每天了解一點創投圈
2019 年 9 月 19 日，IT 桔子邀請循環智能（Recurrent）聯合創始人&CEO 陳麒聰為人工智慧社群，帶來「挖掘非結構化客戶交互數據，Recurrent.ai 的商業化之路」的主題分享。
循環智能（Recurrent）最近剛剛完成由真格基金領投，金沙江創投、靖亞資本和華山資本跟投的 A 輪融資。循環智能此前獲得金沙江創投、靖亞資本和華山資本的 PreA 輪融資，半年融資總額達千萬美元。此次融資將主要用於人才引進、產品創新和業務拓展。
以下是嘉賓分享部分內容：
「客戶交互」智能化的四個市場階段
企業的「客戶交互」數據，既包括用戶使用網站或者 App 的行為數據，也包括電話溝通、視頻會議、在線 IM 溝通以及線下的當面溝通數據，但大部分數據都是非結構化的，「智能」的產生，本質上是非結構化數據結構化的過程。
「客戶交互」的智能化需要經過四個市場階段，這四個階段既是「客戶交互」數據從單一渠道向全渠道擴展的過程，也是行業覆蓋從網際網路向全行業擴展的過程，更是人的工作和機器的工作逐步結合的過程。
這四個市場發展階段的特徵分別是：
1. 第一個階段是存量的結構化數據：這個階段主要是指客戶通過 App 或網站與企業產生的交互過程，用戶產生了大量點擊行為數據，這些數據跟轉化結果相關，經過分析，可以做推薦和預測。
2. 第二個階段是存量的全渠道非結構化數據：這個階段主要指企業與客戶通過電話或者在線 IM 進行溝通的數據，這些數據大部分是非結構化的，而且涵蓋了金融、教育、網際網路+生活服務等更多領域。
3. 第三個階段是增量的全渠道非結構化數據：這個階段就是將線下場景囊括進來，比如線下的面對面銷售過程、銀行櫃員與客戶溝通的過程等。
4. 第四個階段是線上線下融合以及人機結合：這個階段將由機器主要完成對「客戶交互」的人、時間、信息和渠道進行規劃和計算，由人負責信息傳達。
Recurrent.ai 目前做的事情，專注在第二階段的市場，第三階段也開始嘗試。為了適配第二階段和第三階段的技術需求，我們採取了 AutoAI 系統架構：
這個結構的底層是數據來源，包括呼叫中心、錄音設備、IM 即時通訊、資料庫以及傳感器。這些數據首先需要通過語音識別和文本處理技術，變成結構化的文本數據。
下一步是通過預訓練模型 XLNet 提取基礎特徵，以及通過人工標註來適配不同行業的實際情況，輔助提取行業特徵。將兩者結合，通過 AutoML 技術產生優化的模型。
最頂層是應用層。針對不同行業，Recurrent.ai 會把最重要的五六個維度標籤和幾十個上百個弱特徵找出來，使文本被充分結構化，之後就可以根據需求做出不同的應用。
與傳統的基於規則的應用相比，Recurrent.ai 所採用的 AutoAI 架構，最大優勢是底層架構是統一的，基於統一的底層架構，就可以規模化、可複製地支持不同類型的上層應用。
目前很多行業最大的痛點是獲客成本非常高、拉新非常貴，因此很多行業從增量運營轉到存量運營，就是從現有客戶身上獲取更大的價值。面向銷售領域，Recurrent.ai 通過 AutoAI 架構實現了銷售場景的 5 種應用：
線索打分（Retargeting）：對海量未轉化的線索進行意向打分，重新激活已有線索；客戶畫像提取：從溝通、對話內容中自動提取客戶畫像，讓銷售更有針對性；客戶心聲分析：了解大部分客戶在想什麼，然後據此調整銷售策略；銷售行為挖掘：分析高轉化的回覆，找出來哪些行為能促成銷售成單；服務質檢：了解銷售或客服是否按照規範來溝通，改進服務水平。
這些應用的最終目標都是提升銷售的轉化率。Recurrent.ai 在與客戶公司的實踐中發現，採用新的系統可以大幅降低人力成本，提升質檢和銷售線索轉化的效率。具體是怎麼做到的？我來分享教育領域的一個案例。
案例：銷售線索評分和用戶心聲分析
我們為某上市教育公司提供的服務效果，如果抽取頭部 30% 的銷售線索（leads），成單率可以做到就是傳統隨機撥打平均轉化率的兩倍多。
簡單理解，如果有 30 萬個未成交的歷史銷售線索，銷售員有精力聯繫其中 9 萬個，若隨機對這 9 萬個銷售線索進行重新溝通，那麼最終的成單量是 2700 個，成單率 3%。
如果採用線索評分系統，對歷史溝通數據進行評分，然後按照評分的高低，選擇評分高的 9 萬個客戶進行溝通，那麼就能達成 6300 個成單，成單率 7%。成單率是之前的 2 倍多，或者說，幫助企業不增加工作量情況下，帶來了 3600 個成單增量。這只是其中一項應用帶來的效果提升。
Recurrent.ai 的線索評分整體解決方案，包含了客戶畫像生產、跟進時間和渠道特徵學習以及產品特徵學習等三個主要模塊：
客戶畫像生產模塊。通過自動化的畫像生產管理系統，抽取結構化的客戶畫像。其中很多畫像特徵（用戶到底關心什麼）是甲方公司之前並不知道，Recurrent.ai 也不知道，但可以通過機器學習來得到的。跟進時間和渠道特徵學習模塊。就是要知道什麼時候、通過什麼渠道聯繫客戶。在競爭激烈的行業，如果隔了一周沒有聯繫，客戶就被別人搶走了。如果溝通太頻繁會打擾到他，所以需要從歷史溝通數據中學習到其中的規律。產品匹配特徵學習模塊。很多甲方公司的痛點不是銷售線索（leads）多到銷售電話打不過來，而是根本不知道應該向客戶推哪個產品。一旦推錯產品，就相當於少了一次機會。Recurrent.ai 的系統會從過往的溝通數據中學習到產品匹配的規律。
也就是說，為了進一步提升轉化率，企業還需要結合銷售員的能力模型進行線索分配、推薦，並且結合時間、渠道的建議，以及產品匹配的信息，綜合起來提高銷售線索的轉化率。
這個案例是執行層面的，講的是具體怎麼做能提升銷售效率。但實際上，客戶交互的智能化，還會在管理層面為企業提供更多價值。比如你會發現一個產品再怎麼推薦也沒有效果，可能問題就出在產品本身上面。
舉例來說，在教育客戶的一個案例中，一家企業通過用戶心聲分析發現「提到錄播課程上線太慢的客戶中，大部分都退課了」。對於管理者而言，這是一條非常有用的信息。如果不去改進產品，而是一味地想通過提升銷售轉化率來提升業績，顯然是不可能的。
IT 桔子超級小組介紹
「超級小組」是 IT 桔子推出的網際網路垂直行業社群，通過不同的主題性小組，為用戶結構化呈現某一領域最新動態、優質內容、火爆話題以及嘉賓乾貨。
往期活動分享嘉賓包括但不限於：Video++ COO 董慧智、來也的合伙人 白澤宇、數庫創始人劉彥、環信 CEO 劉俊彥、深思考 CEO & AI 算法科學家 楊志明、英諾天使基金執行董事周全等，人工智慧線上公開課每月一期，超級小組會員免費參與，歡迎持續關注。