招商信諾在數(shù)字化改革的過程中，走在了很多企業(yè)的前面，如今已經(jīng)搭建出一站式線上服務(wù)的營銷平臺，通過金融和科技的融合，幫助企業(yè)在銷售質(zhì)檢和客戶篩選上，完善定制化解決方案，為企業(yè)持續(xù)提高工作效率。在監(jiān)管背景下，招商信諾針對智能機器質(zhì)檢系統(tǒng)升級，持續(xù)提升近40%的質(zhì)檢作業(yè)效率，為企業(yè)乃至用戶提供更為完善的解決方案。
招商信諾致力于解決傳統(tǒng)機器質(zhì)檢系統(tǒng)問題
過去幾年，各大保險公司、保險中介機構(gòu)紛紛部署了機器質(zhì)檢系統(tǒng)、雙錄質(zhì)檢系統(tǒng)，以期能夠及時發(fā)現(xiàn)和糾正銷售員與客戶溝通過程的不規(guī)范之處，降低企業(yè)被投訴帶來的合規(guī)風險。但企業(yè)漸漸發(fā)現(xiàn)，過去部署的傳統(tǒng)機器質(zhì)檢系統(tǒng)效果無法令人滿意。同時，在監(jiān)管趨嚴的背景下，全行業(yè)紛紛開始向基于對話語義的新一代智能機器質(zhì)檢系統(tǒng)升級。具體來看，傳統(tǒng)機器質(zhì)檢系統(tǒng)難滿足需求的關(guān)鍵原因有二：第一，人與人溝通時講的話是高度個性化的、表達方式是復雜多樣，僅僅依靠“規(guī)則”進行窮舉的傳統(tǒng)機器質(zhì)檢方案，很難識別出真正的句子語義。第二，保險銷售的業(yè)務(wù)流程、邏輯是復雜的，傳統(tǒng)的機器質(zhì)檢，無法對包含多通對話、復雜邏輯和場景的質(zhì)檢項進行查找。
招商信諾形成新一代保險質(zhì)檢的“三級火箭”解決方案
為了破解這兩大難題，循環(huán)智能(Recurrent AI)在與招商信諾人壽提供服務(wù)的過程中，逐漸形成了新一代保險質(zhì)檢的“三級火箭”解決方案：首先，從字和詞級別的關(guān)鍵詞+正則方式，到引入句子和段落級別的AI語義點方式;其次，引入企業(yè)自定義字段和邏輯規(guī)則判斷，實現(xiàn)多通對話、多個語義點之間復雜的流程&邏輯判斷;最后，在成功單質(zhì)檢場景，通過計算同一個保單涉及的多通會話違規(guī)的可能性高低，進行違規(guī)值排序，幫助人工復檢員節(jié)省工作量。
從“關(guān)鍵詞”升級到“一段話的語義”。從工作原理上看，保司和保險中介機構(gòu)部署的初代機器質(zhì)檢系統(tǒng)，通過將錄音轉(zhuǎn)寫成文本，然后借助“關(guān)鍵詞和正則表達式”進行窮舉，以查找其中可能涉及違規(guī)的會話。而新一代的AI機器質(zhì)檢方案則與之不同。新方案通過“喂”給機器足夠多的違規(guī)實例片段和不違規(guī)實例片段(即經(jīng)人工判斷屬于某項違規(guī)或不屬于某項違規(guī)的對話語句片段，這個過程在AI領(lǐng)域被稱為“人工標注”)，訓練機器算法去“學習”違規(guī)對話片段的隱含特征，然后用“訓練”出的模型識別更多對話片段的語義，看看是否命中這個“AI語義點”。
引入多通對話、復雜流程的邏輯關(guān)系配置。在真實的保險銷售對話中，發(fā)現(xiàn)銷售員不嚴謹或不規(guī)范的地方，例如“產(chǎn)品介紹遺漏”這樣的質(zhì)檢項，通常會涉及多個標簽(AI語義點或正則語義點)，因為先要判斷當前對話的場景是否涉及某個長期險或短期險，然后再判斷是否講到了相應(yīng)保險產(chǎn)品的所有五項或七項特點。再例如，在“保單遞送對話場景”提及電子保單或紙質(zhì)保單其中一個都算合規(guī)，但是關(guān)于“保單生效日”陳述的要求是，必須講到生效日，同時提到“扣款不成功不生效”，才符合要求。新一代合規(guī)質(zhì)檢系統(tǒng)，支持企業(yè)自定義字段，以及復雜多樣的質(zhì)檢項場景邏輯配置，對于包含多通對話、復雜流程邏輯質(zhì)檢項的支持更加精細化、更加完善。
