首页 > 技术

2022爱分析・智能客服厂商全景报告 | 爱分析报告

2023-01-28 16:21:13      西盟科技资讯   


  报告编委

  张扬

  爱分析联合创始人&首席分析师

  文鸿伟

  爱分析高级分析师

  王鹏

  爱分析分析师

  目录

  1.研究范围定义

  2.厂商全景地图

  3.市场分析与厂商评估

  4.入选厂商列表1.研究范围定义

  研究范围

  在数字化快速发展的大背景下,随着消费人群及其消费意识的转变,客户对服务体验的需求持续升级,客户服务从单一的售后服务,前置到品牌营销乃至扩展至客户生命周期的全链路,智能客服的边界也在不断拓宽拓深,在为企业提供客户服务基础上,更多地切入业务场景。同时,在新一代人工智能技术赋能下,创新的智能化应用在客服领域逐步加深。

  从智能客服应用场景来看,最开始聚焦售后服务,后来延伸至智能外呼。随着政策监管趋严以及人工智能等新兴技术的快速普及,智能客服的范畴进一步延展至在线客服、坐席辅助、智能质检等领域,以期通过底层技术的辅助,持续加深对客户画像及需求的理解,提升响应速度、服务效率、服务规范度。

  从智能客服的发展路径来看,尤其是随着甲方对于客户全生命周期价值(CLV)的日趋重视,客户服务已不再只是成本中心,其定位也在不断往“价值中心”加速演进。伴随人工智能、云计算等新技术的不断普及,加之新冠疫情的影响,通过智能客服平台来破除传统客服行业发展桎梏成为越来越多企业的必然选择。智能客服,可实现全天候响应,通过替代部分人工或与传统人工服务进行高效结合,提升整体的客户咨询匹配准确率及成功率,最大化客户满意度,为客户的业务咨询、复购、口碑传播等提供支撑,帮助甲方降本增效,持续优化客户体验。

  本报告重点选取智能客服一体化市场作为重点研究对象,对智能客服进行研究。

  图 1:智能客服市场全景地图

  厂商入选标准

  本次入选报告的厂商需同时符合以下条件:

  厂商的产品服务满足各市场分析的厂商能力要求;

  近一年厂商具备一定数量以上的付费客户(参考第3章市场分析部分);

  近一年厂商在特定市场的营业收入达到指标要求(参考第3章市场分析部分)。

  (注:“近一年”指2022年Q1至2022年Q4) 2.厂商全景地图

  爱分析基于对甲方企业和典型厂商的调研以及桌面研究,遴选出在智能客服市场中具备成熟解决方案和落地能力的入选厂商。

3.市场分析与厂商评估

  爱分析对本次智能客服项目重点研究的特定市场分析如下。同时,针对参与此次报告的部分代表厂商,爱分析撰写了厂商能力评估。 智能客服一体化

  市场定义:

  面向企业的客户服务中心等部门构建或升级客服服务能力、提升客户体验的需求,通过提供在线客服、云呼叫中心等SaaS层及智能机器人、智能质检等智能层产品,帮助企业系统构建贯穿客户服务的服务前、服务中、服务后的全流程闭环能力,提升企业客户服务的整体响应效率、响应精准度、降低违规风险,提升客户体验。

  甲方终端用户:

  客户服务部门、市场部门、HR等部门

  甲方核心需求:

  随着消费人群及其消费意识的转变,终端用户对企业客户服务提出了更高要求。同时,叠加疫情因素,原本线下业务被迫迁移至线上,致使线上业务量陡增,企业现有的客服中心面临多重挑战。因此,企业需要利用人工智能等新技术系统化提升自身客户服务能力,具体核心需求如下:

  企业需要高效、精准地完成人员培训,并赋能员工持续学习。首先,企业所需的关键知识、经验大多存在于专家或优秀员工个人知识体系中,并未形成专业文档或完成知识资产化,难以复用,可能造成客户服务质量层次不齐。因此,企业需要将现有专家、优秀员工的专业知识和经验进行梳理总结、系统提炼和资产化,以摆脱经验驱动,实现规模化复用,方便业务人员对所需的专业知识进行快速查询和学习。其次,企业之前的培训方式基本为无差别授课式培训,但员工学习能力各有差异,集中式培训效率低,培训效果较差,且效果无法闭环。尤其是对没有直接管理权的经销商员工,企业更需要更加灵活的学习方式供其选用。因此,企业需要针对不同学习能力的员工,基于其行为分析及能力画像,精准推送更为合适的学习内容,并实现场景化、自动化学习过程,以练代培,促进员工持续成长。

