科技云報道原創(chuàng)。
從ChatGPT誕生起，大模型在營銷、客服等場景的落地就被予以眾望。然而在經歷了一年多的“百模大戰(zhàn)”洗禮之后，人們發(fā)現(xiàn)無論是算力成本還是內容生成的安全合規(guī)問題，都讓大模型很難直接應用于機器與人對話的實際業(yè)務中。
這其中有很多挑戰(zhàn)，不僅僅來自算力、資金、技術，更大的問題來自行業(yè)落地。有人戲稱現(xiàn)在的大模型是“拿著錘子找釘子”，即便是銷售和客服這樣的熱門場景，也依然在探索大模型這把“錘子”能錘好哪些“釘子”。
目前業(yè)界普遍的共識是，現(xiàn)階段的大模型無法完全替代人力，但作為人類工作的強大輔助工具，能夠顯著提升效率，在銷售和客服領域亦是如此。但大模型到底怎么做，從哪里切入，才能為銷售和客服業(yè)務帶來真正的智能化，實現(xiàn)效率的飛躍？
這是所有相關廠商都在思考的問題，誰先找到這顆“釘子”，誰就能在大模型行業(yè)落地上撕開一個口子。而現(xiàn)在，這顆“釘子”被容聯(lián)云率先發(fā)現(xiàn)了。
大模型解決營銷效能之痛
在流量紅利漸漸枯竭的今天，精細化運營已成為企業(yè)的共識。面對消費者們個性化的需求，企業(yè)也希望自己的銷售和客服團隊能夠“千人千面”，以更好地推動銷售轉化，或快速解決客戶訴求。
然而現(xiàn)實并沒有想象中美好，很多銷售和客服隔著屏幕或電話的“在線溝通”，很難讓消費者產生“沖動”，一部分客服的一問一答，輕輕松松就能“聊走”客戶。
面對這種情況，企業(yè)也覺得很冤枉，明明為銷售和客服團隊提供了良好的培訓，也通過數(shù)字化技術為不同類型客戶分配了不同的客服資源，為什么銷售轉化率就是上不去？
這里面的核心問題其實在于話術和知識庫。
銷售話術就如同一套精心編排的“溝通戰(zhàn)術”，它能夠指導銷售人員如何向客戶介紹產品、如何精準捕捉客戶需求、何時采取何種策略以觸動客戶購買意愿，從而完成銷售目標，可以說是企業(yè)搶占商機的“決勝武器”。
但好的銷售話術，并不是通過所謂的“金牌銷售”話術總結，就可以讓整個團隊“一套話術走天下”。無論是競爭環(huán)境、法律法規(guī)、業(yè)務規(guī)則，還是客戶需求、客戶畫像，都處在動態(tài)變化中，因此對于話術和知識庫的總結，需要針對數(shù)量眾多的一線“金牌銷售”話術和業(yè)務人員的知識經驗，不斷地進行提煉，并及時地更新和沉淀。
不僅如此，與客戶的溝通過程也不是一成不變的，如何在復雜的溝通場景中靈活使用這些話術，也是銷售和客服團隊面臨的一大難題。
在過去，很多科技企業(yè)都嘗試用大數(shù)據和AI技術來解決這些問題，但是由于AI小模型的局限性，缺乏對自然語言的理解和分析能力，對于會話、知識等非結構性數(shù)據的處理停留在關鍵詞和規(guī)則的匹配上。這就導致很難窮舉客戶的回答，話術和知識庫的推薦也只能基于關鍵詞觸發(fā)，客戶溝通整體比較僵化。
然而AI大模型的出現(xiàn)，讓話術和知識庫的提煉、沉淀、洞察有了全新突破的可能性。大模型具備更加精準的語義理解能力和更強大的自然語言生成能力，可以從多個維度提升營銷工作的效率和質量，比如：基于海量歷史會話數(shù)據生成金牌話術；快速構建話術庫；分析客戶訴求；精準診斷問題并優(yōu)化等等，從而有效解決傳統(tǒng)營銷低效的問題。