招商信諾通過循環(huán)智能，節(jié)省40%質(zhì)檢工作量
成功單質(zhì)檢的違規(guī)值排序。保險企業(yè)在銀保渠道銷售的保險，需要對所有的“成功單”銷售溝通過程(錄音和文本)進行人工質(zhì)檢復核，這是一項非常耗時的工作。企業(yè)的一項核心訴求是，如何能把最有可能違規(guī)的對話給找出來，讓人工質(zhì)檢員把精力花在可能違規(guī)的對話內(nèi)容上。因為，循環(huán)智能創(chuàng)造了一種新的“違規(guī)值”算法，通過把整個對話(甚至同一個保單對應(yīng)的多個對話)當成一個整體進行機器學習：在訓練階段，將“違規(guī)”的整體對話和“沒違規(guī)”的整體對話輸入算法模型，學習“違規(guī)”對話的隱藏特征;在執(zhí)行階段，將新的對話輸入算法模型，然后計算該對話違規(guī)的概率。
在需要100%人工復檢的保險成功單質(zhì)檢場景，如果在算法建模階段經(jīng)過了充足的數(shù)據(jù)訓練，那么循環(huán)智能(Recurrent AI)的“違規(guī)值”排序功能，基本上可以在違規(guī)值前60%的會話中找到大部分違規(guī)對話，最高節(jié)省40%的成功單質(zhì)檢工作量。
招商信諾持續(xù)創(chuàng)新，提出精準銷售方案
常規(guī)的網(wǎng)電銷業(yè)務(wù)流程是，保險公司將不同來源的線索名單打包成專案，再分配給聯(lián)絡(luò)中心進行溝通。由于名單中客戶的意向值是不同的，包含了相對的高意向客戶和低意向客戶，所以如果可以提前進行辨別和篩選，對于存量線索名單比較豐富的保險企業(yè)而言，就可以減少聯(lián)絡(luò)中心在低意向線索上浪費的精力，把有限的精力聚焦于相對高意向的客戶，提升轉(zhuǎn)化率。
目前，保險行業(yè)部分企業(yè)開發(fā)的目標客戶篩選模型，主要是基于從用戶的行為數(shù)據(jù)(訪問了哪些頁面)、業(yè)務(wù)數(shù)據(jù)(購買的保單字段)和屬性數(shù)據(jù)(年齡性別等)中提取的客戶標簽等結(jié)構(gòu)化數(shù)據(jù)進行建模，找出相對高意向客戶的隱藏特性，然后篩選新名單中的高意向客戶進行優(yōu)先觸達。由于企業(yè)與客戶之間溝通時產(chǎn)生的對話數(shù)據(jù)，屬于非結(jié)構(gòu)化數(shù)據(jù)，常規(guī)模型難以納入這些數(shù)據(jù)，所以這些數(shù)據(jù)一直沒有在目標客戶篩選模型中起到作用。
循環(huán)智能(Recurrent AI)以自然語言處理技術(shù)見長，與招商信諾人壽合作，創(chuàng)造性地提出了將結(jié)構(gòu)化的客戶標簽數(shù)據(jù)與非結(jié)構(gòu)化的對話數(shù)據(jù)進行組合建模的方式。雙方在目標客戶篩選模型上進行技術(shù)創(chuàng)新，形成新一代的精準銷售(Target)解決方案。從實際效果看，在存量名單的翻打等目標客戶篩選場景中，全新的組合模型方案，相比單獨的結(jié)構(gòu)化數(shù)據(jù)模型，成單轉(zhuǎn)化率可以提升 30% 左右。
招商信諾如今在行業(yè)內(nèi)已深耕了18年，并且一直在行業(yè)內(nèi)保持著A級標準，持續(xù)為600萬消費者提供更為優(yōu)質(zhì)的產(chǎn)品和服務(wù)，通過科技賦能，幫助消費者進行保險保障、健康管理、財富規(guī)劃等方案等推進。如今招商信諾已進入了全新的數(shù)字化階段，擁有著精細化管理能力，在行業(yè)內(nèi)可謂是杰出代表。未來招商信諾也依舊保持著創(chuàng)新精神，持續(xù)走在行業(yè)前列。
關(guān)鍵詞： 科技變革 三級火箭 循環(huán)智能 定制化服務(wù)
