深度 | AI 建模实际应用场景及效益

随着 AI 科技的发展,过去很多无法应用计算机算法分析的场景现在已经成为可能,并且能经由 AI 的算法带来实际的业务效益,提升营收。本文将以普强的 AI 建模、语义理解、语音识别等相关技术为核心所建立的一套优化商业场景机制,在行业中的实际应用所产生的效益做详细阐述。
 
国内一名列世界 500 强的保险公司(以下简称“A 保险公司”),拥有庞大的电销团队,雇佣了上万名电销人员,每月电销电话拨打量达到千万通。由于客户名单基本为白名单,即没有客户的信息,传统的格式化维度分析无法应用,所以A保险公司在没有客户信息的情况下,实行全量拨打,这样的拨打效果成交率在千分之一以下。另一方面,全量拨打的电销电话也给客户带来不良的印象,对客户造成不必要的干扰。近年来,监管力度逐年上升,对电销电话管控严度加大。为能有效运营电销就需要有特定对象,向有购买保险意愿的客户精准的拨打。
 

 
随着 AI 科技的进步,普强 AI 建模产品的核心运用了最新的 AI 语音转译和语义理解技术,为这样的场景提供了一个极佳的解决方案,能够让 A 保险公司和有类似业务场景公司的电销人员将资源集中在有潜在购买意愿的客户。一方面,避免拨打全量的电话,减少人力资源和电信话费,另一方面,能有效减少对没有购买意愿客户的干扰。当客户有意愿和需求购买保险时,电销的外呼电话不被认为是干扰;相反,对没有购买意愿或能力的人,这样的电话即成为客户的干扰。
 
事实上,经过 AI 建模的分析,在数百万的客户名单中,有购买意愿的大约在 15% 左右,因此 80% 以上的电话都是不必要拨打的。这样的应用给 A 保险公司和有类似应用场景的公司省下巨大的成本。接下来,将会对此做详尽的描述。
 
 
一、语音语义理解可获取有价值的客户特征
 
虽然没有客户的固定维度信息,但是有许多已拨打过的录音,A 保险公司拥有海量的客户通话录音,录音内含有宝贵的客户信息、客户特征等。这些数据都可以作为筛选客户的依据,例如在电销的过程中可以得知:
 
l 买过保险:“谢谢,我已经有保险了”。
l 可能有车:“对不起,我正在开车,不方便讲话”。
l 有房人士:“我目前房贷压力大,没有闲钱买保险”。