與您喜愛的冰淇淋品牌相似，人工智慧 (AI) 也具有不同類型。 對於聯絡中心，有 10 種可讓您和您的坐席提供超個性化客戶體驗的類型。
1. 智慧資料
數十年來，髒資料一直困擾著企業，阻礙 AI 提供正確結果的能力。 好消息是，AI 可以説明清理一些髒資料，或在此情況下，清理重復資料。
考慮您的電話號碼。 分享您的號碼時，您可以使用連字號、破折號、句號、空格或僅使用數位。 在分享電話號碼的方式上有一點變化並沒有什麼錯。 將這些不同格式中的每一種識別為單資料點時，可能會變得複雜。 幸好，AI 使用關係匹配來識別同一資料的不同格式。 然後，它會清理資料，因此，您不會針對一個客戶擁有五個重複的帳戶。
2.業務模擬
AI 可幫助您制定更好的決策。 通過分析歷史資料匹配，AI 可識別趨勢並在條件變化時動態重新計算該資料。 這些類型的 AI 生成演算法提供了額外的資訊層，以制定更好、更準確的決策。 它們非常適合“假設”問題和人類探索，例如，是否要在新地區開設實體店。
3.相關性和協方差
瞭解成堆的資料並非易事，尤其是在大資料環境中。 更重要的是，這些資料始終相對於其他資料點在不斷變化和移動。 如果沒有 AI 的幫助，解釋和處理這些資料會相當困難。
即使沒有全面瞭解，AI 也可以使用關聯數學推算缺失資料的值，並指示重要流程在何時出現了人們沒有注意到的分歧。 儘早發現這些分歧可降低風險並幫助規避成本。
4.模式匹配
您已體驗過這種類型的 AI，尤其如果您是亞馬遜金牌購物者。 對於很多零售商和聯絡中心，AI 將新使用者與現有客戶模式匹配，以預測他們的下一步行動並建議後續操作。 例如，您可能會注意到，在完成最新的 Stephen King 小說後，您將收到其他作者的類似科幻小說或驚悚魔書相關廣告和建議。 AI 根據您的資訊和相似消費者行為確定您的興趣並建議新產品和資源。
5.機器視覺
並非所有有用資訊均是口頭或鍵入的，其中一些是書面的、描畫的或拍照的。 在過去十年間，AI 機器視覺取得了巨大進步。 很快，它可讓人們基於簡單的手機照片識別問題。 例如，設備連接問題的圖片可顯示接頭鬆動。 產品上的製造商標籤圖片可提供序號、製造日期和其他標識，這些標識可快速縮小可能的問題和解決方案範圍。
6.自然語言處理 (NLP)
NLP 理解口頭語言。 請考慮一下 Siri：全球人們每秒向 Siri 提出大量問題。 這些問題中的很多是以不同方式提出的。 “外面的溫度是多少”“溫度是多少”“天氣如何？” 這些問題的表達各不相同，但均在尋找相同資訊。
為了識別和回答問題，AI 將每個口頭請求轉錄並轉換為文本。 這使電腦可回答問題 — 無論以何種方式提出問題。 然後，它確定了正確的答案，並將其轉回口頭語言。
7.語音分析
AI 不僅能夠理解人類針對同一問題或命令採用的不同表達方式，它還能説明組織更好地瞭解驅動這些請求的意圖。 例如，當客戶致電聯絡中心並使用語音自動化系統時，語音分析 AI 將對客戶的詞彙選擇、力氣和語氣進行分析，以探測情緒。 它還會分解傳入請求的關鍵字並找到要處理的上下文，例如，“我想將 500 美元從我的支票轉到儲蓄帳戶上。”
8.問答消歧
基於之前的 AI 功能，組織可以直接且輕鬆地將人們連接到常見傳入問題的答案資料庫。 通過語音分析識別傳入的請求後，問答消歧 AI 可使用預先起草的答案自動回答問題。 它還可以對來自多個系統的相似答案進行比較和評級，以提供最佳選項。 這使客戶可以快速訪問其資訊，並使員工專注於更複雜的請求。
9.機器人流程自動化 (RPA)
AI 可以識別和建議自動化，以提高效率和節約成本。 通過歷史資料分析查找重複、高成本流程，您可以實現後端工作自動化。 RPA AI 通過對相關操作進行分類和嵌套來組織自動化流程，從而使人類更易於理解複雜的流程。
10.總結資訊
人類並非為消耗和理解大量資料而生。 如果沒有 AI 的説明，資料只是行和列的集合。 AI 通過直觀地顯示客戶旅程資料為您提供完整視圖。 其他工具可進一步深入研究資料，以分析和確定優先順序，從而採取行動。
此類型的 AI 支援資料摘要還可突出顯示關鍵事件或相關問題。 例如，聯絡中心員工每週可能要處理數百個傳入請求。 AI 不會嘗試通讀較長的會話（可能會漏掉重點），而是識別常見關鍵字、陳述和問題，以快速查看和採取行動。 當常見問題持續出現且提供相似答案時，該操作將自動化並被添加到機器人佇列，以進行管理。
AI 改進和改善客戶和員工體驗。 儘管 AI 與您聯絡中心員工的表現不同，它在每次客戶交互中變得更加熟練和有利，因此，證明這僅僅是開始。 AI 和聯絡中心的未來（幾乎）無限。