容聯(lián)云敏銳地發(fā)現(xiàn)了這一核心痛點與AI大模型的交集，從而也率先在業(yè)內找到了大模型落地的切入口——旗下基于自研赤兔大模型的生成式應用容犀Copilot，正是這樣一款提升營銷效率的利器。
容犀Copilot銷售和客服的“實時AI領航員”
據容聯(lián)云產業(yè)數(shù)字云事業(yè)群副總經理孔淼介紹，容犀Copilot集“全鏈路數(shù)據+大小模型+分析洞察”于一體，在每一次的服務與營銷場景中，實時根據企業(yè)與客戶產生的會話數(shù)據與業(yè)務數(shù)據，結合“聚焦客戶聯(lián)絡全場景的大小模型”與“會話洞察”能力，產出金牌溝通策略。
簡單而言，容犀Copilot主要有三大核心功能：
話術挖掘容犀Copilot后臺一鍵快速對海量歷史會話數(shù)據進行核對篩選，挑選出優(yōu)質話術并生成金牌話術，兼顧質與量的同時，挖掘出客戶高頻關注的問題，從問題中洞悉業(yè)務痛點。
智能知識庫幫助企業(yè)從零開始、低成本地快速構建話術庫，包括理解文檔知識、知識快搜、智能問答等，大幅提升構建效率。
會話洞察高效便捷洞察每一通會話溝通情況，分析客戶訴求，精準診斷問題并優(yōu)化。
從市面上看，已有產品推出了類似功能，那么這款全新的容犀Copilot有什么不同？更讓人好奇的是，有了大模型加持的容犀Copilot，表現(xiàn)到底如何？
以“話術挖掘”為例，過去企業(yè)想要做話術挖掘全靠人力，培訓師面對銷售和客服幾十萬小時的會話錄音，最多只能聽幾十段錄音，再從中找出好的會話進行話術總結，顯然這并既不能解決話術的量，也不能保證話術的質。
但是有了容犀Copilot，企業(yè)可以提前接入客服、企微、營銷通話等各個溝通渠道的數(shù)據，并結合不同的銷售和客服團隊的場景和業(yè)務目標，通過簡單的配置就可以利用大模型能力對這些海量會話數(shù)據進行分鐘級的金牌話術挖掘。
這些金牌話術并不停留在“術”的層面，包括客戶的情緒、立場、正反饋、訴求，都能夠被容犀Copilot挖掘出來，從而有針對性地給出優(yōu)質話術，以推進銷售轉化等業(yè)務目標。
金牌話術只是一個結果，背后往往是客戶關注的問題。對此，容犀Copilot的“會話洞察”，能夠從海量的會話中找到客戶高頻關注的問題，將問題進行聚類分析，找到未被關注的客戶關注點，一鍵快速生成高頻問題洞察，從而自動總結出問題所對應的策略，提供給銷售和客服團隊。
例如，某客戶想申請信用卡分期，當客服告知利率之后，客戶就不想申請了。之前客服只能靠自我發(fā)揮去和客戶溝通，但是現(xiàn)在有了容犀Copilot給到的個性化策略和話術，客服就能夠為客戶推薦相應的優(yōu)惠活動來挽留、安撫客戶，或者建議客戶加入企業(yè)微信、社群等私域，以提高成單轉化率。
再比如“搭建知識庫”，這是幾乎所有企業(yè)都面臨的難題，一是知識比較分散，二是不同的文檔、不同的知識庫很難統(tǒng)一。
在傳統(tǒng)的FAQ搭建和維護中，為了覆蓋更廣泛的用戶意圖范圍，實現(xiàn)知識庫的統(tǒng)一，需要大量專業(yè)的人才拆解文檔、編寫大量相似的問題、生成QA、再擴展標準、投入到一線中，整個過程耗費大量的人力和時間成本，一個周期可能會持續(xù)3-6個月。
但是在容犀Copilot的助力下，就可以通過大模型自動拆解文檔段落，基于語義自動調取知識點，對知識進行匯集和管理。整個過程只需要一個普通的業(yè)務人員操作，建設周期從幾個月縮短到分鐘級，在效率上有一個巨大的提升。
