)帶來了問題。許多企業(yè)發(fā)現(xiàn)，無論雇傭多少客服人員，無論客戶服務(wù)技能培訓(xùn)得如何，仍然很難留住客戶。這種通過屏幕或電話的“在線交流”很難讓消費(fèi)者產(chǎn)生“沖動(dòng)”。如果我們能夠通過“幾次在線對(duì)話”捕捉消費(fèi)者信息，了解消費(fèi)者的購(gòu)物意圖，甚至改變他們的購(gòu)買決策，那該多好？這或許是商家共同的“愿望”，不僅可以提高效率，還能很大程度上節(jié)省成本?，F(xiàn)在，這個(gè)“愿望”可以實(shí)現(xiàn)了！

圖片來源：錢庫(kù)網(wǎng)

浙江大學(xué)管理學(xué)院數(shù)據(jù)科學(xué)與管理工程系特聘副研究員陳剛和他的團(tuán)隊(duì)正在關(guān)注語音客服對(duì)話面臨的諸多挑戰(zhàn)。他們的最新科研成果可以幫助商家解決困難、實(shí)現(xiàn)“愿望”。近日，陳剛及其團(tuán)隊(duì)在國(guó)際頂級(jí)期刊《Information Systems Research》（UTD24期刊之一）上發(fā)表了研究成果“A Theory-driven Deep Learning Method for Voice-chat-based Customer Response Prediction”。他們的研究聚焦于“在線語音客戶邀請(qǐng)對(duì)話場(chǎng)景”，構(gòu)建了一個(gè)模型，可以幫助商家進(jìn)一步了解消費(fèi)者的喜好和購(gòu)買意圖，為提高客戶購(gòu)買轉(zhuǎn)化率提供重要參考價(jià)值。

點(diǎn)擊文章左下角鏈接查看詳細(xì)內(nèi)容

如何在缺乏信息的情況下捕捉客戶偏好？如何通過線上對(duì)話揭示客戶購(gòu)買意圖？這個(gè)模式有什么樣的突破呢？有什么價(jià)值？

本期【《科學(xué)研究》】，我們就走進(jìn)在線語音客戶邀請(qǐng)的對(duì)話，看看這個(gè)準(zhǔn)確率接近90%的模型如何讓在線對(duì)話充滿“智慧”。

學(xué)者簡(jiǎn)介

陳剛：浙江大學(xué)管理學(xué)院數(shù)據(jù)科學(xué)與管理工程系特聘副研究員。研究方向：多模態(tài)商業(yè)數(shù)據(jù)分析、深度學(xué)習(xí)、可解釋人工智能

這個(gè)模型預(yù)測(cè)成功率80%~90%能做什么呢？

在日常消費(fèi)場(chǎng)景中，“在線對(duì)話”是常見的銷售渠道。我們每天接觸到的電話銷售（語音對(duì)話）和在線客服（文字對(duì)話）都是實(shí)時(shí)在線交互的業(yè)務(wù)模式。隨著人工智能和數(shù)字技術(shù)的蓬勃發(fā)展，在平臺(tái)經(jīng)濟(jì)中，這種商業(yè)模式已成為企業(yè)了解客戶需求、識(shí)別客戶價(jià)值、開展客戶服務(wù)的重要方式?？头梢栽儐栴櫩偷馁?gòu)買意向，主動(dòng)向顧客介紹產(chǎn)品，邀請(qǐng)顧客進(jìn)店體驗(yàn)購(gòu)買，回應(yīng)顧客的投訴和疑慮。從而可以從“在線對(duì)話”中提取大量客戶信息，獲得極高的商業(yè)價(jià)值。

圖片來源：錢庫(kù)網(wǎng)

但陳剛團(tuán)隊(duì)注意到，基于在線邀請(qǐng)對(duì)話內(nèi)容挖掘客戶需求和偏好的商業(yè)行為存在諸多挑戰(zhàn)，并在最新的科研模型中一一解決了這些挑戰(zhàn)。

1

這一模式讓客服能夠“舉一反三”

在線邀請(qǐng)場(chǎng)景下，企業(yè)或客服在售前階段很難獲取足夠的客戶信息，無法提前了解客戶的需求和期望。因此，客戶服務(wù)只能依靠對(duì)話來捕捉用戶的動(dòng)態(tài)需求和偏好。在陳剛團(tuán)隊(duì)建立的模型中，很多客服人員都能舉一反三?，F(xiàn)在很多商家的客服方式都是先打電話，后續(xù)過程中繼續(xù)跟客戶跟進(jìn)。這種做法不僅容易得罪客戶，而且極大地浪費(fèi)了商家的沉沒成本。然而，通過科研團(tuán)隊(duì)的最新模型，只需要一個(gè)電話就能反向推斷顧客對(duì)產(chǎn)品屬性的偏好，從而捕捉顧客個(gè)性化、動(dòng)態(tài)的偏好。

