Приветствую всех вОблако Tencent + сообщество, получить больше крупной технической практики Tencent по галантерее~
Эта статья написанаСалон технологий сообщества YunjiaОпубликован вКолонка «Облако + сообщество»
Тан Анлин (Tan Anlin), старший инженер Tencent, присоединился к Tencent в 2015 году, имеет 8-летний опыт работы в интернет-индустрии, занимается разработкой платформ для больших данных и продуктов; группирует и привлекает новых потенциальных ценных клиентов. В настоящее время наши продукты включают в себя: интеллектуальное обслуживание клиентов, пакет больших данных, мобильный анализ Tencent, мобильные push-уведомления Tencent и т. д.
Бизнес — это вопрос обмена ценностями, а не эквивалентного обмена Из-за информационной асимметрии мы, вероятно, приведем к некоторым последствиям: победитель получает все. Когда люди что-то покупают, они могут обращать больше внимания на товары с более высокой рыночной популярностью. Это приведет к тому, что некоторые продукты будут такого же качества или даже более высокого качества и дешевле. доля рынка Преимущество. Как группа данных, мы надеемся предоставлять цифровые и интеллектуальные услуги, основанные на коммуникационных технологиях и технологиях больших данных, чтобы повысить ценность нашего маркетинга.
Цель каждого — зарабатывать деньги. Мы должны решить эту непротиворечивость коммуникации и информационную асимметрию. Мы идем на Taobao или JD.com, чтобы купить что-то.Если есть проблема с качеством, мы найдем их ручное обслуживание клиентов, чтобы помочь нам решить любые проблемы. Существует также онлайн-сервис, который люди используют при бронировании авиабилетов и отелей, то есть ручные звонки, и все больше текстовых или голосовых роботов продолжают предоставлять это преимущество.
Инструменты, которые у нас есть сейчас, не могут напрямую решать маркетинговые задачи. Например, в сфере образования модель успеваемости каждого ученика разная. Кто-то лучше разбирается в математике, а кто-то плохо в китайском языке. Нам нужно учить студентов в соответствии с их способностями и подключать стандартизированные продукты. много подсценариев в индустрии образования. Нам нужно сделать один. Продвижение для определенного сценария, продвижение и способ для наших пользователей перейти от регистрации к конверсии. Эта часть процесса очень долгая. Если мы звоним клиенту, и пользователь говорит, что у нас очень хороший информационный продукт, ваш ребенок после прослушивания может измениться с 80 на 90. Вначале он будет очень интересно. Однажды днем или ночью его сосед сказал, что есть учитель Чжан, у которого курсы неплохие. В это время вся ваша маркетинговая ссылка будет разорвана. В течение всего процесса мы надеемся, что сможем решить некоторые возможности данных , коммуникационные возможности, перейдите к Продолжить, чтобы решить услуги для наших клиентов, от предпродажи до послепродажного обслуживания.
Одна из вещей, которую мы делаем, используется соответствующими клиентами. Мы нашли ценную группу для наших клиентов из предварительных продаж и можем позволить им заниматься целевым маркетингом. Первоначально было 300 000 маркетинговых фондов. Если мы скажем, если мы напрямую находим группу людей, которые могут быть обращены, мы можем размещать соответствующие SMS-сообщения и совершать звонки в фиксированную точку, чтобы повысить рентабельность инвестиций, наши отраслевые клиенты будут оплачивать счет.
Здесь мы видим, что предварительные продажи — это, в основном, прогнозирование поведения. Мы будем поддерживать два режима прогнозирования поведения. Один из них — подсчет потенциальных клиентов. Когда мы будем заниматься офлайн-рекламой, мы будем собирать информацию при продвижении офлайн-активностей. Получить контактную информацию некоторых пользователей, дайте ему оценку с помощью этой контактной информации и номеров телефонов и решите, может ли он быть преобразован нами в соответствии с некоторыми характеристиками больших данных, и будет ли он платить за наши продукты. Еще одна часть заключается в том, что у всех также есть рекламные объявления.Будь то 2B или 2C, каждый будет размещать рекламу и давать ее людям, подвергающимся воздействию.Люди, которые нажимают на ваш целевой сайт, также являются подсказками.
