江苏龙网

  1. 首页 > 资讯 > 科技 > >

『人工智能』深度 | AI 建模实际应用场景及效益


随着 AI 科技的发展 ， 过去很多无法应用计算机算法分析的场景现在已经成为可能 ， 并且能经由 AI 的算法带来实际的业务效益 ， 提升营收 。 本文将以普强的 AI 建模、语义理解、语音识别等相关技术为核心所建立的一套优化商业场景机制 ， 在行业中的实际应用所产生的效益做详细阐述 。国内一名列世界 500 强的保险公司（以下简称“A 保险公司”） ， 拥有庞大的电销团队 ， 雇佣了上万名电销人员 ， 每月电销电话拨打量达到千万通 。 由于客户名单基本为白名单 ， 即没有客户的信息 ， 传统的格式化维度分析无法应用 ， 所以A保险公司在没有客户信息的情况下 ， 实行全量拨打 ， 这样的拨打效果成交率在千分之一以下 。 另一方面 ， 全量拨打的电销电话也给客户带来不良的印象 ， 对客户造成不必要的干扰 。 近年来 ， 监管力度逐年上升 ， 对电销电话管控严度加大 。 为能有效运营电销就需要有特定对象 ， 向有购买保险意愿的客户精准的拨打 。
『人工智能』深度 | AI 建模实际应用场景及效益
本文插图
【『人工智能』深度 | AI 建模实际应用场景及效益】

随着 AI 科技的进步 ， 普强 AI 建模产品的核心运用了最新的 AI 语音转译和语义理解技术 ， 为这样的场景提供了一个极佳的解决方案 ， 能够让 A 保险公司和有类似业务场景公司的电销人员将资源集中在有潜在购买意愿的客户 。 一方面 ， 避免拨打全量的电话 ， 减少人力资源和电信话费 ， 另一方面 ， 能有效减少对没有购买意愿客户的干扰 。 当客户有意愿和需求购买保险时 ， 电销的外呼电话不被认为是干扰；相反 ， 对没有购买意愿或能力的人 ， 这样的电话即成为客户的干扰 。事实上 ， 经过 AI 建模的分析 ， 在数百万的客户名单中 ， 有购买意愿的大约在 15% 左右 ， 因此 80% 以上的电话都是不必要拨打的 。 这样的应用给 A 保险公司和有类似应用场景的公司省下巨大的成本 。 接下来 ， 将会对此做详尽的描述 。一、语音语义理解可获取有价值的客户特征 虽然没有客户的固定维度信息 ， 但是有许多已拨打过的录音 ， A 保险公司拥有海量的客户通话录音 ， 录音内含有宝贵的客户信息、客户特征等 。 这些数据都可以作为筛选客户的依据 ， 例如在电销的过程中可以得知： l 买过保险：“谢谢 ， 我已经有保险了” 。 l 可能有车：“对不起 ， 我正在开车 ， 不方便讲话” 。 l 有房人士：“我目前房贷压力大 ， 没有闲钱买保险” 。还有许多类似的特征都可以从电销人员和客户的通话中获取 ， 做成客户画像 。 普强过去积累了许多成功案例 ， 其中就包含大量这样有价值的客户特征 。 从各样的案例中 ， 电销人员重点关注拥有这些特征的客户 ， 拨打给这类有较高意愿的客户并提高销售力度 ， 增加拨打次数和跟进 ， 从而提升销售成交率 。 因此 ， 若能将这些宝贵的客户信息特征挖掘出来 ， 也就能更进一步找出潜在客户 ， 从而将电销团队的大量资源（人力、时间、电话费用……）做最有效的运用 ， 达到最大收益 。二、AI语音转译和语义理解 自从 2010 年苹果电脑、手机发布 Siri 应用后 ， 语音识别技术不断的更新、突破 。 其主要是源于一种计算机算法架构的技术突破：深度神经网络 。 使用神经网络的技术 ， 研究人员不断推进许多人工智能以前不能突破的障碍 ， 例如语音识别、图像识别、语义理解等三大领域 。 借助神经网络架构 ， 这些领域里的问题都大大提升了应用上的效果 。 这样的突破主要由以下几个因素造成： l 数据量徒增：借着互联网的发展 ， 大量的用户将语音、图像、照片、文字上传到大型的数据中心 。 l 大型云计算中心超级的运算能力：能储存、处理、分析这些海量的数据 。 l 算法突破：借助前两项 ， 算法得以不断的被验证、优化、迭代更新 ， 创新的神经网络架构不断的被提出并被验证 。在语音识别方面 ， 2017 年微软研究院的技术达到了与人翻译的结果相同的里程碑 。 在电话对话的数据集（Switchboard） ， 微软的研究员们使用了多个神经网络模型来翻译使结果达到最优 ， 翻译的字错误率与4位专业翻译人士共同翻译的错误率基本相同 。 2018 年谷歌的 DeepMind 使用了大型的 CNN-RNN-CTC 神经网络架构 ， 翻译结果比翻译专家好六倍 。 同时在图像识别方面 ， 也同样有重大突破 ， 使得自动驾驶这样复杂的工作 ， 变得可实现 。


推荐阅读


上一篇：#高瓴资本#产业互联网时代 高瓴资本全方位赋能先进制造

下一篇：『』华为nova系列缩短更新周期，nova6降幅超1000元，nova7全系来袭！