  企业需要实现工单的全渠道统一接入,并通过智能工单管理,将接入的客服工单路由至最合适的员工。一方面,互联网时代,企业触客渠道越来越丰富多样,流量分散导致客服渠道被同步拉宽。传统模式下各平台渠道相对独立,客服人员在接待访客时需不断切换系统,影响接待和响应效率。另一方面,在某些高并发业务场景下,很容易出现回复不及时导致客户体验差甚至出现客户流失等情况。因此,企业需要整合微信、电话、QQ、网页、APP、微博、邮件、短信等多个渠道,实现多渠道信息互联互通,便于客服人员统一接待,并能够自动将客服工单匹配给最合适的人员进行处理,提升企业整体客户服务体验,降低客户流失率。

  甲方需要能够通过文本、语音等多形态的精准语义理解,降低坐席接入。同时需要通过辅助工具赋能员工,提升员工响应速度、准确度与规范度,确保客户沟通效率及服务质量。首先,客户常常通过发送文字、图片或者拨打客服电话等多形态方式进行咨询,也会出现跳跃性较大的问题和各类非常规问题。因此,甲方需要通过智能机器人提升对客户不同形态语义的理解,准确了解客户需求并进行自动反馈,在提升服务质量的同时降低客服人力成本投入。其次,企业业务知识体系庞杂、业务流程长,单纯依靠客服人员的记忆和习惯,很难达到合规和效率要求,必须有相应的系统辅助其按流程和话术要求高效完成客服工作。同时,客户体验还容易受到客服人员的情绪以及个体能力差异的影响。鉴于此,无论是一线客服人员还是客服管理人员均希望能有成熟的辅助工具来做辅助,提升客服工作的整体平均质量和效率。例如,在客户咨询时可通过辅助工具实时提供业务知识、话术、销售策略、业务流程等方面的帮助,让客服人员更好、更快地完成客服作业。

  甲方需要实现低成本、全覆盖、高质量的服务质检甚至实时质检,确保客户服务符合流程与管理规范。传统质检主要以人工抽检为主,难以覆盖整个业务流程,质检效率低且时效性较差,难以及时发现潜在风险和问题。并且,传统质检的质检效果易受质检员主观影响,质检质量难以把控,质检员也无法对沟通数据进行全量分析,质检工作覆盖度较低。因此,甲方需要能够覆盖整个业务流程的全量智能质检能力,甚至是实时质检能力,提升客服服务内容的合规性并进行实时介入,确保服务合规,减少质检人员人力成本投入。

  甲方需要将服务前-服务中-服务后的全流程、全场景进行打通,克服不同服务商之间数据口径不一、开发调优协调难度大等问题,确保客服体系的整体高效。首先,从需求角度出发,为满足客户越来越高的消费体验需求,企业客户服务中心也在不断升级和智能化改造,企业需要在传统客服中心基础上陆续搭建智能机器人、智能培训、智能辅助坐席、实时质检等系统,以提升客户服务能力。其次,从供给端来看,智能客服发展初期,很多厂商沿用前几代技术,而现阶段厂商更多是采用开源框架进行搭建,不同时期系统采用不同的技术架构,在一定程度上增加了系统融合的难度。经过多年的持续建设,企业内部形成了重重烟囱式系统,无法基于企业数据资产提供体验趋于一致的客户服务,致使不同渠道的客户体验层次不齐,对企业的品牌、客户运营形成很大挑战。因此,甲方需要打通客服业务全流程,破除不同厂商、不同时期的业务系统融合运行的障碍,实现全场景数据融合,提升企业客户服务的整体性、协同性与智能化,从而大幅提高客户服务的整体效率和质量。

  厂商能力要求:

  为满足甲方企业上述核心需求,需要厂商具备以下能力:

