-
智能化
千亿级企业客服市场:智能化是趋势，但难逃巨头收割
隐藏于B端的企业客服市场正迎来新挑战与新变局。而今年以来，国内技术巨头们对改造传统企业客服市场，正展现出了浓厚兴趣并展开实际行动。仅仅在这个十一月，就有百度和网易两大巨头接连展开动作。11月初，中国联通与百度宣布达成战略合作，李彦宏在致辞分享中释意：人工智能将可取代人工客服工作。11月29日，网易继4月推出网易七鱼全智能云客服后又推出了“全智能解决方案”。而在此之前，亦有诸多创业者进入这一领域。
那么问题来了：巨头、创业者竞相涌入的传统企业客服市场究竟怎么了？而巨头、创业者们的进入又能解决啥？又终将走向何方？
一、传统企业客服究竟怎么了？
艾媒咨询在2015年发布的报告显示：中国客服市场整体规模超过千亿人民币。但在庞大的市场规模下，难掩的是多数企业客服部门正在陷入成本、效率、需求碎片化、满意度交织而成的矛盾循环让企业客服市场的发展瓶颈显现。
矛盾一：企业客服服务成本的高企与客服工作人员的低满意度
据全球人力资源咨询公司发布的最新数据显示：中国不在享有劳动力成本优势，中国各级雇员的基本工资水呈显著上升趋势。一线客服人员的平均薪酬福利水平在6万／年以上。
但随着人力成本的不断提升，不直接产生可见经济效益的企业客服部门愈发被管理层视为成本中心，而服务重复性强，工作成就感低、工作强度大，加班多待遇低（从业者自己认为）的工作性质与现实，又让企业面临招聘难度大，培训成本高、团队稳定性差、员工效率低等着多痛点。可谓是企业在成本与人员稳定性中苦恼，而客服人员则在枯燥无味与前路不明中彷徨。
矛盾二：碎片化客户需求爆发与低回复效率影响获客率
随着移动互联网与智能手机的不断普及，社交渠道多元化和应用软件功能的不断丰富，又使得传统企业客服更需要面临大增的整体服务需求和更为碎片、多元化的客户服务场景。但在客服资源（人员）配置相对恒定的现实下，需求的大增和分散的来源导致的是企业客服对客户服务需要的响应速度慢，问题处理效率低下。
客服全行业数据数据显示：客服满意度整体水平已经连续四年走低。但企业客服对于企业的重要性却在日趋凸显。诸多调研报告显示：随着消费升级以及消费者对服务质量要求的不断提升，企业客服也开始兼具销售与营销性质，正在成为企业联系用户、获取用户第一手信息的关键节点，同时也是企业维护客户关系，创造增值服务的关键部门，其正逐步转变为企业的盈利中心。
诸如艾媒咨询在调研报告中就指出:有75%的顾客因对客服不满而放弃购买行为;超过四成的顾客因对客服不满而不推荐他人购买，而当前主流网络消费群体对客户服务更加敏感。
二、创业者、巨头们的竞相涌入又能解决什么？
千亿级市场容量的企业客服市场正面临越来越大的挑战，成本、效率、需求碎片化、满意度交织而成的矛盾成为了企业客服行业的发展瓶颈所在。如何平衡企业客服部门的成本与效率／需求与发展，在提升企业客服服务水平的同时实现企业客服部门的功能升级转型也成为了企业客服部门的诉求。
但企业客服市场所面临的现实困境和巨大市场容量则构成了创业者眼中的巨大的机遇市场。而这也是创业者与巨头们竞相涌入的原因所在。自2014年伊始，创业者们就相继发布了从云到云和人工智能相结合的智能客服解决方案，欲求对劳动密集型的传统企业客服市场进行技术化改造。
而从事实来看，这种技术化改造，也似乎颇受企业客服市场青睐，越来越成为了企业客服市场变革的推动型力量。艾媒咨询数据显示：在2015年就有 31.5%的受访客服表示企业已经在使用智能客服系统，34.5%的受访客服表示预计在一年内引入智能客服系统。
为什么智能客服系统能够被企业关注与接受？——能够解决重复性问题与节省人力成本是企业选择使用的核心原因。
1.成本优势
随着客服服务需求的不断增长，若要满足服务需求，对于劳动密集型的传统企业客服市场而言，传统解决方案无非是增加客服人员，但在当下人力资本不断高企的年代，这种方式带来的成本提升显而易见，客服部门将面临更为严峻的成本挑战。
