金融领域的智能客服研究

2024.01.24

摘要：简单回顾了智能客服在金融领域的发展，介绍了金融领域的知识图谱、智能问答等相关技术，讨论了研究与应用的意义;另外分析了金融领域中智能客服相关技术的市场案例。在此基础上讨论了金融领域智能客服的系统架构设计和工作流程，并提出了金融领域未来创新和应用的方向。

关键词：金融;智能客服;知识图谱;智能问答

Abstract：This paper briefly reviews the development of intelligent customer service in the financial field，introduces the knowledge graph，intelligent question-answer and related technologies，and discusses the significance of research and application.In addition，several market cases of intelligent customer service and related technologies in the financial field are analyzed.On this basis，this paper discusses the system architecture design and workflow of intelligent customer service in the financial field，and puts forward the future direction of innovation and application.

Key words：finance;intelligent customer service;knowledge graph;intelligent question-anwser system

1 緒论

1.1 研究背景

回顾过去中国金融行业的客服产业历史，大致可以分为以下几个阶段：电话短信客服、互联网在线客服、网络端智能客服、移动端智能客服、智能客服机器人等。随着移动互联网、人工智能等技术的不断发展，微信、APP等移动端应用的不断研发，智能客服的服务更加高效准确。在此基础上，以金融领域为代表的智能客服发展迅速，客服的服务内容也从简单的问答转化为自助查询式或者智能问答式的业务办理模式。

金融领域中的智能客服系统在客户面前的呈现方式包括文字、图像、视频等多种形式，涉及的功能也包含了智能推荐、多轮问答、H5网页展现等等，因此系统的搭建涉及多方面的专业技术，包括自然语言处理技术、图像识别技术、智能问答技术等等。

1.2 相关技术

智能问答系统是智能客服系统工作的第一步，智能问答系统承接语义理解工作，还包含信息抽取、信息检索等功能。区别于传统的搜索引擎只能寻找匹配度最高的文字内容后单一地展示，智能问答系统能够基于用户的问询在知识库中找到最正确的答案并返回，实现对问题的智能回复。在金融行业中，智能问答系统的研究重点是如何构造适当的金融知识库以及如何设计能理解金融术语的意图解析模型[1]。

构建金融知识图谱是智能客服系统工作的第二步，金融知识图谱混合了多种人工智能技术，例如知识图谱、知识表现、知识融合、知识存储、知识检索等。一般情况下，知识图谱的应用架构中包含数据采集、知识图谱存储、知识查询等。基础数据层为智能金融的大数据算法提供支持;知识图谱数据库的建立涉及实体提取、关系提取、表格提取、规则学习、图数据库技术、推理技术等;知识查询则涉及机器学习和文本处理;最后与用户交互包含了各种不同的场景。

1.3 研究目的及意义

其一，通过将金融知识图谱与智能客服系统融合，可以有效发挥两者的共同优势。通过构建金额知识图谱，可以挖掘大数据背景下的知识间的潜在联系，提高智能问答系统的正确率和可靠性，进而避免金融行业的数据风险。

其二，降低金融机构的人力成本，提高客户体验。将人工客服与智能客服进行对比、将智能客服管理与金融客户数据库相融合，可以快速准确解决客户需求，不仅有效地节省了人工的时间，还实现了人机交互的互补，提高了客户的服务体验，降低了人工客服的成本投入[2]。

其三，实现金融业务人员技能提升。原先的人工客服，经过岗位培训和优秀选拔成为智能系统的维护人员，包括系统训练监督、数据库维护等，扩大客服人员的业务范畴，为金融行业贡献专业人才。

2 市场案例

2.1 交通银行

2015年前后，交通银行打造为期两期的客服体系，首期为智能客服机器人网页版和短信版，二期是上线的APP版和微信版智能客服机器人，实现的功能更为全面，在节省服务成本的基础上大大提升了客户使用体验[3];2017年，交通银行信用卡首次提出“秒级服务”，是行业内第一个提出以“快”为核心展开业务的银行，建立了银行服务业的标杆;2018年，交通银行注意到了消费者满意度和体验感提升的重要性，开始建设更加“聪明”“周到”的客服服务;2020年，交通银行与浪潮AIStation合作，将机器视觉技术融入项目实验，致力于打造高效率、高并发的计算服务项目;除此之外，交通银行的“娇娇”智能客服机器人也为大众所知晓，为客户带来了全新的科技体验。

2.2 天津农商银行

天津农商银行于智能机器方面有行业特色：首先是客户转接人工服务后必须转接智能机器人，然后是智能机器人会将客户咨询的问题进行存储，在线直接答复。

此外，天津农商银行在智能客服系统上线之后对于智能机器的训练工作十分重视，尤其是智能训练。首先，利用计算机对于每日顾客与智能客服之间交流的历史数据进行数据挖掘和聚类;然后，相关工作人员对系统未能及时正确回答的问题进行分类，在数据库中增加关联的知识点作为储备，并及时增添正确答案与多种形式的问题之间的对照关系。凭借这样的训练去实现全量分析，以达到能够不断提高机器人的训练效率、准确率的目的。据统计，经过训练的智能客服系统日均可以处理2000多条机器人会话，上线后三个月的不断训练使机器人理解率由60%上升到85%以上[4]。

3 系统设计

基于金融知识图谱的智能客服系统至少应包含五个组成模块：交互模块、构建图谱模块、知识图谱维护模块、智能问答模块、后台管理模块。金融领域的智能客服架构设计如下图所示。

系统功能架构设计图

4 创新

金融领域的智能客服系统的创新，可以从三个方面考虑：技术创新、交互创新、业务创新。

第一，技术创新。在金融知识图谱构建阶段，通过知识推理等算法挖掘知识单元间的潜在联系，以此为基础发掘潜在客户，开展金融新业务，实现金融业务推广。

第二，交互创新。富媒体的快速发展，使得信息传播的方式变得多种多样。金融行業的知识大多以文字或数字的形式阐述，形式单一且可解释性差，基于智能客服系统基础，可以进一步实现多种答案呈现的方式，比如动画、短视频等等，更加清晰直观地为用户呈现正确的答案;基于知识图谱的优势，增强对话的流畅度和契合度，提升系统对于客户的内在情感、真实意图的识别能力以及能够快速实现多轮问答的能力。

第三，业务创新。针对金融行业大部分客户接触的产品与技术具有相对先进性的情况，智能客服投入使用后，可接入的渠道除了电话、短信、邮件等传统方式，还可以扩展到手机端APP、微信平台、PC端等;智能客服在金融行业的应用场景十分广阔，例如智能问答、智能工单、智能理财推荐、智能财务分析、智能风控、智能营销等，在知识图谱技术的加成之下，智能客服系统能够创造新的智能服务模式。

参考文献：

[1]范红杰.浅谈新时代银行智能客服应用与展望[J].商讯，2020（17）：136-137.

[2]李斐，邵晓东，周力恒，等.智能客服机器人的现状及发展[J].中国传媒科技，2015（Z1）：106-108.

[3]李明富，冯薇.“智能客服”让服务更智能[J].金融电子化，2019（11）：86-87.

[4]正月.知识图谱加持智能金融[J].IT经理世界，2017（23）：48-50.

项目：本篇论文由上海市经信委人工智能创新发展专项资金（2018年）《基于知识图谱的跨行业智能应用平台》项目（编号2018-RGZN-02025）资助完成

作者简介：周扬（1994— ），男，江西上饶人，硕士，研究方向：通信与信息系统。