Другой рынок, мы скажем вам, что в Интернете могут быть определенные группы людей, которые являются вашими потенциальными группами. Здесь мы делаем первый этап предпродажного прогнозирования поведения, включая некоторый майнинг.После подсчета очков мы сообщаем клиентам, что эти ценные люди могут использовать их для прямых исходящих звонков и исходящих звонков один на один.Этот показатель успеха очень высокий. Другие наши ценные конверсии составляют всего 10%, вплоть до 20%. Поэтому некоторые люди хотят спросить, есть ли 70% и 80% группы пользователей, которые сдаются напрямую, конечно, нет, мы надеемся, что эти группы можно будет объединить с текстовыми сообщениями и исходящими каналами, чтобы сделать прогрессивную оценку проекта и продвижение конверсионная готовность продвигать.
Если пользователь конвертировался, он оплатил десять уроков, и он будет учиться на этих десяти уроках, послепродажное обслуживание мы ему обеспечим позже, так что это не просто пассивный сервис. О том, как вернуть первые две ссылки и возможность интегрировать данные, мы поговорим позже.
Я только что говорил об образовании, и сегодня я сосредоточусь в основном на образовательной отрасли. Мы занимаемся прогнозированием поведения в сфере образования, предсказывая, что пользователь зарегистрируется или купит определенный тип продукта. Мы будем оценивать по двум параметрам: один — готовность платить, а другой — способность платить. Как видите, наши ожидания от обучения за границей и качественного образования тоже, как ожидается, станут драконами. Их готовность платить будет очень высокой. На самом деле, в некоторых наших случаях коэффициент конверсии платежа также очень хороший. много работать типа, готовность платить не так высока, но если у него есть деньги, пока делается один заказ, цена в расчете на одного клиента относительно высока. Для наших продуктов с относительно высокой ценой за единицу очень ценно усердно работать.Мы также проводим различное индивидуальное моделирование для разных отраслей и разных конкретных клиентов, чтобы обеспечить дальнейшую поддержку.
Только что упомянутая часть подсчета лидов будет сочетать в себе как онлайн, так и оффлайн ссылки.Раньше мы делали больше онлайн, и сейчас мы работаем над оффлайн частью.
Еще одна часть - раскопки потенциальных клиентов. У наших клиентов, таких как многие компании в сфере образования и финансов, есть набор сидов пользователей, которые уже купили продукты, включая номера телефонов и удостоверения личности.Они надеются, что на основе этого пакета смогут найти больше людей и похожих людей. распространение, чтобы отделить его пользовательский диск, здесь мы интегрируем соответствующие функции больших данных, чтобы сделать распространение толпы. Как это сделать здесь можно кратко поделиться, потому что есть только семена, положительные образцы, а не подвыборки. Это случайный выбор части из большого рынка. Этот метод не очень эффективен. Мы будем использовать метку метод извлечения для извлечения некоторых семян.Толпы, по сравнению с теми, которые связаны с отрицательными метками, сделанными таким образом, оценка будет выглядеть очень хорошо, но стабильность будет плохой, когда она будет специально реализована. Следующим шагом является создание пулеаринга, который начнется с пользователя начальных значений, поместит его в подвыборку для создания модели скрининга начальных значений, а затем использует фактически извлеченные положительные и отрицательные образцы для прогнозного моделирования и, наконец, мы добьемся лучшего эффекта.
Вся часть прогнозирования поведения предпродажной способности при выполнении машинного обучения будет обрабатывать свои собственные данные, сначала иметь данные и выполнять предварительную обработку данных, эта часть займет много времени, и мы должны обработать данные. с различными алгоритмами, настраивать параметры, делать онлайн-отладку модели и выходить в интернет. У нас есть разные модели в разных отраслях и разных клиентов. Нам нужно делать целевые онлайн-сервисы. Мы тратим много времени, и нам нужно, когда новая вещь запускается, некоторые параметры нужно менять, а некоторые модули даже перезапускать.
Здесь мы используем платформу больших данных TI One в облаке Tencent, которая представляет собой структуру, которая может поддерживать различные типы машинного обучения.Мы используем такие алгоритмы, как CNN и GBDT.