而智能客服则能够在很大程度上释放企业的成本压力，其中原因在于：客服服务作为高重复率的工作工种，使得人工智能拥有了代替其处理部分工作的可能性。以当前的人工智能水平，其已经能够回答近九成重复结构化机械式问题。而与此同时，智能机器客服还具备能够同时接待上万人、全天候在线的工作能力。这使得其成本大为降低。以网易七鱼数据为例：在客服培训方面，能够人工服务压力下降34.06%，释放人力6人，在工作效率上，能够提升客户团队34%的人工效率，每天释放7.1%的时间业务知识点的维护时间，释放人力1人。
2.效率优势
随着人工智能技术的不断发展，人工智能事前预测能力和人机协作能力也在不断提升。这种预测能力的提升，可以为客户提供服务直达，使用户能在服务场景下快速定位、解决问题；而其人机协助功能，则能够自动判断用户的问题并推荐最佳的答案给人工客服，使客服服务人员快速回复用户。预测指引与人机协作将显著提升客服的工作效率，降低服务响应时间，极大缓冲业务发展对客服需求的压力。七鱼数据显示：客服服务效率能提升86%，客户满意度能够达到96%，客服服务平均会话时长从此前的660秒下降到47秒。
3.提升订单转化率
如前所述客服服务越来越具有销售和营销的作用。而在这方面，智能客服服务也颇有优势，通过大数据分析能力和用户标签与热词分析能力，其能让企业即时发现、挖掘客户需求、改进产品方向，推荐高匹配度产品，增加销售成功率。七鱼数据显示，使用人工智能客服服务在订单转化率上，提升约20%。
可以看出：融入了云与人工智能的智能客服服务解决方案，具备了解决传统客服行业在成本／效率等多方面困境的能力，从发展趋势来看，智能客服也将成为技术改造传统客服市场的主流模式。而在未来，随着人工智能技术的不断发展，智能客户的能力也将不断提升，当下的人工客服服务形态在很大程度上也将改变，客服工作将重新分工。我们或能看到，人工智能在此后将承担轻量级的客服问题，而人工客服将更倾向于专业咨询顾问或是技术专家服务，以提升人力价值。
三、正处战国时代的中国企业客服市场终将被巨头收割
如前所述，客服市场规模不容小觑。面对巨大市场机会，各路创业者与资本力量也开始闻风而动，客服服务市场其实已经处于百家争鸣的战国时代。从2013年伊始，国内市场就相继涌现出了诸如Udesk、逸创、容联七陌、环信、小能科技、美洽、智齿科技等一大批云客服创业公司。
云客服市场也逐渐受到资本的关注，诸多创业公司也得到了资本市场的资金支持。诸如环信获得由红衫领投的1250万美元的B轮融资；逸创云客服获唯猎资本1500万人民币A轮融资；智齿科技获得IDG资本领投的550万美元A轮融资；容联七陌获得3,500万A轮融资；Udesk获得DCM和君联资本1亿元B轮融资。
但从投资额度也能发现这样一个事实：资本对这些云客服服务创业公司的资本投资力度普遍不大，国内云客服厂商体量多数估值不超过1亿美元，在这些创业公司中并未出现真正的独角兽。
这种相对羸弱的市场现状，一方面让后来者拥有了巨大机会，但同时也将一个残酷的现实摆在了这些创业者的眼前：当巨头开始将触角伸入这一市场时，这些小体量的厂商不仅将面临愈发激烈的竞争，更有甚者是终将被在背后有着巨头支撑的玩家收割整体客服市场。
这其中原因诚如易观智库所言：国内市场，现有的SaaS智能客服产品的竞争主要体现在对于资源的整合能力以及新技术的利用方面。而用户资源、基础设施规模、资本实力、品牌与声望、团队规模则是评价厂商现有资源能力的重要指标。而很显然，客服市场的竞争，越来越将演变成综合服务能力的竞争，而巨头在这些要资源要素上显然占据了更大的优势。
写在最后：
技术力量的革新为处于成本、效率、需求碎片化、满意度多方困境下的传统客服服务市场送去了解决痛点的希望。融入云服务与人工智能技术的智能客服系统在助力企业实现成本节省与效率提升的同时也在助力企业客服部门实现功能升级转型，智能化的客服服务越来越成为了企业客服市场变革的推动型力量。而国内市场，虽然免受了国外巨头的竞争，但在当下却并没有出现独角兽级别的公司。而在后续越来越依靠综合实力的市场竞争较量中，占据更多资源优势的国内巨头或终将收割市场。
注：本文所有图片源自网络，图二源自IT桔子。
