循环智能联合创始人在第四届「零售银行」大会的演讲

2020-10-27
演讲与活动

2020年10月22日，上海，循环智能联合创始人&COO揭发，在第四届零售银行大会做了分享，主题为《AI驱动的「银行」销售提效与业务增长》。以下内容为演讲精华：

先简单介绍一下公司，循环智能的创始团队主要是清华大学和卡内基梅隆大学的背景，投资方包括红杉资本、金沙江创投、真格基金和靖亚资本等。我们的主攻方向是自然语言处理（NLP）和深度学习（DL），去年联合创始人杨植麟博士与 Google 联合发布的 XLNet 模型，在 18 项人工智能基准测试中取得 state of the art 成绩，该模型在同等算力下依然是 NLP 领域准确率领先的语言模型。

当我们进入AI企业服务领域的时候，深入思考了一个问题：大家对 AI 的想象，主要是可以替代人力，从而降低人力成本。但我们基于自己对技术和产业的理解，认为 AI 在怎么去提升人的效率方面，同样可以做很多事情，尤其是在我们专注的销售沟通场景。

具体到银行，我们所做的事情大致分为两块：线上的呼叫中心场景，提供二次商机挖掘、销售实时辅助和智能培训；线下的银行网点，提供录音实时采集、双录质检和实时辅助。

二次商机挖掘

以银行信用卡中心为例，每个月都会有大量销售坐席与客户进行联络，但转化率通常是个位数的，大部分客户没有转化。这些没有转化的客户中，会不会仍然有一些商机是被人忽视的，但是靠AI却可以挖掘出来？

我们开发了一种创新的线索评分方式：基于银行过往与客户沟通的海量录音，结合这些录音对应的最终成单结果，去训练一个成单预测的算法模型（大致原理如下图所示），然后用这个算法模型去预测已沟通过客户的成单率。

通过该成单预测模型，企业可以对沟通过的名单做一次筛选。在循环智能一家客户的测试中，通过AI算法模型筛选的相对高意向名单的成单率，达到传统的随机筛选名单进行二次触达的转化率的 3 倍左右——企业对于已沟通但未成单的名单，二次沟通时不会全量覆盖，而是筛选其中一部分名单。这种新的AI筛选名单方式，目前已经在银行、保险、在线教育等多个领域得到验证，二次商机挖掘的转化率平均提升至之前的 2~3 倍。

很多人疑惑，AI模型对成单率的判断为什么会比人更准？其实主要原因在于，AI模型学习到了所有成单对话的特征，而人只听过少量的成单对话内容，对于“弱信号”的判断有局限性。

销售实时辅助

呼叫中心的销售岗位坐席人员流动性很大，一个很重要的原因是，人员的能力水平成长比较缓慢。在这个场景中，AI可以做的事情是，通过提炼优秀销售坐席的话术以及他们在应对客户异议时的最佳应答方式，为销售新人、初级坐席和中级坐席提供实时的话术辅助，让他们在与客户的沟通中，也能像优秀销售一样应对客户提出的异议。

通过一个简短的视频演示（扫描下方二维码），大家可以看到实时话术辅助是如何工作的。演示视频中的场景是保险销售，银行通常也会有交叉销售保险的场景。循环智能提供的方案，可以“一行代码接入CRM系统”，通过浮窗的形式为坐席提供辅助，坐席人员可以自行调整所需要呈现的模块。

在我们一家客户进行的AB测试中，同等水平的初级坐席，在一段时间内，使用该系统可以提升多达 50% 的业绩。

AI智能培训

我们调研了金融行业的销售新人培训场景，发现大部分企业是依靠有经验的业务员转岗，他们人工听录音总结经验，自己消化之后作为培训资料进行课堂式的培训。

其实用AI的方式，可以改造这个流程。AI可以挖掘过往的全量优秀销售成单录音，从中提炼出优秀话术，而人只能靠听取少量录音进行判断，会比较片面。挖掘出有效话术之后，下一步 AI 可以为销售新人提供对练系统，让他们在拟真的环境中进行练习，每次练习结束后都可以得到 AI 的评分，了解具体哪里讲得不好，应该怎么讲才会好。