智能语音系统助力银行客户服务.docVIP

智能语音系统助力银行客户服务 　　金融行业客户服务中心经过20年的高速发展，其工作职能已从单一的呼入业务，拓展到呼入/呼出业务并重；从受理咨询投诉业务为主，到交易处理、产品销售、客户关系维护并举；从零售服务业为主，到向各类别、各层次的客户提供专业性服务；随着我行业务规模及复杂程度的逐年增加、客户服话务量及服务信息量的与日俱增，势必对未来客户服务中心的服务能力提出更高的要求。故越来越多的银行客户服务中心引入了成熟的智能语音识别系统，降低人力成本、提高客户服务体验。 　　【关键词】互动式语音应答 自动语音识别技 术 自然语言理解 　　1 智能语音简介 　　智能语音主要包括两大部分，一部分为语音识别（ ASR：Automatic Speech Recognition ）是将人类自然语音转换为可供计算机识别的文本信息的过程。语音识别引擎可智能识别客户语言并与其他应用系统进行匹配，是人机交互的重要接口，而另一重要组成部分为智能语义分析，是指针对文字进行概括分析的一种技术。通过对文字的分析，提取核心的关键内容，并针对此内容提供延伸阅读，精准反馈等。 　　2 智能语音产品 　　考虑到智能语音产品的基础是语言，同时伴随着国内信息产业国产化呼声越来越高，因此笔者着重调研了国产智能语音产品，认为智能语音产品主要有以下特点及不足之处： 　　2.1 特点 　　语音识别：适应不同人群、不同信道、不同终端、不同噪声环境，适应多种业务，覆盖呼叫中心、音乐有哪些信誉好的足球投注网站、通讯助理、综合信息查询等众多典型应用； 　　智能导航：不需要开发复杂的语法就能够进行大词汇量的语音识别应用；语音自助服务更加自然开放，例如可以这样提问“请问有什么可以帮您的？”；识别系统可以处理更加复杂的用户回答，有效减少反复询问用户的过程 　　优秀的识别性能：优化识别引擎，新的识别引擎提供更高的性能，更低的资源开销；在线自适应功能，能够根据用户的语音实时对识别参数进行自动调整，持续提高识别效果 　　语法快速编译：完善的集成开发支持与定制优化方案；可视化语法编辑器，实现语法的高效编辑，方便的语法调试器，集成语法编译、优化、分析工具；支持汉字和拼音两种语法编写形式，语法开发灵活高效；智能检错机制，可以有效定位语法文件的逻辑错误，极大的方便用户的业务开发 　　系统模型自适应：系统在使用过程中，随着拨打量的不断增加，系统对自身的主要模型进行自使用、如声学模型，信道模型，噪声模型等，从而提升系统的整体识别率。 　　个性化自适应：能够根据特定用户的语音对特定人员进行效果优化，提升特定用户的识别率，从而实现个性化的语音识别服务 　　2.2 不足 　　语音识别成功率：由于中国地大物博，各个地区的语言发音各不相同，因此智能语音的识别在很大程度上被各地方言所困扰，影响客户使用感受； 　　语义理解：程序化的语言和人的自然语言表达在很大程度上还是会有差异的，因此语义的识别只有在不断的积累和学习的过程中才能满足日益提升的客户要求。 　　3 智能语音在银行客户服务领域的应用 　　3.1 支持全业务智能导航，提升自助服务水平 　　提高自动服务使用率，按键式IVR繁琐、复杂，用户难以使用，自助语音服务呼叫量高度集中在有限业务上； 　　智能呼叫导航实现菜单扁平化，支持全业务，分流人工服务的压力，提高自动服务完成率； 　　按键式IVR以流程为中心，需用户适应企业预设的语音菜单，而深奥的菜单名称往往使用户迷茫呼叫导航真正以客户为中心，客户以自然语言表达需求，系统自动进行识别与理解； 　　3.2 提高自动服务直达率 　　按键式IVR在用户具有清晰、明确的需求时，仍需按照固定的菜单提示和步骤进行操作，效率低下；智能呼叫导航直接将用户路由至所需的业务流程，高效便捷，降低自动服务放弃率： 　　在用户未能将需求完整表达出来时，智能呼叫导航可向用户提供可能的选项，引导用户选择所需的服务。 　　4 银行智能语音系统建设 　　银行智能语音系统建设需要从智能语音系统本身及其与周边系统集成两个方面入手，缺一不可。 　　4.1 智能语音系统逻辑架构 　　智能语音识别系统的应用逻辑架构可分为数据层、服务层和应用层三层架构，如图1。 　　应用展现层又可分为应用管理模块和多渠道接入模块：对于本系统来说，其应用功能模块主要有后台管理、系统监测和报表、参数管理三部分组成。渠道接入模块本次对接的系统可以是客户服务的电话银行系统。 　　服务层包含两大核心功能：语音识别技术和语义理解技术。语音识别技术包含：用户语音检测、语音分类、模型匹配、聚类/自适应功能，通过对用户语音描述内容的识别，将用户诉求初步转写成文字。自然语言理解技术包含：语义匹配、句法分析、场景理解、多轮会话功能，自然语言理解技术负责将语音识别