2

幫助客服在對(duì)話過程中有效調(diào)整策略

在對(duì)話過程中，客戶的對(duì)話體驗(yàn)和產(chǎn)品期望也會(huì)動(dòng)態(tài)調(diào)整。如何利用語音對(duì)話中包含的音頻信息、語義信息和交互模式來建?？蛻舻膶?duì)話體驗(yàn)也是陳剛團(tuán)隊(duì)關(guān)注的重點(diǎn)。在打電話或者上網(wǎng)交談的過程中，顧客的購(gòu)買意愿處于不斷調(diào)整的狀態(tài)。通過對(duì)話來判斷顧客對(duì)哪些產(chǎn)品屬性感到滿意或不滿意，可以有效幫助顧客朝正確的方向努力，調(diào)整銷售策略。

3

深度學(xué)習(xí)模型的可解釋性和預(yù)測(cè)能力的統(tǒng)一

在線對(duì)話的動(dòng)態(tài)性和對(duì)話內(nèi)容的不確定性使得根據(jù)對(duì)話內(nèi)容判斷客戶購(gòu)買意圖及其變化趨勢(shì)在技術(shù)上具有挑戰(zhàn)性。陳剛團(tuán)隊(duì)的模型不僅從技術(shù)層面解決了這一難題，還創(chuàng)新性地將文本和聲音同時(shí)建模，根據(jù)客戶的個(gè)性化偏好和對(duì)話體驗(yàn)揭示客戶的購(gòu)買意圖，讓客戶的購(gòu)買決策變得更加復(fù)雜。透明度

圖片來源：錢庫(kù)網(wǎng)

他們發(fā)現(xiàn)這種模式可以讓消費(fèi)者的意圖和行為更加“透明”

當(dāng)您有買車意向時(shí)，您可能會(huì)同時(shí)與多個(gè)品牌的汽車銷售電話號(hào)碼進(jìn)行溝通。這時(shí)候，無論和誰交談都讓你更舒服，并且可以獲得更多信息，你可以優(yōu)先去相應(yīng)的商店了解更多信息。也許這個(gè)品牌可能不是你最初的首選，但因?yàn)椤绑w驗(yàn)比預(yù)期更好”，它現(xiàn)在已經(jīng)成為你的首選。消費(fèi)者因“先前期望與實(shí)際體驗(yàn)的差異”而改變購(gòu)買決策的現(xiàn)象，其背后的原理正是“期望不一致”。

圖片來源：錢庫(kù)網(wǎng)

基于上述“期望不一致”理論，陳剛團(tuán)隊(duì)構(gòu)建了一個(gè)基于“客服-客戶”語音對(duì)話數(shù)據(jù)的模型。該模型由三個(gè)子模型組成，即動(dòng)態(tài)期望模型和客戶體驗(yàn)?zāi)Ｐ鸵约啊捌谕?體驗(yàn)”比較模型。該模型利用期望與體驗(yàn)之間的對(duì)比關(guān)系來揭示顧客的動(dòng)態(tài)需求和偏好，進(jìn)而解釋和預(yù)測(cè)顧客的購(gòu)買意圖。通過這個(gè)模型，不僅可以“有效、準(zhǔn)確”地分析客戶的心理趨勢(shì)和消費(fèi)意圖，從而幫助企業(yè)提高客戶轉(zhuǎn)化率，而且還可以為企業(yè)帶來巨大的商業(yè)價(jià)值。

1

了解客戶偏好并使購(gòu)買決策“可分析”

在本研究中，陳剛團(tuán)隊(duì)以對(duì)話場(chǎng)景為例，將期望不一致理論融入到基于語音對(duì)話數(shù)據(jù)的客戶購(gòu)買意圖深度建模中，從而提高了“基于對(duì)話的客戶購(gòu)買意圖預(yù)測(cè)”的準(zhǔn)確性。通過該模型，商家不僅可以了解消費(fèi)者為什么愿意/不愿意最終購(gòu)買商品，還可以幫助商家進(jìn)一步了解顧客的偏好屬性，從而將其轉(zhuǎn)化為消費(fèi)以獲得更多利潤(rùn)。這進(jìn)一步表明，將可解釋的理論機(jī)制融入到深度學(xué)習(xí)的建模過程中，可以有效提高深度學(xué)習(xí)模型的預(yù)測(cè)效果。