【来源：钛媒体 作者介绍：邻章，微信号：ZLxgic，微信公众号：kejilinzhang】
-
智能化
招聘4.0时代：智能模式成标配，虎聘网要做专注IT行业的智能招聘平台
“智能模式是招聘4.0时代的标志，智能化是在线招聘的发展方向”，虎聘网创始人谢军是这样看待招聘这件事儿的，虎聘网正在做的也是这件事儿。
虎聘网是一个专注于IT行业的智能招聘平台，瞄准的中低端招聘市场。谢军告诉猎云网（微信：ilieyun），中低端是针对求职者的工作经验而言，平台上的求职者大多有0~4年工作经验或应届毕业生。
相比于求职者的需求以及企业方的要求等基本条件，虎聘网更想要了解求职者的求职理念以及企业的招聘理念，为企业找到志同道合的人。谢军认为，虎聘网本质上是一个服务平台，而虎聘网更注重的是5~10年后的市场，而谢军认为招聘在未来必然会向智能化演进，所以虎聘网会先进行数据的积累，然后基于大数据做分析，在后期完成智能闭环体系。
那么，虎聘网是怎么来做智能招聘的呢？谢军告诉记者，主要分为求职者端和企业端两个部分。在求职者端，虎聘网主要通过一键求职、求职基因库以及智能简历跟踪系统+我要自荐这三部分来实现。在谢军看来，一键求职是一个入口，能够贯穿始终。具体做法是，对求职者端和企业端需求进行定量匹配，对匹配职位进行市场数据分析并反馈分析结果。此外，虎聘网还会针对个人情况定制推送面试题材和面试指导，进而做到精准投递。
谢军认为，服务是没有终止的，虎聘网则可以根据求职者的历程数据来打造求职基因库。而智能简历跟踪系统则和查快递有些类似，虎聘网会在求职者投递简历时对简历状态进行实时跟踪并反馈状态信息。在用户掌握简历的信息状态后，就可以和HR进行互动沟通，提高求职成功率。
当然，仅仅对接一端是远远不够的，虎聘网的智能化探索还体现在企业端，主要由HR智能SaaS管理系统以及智能职位+简历模板+一键猎才组成。谢军告诉猎云网，研发HR智能SaaS管理系统的目的是帮助HR简化工作流程、提高工作效率。具体的做法是，系统主动筛选和屏蔽不匹配信息，并且搭建智能前台管理系统，将智能匹配的简历和主动投递的简历分门别类。而智能职位+简历模板+一键猎才可以说是个性定制的开始。
在谢军看来，招聘行业的痛点有以下几个方面：信息不对称、信息变现困难、商业模式过于单一粗暴、招聘流程漫长等。而针对以上的痛点，虎聘网的做法是：去量存质。不追求简历的数量，而是注重质量，做免费招聘靠效果收费。此外，虎聘网的智能招聘也能够为以上问题提供更优的解决方案。
谢军是一个连续创业者，在大学时曾创立过软件公司，毕业后曾做过社交、互联网金融等产品。联合创始人马福曾在58同城产品事业部从事产品经理一职，对在线招聘市场有独到见解。虎聘网的团核心技术团队来自掌趣科技、华为等公司，团队总人数超20人。
关于盈利，则主要有效果收费，包括在企业找到合适的人才后进行收费；优质广告位的收费；用共享经济的概念向第三方收费。
猎云网了解到，虎聘网从2015年3月开始正式立项，App 1.0版本在2016年2月份正式上线。目前，虎聘网与宜信、猎豹移动、纷享销客等数几百家企业有合作关系，简历量在1万左右，匹配度能达到90%，成功率超40%。
目前，虎聘网正在寻求500万元融资。
来源：猎云网 （文/陆满红）
-
智能化
Pre-A轮融资340万美元，大数据公司Taste Analytics通过挖掘用户吐槽内容智能化企业决策
大数据、云计算等技术在近几年得到迅猛的发展，但是在实际操作层面，中美之间还存在很大差距。国内的企业级客户在进行大数据分析时，仍以分析结构化数据为主，而在美国，很多企业已经开始分析非结构化数据，中国市场仍缺少这方面有效的分析工具。
据IDC的调查报告显示：企业中80%的数据都是非结构化数据，这些数据每年都按指数增长60%。
位于硅谷的Taste Analytics推出综合智能数据分析平台—— Signals，其最独特的地方在于既具备非结构化文本文档数据的深度分析能力，同时也支撑着各种传统的结构化数据 (报表、销售记录等)。
那么，什么是非结构化数据?