Позвольте познакомить вас с полезным моментом TI One. Я пишу некоторые вычислительные задачи, которые можно объединить в поток задач. Например, нам нужно обучить модель. После завершения обучения оценочный узел результат алгоритма может быть сформирован. Мы можем видеть простую оценку, эффект оценки алгоритма, разные клиенты имеют итерации модели во время выпуска, эта итерация может быть маленькой итерацией, это может быть большая итерация, многие ссылки необходимо обновить, и даже некоторые ссылки будут сильными. зависимость; TI One добился определенной степени разделения, позволяя студентам, изучающим алгоритмы, делать это напрямую, открывать его через TI One, а затем интегрировать в проект.
Внедрите несколько шаблонов моделей для нашего прогнозирования поведения. В настоящее время мы работаем в четырех отраслях. Мы можем сначала поделиться примерами из этих двух отраслей. Наш коэффициент совпадения по-прежнему очень выгоден на рынке. Если пользователи предоставят 1 миллион пакетов номеров , мы сможем определить, что в нашей системе 93% людей с портретами и характеристиками, причем 93% из них с образованием и 87% с недвижимостью, что намного выше, чем у других знакомых и бизнесменов. С точки зрения эффектов модели мы предскажем приведенную выше классификацию намерений: наши высокие намерения будут лучше для маркетинга, а способность модели к сортировке будет лучше.
Мы только что упоминали перед продажей, как откопать потенциальные толпы, потенциальные дорогие толпы и сформировать функцию ручного процесса исходящих звонков. Однако наша оценка его намерений не очень совершенна. Для таких людей можно использовать SMS-маркетинг. Здесь мы также можем отделить его намерения от ссылки на SMS-маркетинг, будь то сильное намерение или среднее намерение. отфильтровать второй раз, сделать исходящий вызов.После исходящего звонка здесь может быть много студентов, которые это делают.Наша основная способность для исходящих звонков или связи между звонками, или добавить наши данные поверх этой возможности доступа.Возможность, мы можем надеемся достичь того момента, когда мы сможем различать пол, образование, доход и интересы при звонке с телефона. Выбирайте разные шаблоны в соответствии с разными типами и следуйте соответствующему сценарию. В то же время мы также сделали некоторый последующий маркетинг, основанный на таких механизмах.
Это случай доставки SMS.Во всем процессе доставки SMS мы будем использовать сервис неработающих ссылок, чтобы отслеживать и отслеживать изменения данных по всей конверсионной ссылке и какой шаг предпринял пользователь.Здесь вы можете посмотреть на В следующем случае два пакета 1, первый пакет стоит 420 000 юаней, и если намерение велико, видно, что он разделен на три небольших пакета для доставки, и эффект относительно хороший. Исходя из этого, вы можете предоставить различные маркетинговые программы или провести некоторое сравнение маркетинговых программ в зависимости от времени и цикла вашей доставки.
Вот наша текущая структура обслуживания для исходящих вызовов. Наши возможности ориентированы на логическую обработку во внутреннем канале, таком как сервер программного коммутатора FS. В настоящее время мы находимся в стадии разработки, и мы надеемся, что внешние партнеры наладят некоторое сотрудничество. Мы предпочитаем использовать интеллектуальные устройства для создания комплексных решений для работы с большими данными.
Это текущий процесс идентификации ASR и TS.Мы вводим слова,значит в нем есть характерная логика.После ввода будем вызывать движок ИИ.
Это текущая страница продукта. Эта страница может поддерживать соответствующие слова, может быть несколько записей слов и специальных комбинаций функций. У нас могут быть разные целевые записи. Если он заходит, он может перейти к соответствующей другой записи. что у нас также может быть несколько нисходящих потоков для каждого узла, таких как положительные намерения, отрицательные намерения и неизвестные намерения.
