如今，很多头部电商团队为了把这些理论转化为实际可操作的得分体系，已经制定出了一套符合自身特色，依照不同服务场景、需求进行拆分及细化的话术规则体系，客服的服务得分则取决于其在这个体系中的综合表现。例如某化妆品店铺在对自家客服的基础服务做质检时，要具体检查客服的通话文本中是否有“您好”等欢迎语和“好的呢”等结束语。
过去，大部分的电商运营公司对客服质检都是采用人工质检的方式。但是人工质检不仅会消耗大量的时间和人力，而且只能通过抽查的方式对有限的坐席、有限的通话进行考核，同时也无法确保质检员在大工作量下是否能至始至终维持相同的评判标准进行质检作业。
那我们就没有更好的手段解决这个问题了吗？事实上人工智能已经给了我们答案。
三、AI质检复杂的对话内容
上文提到，为了提高店铺的询单转化率，我们对售前客服的销售话术提出了三种优化方法，分别是明确消费者的实际需求、放大产品的价值锚点和强化顾客的互惠心理。为了将这些理论知识转化为质检标准，客服管理团队制定出了一套话术得分规则。然而，现在大多数的客服质检工作还停留在人工抽查的阶段，不管从质量上还是效率上，都难以应付如今的行业需求。于是，我们想到了人工智能。希望它能为我们解决质检的难题。
近几年，依赖机器学习、深度神经网络等技术的不断深入，人工智能、自然语言处理等相关技术亦得到了爆发式发展。目前针对不同行业、不同领域的智能文本分析需求都出现了前所未有的定制化智能解决方案。
例如客服质检。客服质检本质上就是对客服通话文本进行文本分析，并根据既定指标标准，最终对客服的服务质量作出评估。而这恰好就属于自然语言处理技术的研究领域。自然语言处理技术是一种基于机器学习技术，帮助人类和计算机最终实现完全相互理解及沟通的人工智能技术。利用自然语言处理技术，计算机就能智能而且高效地对每一通对话进行多维解析，接下来就让我们来看几个功能示例：
情绪分析。当我们说话、动作甚至于输出的文字上都会带有一定的情绪表达，有的是直接的，有的是潜意识的。而基于人工智能情绪分析引擎的自然语言处理技术，可以自动分析通话文本中包含的情绪表达。不管是顾客的对话文本，还是客服的，他们的满意、感激、愧疚等等情绪（最多细分到12维）都可以通过计算机进行实时解读。观点聚类。不同于传统的关键词匹配，观点聚类不限制具体的词汇表达，而是通过智能解读段落大意之上，自动将相似的观点进行归类、整合、提炼。例如系统能将“为什么面膜B比面膜A贵了一百多块钱？”和“面膜B这么贵，它贵在哪里？”统一归类成观点：“为什么面膜B贵？”。机器学习。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能的一种技术。它是人工智能的核心，原理就是通过大量的数据训练，得出不断趋向于百分百精确的数据模型。例如系统统一归类成观点“为什么面膜B贵”之后，计算机就知道接下来客服的回答应该是“因为面膜B含有XX成分，这个成分比较珍贵……”。从“为什么”到“因为”之间的逻辑关系就是机器学习研究的内容。
人工智能通过运用情绪解析、观点聚类、机器学习等技术，从更多维度对客服的通话内容进行了解析，不同于常规人力质检手段，基于这些新技术下产生的洞察在真正意义上做到了实时、全量、深度分析。不管是美妆还是其他的品类，人工智能都能根据不同行业的不同需求，帮助企业在原有的评估体系上增加新的智能维度，让评估更立体智能。
总结
天猫“双十一”是一场竞赛，在这一天里，成交数字没有极限，只有超越和再超越。当狂欢落幕，比2684亿更值得被记录的，是这个数字背后蕴藏着的消费机遇和市场潜能。为了适应日新月异的电商经济，电商运营者需要不断变换策略，而始终不变的就是要以顾客的核心诉求作为发展基点，只有抓住了消费者的心理，才能在电商经济中立于不败之地，市场营销是如此，客服管理也是如此。
