“揪出每一通违规催收电话”,循环智能的AI实践

首页    普通文章    “揪出每一通违规催收电话”,循环智能的AI实践

0hero

 

2019 年 11 月 8 日,上海。循环智能(Recurrent AI)联合创始人& CEO 陈麒聪在《2019 中国贷后风险管理及资产处置峰会》发表主题为《如何借助智能对话分析技术,将合规风险降低 10 倍》的演讲。

 

陈麒聪重点分享了如何将前沿的人工智能、自然语言处理技术落地到催收电话录音的合规质检过程中,“揪出每一通违规通话录音”。

据陈麒聪介绍,在实际应用中,基于“智能对话分析系统”的智能机器质检系统,相比人工质检、基于关键词的传统机器质检系统,具备显著优势,可将合规风险降低 10 倍。

 

演讲内容精华

如下,Enjoy:

 

今天我的分享包含两个部分。

 

第一部分,结合实际案例,分享我们如何帮助银行等金融机构以及他们的第三方委任催收机构,降低催收合规的风险;

 

第二部分,同样结合实际案例,分享如何借助基于客户对话数据的客户画像,来帮助企业提升效率、增加营收。

 

智能质检:降低合规风险 

大家都看到了新闻,今年催收行业出现了一些风波,原因是一些企业在催收过程中出现不合规的问题。政府对合规的监管是趋严的,在这种压力之下,很多客户更加重视在合规方面的投入。

 

 

1小标题

 

如何增加合规方面的投入,大部分公司能想到最直接的手段是加人,就是增加合规质检员的数量,从而抽检更多录音。也有很多企业想到,可以增加技术投入,把最先进的人工智能技术用起来。但他们不清楚,现在技术可以做到什么程度;也不知道应该怎么部署人工智能相关的技术。 

 

 

2不知道如何部署

 

也就是说,大家其实需要的是一个解决方案,一个经过验证的、不需要太多技术投入就能立即看到效果的方案。 

我们循环智能(Recurrent AI)做的就是这样一个解决方案,叫做“智能对话分析系统”。我们的目标是用最先进的技术解决最紧要的问题,揪出每一通违规通话录音。 

 

3技术原理

 

我们的很多客户,之前也购买过机器质检系统,他们在实际使用中常常发现:“问题总是找不完”。传统的机器质检系统,根据质检规则发现了很多疑似违规的录音,但超过 50% 都是错的,会浪费非常多的精力做复检。

这是因为传统机器质检完全基于正则表达式和关键词,它并没有理解句子上下文的语义,所以效果比较差,很难找得全、找得准。

我们开发的是智能机器质检,使用自然语言处理技术,从上下文中找到语义,然后结合语义进行质检。

 

4对比

 

我们来看看实际效果:下面是我们的一个标杆客户的案例,也是真实的数据。

比如,“恐吓威胁”是很多贷后催收机构的质检点,我们跑了 4 天的数据,使用基于规则的传统机器质检的方法,找出 316 条疑似违规录音,经过复检员的审核,其中 55% 是真的违规录音,正确条数 174 条。但是,当我们用基于上下文的智能机器质检方法,同样 4 天的数据,能找出来 2000 多条疑似违规录音,经过复检员的审核,正确率比传统方式高,其中 72% 是对的,共 1500 多条。找出的违规录音是传统方式的 9 倍,相当于风险降低了 9 倍。

第二个质检项是“暴露客户隐私”,智能机器质检找出的违规录音是传统机器质检的 5 倍。

 

5降低9倍

 

我们再看第二个案例,这是我们另一个标杆客户。我们对质检项“催收名义不严谨”跑了两周的数据做对比,智能机器质检能找出 2 倍于传统机器质检的违规录音。对于质检项“泄露隐私行为”,效果更加明显,智能质检找出的违规条数是传统质检的 10 倍。

 

6降低10倍

 

为什么能实现这样的效果?智能机器质检背后的核心模块包括标注管理系统和标签管理系统。下图左边是我们在生产一个语义画像点叫“认识但不配合”,我们的标注员需要从语料库中来标记,哪些句子是这个意思(正例),哪些句子不是这个意思(反例),然后机器学习系统就会从中学习,然后预测一个新的句子是否符合语义画像点。所以,这种方法要比基于规则和关键词的方法,提升很多倍的准确率。

 

下图右边是标签管理系统,你可以用来管理所有的语义画像点。当你需要一个新的语义画像时,可以快速地生产出来,让对话内容变成你的数据资产。

 

7标签和标注

 

在实际的业务中,大家发现一些录音可能因为语气等原因,还是可能会被遗漏掉。所以我们的系统,会把所有没检查出问题、没有命中任何质检项的录音做一个评分,如果质检员可以按照“违规值”评分排序,复检更多高风险录音,进一步降低违规风险。

 

8违规率排序

 

通过智能机器质检和违规值排序功能,我们可以帮助企业更加接近“揪出每一通违规通话录音”的目标。

 

客户画像和评分:增加营收 

除了合规质检,对于如何挖掘对话数据的更多价值,我们也有一些实践。

 

9新的小标题

 

相信大家都有这样的痛点:我们企业通过呼叫系统产生了大量的客户对话数据,但是对于这些数据怎么带来业务价值,这中间有着巨大的、从数据到价值的鸿沟,大部分企业缺乏技术手段来分析这些对话数据,任凭这些数据“沉睡”在硬盘里。

 

10两个小人儿

 

面向催收员,我们的对话分析系统可以“揪出每一通违规电话”。那么面向债务人,我们的对话分析系统可以做什么?

通过贷后客户画像系统,管理者可以实时了解客户画像分布,从而针对性改善案件分配策略和催收策略;催收员可以将客户画像自动录入催收系统,从而帮助每个业务员实现个性化催收。

 

11三个饼图

 

 

除此之外,我们还有一项新的技术实践,可以与大家分享。简单来说,通过通话录音,利用机器学习技术还能预测哪些客户有更高的还款意愿。

 

12客户案例

 

总结一下 

基于客户对话数据,我们可以来做智能质检,帮助企业降低合规风险;同样基于客户对话数据,我们还可以来做客户画像和客户意愿评分,帮助企业增加营收。

 

13总结

 

现在,我们已经拿到了金融、互联网领域多家客户的商业订单。

 

14客户

 

欢迎大家联系循环智能,让每一次沟通有更好的结果。

 

  © THE END   

2019年11月11日 18:30