“我想在两个月内考下雅思，7分以上。有什么课程推荐?”
“先生您好，我需要了解一下您现在的英语水平，现在是学生，还是已经工作了，每天能有多长时间用来学习……”
这是一组典型的课程咨询对话示例。每天，新东方在线都会接到大量的课程咨询电话和在线留言，关于英语考试、考研、考级等领域。
咨询者的状况各异：按身份，有学生家长、在校学生和在职人员;按备考周期，有人只有一个月，有人三个月，有人半年;按学习基础，有人已经很好，有人需要从头开始，还有人并不清楚自己的基础怎么样;按对价格的敏感程度：有人认为在线课程价格就应该很低，有人能接受与线下相同的价格，有人不太在意价格;按每天的学习时长，有人全职准备考试，有人只能用晚上的时间学习，有人每天最多能抽出一小时……但他们有一个共同点，希望继续提升自己。
他们中有些人经过与课程顾问的一次或多次沟通，获得有效帮助，选到了适合自己的课程，制定了学习计划。但也有些人，因为始终没得到有效帮助或其他原因而流失。
如何帮助更多想要提升自己的人，为他们提供相应的产品?对于新东方在线而言，这是一个关键问题，而这个关键问题的前提就是能够了解咨询者的真实需求，尤其是没有明确说出口的潜在需求——心声。
客户心声分析
对于不同咨询者的“心声”，优秀的课程顾问会从自己的经验中总结规律，比如在职人员更关心课程的单节时长和时间安排，应该多为他们提供时间相关的信息。但这些规律都藏在他们心里，难以验证，也难以变成整个公司、整个团队的公共知识。
因此，新东方在线找到循环智能(Recurrent AI)，一起尝试通过机器学习的方式，从全量的、经过脱敏处理的客户沟通数据中，挖掘“客户心声”;从优秀课程顾问的对话数据中，分析让沟通更高效的规律方法。
在校生、家长、在职人员分别最在意的事情是什么，除了大家熟悉的因素，比如价格、课程时长或师资力量，是不是还有让所有人都意想不到，机器却能从微弱的信号中学到的某种因素?
了解到不同客户最在意的事情之后，应该在沟通的什么阶段提供什么样的信息，才能赢得他们的信任?从成功的沟通记录中，机器可以学到哪些“优秀课程顾问在使用但无法转述给其他人”的沟通技能?
循环智能为新东方在线提供的机器学习技术是这样工作的：首先，将通话录音转为文字(沟通文本记录可跳过这步);之后，利用自然语言处理(NLP)技术分析文本语义，提取语义点形成画像标签;最后，对结构化的数据进行分析，拆解出丰富的数据维度，寻找沟通方式、沟通内容与服务效果之间的关系。
这个过程听起来很容易，但每一步做好了却很难，整合为一个系统，更难。
第一步的核心技术是语音识别。通用的语音识别引擎，识别字正腔圆的新闻节目和日常用语(早上好、午饭吃了吗、晚安)准确率很高，但是在特定的场景下往往难以招架：双方对话(需要分离两个人的声音)，电话录音(常伴着杂音)，说的不一定是普通话，以及经常出现行业术语(A-Level、托业)。于是，循环智能自研了自动语音识别(ASR)引擎，引入声纹识别、语气识别等技术。在合作伙伴进行的第三方测试中，准确率显著高于市面上的通用识别引擎。
第二步的核心技术是语义理解。循环智能采用了NLP领域国际热门的预训练模型 XLNet，XLNet 模型的第一作者正是循环智能(Recurrent AI)的联合创始人、AI和产品负责人杨植麟。语义理解的其中一个难点在于，大家讲话的时候往往是“话里有话”的，机器判断起来也很吃力。所以，循环智能在面对一个新领域时，会引入高效的人工标注过程，通过人机结合的方式做预训练，最后形成可靠的算法模型。
第三步的核心技术是数据分析和挖掘。在这方面，循环智能的CEO和CTO都是个中高手，CEO陈麒聪师从亚马逊AWS现任AI负责人、机器学习泰斗Alex Smola;CTO 张宇韬师从清华大学计算机系副系主任、数据挖掘顶级专家唐杰教授，曾作为核心开发者研发了知名的科技大数据分析平台AMiner。
