阿裡雲智能對話分析，脫胎于對阿裡雲小二服務品質的檢驗，有點習武防身不小心成了武林高手的感覺。（開個玩笑，其實當然是精心規劃的智能服務産品！）今天的雲享團，請來的是智能對話分析的專家，進入阿裡雲後目前已申請5項專利的<b>玄域：</b>具有多年軟體研發、測試、性能調優等it相關從業經曆，目前從事智能對話分析服務的研發，喜歡鑽研與創新！關于這款産品的背景、流程、場景、執行個體，玄域為你一一分享！
<b>背景</b>
<b>大量服務資料的産生</b>
正如大家所知，随着阿裡雲業務的持續快速發展，業務量越來越大，服務的客戶也越來越多，産生了大量的服務資料，服務資料主要包括來自呼叫中心的電話語音、來自工單系統的文本和來自不同的企業服務群以及其他的服務管道資料。阿裡雲很多的客戶服務部門每月都會産生大量的工單、電話和im資料，每個客服的服務品質和水準如何？每個客服提供的服務是否符合服務規範？能否從每個客戶的服務資料裡面發現潛在的業務銷售機會？能否根據每個客戶的服務資料發現一些輿情以及風險資訊？能否根據具體的業務制定更加準确的業務規則發現具體的業務場景？要解決這些問題，需要對客戶和客服的對話做智能化資料分析工作，是大資料分析的一個具體的應用領域。
<b>急切的服務資料分析需求</b>
在許多公司，為了提升企業的服務品質與提前發現輿情及服務風險，盡最大可能解決上面提到的幾個問題，基本上每個客戶服務部門都有對應的質檢團隊，但是每個質檢團隊都面臨一樣的挑戰，2-3人的質檢人員需要應對每月上萬級别的服務資料。傳統的質檢是通過質檢人員随機抽檢的方式對服務資料進行複核檢查，隻能根據質檢人員的經驗人工的篩選出有可能存在問題的工單、電話和不同管道的服務資料進行檢查，質檢的抽樣比例也是非常的低，存在很大的效率、人員瓶頸以及很大的漏檢風險，也不容易發現潛在的業務機會與輿情問題。質檢是一個剛性需求，有電話語音坐席、工單服務、im服務的行業都有質檢的需求，橫跨幾乎所有主流行業，這些不同行業的公司都需要對産生的服務對話資料進行智能化分析。
<b>智能對話分析服務介紹</b>
<b>基本業務流程</b>
随着阿裡雲業務的持續快速增長，服務品質的要求越來越高，傳統質檢方式的弊端越來越明顯，為了進一步提升服務品質，使服務問題更全面、及時地發現，減少服務投訴率與輿情風險，我們需要對服務對話資料進行多元度的分析，通過制定一些靈活多變的規則，分析篩選出特定的業務場景，識别出有價值的服務對話資料，智能對話分析服務應運而生。智能對話分析服務能夠對所有服務過程産生的資料進行全量的智能分析，擺脫人員的限制，全面挖掘服務資料的價值，針對全量的服務資料進行自動化分析，可以做到電話一挂斷，立刻觸發語音轉文本并做分析，實時生成分析結果，通過靈活的規則配置，覆寫多個複雜的業務場景，資料分析的成本低，分析結果響應及時。
圖1.基本業務流程
如圖1所示是智能對話分析服務的基本業務流程，首先，如果是服務電話語音，需要先調用asr語音轉文本的服務轉化成服務電話文本，然後和線上的服務文本一塊構成待分析資料，結合業務人員輸入的分析規則，智能對話分析服務會産生出比對結果并通知分析結果處理人，支援處理人進行線上人工校驗并儲存複核結果，最後，智能對話分析服務支援定期内對分析的結果資料進行多元度的統計分析，發現潛在的業務機會、服務風險與輿情問題。
<b>詳細場景描述</b>
圖2. 詳細場景描述
