专家详述:CRM智能实时交互平台的研究

1 概 述

客户管理系统(CRM)最早由美国的Ganter Group于1997年提出。短短的几年中,在全球ERP市场不断萎缩的情况下,CRM市场却以令人难以置信的速度膨胀。2003年全球CRM市场收益达到670亿美元。近年来,国内制造企业也掀起了建设客户关系管理(CRM)的热潮,主要原因是企业面临更加激烈的市场竞争,企业开始从"以产品为中心"的模式向"以客户为中心"的模式转移,企业管理的视角也从"内视型"向"外视型"转换。而客户关系管理正是通过研究企业与客户互动,努力减少销售环节,降低销售成本,发现新市场和渠道,提高客户满意度,实现通过获得与客户关系的最优化来达到企业最终利润的最优化。但是目前实施CRM的很多企业在运行成本和客户满意度两方面都遇到了极大的挑战,其中一个最重要的原因在于客户交互平台的设计和运行。

CRM系统的最前端是客户交互平台,包括人工业务前台、呼叫中心、WEB网站。如果网站平台能够自动及时智能地回答客户的提问(包括EMAIL的回复),那对企业来说是最经济的。然而现在实施CRM系统的企业WEB大多提供的是静态的信息和有限的关键词查询,并不具备实时、自动化的智能应答功能,电子邮件又不能及时智能地答复。因此,客户95%选择通过打电话方式,企业按照15 s内接通率大于80%的行业标准来安排人工座席代表(这些代表要能胜任处理售前、售后、投诉三方面的问题),成本非常之高,企业投资带有互动语音应答(IRV)功能的呼叫中心,又大多存在着等待时间过长、互动语音应答功能单一并且选项复杂等问题,使客户很不满意。

CRM是对企业经营最具增值潜力的系统,瓶颈在于如何最经济地最直接地和客户沟通,能够预计到客户的需求,智能地为客户服务。作者正在研究的一个项目正是基于这一目的而设计的。该项目研究建立一个基于自然语言理解技术的智能自动应答系统并集成到CRM中。它以一个企业CRM为原型,以知识库为依托,接受客户通过浏览器以自然语言方式(包括EMAIL)提出的问题,系统经过理解后根据问题性质,驱动相应业务模块,从常见问题库以及CRM的市场业务库、销售业务库、服务业务库中提取相应的答案自动回复,和客户进行智能交谈。然后将与客户交互的资料自动转入CRM后台的业务系统和数据仓库进行数据挖掘,从而实现最经济地与客户实时互动,提高客户的满意度。

2 智能实时交互平台设计目标与总体结构

系统设计目标:

(1)系统服务对象在客户端通过浏览器,点击提问按钮进行提问,允许用自然语言在问题框中输入所要提的问题。或通过电子邮件发送提问文本。

(2)如果客户提问的是咨询问题,系统通过在常见问题咨询库搜索答案并自动回答客户所提问题。

(3)如果客户提问的是销售等业务问题,系统将进行客户验证,调用客户档案和业务处理模块,将处理结果和状态返回给客户。

(4)如果客户提问的是售后服务问题,系统将进行客户验证,调用客户档案和售后服务处理模块,将问题记录下来,并将处理预期安排返回客户。

(5)如果是企业现场人员提问,系统调用内部专用模块以及营销管理等模块,记录问题,返回操作标志,等待企业现场人员进人内部业务系统或取消。

(6)系统自动维护常见问题库(FAQ库),并保持其结构的良好性,同时,也支持业务人员的人工维护(增加、删除和修改等)。

(7)通过WEB日志等多种方法将交互数据连接到后台进行数据挖掘。

智能实时交互平台的服务对象有三类,一类是企业的客户和企业现场人员,他们可以自然语言和系统交谈,接受服务;二是市场、销售、服务业务部门的业务人员和部门经理,他们负责构建客户档案、业务库、FAQ库等,并提供对客户档案、业务库、FAQ库等的不定期维护,还负责回答系统无法自动回答的问题;三是系统管理员,负责整个系统的安装和软、硬件维护,维持整个系统的良性运行。

3 系统开发内容和关键技术实现

系统开发涉及到的主要内容有:

(1)用户接口设计:与用户交互,接受以自然语言问句的方式提问(包括电子邮件),将析取的答案以友好的界面提供给用户。

(2)问句及Email文本分析:对问句及Email文本分析,借助词典库、问句语料库等资源,识别出术语、主题概念、关键事件类概念和疑问句的其它格角色,形成原始问句向量,并作同一化处理。

(3)自动分词与加权。

(4)问句语料库、知识库、业务库的建立。

(5)答案提取服务。

(6)业务系统集成。交互数据集成到业务系统进行数据挖掘。

关键技术实现:

(1)采用字符串匹配和同现频率统计相结合的技术进行问句、EMAIL文本、FAQ库和业务库的自动分词。

(2)采用XML优化存储技术建立知识库等。

(3)按词表法,根据XML-DR进行优化搜索,析取符合要求的答案。

(4)邮件代理:利用服务器的扩充API以及支持的脚本语言编程实现。

(5)通过WEB日志等方法统计数据进行后台数据挖掘。