一個典型的例子是，某股份制銀行過去構建IT規(guī)范知識庫，光文檔素材就高達幾個T，整個構建過程花費了80人、2個月左右的時間。但現(xiàn)在基于容犀Copilot，只需要1個人、1天的時間，就完成了知識庫的搭建，準確率從85%提升至89%。
事實上，大部分企業(yè)并沒有像這家大型銀行一樣，有專門的人力來構建和管理知識庫，而沒有知識和話術沉淀的企業(yè)很難從0到1。但容犀Copilot的出現(xiàn)，讓企業(yè)不用再依賴專業(yè)人員，也不用再擔心耗費巨大的人力和時間成本，知識庫的搭建和管理變得非常簡單。
這是因為容犀Copilot是以容聯(lián)云自研赤兔大模型為底座，通過預置很多行業(yè)場景模型，控制了大模型的幻覺、內容安全等問題，使得容犀Copilot具備了常識和一定的行業(yè)知識。當容犀Copilot利用大模型的能力時，不僅可以對文檔知識進行分鐘級拆解，還能對內容進行自動擴展、自動化的智能問答，再通過人工審核，建立的知識庫就能做到非常多的場景覆蓋，來提升前端的咨詢體驗和后端的轉化效率。
不僅如此，容犀Copilot還能夠在知識快搜和智能問答場景上，為知識庫帶來全新的體驗。
過去業(yè)務人員想在知識庫里找內容，只能通過關鍵詞做檢索，結果往往并不精準。但是現(xiàn)在基于容犀Copilot，可以用問答式的方式去做語義理解，給出更為準確和高效的回答，還可以顯示背后的文檔來源和大模型的總結。
而智能問答作為補充，可以讓一線業(yè)務人員通過問答的方式，從用戶的視角去模擬反饋，提出一些之前話術沒有挖掘出來、文檔沒有檢索到的優(yōu)秀話術，從而很好地為一線人員賦能。
用容聯(lián)云產業(yè)數(shù)字云事業(yè)群副總經理孔淼的話說，“容犀Copilot是通過知識創(chuàng)造價值，讓企業(yè)知識轉化成價值的效率更高和更快”。
容聯(lián)云以大模型重構營銷價值
目前，容犀Copilot已應用在多家金融機構的各類業(yè)務場景中，如：銀行智能客服、薦卡、分期；保險智能客服、續(xù)保、續(xù)期、理賠；證券智能客服、投顧、合規(guī)、開戶等，也已在制造、汽車、零售等行業(yè)場景中進行測試。
相較于“一窩蜂”扎堆入場AI大模型卻難以落地的玩家來說，容聯(lián)云已率先找到了大模型的“釘子”——通過大模型知識庫、話術挖掘、會話洞察的能力，解決營銷人員水平參差不齊、金牌方法論難以復用等痛點，提升營銷效率，為客戶打造差異化和個性化體驗。
作為智能銷售和客服領域的領頭羊，容聯(lián)云保持了一貫的穩(wěn)扎穩(wěn)打的技術風格，以及深耕行業(yè)的業(yè)務能力。這也是為什么在大模型技術門檻一次次被拉低的當下，容聯(lián)云依然能夠領跑垂直大模型、推出極具商業(yè)價值產品的原因。
從技術上看，早在深度學習階段，容聯(lián)云就已在全方位布局AI，涵蓋前沿底層技術儲備、AI小模型技術與to B輸出，有了大量積累。面對大模型這一波AI技術浪潮，容聯(lián)云也第一時間跟進，推出了自研赤兔大模型，并形成了非常完善的大小模型協(xié)同進化的能力。
在此之上，容聯(lián)云擁有接入全鏈路、全域數(shù)據的能力，進一步提升了AI對全流程溝通數(shù)據的分析和洞察能力，從而更好地實現(xiàn)業(yè)務價值的提升。
從產業(yè)實踐來看，容聯(lián)云也是一個不折不扣的“行業(yè)老兵”。過去多年服務過上千家行業(yè)頭部客戶，其中包括上百家金融機構，有著豐富的行業(yè)經驗和to B服務能力，這成為容聯(lián)云在大模型競爭中脫穎而出的底氣。