  厂商需要强大的NLP、ASR、深度学习、知识图谱等底层技术能力,赋能企业智能培训、智能客服机器人、数字人、智能质检等多业务场景。首先,厂商能够通过自然语言处理、语音识别、知识图谱等多项人工智能技术,快速识别并准确理解来自客户的文字、语音、图片等不同形态的语义以及对上下文的理解,通过语义分析其意图,并进行结果智能匹配,甚至实现对客户的跳跃性问题及非常规问题进行准确的结果匹配。其次,在底层技术基础之上,厂商需能够开发出多种开箱即用的模型,并且支持不断地调优和自主迭代,以更好地赋能智能客服机器人、智能质检等客服业务场景。

  厂商需要具备丰富的产品线和一体化服务能力,帮助企业系统化构建覆盖服务前-服务中-服务后的客户服务体系。首先,厂商需具备一体化服务能力。厂商需具备从前期的方案咨询,到中期的解决方案提供、设计规划、行业know-how植入、产品选型部署、测试、调优,再到后期的运维支持等客服领域的全流程、全场景服务能力,为客户提供端到端的闭环服务,帮助企业更好地构建、管理和运维其智能客服应用。其次,厂商需具备全面的智能客服产品体系。厂商需具备从全渠道接入、智能工单管理、智能客服机器人、数字人,到智能辅助、智能质检、智能培训、云呼叫中心等全场景覆盖的产品体系,帮助客户全面构建客服能力。

  厂商需要深厚的行业know-how,为行业客户提供高度场景化、高复用度的成熟解决方案,并支持定制化与可拓展,帮助企业持续创造业务价值。厂商需深耕智能客服领域,在多个行业具有智能客服项目落地经验,具备丰富的行业知识与数据沉淀。首先,能够基于对各行业智能客服业务场景的需求理解,将行业know-how与企业业务需求相融合,提供有针对性且高实用性的解决方案。如,智能投顾领域,厂商需要协助企业严格遵守国家监管要求,避免在产品宣传侧进行诱导或承诺收益而不明确提示投资风险等行为。其次,厂商不仅需要提供通用产品能力,也需要根据不同客户需求进行快速定制。同时,厂商的产品需要具备可拓展性,为客户新增业务或创新业务提供持续升级底座。

  入选标准:

  1.符合智能客服一体化市场分析的厂商能力要求;

  2.近一年厂商在该市场的营收不低于1000万元;

  3.近一年厂商在该市场的付费客户不低于5个。

  代表厂商评估:

竹间智能

  厂商介绍:

  竹间智能科技(上海)有限公司成立于2015年,专注于自然语言处理(NLP)、知识工程和情感计算,以对话式交互Al、知识图谱、情感分析及机器学习技术为核心,为企业提供端到端的Al数字员工,助其实现销售、客户服务、业务处理的智能自动化,以增加收入、提高效能、降低成本。

  产品服务介绍:

  智能客服方面,竹间智能依托自研的NLP(自然语言处理)、知识工程、深度学习、智能语音、多模态情感计算等核心技术,通过Service AI及Knowledge AI这两大产品平台,为企业提供对话机器人、智能陪练、智能知识库、实时坐席助手、实时质检、认知洞察等一体化智能客服产品,覆盖智能客服的坐席培训、全渠道接入与工单分配、机器人与人工接入、回访及坐席考核等服务全流程场景。

  厂商评估:

  综合来看,竹间智能在底层核心技术、产品组合、咨询及系统化落地交付方面能力突出,能为客户快速提供各类成熟的解决方案,实现业务价值。

  竹间智能长期深耕NLP,围绕智能交互与人机协同,以“NLP+机器学习”为底座,系统地构建起对话、知识、情感相融合的核心技术体系,为智能客服全系产品深度赋能。

  智能客服的本质是交互,竹间智能经过七年开发,100%自研了成熟的自然语言理解技术,并且不同于多数厂商只专注长短文本中的某一个领域,竹间智能不仅精通短文本NLP,还具备突出的长短文本结合能力,可对复杂长句进行解析,因此不仅支持传统的标准问答和FAQ,更可识别用户的诸如倒装、省略等复杂、非标难句,进行流畅的多轮对话,有效解决了传统智能客服与用户互动过程中的场景限制、答非所问能等业界难题,显著提升了智能客服对话效果。