2

準(zhǔn)確預(yù)測(cè)客戶意向變化趨勢(shì)

在“客服-客戶對(duì)話”場(chǎng)景中，陳剛團(tuán)隊(duì)證實(shí)，客戶的購(gòu)買意愿是動(dòng)態(tài)變化的，其累計(jì)購(gòu)買意愿呈現(xiàn)近似單調(diào)變化的趨勢(shì)。消費(fèi)者在談話中所說的每一句話都可能代表一種“購(gòu)買意圖”。該模型可以在對(duì)話過程中實(shí)時(shí)預(yù)測(cè)消費(fèi)者的意愿，并根據(jù)消費(fèi)者的情緒轉(zhuǎn)折點(diǎn)，在對(duì)話過程中提醒客服及時(shí)做出改變和調(diào)整。

圖4. 基于對(duì)話的動(dòng)態(tài)客戶購(gòu)買意圖建模結(jié)果

這一發(fā)現(xiàn)證明，企業(yè)可以利用本研究構(gòu)建的深度學(xué)習(xí)方法，準(zhǔn)確預(yù)測(cè)對(duì)話過程中客戶意圖的變化趨勢(shì)，在對(duì)話結(jié)束前有效識(shí)別有流失傾向的客戶，并通過改變言語來提高客戶轉(zhuǎn)化率。速度。

3

讓消費(fèi)者行為“可解釋”

本研究構(gòu)建的深度學(xué)習(xí)客戶購(gòu)買意愿預(yù)測(cè)模型具有可解釋性。所謂可解釋性，是指不僅可以讓商家了解消費(fèi)者的喜好，還可以讓商家分析消費(fèi)者消費(fèi)決策背后的原因。模型經(jīng)過訓(xùn)練后，可以根據(jù)實(shí)例客戶樣本推斷客戶的個(gè)性化偏好和體驗(yàn)。也為后續(xù)的客戶服務(wù)培訓(xùn)、產(chǎn)品改進(jìn)等提供了強(qiáng)有力的指導(dǎo)。

圖片來源：錢庫(kù)網(wǎng)

這一模型不僅開辟了新的理論視角，也可以成為企業(yè)的“財(cái)富密碼”。

對(duì)于企業(yè)來說，如何提高客戶滿意度、如何提高消費(fèi)者線上購(gòu)買率、如何提高復(fù)購(gòu)率等問題，都是值得企業(yè)和商家長(zhǎng)期關(guān)注的問題。陳剛團(tuán)隊(duì)的研究成果不僅在學(xué)術(shù)理論方向上具有創(chuàng)新性，在商業(yè)價(jià)值方向上對(duì)企業(yè)也具有重要意義。它們是企業(yè)實(shí)現(xiàn)客戶價(jià)值的“財(cái)富密碼”。

”

理論貢獻(xiàn)

這種可解釋的深度學(xué)習(xí)模型的構(gòu)建及其在商業(yè)預(yù)測(cè)場(chǎng)景中的應(yīng)用開辟了一種新的設(shè)計(jì)科學(xué)建模范式，將消費(fèi)者行為理論和深度學(xué)習(xí)建模過程有機(jī)地結(jié)合起來，為用戶提供對(duì)深度模型的理解。學(xué)習(xí)過程和預(yù)測(cè)結(jié)果提供有效的決策支持。同時(shí)，陳剛團(tuán)隊(duì)的研究為“深度模型預(yù)測(cè)性能與可解釋性能的統(tǒng)一”開辟了新的方法論視角。研究中提出的建模策略不僅實(shí)現(xiàn)了預(yù)測(cè)性能和可解釋性的內(nèi)在統(tǒng)一，而且為從客戶與客戶服務(wù)之間的文本和語音對(duì)話等多模態(tài)業(yè)務(wù)對(duì)話數(shù)據(jù)中挖掘用戶偏好和需求提供了有效的方法。方法工具。

圖片來源：錢庫(kù)網(wǎng)

”

商業(yè)價(jià)值

在售前向客戶發(fā)出客服邀請(qǐng)時(shí)，根據(jù)邀請(qǐng)對(duì)話的內(nèi)容，企業(yè)可以把握客戶意圖，洞察客戶需求，了解客戶喜好。企業(yè)可以通過提供優(yōu)質(zhì)的個(gè)性化服務(wù)鎖定客戶資源，提高客戶購(gòu)買轉(zhuǎn)化率，進(jìn)而在激烈的競(jìng)爭(zhēng)中脫穎而出。在市場(chǎng)競(jìng)爭(zhēng)中獲得先發(fā)優(yōu)勢(shì)。