最重要的是，盡管高喊“所有行業(yè)都值得用大模型重做一遍”的企業(yè)不在少數(shù)，但真的能將大模型用起來、落地到業(yè)務中的企業(yè)卻屈指可數(shù)。除了需要投入高昂的人力、金錢、時間，更大的挑戰(zhàn)在于業(yè)務know-how——懂技術的不懂行業(yè)業(yè)務，懂業(yè)務的不懂技術。
正如容聯(lián)云產業(yè)數(shù)字云事業(yè)群副總經理孔淼所說，在各行業(yè)實際業(yè)務中，業(yè)務場景、流程管理都是非常靈活的，大模型的落地其實依賴于對業(yè)務場景的理解，只有知道大模型工具“誰來用、怎么用、何時用”，才能夠真的將技術和產品交付出去。
而容聯(lián)云團隊用的就是“笨辦法”，整天和客戶一線業(yè)務人員“泡”在一起，跟著客戶把業(yè)務梳理清楚，先理解了客戶業(yè)務，再去思考技術和業(yè)務如何結合落地。這樣的苦功夫也換來了實實在在的效果，在實際應用中，容犀Copilot的效果比業(yè)內很多大廠的大模型更好。
“大模型并不是更大就更強，很多大模型是用公開數(shù)據訓練的，能突破原來小模型的泛化能力瓶頸，而行業(yè)客戶的數(shù)據很多是私有數(shù)據，以及應用場景上有很多knowhow，需要針對性優(yōu)化，在回答的專業(yè)性、準確性以及覆蓋率上會更好”?？醉当硎?，容犀Copilot因為服務了很多行業(yè)客戶，合作很深，對于他們的業(yè)務場景和業(yè)務要求更理解，沉淀了更多的Prompt，所以在大模型的訓練和推理上能夠產出更好的效果。
隨著容犀Copilot服務的行業(yè)客戶越多，其大模型落地的效果就越好，由此技術和商業(yè)也形成正循環(huán)，構建起容聯(lián)云在大模型時代新的競爭壁壘。而那些敢于喝“頭啖湯”、愿意與容聯(lián)云這樣的頭部服務商通力合作的行業(yè)客戶，也將最先吃到大模型的技術紅利，獲得營銷效率的巨大提升，走向真正的業(yè)務數(shù)智化。
結語
毫無疑問，AI大模型技術并不能實現(xiàn)“一招鮮、吃遍天”，場景落地才是技術發(fā)展的關鍵。在“技術奇點”來臨時，總有一大波的逐利者蜂擁而上形成泡沫，但不能踏實地研發(fā)底層技術和落地業(yè)務場景的他們，會在泡沫破滅時被淘汰出局。而像容聯(lián)云這樣的認真做技術、做場景落地的實力派終將浮出水面，在更長的周期中獲得更豐厚的回報。
【關于科技云報道】
專注于原創(chuàng)的企業(yè)級內容行家——科技云報道。成立于2015年，是前沿企業(yè)級IT領域Top10媒體。獲工信部權威認可，可信云、全球云計算大會官方指定傳播媒體之一。深入原創(chuàng)報道云計算、大數(shù)據、人工智能、區(qū)塊鏈等領域。
免責聲明：此文內容為第三方自媒體作者發(fā)布的觀察或評論性文章，所有文字和圖片版權歸作者所有，且僅代表作者個人觀點，與極客網無關。文章僅供讀者參考，并請自行核實相關內容。投訴郵箱：editor@fromgeek.com。
免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現(xiàn)的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。