Это одна из наших демонстраций. В будущем мы сможем нацеливаться на различные группы клиентов типа Джеки Чана и проводить различные рекламные кампании в соответствии с их характеристиками. Например, пользователи, которые, как ожидается, будут учиться за границей, предпочтут преимущества иностранных учителей.Мы представим опыт различных иностранных учителей.Если это возможно, придет намерение сказать, что мы предоставим вам соответствующий курс опыта, пойдем испытать тело, и будет перевод человека следить за. Как Джеки Чан, они надеются, что у них хорошие оценки в начальных классах и может быть определенный статус в округе.Они для них запустят здесь образовательный продукт.Если будет удобно, то наши учителя будут экипированы или наш исторический опыт быть богаче. Для негативных намерений мы сохраним еще немного и спросим о причинах, надеясь, что они увидят на этом этапе, и мы можем передать их опасения и их опасения нам, и мы можем провести последующий анализ. Если это связано с затратами, мы можем автоматически создавать некоторые шаблоны со скидкой, чтобы делать специальные запросы на обслуживание. Мы предоставляем пассивный прекорпус.Нам сложно предсказать, что скажет заказчик.В этом случае нам необходимо обеспечить целостность сервиса и лучший опыт.Мы добавляем пассивный корпус.Эта часть - возможность нашей интеллектуальной службы поддержки клиентов.
Мы только что упомянули здесь службу поддержки клиентов. Мы используем службу поддержки клиентов для общения и оказания технической поддержки. Мы на самом деле надеемся, что служба поддержки клиентов сможет взять на себя больше функций, например, некоторые маркетинговые задачи. После того, как продукт будет продан, маркетинг может быть достигнут. Чтобы быть вторым штрихом маркетинга, после того, как продукт продан, вы можете сделать последующий визит. Я только что упомянул момент. После того, как один из наших пользователей купит курс, курс может составлять десять часов занятий, а он только занимает два или три часа занятий. Если позже не будет последующих действий, служба поддержки клиентов может сделать последующие действия в это время. Этот метод может поддерживать стабильность наших отношений с пользователями, а также может повысить удовлетворенность наших пользователей, что может улучшить наш показатель обратного выкупа.
Платформа обслуживания клиентов. Фактически, в настоящее время многие из наших клиентских каналов, таких как веб-версия или приложение, такое как H5, также открыли корпоративный WeChat, и публичная учетная запись WeChat также является относительно зрелой.Мы предоставляем многоканальное обслуживание клиентов и после -продажи конечным пользователям C. Для использования системы обслуживания клиентов эти данные собираются вместе, не только данные обслуживания клиентов, но и для другого последующего анализа. После интеграции их можно использовать для рынка, продаж , и новые исследования и разработки функций.Несколько вдохновения, вы можете найти новый шанс.
Это случай нашей службы поддержки клиентов с искусственным интеллектом.В настоящее время есть некоторые компании, такие как наша общественная безопасность, правительство и предприятия, а также некоторые общедоступные учетные записи, такие как операторы. Мы связали официальную учетную запись WeChat с данными службы поддержки людей, чтобы служба поддержки могла видеть недавнее взаимодействие между пользователем и роботом и могла давать более точные вопросы и ответы.
Это вся техническая структура, включая обслуживание клиентов роботами и обслуживание клиентов людьми. Будет некоторое управление искусственным состоянием ИИ, несколько раундов вопросов и ответов и управление контекстом. Здесь мы используем данные обслуживания клиентов людьми в обратном порядке. Первый - поговорить с WeChat H5 или веб-страницей.После интеграции блока данные на стороне пользователя будут отправлены на сервер, а сервер и ручная служба поддержки клиентов будут механизмом в реальном времени через веб-сокет, и асинхронная обработка сообщений обеспечит высокую производительность и большую стабильность.
Для архитектуры всего робота ИИ обслуживания клиентов мы будем получать доступ к различным каналам с уровня доступа.В настоящее время на уровне вопросов и ответов поддерживаются четыре типа роботов.Есть соответствующие одноэтапные вопросы и ответы, многоэтапное взаимодействие, задача и чат Мы также предоставляем соответствующие инструменты обслуживания роботов, такие как графики знаний и инструменты анализа операций с данными. Есть два обычных, один из которых — серверный движок, который будет использоваться для всех систем, таких как система распределенного кэширования, за которой следуют алгоритмы, алгоритмические движки и глубокое обучение.
Вся структура алгоритма обслуживания клиентов использует метод поисковой платформы. В начале мы будем проводить исправление ошибок для каждого вопроса и исправления текстовых ошибок.Когда пользователь отправляет вопрос, он может отправить опечатку.В это время мы сначала выявим опечатку, и мы проанализируем ее в соответствии с наша сегментация слов Top1, перейдите в систему индексации, чтобы выяснить соответствующие проблемы, после обнаружения нам нужно рассчитать сходство, которое мы использовали для прямого разделения текста на соответствующие переменные функции на этапе расчета, и использовать этот метод для вычислить сходство, а позже мы используем глубину обучения CNN, эффект также улучшается.