如圖2所示是阿裡雲智能對話分析服務的詳細場景描述。首先是企業待分析的資料集接入部分，包塊線上客服坐席、工單業務和電話客服坐席，主要是對這些服務資料進行分析處理，如果是電話語音服務資料需要調用asr語音轉文本服務，然後對工單和電話的文本資料進行資料脫敏、格式化進入到雲上存儲子產品，主要是支援阿裡雲的oss，然後智能分析引擎負責整合分析規則和待分析資料集利用檢測模型調用人工智能算法計算生成分析結果資料。智能對話分析管控台子產品主要是用于分析規則的管理，可以在管控台建立規則并選擇特定的資料集運作任務驗證規則是否正确，也可以對分析結果資料進行複核和檢視規則分析結果報表。此外，在管控台上還可以進行一些基礎的配置管理，例如規則未命中的原因、規則分類等等基礎資料，權限的管理後續也是在管控台實作。
<b>智能對話分析服務分析的步驟</b>
<b>建立資料分析規則</b>
要充分使用智能對話分析服務必須先建立資料分析規則，什麼是規則？例如客服接通電話後必須說問候語，這就是一條基本的服務規範規則，電話銷售人員必須在通話過程中詢問是否有新的需求或者新的采購計劃，這就是一條挖掘分析潛在業務機會的典型規則。為了充分的了解并靈活運用智能對話分析服務強大的規則能力，首先我們需要介紹四個基本的名詞：規則、條件、檢查範圍、算子。
1. 規則：規則是由邏輯運算符(&&, ||, !, !=, ==)和條件組成的表達式，如”條件1 && (!條件2) || (key1 != value1)”，其中”等”與”不等”隻能用于kv值的判斷。
a) 運算符中邏輯非(!)的優先級最高，等與不等(==, !=)次之，與或運算符(&&, ||)最低，例：a && !b || k == v會依次計算!b，k ==v，及剩下的表達式。
b) 可以用括号來改變運算次序，如!(c1 && c2)就會先算c1 && c2。
2. 條件：條件由檢查範圍和算子組成，如”客服的第一句話是’你好’”這個條件的檢查範圍是”客服說的第一句話”，算子是”出現關鍵字’你好’”，1個條件内可以包含多個算子組成的邏輯表達式。
3. 檢查範圍：目前支援的檢查範圍有下面3個基準範圍的交集。
a) 某個條件(第一次命中|最後一次命中)之(前|後|當句)。
b) 角色（客服或客戶）。
c) 第m句到第n句。
4. 算子：對檢查範圍限定的句字逐句做出判定
a) 關鍵字|正規表達式：檢測目前句子是否包含關鍵字或比對正規表達式。
b) 問句檢測：檢測目前句子是否是問句。
c) 上下文重複：檢測目前句是否與目前句之前的句子的意思重複。
d) 與前句時間間隔超過指定的值：檢測目前句與上一句是否間隔超過指定值。
e) 字數相近句：檢測與參考句子在設定的字數差距以内的句子。
f) 語義比對：檢測與給定的多個參考相似度大于設定值的句子。
g) 語速檢測：檢測目前句語速是否超過指定值。
從下面的這個例子，我們詳細的了解一個完整分析規則的組成。
<b>例子：</b>假設客服和客戶溝通中向客服提出挂載快照的請求，完成後沒有提醒客戶挂載快照後應該注意的事項，這個是個相對比較複雜的針對具體業務的服務規範規則。
規則=!條件2
條件1：客戶提出挂載快照請求：
1）檢查範圍：全文客戶說過的話；
2）算子：比對“挂載快照”的語義；
條件2：提醒客戶挂載快照後的注意事項：
1）檢查範圍：條件1命中的句子之後，客服說的話
2）算子：比對“提醒客戶挂載快照後的注意事項”的語義
圖3. 規則的詳細配置
<b>分析任務配置</b>
圖4. 智能對話分析服務分析任務配置
如圖4所示建立完分析規則後，我們就可以在規則清單部分選擇需要執行分析任務的一條或者多條規則，然後我們需要再選擇待分析的資料集，就是對那些資料集裡面的資料進行資料分析，配置完成後就可以點選“确認”，這條資料分析任務請求就會發送到分析引擎。
