如何用 AI 節省下 5 萬封客服信件量?Synology 實戰經驗分享

透過深度學習演算法,推送建議閱讀的文章,這種方式其實就類似目前許多電商對於聊天機器人(Chatbot)的應用,在進入真人客服前,就給客戶答案。
評論
Photo Credit: Shutterstock/ 達志影像
Photo Credit: Shutterstock/ 達志影像
評論

本文為群暉科技投稿,經 INSIDE 編審後刊載。作者梁朝欽為 Synology 群暉科技機器學習組經理,於 2015 年加入群暉科技,專注於研究深度學習與影像處理相關技術,目前負責公司內部多項 AI 開發專案。

群暉科技(Synology)主要是做 NAS(網路附加儲存設備),目前在全球中小企業與家用 NAS 市場中市占率排上第一,全球累積銷售超過 650 萬台裝置,自有 NAS 作業系統 DiskStation Manager (DSM) 全球也有超過 1.5 億次下載。

但是銷量龐大也代表背後的客服量就大,我們每天都會接受到極大量的客戶資訊,為了提供更完善的客戶體驗,我們一開始安排更多的人力在做客戶服務,每年處理超過 28 萬封客戶服務信件(Support Ticket)。

也因此我們決定導入 AI 技術建立起自動化流程,群暉科技內部的機器學習小組(MLT,Machine Learning Team)花了半年時間,跟客服部門合作完成了這套 AI 自動化系統,並成功減少了超過 5 萬封客服信件總量。

邊做邊調

2018 年 6 月,我們開始執行這項專案。首先做的第一件事:釐清專案目標。

說實在要在企業內部執行一項 AI 專案,並不只有嘴巴說說那麼容易,除了技術上的挑戰外,還得涉及跨部門的溝通。 MLT 與客服部門經過不斷的會議討論,我們統整出兩個主要的訴求:一是「要如何增加客服人員的工作效率」,二是「要如何讓用戶在最快的時間內知道自己的問題要怎麼解決?」 

第一個階段,我們鎖定優化內部用來管理客服信件的 CSS 系統(Customer support system),導入深度學習演算法讓客服人員能獲得更好的搜尋結果。這是因為群暉科技的產品線很豐富,過往累積的知識庫與問題實在太龐大,當客服人員在處理用戶遇到的問題時,還是需要花很多時間才能確認是否是已知問題(known issue),因此透過優化客服系統的搜尋方式,可以增加客服人員在調查問題時的處理效率,並且更快速的回覆給客戶。

透過改善整體搜尋速度,滿足了我們其中一個訴求「增加客服人員的工作效率」,此外,我們在客服系統中直接做了批次回覆(batch-reply system)系統,根據使用者問題中的關鍵字,從過去的範本(template)中用演算法歸類並選出最有可能的回應,好讓客服人員直接審閱後回覆給用戶。

不過,我們遇到的挑戰是,為了確保回覆的百分之百正確性,即便選出了接近理想答案的回覆,在最後一個步驟時還是得經過客服人員審核。即便增加了客服人員的工作處理效率,但客服人員仍得一一確認正確性,無法做到全自動化處理。

因此,我們開始尋思有沒有更好的方式,可以更加有效的改善整體工作流程,於是我們著手進行第二個階段的計畫。進一步達成我們另外一個訴求「要如何讓用戶在最快的時間內知道自己問題要怎麼解決?」

恰當時機推送恰當訊息,在問題的當下馬上解決問題

因此第二個階段,我們在前台的客服系統中直接建立了一個名為「Smart Support Form」的功能,當客戶在官網開始填寫客戶服務單,並填完客服單的摘要時,就透過演算法自動推薦他三篇可以閱讀的知識庫文章。

之所以如此設計,是由於許多客戶的問題其實是可以輕易解決的,從我們過去的經驗來看,客戶最常遇到的情形是雖然官網上已經有許多使用說明和解決問題等相關文件讓客戶參考,但仍有不少人在遇到問題時,會不知道如何查詢說明文件,希望能更快速的解決問題。因此,如果能在「恰當」的時間點,把這些恰當的資訊正確且快速的推送到客戶面前,就可以大幅提升問題處理的效率。

vvvc91
(圖說:群暉科技在客服系統中運用深度學習演算法,客戶只要在「問題摘要」欄位填入 100 字內的敘述,系統就會根據關鍵字推薦最符合需求的三篇文章。這個步驟讓群暉科技一年減少超過 5 萬封客戶服務信件。)

我們的知識庫很豐富,客戶需要的解答也在裡面,因此我們結合在 Support Form ,讓客戶遇到困難時,可以快速提供他需要的資訊。而推薦文章預設為三篇,則是為了不過度打擾客戶,減少客戶需要過濾資訊量,因此我們內部以三篇內就要精準回答客戶問題為目標。

透過深度學習演算法,推送建議閱讀的文章,這種方式其實就類似目前許多電商對於聊天機器人(Chatbot)的應用,在進入真人客服前,就給客戶答案。而以群暉科技這樣囊括個人與企業用戶的企業而言,相較於聊天機器人更適合這樣的使用情境。

最後我們獲得的成效是,透過導入這套自動化推薦系統,客戶服務信件的總量減少了將近 5 萬封客服信件,絕大部分客戶的問題與需求都可以因此快速獲得排解,一方面也讓客服人員可以更專注的處理那些更棘手的難題。

而隨著我們持續更新知識庫,未來累積越來越多的數據,就會讓推薦更精準,意即這套自動化系統的效果將會延續,並且隨著時間變得越來越「智慧」。

企業執行 AI 專案的思維:目標導向

這次成功的經驗,我們認為值得分享的還有企業導入 AI 的思維。事實上,現在許多企業都有自己專職的 AI 單位,藉此布局技術前沿。以群暉科技來說,我們在 2016 年底時因為計畫在相片管理套件 Moments 裡導入 AI,因此成立了 MLT,在內部尋找具備深度學習相關領域經驗的人加入團隊,人數規模也日益擴大。

一般來說,企業內部很少會有這種獨特定位的單位,做內部專案也做對外產品。但作為一家儲存廠商,這也是為了要發展我們多樣化的布局。截至目前,從內部的客服專案,到對外的產品 Moments 、核心作業系統 DSM 7.0 新功能,以及深度智慧影像監控系統 DVA3219,背後都有 MLT 的技術支撐。

責任編輯:Chris
核稿編輯:Mia



精選熱門好工作

品牌行銷人員

魔髮部屋
臺北市.台灣

獎勵 NT$15,000

策士事業群 策略總監 / Director

布爾喬亞公關顧問股份有限公司
臺北市.台灣

獎勵 NT$15,000

Java Backend開發工程師

天旭國際科技有限公司
臺北市.台灣

獎勵 NT$15,000