  复杂问题需要人机协同来高效解决,竹间智能拥有强大的知识工程技术,可对企业的海量结构化或非结构化数据进行挖掘分析、解析,自动进行文本解析和知识抽取并自动构建知识图谱,实现认知搜索、智能问答、知识推理等多种知识应用,帮助企业快速构建起统一、强大的智能知识库,向前端业务场景高效输出业务及服务知识储备,支持在线客服以及坐席助手等场景,大幅提升坐席的服务效率、质量和规范化程度。

  人类的对话交流是情境、情绪、含义、形式的复杂综合,在客户服务场景下,还需要根据业务及用户需求变化而不断学习进化。竹间智能基于交互场景需要,自研了智能语音技术(ASR)、多模态情感计算、机器学习等核心技术,与NLP、知识工程一道,为全系产品和方案在知识储备、沟通交流、持续学习等核心能力方面提供坚实技术支撑,并赋能前端交互、协同的持续进化,构建“业务应用-反馈-数据-模型优化”的良性闭环。NLP结合智能语音、多模态情感计算技术,可有效支撑实际业务中出现的文字、语音、图片等多形式沟通交流以及上下文语义和沟通情绪的理解,以助力客户向终端用户提供更高效、更人性化的客户服务。

  图 2:竹间智能核心技术与智能客服相关产品示意

  竹间智能坚持技术平台化,通过丰富且功能强大的平台型产品,可系统覆盖客户服务全流程全场景,并快速组合成适配企业需求的解决方案。

  一方面,竹间智能拥有丰富多元的智能客服产品组合,具备强大的场景覆盖能力,可为企业提供端到端的整套智能客服解决方案,为企业的客户沟通提供全流程全场景赋能。竹间智能可提供包括智能陪练、对话机器人、实时坐席助手、智能质检、知识图谱与知识库、智能外呼与智能IVR等智能客服场景全系产品。

  1)在智能培训方面,竹间智能的智能陪练产品Emoti Coach,可实现以练代培,学练合一,打破传统授课式、无差别培训模式,开展一对一个性化、场景化对练,根据员工业务表现、学习的标签画像,对不同员工自动精准推送更适合其薄弱环节、能力成长的练习课程,形成千人千面的独特学习成长路径,大幅缩短员工上岗时间、不断提升服务质量,实现员工的精细化管理,并且能够与智能质检搭配,形成质培一体,以实时质检快速发现前端服务的不足,并进行实时反馈,有针对性地进行练习提升。

  2)在智能交互方面,竹间智能与金融、政企、制造、零售、医药等多个行业头部企业长期合作,通过与客户共创和抽象,积累了丰富的行业语料、场景know-how,打造出Bot Factory对话式AI平台,可为不同客服任务定制AI对话机器人,提供30+行业机器人模板、70+已开发对话技能、17个领域300+意图等丰富的标准化能力,通过Open API与企业现有系统无缝融合,企业可开箱即用,零启动可达80%准确率,训练后准确率超过90%;如需二次开发,企业可通过零代码方式,在Bot Factory平台上进行多轮对话流引擎、意图引擎、情绪引擎、知识推理引擎等内置智能引擎的简单配置,即可以极低成本快速定制、优化出符合自身业务需求的对话机器人,包括外形及风格千变万化的多模态情感数字人;此外,Bot Factory具备AI自学习能力,可进行自动化学习与训练,不间断分析和挖掘服务内容,识别及优化未知问题,自动习得新知识,越用越智能。

  3)在智能辅助方面,竹间智能的Emoti Mate实时坐席助手,可为坐席人员提供实时的专家级知识推荐,并可实现客户画像提取、话术推荐、流程导航、实时语音转写等功能,极大提高坐席人员的服务效率和规范度,尤其是可对重点服务指标、业务流程、客户及员工情绪的实时监测及预警,保证服务质量及规范,有效降低投诉风险,帮助客服主管人员分析和掌握团队整体状况,及时对服务和管理进行决策、调整和优化。