<b>執行資料分析任務</b>
智能對話分析服務引擎在擷取到待分析任務後會根據待分析資料的類型選擇不同的處理邏輯，例如如果發現待分析資料是語音檔案，會首先調用asr語音轉文本服務把語音轉化成文本，然後才能推送到待分析資料隊列，分析引擎會根據使用者選擇的分析規則，調用分析比對算法子產品，對這條資料進行智能化分析，生成最終的分析比對結果。
<b>規則分析結果</b>
圖5. 智能對話分析服務規則分析結果
如圖5所示，智能對話分析服務分析引擎執行完任務後，從分析結果的入口可以看到任務裡面所有規則的分析統計資料，包括規則檢測數、規則命中數、規則命中率以及複核準确率，反映出每條規則的整體分析情況。操作部分可以檢視這條規則的詳情，也可以檢視這條規則命中的所有電話語音和文本記錄複核清單。
<b>分析結果複核</b>
圖6. 分析結果複核清單
如圖6所示，智能對話分析引擎執行完分析任務後，從規則分析結果的“檢視結果”入口，可以檢視結果複核清單，業務人員需要登入到管控台檢視分析結果複核清單，對每一條規則命中結果進行複核。我們也可以看到每條命中記錄的複核狀态、被幾條規則命中過、實際違規數以及複核準确率。操作部分可以點選“複核”檢視詳細的對話資料以及規則命中情況。
圖7. 分析結果複核頁面
如圖7所示是詳細的分析結果複核頁面，可以看到這個電話語音被這條規則命中的地方，命中的關鍵詞會标紅顯示，命中的句子也會高亮顯示，這樣既有利于提高業務人員的複核效率，又能切實的反映出客服具體的違規點。
<b>智能對話分析服務使用案例</b>
<b>需要解決的問題場景</b>
假設業務人員需要使用智能分析服務解決這樣一個業務問題：如果發現客戶提出更換磁盤類型，客服應該提供正确的解決方案，假設客服引導客戶到更換作業系統，這就是違規的服務，這樣的問題一定要提前預防，不能發生。業務人員需要通過智能分析服務發現這樣高風險的服務違規問題。
<b>建立的分析規則</b>
圖8. 分析規則詳情
如圖8所示是業務人員為了解決上面的問題建立的分析規則，條件a是為了發現客戶是否提出了更換磁盤類型的需求，條件a利用正規表達式算子比對各種類型的更換磁盤類型需求，檢測範圍是客戶說的話，這個條件是這條規則的基礎與前提。條件b和條件c都包含兩個正規表達式算子，檢視是否客服回答了不支援或無法更換磁盤，需要更換系統盤或換伺服器系統。條件b的檢測範圍是條件a命中之後的客服說的後3句話，條件c的檢測範圍是條件a命中之前客服說的前3句話，規則的條件間邏輯關系是b||c，這樣就能覆寫所有的問題情況。
如圖7所示是這條規則命中的對話資料複核頁面，可以看到客戶提出了磁盤類型要換成ssd，條件a被命中了，高亮标紅顯示了關鍵詞“換成ssd”, 然後繼續檢測客服說的後3句話，發現命中了條件b，高亮顯示了關鍵詞“更換系統盤”，這條分析規則精确的發現了這個客服人員的違規服務，不應該引導客戶去更換系統盤，這樣業務人員複核後就可以生成一條處理對應客服人員的違規記錄，并進行相應的違規處理。
<b>總結</b>
本文首先從智能對話分析服務的産生背景入手，介紹了傳統質檢的弊端，随着阿裡雲服務資料量的增大，智能化、自動化、全量的智能對話分析服務應運而生，并對智能對話分析服務的基本業務流程、平台的詳細功能子產品進行了介紹， 并進一步闡述了利用智能對話分析服務實作智能化分析的步驟，詳細介紹了分析規則的建立、分析任務的配置、執行自動化任務分析的過程、分析結果的生成與複核操作。最後，結合一個具體的業務場景，利用智能對話分析服務解決并發現這個服務問題。