Первоначально мы предоставляли обслуживание клиентов с гарантией посадки 7x24 часа. Но когда другие задают нам вопросы, наши собственные сотрудники не могут быть доступны круглосуточно.В настоящее время у нас есть некоторые регулярные вопросы, и мы надеемся дать им некоторые ответы. Здесь мы удовлетворяем базовые потребности в начале, а в дальнейшем надеемся повысить эффективность работы и сохранить возможности техподдержки. Инновации — это то, чем мы занимаемся в настоящее время. Фактически, интерес к обслуживанию клиентов может служить обратной связью для предсказания поведения. Когда пользователь жалуется или запрашивает дополнительную информацию, он выражает заинтересованность.Эти баллы будут добавлены в маркетинговую систему, и его коэффициент конверсии улучшится. После анализа текста и данных вы обнаружите, что в поведении клиентов хранится много данных, данных о вопросах пользователей и данных о взаимодействии со службой поддержки клиентов, и вы можете составить несколько новых планов продуктов.
Раньше мы были пассивной службой обслуживания клиентов. Позже многие сценарии стали активными службами. С точки зрения маркетинга нам все еще нужно выполнять более активную часть маркетинговой службы.
Это способность индустрии образования добавлять большие данные. Мы можем быть более точными и умными, а также мы можем объединить послепродажное и предпродажное обслуживание для предоставления комплексных услуг. Это верно и для индустрии образования. как в автомобилях и недвижимости. , финансовая отрасль похожа, у нас есть разные решения для соответствующей отрасли.
Q&A
В: Как мы обеспечиваем контроль рисков всей системы в этом голосовом и человеческом обслуживании клиентов?
О: Мы постараемся избежать домогательств по телефону и заставим пользователя почувствовать, что это нехорошо. Короче говоря, мы ограничим для него частоту и сможем делать некоторые прогнозы при звонке. Некоторые пользователи могут не нажимать на рекламу и обращать на это мало внимания.В других наших приложениях у нас есть другие каналы, и можно судить, что они будут более устойчивы к тому, что мы рассылаем.Добавьте их в некоторые серые и черные списки; конечно, многие другие находятся на пути.
Q: Здравствуйте, я хотел бы спросить, мой мобильный телефон постоянно преследуют различные текстовые сообщения и телефонные звонки каждый день.Конечно, в нашей системе, например, мы можем добавить некоторые непреднамеренные в черный список. Я хотел бы спросить, есть ли другие способы удержать клиентов, кроме смс и телефонных звонков, Вы только что упомянули два способа, которые не очень приемлемы для наших клиентов.
A: У нас есть другие методы, но другие методы не очень подходят для этого сценария, такие как методы воздействия рекламы, но этот метод не будет соответствовать нашим текущим маркетинговым ссылкам, потому что маркетинговая ссылка, которую мы сделали, предназначена для выполнения действий. когда есть подсказки или такие намерения, поскольку в основном существуют преднамеренные группы пользователей, частота домогательств будет относительно низкой.
Вложения следующие:
9.15 Тан Анлин Применение больших данных в интеллектуальной системе исходящих вызовов.pdf
вопросы и ответы
Как догнать такой горячий бум ИИ для больших данных?
Связанное Чтение
Го Лу: О взаимосвязи между платформой машинного обучения и искусственным интеллектом
Луо Донгри: Применение глубокого обучения в распознавании речи
7 минут, чтобы понять ключевые моменты салона «Технологии двигают образование, ИИ соединяет будущее»
Эта статья была разрешена автором для публикации в сообществе Tencent Cloud + Для получения дополнительных оригинальных текстов, пожалуйстанажмите
Найдите и подпишитесь на общедоступную учетную запись «Сообщество Yunjia», получите технические галантереи как можно скорее и ответьте на 1024 после подписки, чтобы отправить вам подарочный пакет технических курсов!
Огромный технический практический опыт, все вСообщество Юнцзя!