  4)在智能质检方面,竹间智能的Emoti ICA产品,积累了丰富的行业质检规则模型库,企业可一键获取,简单培训后即可启用,支持语义维度规则逻辑的图形化配置,可实现常规业务、致命项、累计加、累计扣、阶梯计分等模式;Emoti ICA具备实时和离线质检的双重能力,并可对文本、语音、视频等多模态资料进行情绪识别,实时提取客户的关注热点,可广泛应用于电话录音质检、电话回访质检、贷款催收、风险预警、话术挖掘、商机挖掘等众多场景。

  5)在知识库管理方面,竹间智能依托功能强大的Gemini 认知智能平台,可快速构建知识图谱和知识库,帮助企业实现认知搜索、智能问答、知识推理等多种知识应用,为智能客服全业务场景提供扎实的底层知识支撑。Emoti KG作为其中的知识图谱产品模块,可帮助企业自动构建金融、医疗、工业、司法等众多行业图谱,赋能智能培训、风险控制、智能问答等客服场景;另外,Emoti KM智能知识库模块,可解锁企业海量非结构化文档和数据,将文档、流程、图谱等多种知识源汇聚在同一平台,促进企业知识资产沉淀,让企业知识通过自然语言即可查询和应用,打通对内服务和对外产品,实现知识联动,赋能企业知识门户、坐席辅助、对话交互、智能培训等场景。

  6)最后,竹间智能还有Emoti Insight认知洞察、Emoti Voice智能语音、Emoti ASR/TTS等多款标准化产品可应用于智能客服相关场景。以Emoti Insight认知洞察产品为例,它可将企业非结构化数据经过标签分类,自动生成诸如用户画像、情绪、观点、基于上下文的话题分析等洞察,并通过Open API与企业各类应用直连,帮助企业丰富行业标签库和知识图谱。通过用户画像的不断丰富,提升对话机器人、智能辅助千人千面的服务能力。

  另一方面,竹间智能从企业的全周期能力构建及成本视角出发,将产品平台化,便于客户快速配置上线、二次开发、运营维护及能力拓展。竹间智能产品支持私有化部署,并提供SaaS和PaaS服务,便于不同规模企业进行选择。以对话机器人为例,竹间智能将对话式AI相关的各类引擎、能力平台化为Bot Factory对话式AI平台,方便企业对接自身各类系统并进行快速部署、调优上线,同时提供强大的运营工具,可生成日志和各项报表分析,便于企业进行系统及产品运维;此外,Bot Factory作为开放式云平台,也便于企业根据业务发展来进行AI拓展,增加对话机器人覆盖的场景,以及升级机器人的各项能力,伴随业务共成长。

  竹间智能具有强大的咨询服务能力及系统化落地实施能力,能够帮助客户设计和优化智能解决方案,推动项目快速实施上线。

  一方面,竹间智能依托成熟的项目方法论与管理体系,在服务过程中不局限于产品层面,而是向客户提供“科技咨询服务”。基于行业Know-how与AI领域的发展现状与动向,竹间智能帮助客户根据自身需求共创技术方案,明确最终的预期效果,同时对客户的数据及语料准备提供详细画像建议,以便在后续的模型训练中取得更好效果,帮助客户更好地完成产品开发与迭代优化,在资金预算内达成业务应用效果的最大化。

  另一方面,竹间智能系统化落地能力突出,有统一的交付平台,有专为交付开发的低代码开发工具,有完整的交付和运营团队。竹间智能始终坚持自主交付,确保客户所见即所得。在知识运营方法论及项目管理保障体系的保障下,进行需求梳理、产品部署、客户知识数据梳理、客户内部系统对接、调优、上线。大部分客户需求通过竹间产品的标准化功能即可满足,只用完成少量的定制化模块开发。当然,对于目前越来越旺盛的信创需求,竹间也完全能支持并满足。另外,为客户问题分级,按照项目管理流程,根据对应的问题级别去响应客户需求直至解决,重大问题快速扑灭,确保项目准时上线和价值实现。

  典型客户:

  比亚迪、上海银行、华泰证券、同程旅行、碧桂园 4.入选厂商列表

相关阅读