非结构化数据主要是指那些无法用固定结构来逻辑表达实现的数据，简单来说就是用户散落在论坛、微博、微信或其他渠道发表的关于产品的各种评价或吐槽。
从形态上，它主要包含这三大块：
第一是文本文字;
第二是图像、图片等;
第三是视频流、电视流。
对比一下或许更有助于理解，非结构化数据和结构化数据最本质的区别包括三个层面：
首先，非结构化数据的容量对比结构化数据要大，可以达到10几倍甚至几十倍的体量;
其次是产生的速度，比如Twitter刚出来的时候，每天产生一亿条的信息量，新浪微博的信息量更大，可以达到几十亿条信息;
最后是数据来源的多样性，这些数据来源有客服、邮件、调查问卷、社交网络等等。
因此，signals平台服务的对象不是企业的 IT、数据库，而是商业人员，例如市场营销，客服、信息洞察员、产品优化改进设计人员等。
以手机厂商为例，Signals通过对客户的邮件反馈、在论坛的相关讨论、微信、微博等相关评价信息分析，告诉设计师用户普遍反映电源键的位置设计很不人性化，手机开屏经常掉帧等等，从而进行产品优化。
非结构化数据既然这么复杂，那怎么分析?
Taste analytic主要是通过如下几个步骤进行非结构化数据分析的：
第一，数据采集，帮助企业更快更全的采集到各类数据。
signals集成了上百个数据接口，包括亚马逊、天猫、Salesforce，ZenDesk, Esty, Yelp、Twitter、Facebook、Apple Store、Google Play Store等，并且这个数字还在飞速扩大，根据taste analytic创始人汪晓宇的介绍，他们正在和国内的第三方数据提供商聚合数据、百分点等进行合作，将为中国客户提供更多本地化的数据。
非结构化数据接入口
第二，数据分析，也就是对于非结构化和结构化数据进行深度机器分析。
signal通过深度学习非结构化的自然语言，根据用户的用词、造句、行文方式来理解文字含义，通过对大范围的用户、上千万个消费点进行聚类分析。目前Signals平台具备成熟的实时分析包括中文在内的12种文字以及语音等非结构化数据的能力。
此外，Taste Analytics的服务适用于各种非结构化数据分析场景，只要有聊天记录、对话记录和邮件记录，就可以和数据源直接对接分析。
从各种维度进行分析
第三，将数据进行图像可视化。
Signals平台会把数据分析结果进行可视化输出，为客户提供10余种图像可视化模式，并且支持客户自定义分析，共包括15种不同的可视化分类。
将数据分析结果可视化
此外，汪晓宇告诉创业邦，Taste Analytics研发出的最先进的分析技术——预测性分析，也将在中国上线，用户可以享受到结构化和非结构数据的精准分析结果，系统针对关键词、时间趋势等因素对市场行为作出及时的预测。
依据上图的元素进行预测分析
那凭啥别人不能做或做不了?
与国内诸葛IO、GrowingIo不同的是，Taste Analytics主要针对的是文本非结构化的挖掘和处理，而诸葛IO是对于机器产生的数据流，Click数据的分析。对于企业来说，两者是相对互补的关系。
汪晓宇告诉创业邦，Taste Analytics成立两年，就已经获得了百万美元量级的订单，拥有像Ally银行、ForeSee问卷调查等客户，收入增长了6倍，并且季度营收增长速度保持在300%左右。
之所以取得这样的成绩，主要核心在于技术和人才，其技术壁垒在于文本数据的深度学习。
汪晓宇博士毕业于北京邮电大学的通信工程专业，之后就到美国直博，之后因为突出的学术贡献，被破格提拔为北卡大学夏洛特分校的助理敎授，并在美国五大视觉中心之一的夏洛特视觉中心任主任。他曾经应邀在美国海事国防安全风险大会演讲;还曾在斯坦福给计算机系的学生传授研发经验。
Taste Analytics的CTO俞立和Thomas Kraft，也是从美国顶级学府博士毕业，技术团队成员全都是硕士以上学历，博士占比达40%。
Taste Analytics在2月完成Pre-A轮340万美元融资，由真格基金领投，跟投机构包括聚合数据、华创资本等。
汪晓宇认为在实际操作中，图片、视频的潜力还大大没有被挖掘，机器数据和FinTech 瞬时高维度的金融数据也很有潜力。Taste Analytics未来将加大对图片和视频领域的非结构化数据分析。
来源：创业邦
扫一扫 加微信
hrtechchina