他们擅长发现数据之间的关系和隐藏的规律。举例来说，在线沟通时，关于客服回复客户的速度这个维度对于客户最终满意度的影响，通常企业会认为一定是越快越好。但是，循环智能帮助新东方在线分析了大量对话之后发现，数据揭露出的结果：并非回复得越快越好。当服务人员总是在几秒之内回复客户时，反而获得客户有效反馈的比例更低一些。经过对大量具体案例的进一步分析，循环智能找到了关键原因——快速的回复往往是被动的、过于简单的“是的”、“好的”、“对”，但客户更希望服务人员能主动提供更多与学习和课程相关的信息，而非被动的应付之语。
类似这样的客户心声分析维度，高达数百个。从不同维度得到的信息，经过进一步整合和验证，就能转变成新东方在线整个服务团队的公共知识(Know-How)，进而提升服务能力和客户满意度。
对于管理层而言，如果能一目了然地“看到”整个业务流程中，每个节点的用户反馈，就可以有针对性地做出业务决策。循环智能与新东方在线合作，将新东方在线每个业务节点里用户最关心的问题和反馈进行整理，形成了可视化的“用户反馈地图”，这样管理层就可以知道用户在不同阶段最关心的问题是什么，进而对产品和业务进行相应的调整。例如，在课程咨询阶段，用户最关心哪些问题;在课后服务阶段，用户最满意和不满意的地方在哪里……
这是“客户心声分析”的方法和意义。
智能质检
“客户心声分析”，顾名思义，主要关注的是客户一方的声音。而服务人员，比如课程顾问、售后客服一方的声音，也可以使用人工智能和自然语音处理(NLP)技术实现“服务质量检测”，从而让服务更加规范。
在任何一家公司，负责与客户直接沟通的服务人员，都要遵循很多服务规范。对于新东方在线来说，为了实现更好的服务水准，除了最基础的规范，例如不能嘲讽客户、不能让人感到不耐烦，还包括很多专门的规范，例如在开始对话之前要做充分的自我介绍、以及主动提到 400 服务电话等。
过去，新东方在线对售前、售后服务人员的质检方式是“人工抽检”，由专门的质检员抽取少量录音来收听，然后找到其中不符合规范的地方，再与相关服务人员进行沟通，改善服务水平。这样做，成本很高，且效果有限。成本高是因为需要雇佣多名全职质检员来工作，效果有限是因为只能抽取极少部分的录音进行收听，远远做不到全量的质检。
新东方在线在 2019 年引入了循环智能所提供的智能质检技术，将后台数据——经过脱敏处理的聊天文字记录、通话录音对接到循环智能提供的系统中，实现全量的、几乎实时的质检。
循环智能的机器质检系统，首先会使用自研的专用语音识别引擎，将录音转换为文本;然后根据行业、公司的不同，使用预训练并结合人工少量数据标注，从文本中提取包含关键信息的“语义点”;最后将“语义点”与规范条例结合，找出所有不符合规范的沟通过程——这个过程并不是搜索关键词那么简单，例如很多情况下，规范只写了严禁嘲讽用户，系统需要通过机器学习结合人工标注，学习到在这个领域中什么样的用语算是“嘲讽”。
现在，使用循环智能的智能质检技术，新东方在线可以做全量质检，服务人员与客户的每一次沟通都不会被忽视。因为质检的效率大幅提升，通过机器可以发现绝大部分问题，所以新东方在线的整体服务水平得到快速改进。此外，课程顾问和客服新人的培训效率也得到了提升，他们可以很快从系统里的培训模块中找到正确的实例和错误的实例，自助学习，快速提升水平。
让每一次沟通有更好的结果
基于在“客户心声分析”和“智能质检”产品上的良好合作，新东方在线与循环智能同时也在“线索重定向”产品上展开合作。“线索重定向”是循环智能另一个主打解决方案，旨在帮助企业分析未成功的客户沟通过程，挖掘用户存在潜在需求但未被重视的对话，帮助企业按照优先级进行重新沟通。
新东方在线客服总监吴明珠表示，“我们非常愿意将人工智能技术部署到业务流程中，提高企业的生产力。在与循环智能的合作中，我们发现这个团队不仅自然语言处理和数据分析挖掘相关的技术实力很强，而且具备结合行业场景快速落地的能力。”
作为一家创业公司，循环智能很注重业务的专注性，不管是客户心声分析、智能质检，还是线索重定向，本质上这些产品都指向同一个目标：通过落地到业务的智能对话分析系统，让企业与客户的每一次沟通有更好的结果。
