质检迈入新时代,天润融通推出基于大模型的质检3.0解决方案

原创 收藏 评论
举报 2024-06-19

近18个月以来,受益于生成式AI浪潮,千行百业迎来了前所未有的突破与变革。

今天我们荣幸地站在时代交汇点上,宣布天润融通正式推出基于大语言模型的质检3.0产品。

在揭示质检3.0的里程碑之前,让我们先回溯质检技术的发展历程,这将有助于更好地理解本次飞跃的意义。

1.0时代,以人工为主的质检依赖于抽样检查,此时质检效率低,覆盖性不足,且质检结果依赖质检人员的主观判断,难以高效、客观地输出质检结果。

2.0时代,随着机器学习、NLP、深度学习等技术的发展,智能质检开始兴起并迅速占据主导地位。但质检技术发展的同时,质检需要面临的情况也日渐复杂,企业对质检的要求也日渐多元化,精细化。由此传统的智能质检开始逐步无法满足市场的需要。

3.0的质检应该是怎样的? 过去有很多畅想,今天天润融通给出了真正的答案。

质检3.0 vs 质检2.0 vs 质检1.0

1.png

可以看到,质检3.0系统,充分利用大模型技术,跨越式地完成了销售、座席质量检测体系的一次飞跃。全面降低了质检配置门槛、配置成本、管理成本等,并增强了检测的准确性与灵活性。为质检领域开拓了崭新的路径,也为销售外呼质检、客服呼入/在线质检等场景注入了持续改进的动力。下面我们将分享质检3.0的五大新能力:

负面情绪检测

基于传统技术的质检无法识别文字中的人类情绪。销售/客服人员的服务态度容易被忽视,服务质量无法监控,轻则无法有效提高服务水平,重则破坏客户体验,带来更大的客诉问题。同时,传统质检无法理解客户的情绪,洞察潜在需求,容易导致商机错失。

质检3.0,拥有更好的自然语言理解能力,可识别销售/客服交流中的烦躁与负面情绪,规范销售/客服服务,提高客户体验,洞察客户的潜在需求,挖掘更多商业机会。

2.png

△质检3.0,发现座席负面情绪

客户满意度分析

客户服务的评分,不只有“好”与“不好”,而是要根据整个对话的“氛围”进行判断,对话是否愉快,客户问题是否得到解决。

传统质检只能对座席进行规则化的生硬判定,无法检测在流程、对话完成后客户问题是否解决,客户是否满意。

质检3.0,可以读懂客户对话,根据结合上下文会话内容分析问题处理进度和客户情绪,增强质检分析深度。

3.jpg

△质检3.0,分析客户满意度

以客户满意为基准的流程质检

2.0时代,质检工作以流程驱动为主,根据人工配置的流程按步执行。但实际工作中,面对顾客的各种需求,座席会采取灵活的应对方法,但质检无法适应这种变动,仍然按照流程硬套,导致质检结果不能反映真实情况,进一步影响销售/客服人员刻板执行工作,降低客户体验。

3.0时代,基于大模型的质检可以结合上下文对话分析,允许座席灵活应对,主动服务客户,以最终的客户满意,客户情绪来进行评分。

4.png

△质检3.0,以客户满意为中心

聊天方式配置质检规则

质检配置一直以来都是至关重要的环节,但传统质检配置却存在诸多难题。比如配置门槛高,操作流程复杂繁琐,必须由配置专业人员进行操作。

质检3.0采用自然语言进行配置,配置效率从以前的平均5天提高到0.5天,提效80%~90%。这一变革意味着,无论是专业人士还是普通人员,都能够轻松上手,不再受限于复杂的操作流程。

5.png

△质检3.0,仅需0.5天完成配置

FAQ质检配置简化,智能化

质检依靠提前设置的FAQ进行工作,2.0时代,由于传统的NLP和问答索引知识库的技术限制,FAQ的配置复杂,许多相似问题及前置条件容易出现模糊和不清晰地方,导致逻辑理解困难。

质检3.0有更强大的自然语言理解和更强大的问题泛化能力,这让FAQ配置大大简化,可以一句话配置,实现灵活质检,让没有经过专业培训的人也能配置。

6.png

△质检3.0,一句话配置,灵活质检

天润融通基于大模型技术的质检3.0系统,不仅在质检配置、成本、性能、场景与技术上做了全面升级,也在质检基础能力如:质检管理平台、质检模板化、质检申诉体系、人工抽检功能、质检风险告警、优秀对话案例库、数据驾驶舱、多渠道数据质检等能力上做了全面的功能优化与智能化改良。

作为国内客户联络领域的上市企业,我们始终坚定地将成熟的智能化技术融入到企业营销、销售、服务、企业共享服务中心等核心业务场景中。一方面持续以大模型技术为核心、以客户实践为根本构建AI驱动的全周期客户联络云平台,另一方面为企业客户提供业务咨询、业务诊断、业务实施、持续运营的闭环,帮助企业客户实现业务目标,助力企业实现跨越式发展。



本文系作者授权数英发表,内容为作者独立观点,不代表数英立场。
转载请在文章开头和结尾显眼处标注:作者、出处和链接。不按规范转载侵权必究。
本文系作者授权数英发表,内容为作者独立观点,不代表数英立场。
未经授权严禁转载,授权事宜请联系作者本人,侵权必究。
本内容为作者独立观点,不代表数英立场。
本文禁止转载,侵权必究。
本文系数英原创,未经允许不得转载。
授权事宜请至数英微信公众号(ID: digitaling) 后台授权,侵权必究。

    评论

    文明发言,无意义评论将很快被删除,异常行为可能被禁言
    DIGITALING
    登录后参与评论

    评论

    文明发言,无意义评论将很快被删除,异常行为可能被禁言
    800

    推荐评论

    暂无评论哦,快来评论一下吧!

    全部评论(0条)