财富管理业务中的智能客服，除了聊天还能干什么？
W君
来源：普益标准•诠资管研究中心
在金融行业呼唤数字化、科技化转型的今天，人工智能、语音识别技术、自然语言处理等技术的快速发展为金融行业的发展提供了新思路。其中智能客服因其具备较强的场景化、交互性特点，在金融领域尤其是财富管理领域快速展开应用。目前许多金融机构积极建设线上智能客服系统，实现由线上系统自动理解客户问题并进行解答和办理简单业务，以提高服务响应速度。但值得注意的是，智能客服的赋能作用更多地体现解答重复性问题，对于专业性强、较为复杂的问题，仍需要人工客服介入。
一、什么是智能客服？
近年来，随着生活节奏的加快，人们对服务也提出了更高的要求，及时性与准确性成为人们评价服务好坏的重要标准之一。在金融领域亦是如此，随着财富管理业务市场逐步下沉，对长尾客群的客户服务需要大量的人力物力来维护，传统的人工客服面临着人工成本持续增加、客服效率低等问题。而人工智能、语音识别技术、自然语言处理等技术的成熟催生了智能客服这一场景智能工具，为解决这一问题提供了新思路。智能客服系统最擅长的工作就是处理金融客服重复率较高、复杂度较低、服务效率有较高要求的事务，而这些事务正是制约财富管理行业客服工作效率的重要问题。
智能客服系统是在大规模知识处理基础上发展起来的一项面向行业应用的，适用大规模知识处理、自然语言理解、知识管理、自动问答系统、推理等等技术行业，智能客服不仅为企业提供了细粒度知识管理技术，还为企业与海量用户之间的沟通建立了一种基于自然语言的快捷有效的技术手段；同时还能够为企业提供精细化管理所需的统计分析信息。在实际应用中，智能客服主要是作为聊天机器人，它能够与人毫无障碍地交流，迅速回答用户的每个问题，并给出准确的回答。一些智能客服还同时兼具“人性化”特点，加入搞笑幽默的元素，在与客户交谈的场景中更加拟人化。
二、智能客服，仅仅是为了陪客户聊天吗？
财富管理行业中的智能客服，除了上面说的回答客户问题，更能在客户KYC、产品组合推荐以及售后服务等交易的前中后期提供全流程服务我们将从智能客服在财富管理领域的应用场景、关键技术和发展现状及难点进行分析。
1、应用场景
在财富管理领域，智能客服目前主要应用于线下网点的实体机器人和线上开发的网银、手机银行APP、微信和电话银行等虚拟机器人服务。根据与客户交互方式的不同，可以将智能客服分为语音智能客服和文字智能客服。
线下网点实体机器人能够为客户提供自动取号、客户分流与指引、业务咨询、线上填单、自助办理部分业务、商品营销、知识讲解、客户互动等服务。2018年，建行在上海成立了首家“无人银行”，使用两位智能机器人代替了银行柜员及工作人员，实现了银行网点的高度“智能化”。不只是建行，目前大多数银行都在网点配备了智能机器人，它能够为银行节省人力资源，提升网点服务效率，比如，一个客户到网点开卡，要先叫号、再填单，然后再到窗口办理业务，一般要15~20分钟，而使用智能预处理终端可以节省60%的填单录入时间。同时，通过萌趣的语音问答，调动客户互动的积极性和网点气氛。
线上虚拟机器人目前广泛应用于智能投顾、智能化资产配置系统、手机银行APP以及微信等平台，服务内容涵盖财富管理业务的整个流程。以智能投顾为例，智能客服能够在交易前期协助从业人员进行客户“KYC”：通过对客户如投资目的、资金规模、风险偏好等前置数据的分析为客户推荐产品或者组合，或协助客户进行风险承受能力问卷评估等；交易过程中自动弹出风险提示、生成资产配置建议等；交易成功之后帮助客户进行持续的持仓监测、风险提示等功能。
以浦发银行“财智机器人”和招商银行“摩羯智投”为例，“财智机器人”客群定位主要面向优质客户，并与浦发银行的线下配置平台——“财智速配”进行互通，可将线下理财经理的配置方案在线上向客户推送，客户可在手机上进行查看和交易，从而实现线上与线下双向的人机互动。“财智机器人”主要致力于在客户自主投资之后，为客户提供资产打分诊断服务，主要基于三个维度：收益性、安全性、流动性对资产进行打分评价，然后为客户推荐投资配置优化建议。“摩羯智投”则嵌套于招行APP中，其特点在于“人机结合”，不仅利用机器学习算法对用户的产品及风险偏好、交易行为及个人信息进行分析，还会有传统银行业富有经验的投资顾问为客户提供人工服务，以制定更人性化的投资服务。
2、关键技术
智能客服系统的核心技术包括构建图谱、交互技术、NLP技术和深度学习等。其中，财富管理行业知识图谱的构建及行业知识库的打造是智能客服精准定位问题及给出准确回复的知识基础。交互技术的应用主要使智能客服实现多轮对话与连续问答。NLP技术及自然语言处理，自然语言处理技术是智能客服系统的核心，相当于是智能客服系统的“大脑”，该技术可以快速、准确地理解语音识别技术所识别到的客户需求，从而为客户提供相应的服务。最后智能客服通过深度学习，捕捉到用户的需求，并实现具体问题的针对性回复。同时，基于持续深度学习，智能客服识别与判断人工客服的跳转节点，优化人机协作水平。
通常一个完整的智能客服系统需要包括前端交互模块、语音识别模块、智能引擎模块和后台管理模块4个主要部分，如下图。前端交互模块主要实现与客户之间的交互活动；语音识别模块则将客户输入的语音信息进行识别分析；再通过智能引擎，利用机器学习算法提取关键词，结合事先建好的语义知识库，进行信息预处理、语义理解；后台管理模块结合语料库找到用户需求的最优匹配，并根据匹配的结果整理答案，最后再通过前端交互模块输出给客户。
3、发展现状及难点
目前许多金融机构都开发了网站、App客户端、微信等线上虚拟机器人服务，积极建设线上智能客服系统，实现由线上系统自动理解客户问题并进行解答和办理简单业务。
虽然目前智能客服系统已经在多家财富管理机构业务中得到实际应用，但从服务质量和技术应用效果上看未来仍需进一步完善。比如在网点线下机器人应用过程中，曾有部分被报道是通过工作人员在后台遥控，针对客户的问题人工编辑好答案后再由智能机器人转换成语音回复，这反而变相增加了从业人员的工作负担。在线上智能客服服务过程中，同样存在着语音识别误差、“听不懂”客户需求的问题，不能给客户提供有效的服务。因此，首先需要控制语音识别业务的应用范围，一些简单、重复性高的工作可以交给智能客服，但针对一些高风险的业务则需要增加确认环节，以免给客户造成损失。其次，在与客户情绪沟通各方面智能客服也存在短板，尤其是在售后服务过程中，在客户情绪不好的情况下，一定程度上会使用户体验变差。
不论是人工客服也好智能客服也罢，做好客户服务工作，最重要的还是要深入了解客户诉求，瞄准客户痛点，提供解决方案。在智能客服的驱使下，财富管理机构工作人员与客户的直接交互频次降低，但客户服务的“温度”不能降低，技术缩短了与客户的时空距离，也要加深与客户的情感共鸣。
– END –
免责声明：本文内容不构成任何投资建议，投资者须以个人之投资目标及可承担风险水平作出独立评估