1

企業(yè)智能實(shí)時(shí)語音支持工具

隨著客服與客戶的對(duì)話進(jìn)行，陳剛團(tuán)隊(duì)的模型可以實(shí)時(shí)輸出客戶對(duì)當(dāng)前對(duì)話的累積滿意度，并實(shí)時(shí)推理客戶當(dāng)前的需求以及對(duì)關(guān)鍵產(chǎn)品屬性的滿意度。這為客服人員及時(shí)調(diào)整言語、正確適應(yīng)客戶利益、合理回應(yīng)客戶關(guān)切提供了實(shí)時(shí)決策支持。

圖片來源：錢庫(kù)網(wǎng)

2

高效的商務(wù)會(huì)話質(zhì)量檢查工具

這種模式不僅給客服人員的工作帶來了便利，也幫助客服經(jīng)理節(jié)省了時(shí)間，更高效地完成質(zhì)檢等任務(wù)。將每一次歷史對(duì)話輸入到模型中，模型會(huì)實(shí)時(shí)輸出本次對(duì)話中客戶滿意度的預(yù)測(cè)指標(biāo)以及相應(yīng)的解釋結(jié)果。例如，客戶對(duì)特定對(duì)話中的哪些問題（產(chǎn)品屬性）不滿意，或者客戶服務(wù)未能有效回應(yīng)客戶在特定對(duì)話中關(guān)心的問題。通過上述流程，客服經(jīng)理可以準(zhǔn)確、高效地識(shí)別高質(zhì)量和低質(zhì)量的客服對(duì)話。

3

為新產(chǎn)品設(shè)計(jì)和開發(fā)提供思路

新模式只需在未知條件下通過客服-客戶對(duì)話，即可為企業(yè)提供客戶偏好、需求等關(guān)鍵營(yíng)銷信息。這些信息可以為管理者改進(jìn)新產(chǎn)品設(shè)計(jì)、提高營(yíng)銷效率提供有效的決策支持。

圖片來源：錢庫(kù)網(wǎng)

附：論文摘要

隨著人工智能和數(shù)字化技術(shù)的蓬勃發(fā)展，基于實(shí)時(shí)在線交互的商業(yè)模式，挖掘在線交互過程中隱含的客戶購(gòu)買意圖可能會(huì)孕育巨大的商機(jī)。在本研究中，我們的目標(biāo)是在一種新興的基于在線交互的商業(yè)模式（在線邀請(qǐng)和店內(nèi)體驗(yàn)?zāi)Ｊ剑┲羞M(jìn)行基于語音聊天的客戶響應(yīng)預(yù)測(cè)。先前的研究表明，通過先前期望與實(shí)際體驗(yàn)之間的差異所揭示的滿意度是解開客戶購(gòu)買意圖的關(guān)鍵因素，而黑盒深度學(xué)習(xí)方法在經(jīng)驗(yàn)上向我們保證了處理復(fù)雜語音數(shù)據(jù)的優(yōu)勢(shì)能力，例如，語音聊天中包含的文本和音頻信息。為此，我們提出了一種理論驅(qū)動(dòng)的深度學(xué)習(xí)方法，使我們能夠（1）在缺乏個(gè)人資料信息的情況下了解客戶的個(gè)性化產(chǎn)品偏好和動(dòng)態(tài)滿意度，（2）基于多視圖語音聊天對(duì)客戶的實(shí)際體驗(yàn)進(jìn)行建模（3）通過理論驅(qū)動(dòng)的動(dòng)態(tài)滿意度增強(qiáng)黑盒深度學(xué)習(xí)模型的客戶響應(yīng)預(yù)測(cè)性能。實(shí)證評(píng)估結(jié)果證明了我們提出的方法相對(duì)于最先進(jìn)的深度學(xué)習(xí)替代方案具有優(yōu)越的預(yù)測(cè)性能。累積滿意度的研究揭示了理論驅(qū)動(dòng)的動(dòng)態(tài)滿意度和客戶響應(yīng)預(yù)測(cè)的深度表示特征的協(xié)作預(yù)測(cè)作用。解釋性分析進(jìn)一步深入了解客戶的個(gè)性化偏好和對(duì)關(guān)鍵產(chǎn)品屬性的動(dòng)態(tài)滿意度。

編輯：王景春

點(diǎn)評(píng)：佟慶、陳剛