图片 6

从人工智障到人工智能,京东联手英特尔开启无界零售新时代

原标题:重塑人货场关系 京东联手英特尔开启无界零售新时代

原标题:物业智能客服落地:从人工智障到人工智能

原标题:eBay 的 HeadGaze 技术让你在 iPhone X 上只用动动头就能购物

  近年来,在人工智能、大数据、物联网等技术的推动下,传统的互联网零售或实体零售已经不能满足消费者诉求,人-货-场的关系正在重塑,零售行业正迎来前所未有的变局。

文章以物业客服的人工智能为例,从业务流程、语音收集、知识库、设计四个方面分析了产品的需求,简述了智能客服落地的全部过程。

图片 1

2018年,英特尔与京东再度联手签署合作备忘录,推动智能零售时代的全速推进。9月11日,双方相关负责人介绍了合作的最新进展,以及对零售行业未来的看法。在双方看来,技术已成为行业发展的主要驱动力量,“知人、知货、知场”的智能服务场景成为零售市场竞相追逐的新模式。

图片 2

eBay日前发布了一款增强现实应用,这款新应用运用了 iPhone X
的前置相机(通过 TrueDepth 相机中的 3D 传感器跟踪头部运动)和苹果的
ARKit,通过扭头就可以完成购物过程。

京东集团副总裁、大数据智能管理与分析技术国家地方联合工程研究中心执行主任翁志表示,在智能零售时代背景下,京东正致力于打造无界零售,重构零售的成本、效率与体验。

写完题目感觉起大了,其实感觉现在也还是个人工智障:)

这个系统被 eBay 称为 HeadGaze,与眼动追踪类似。eBay 在视频演示了如何使用
HeadGaze 不用手完成在线购物,只需用眼睛盯着(对应头部移动)iPhone
屏幕的相关区域即可。

英特尔副总裁、物联网事业部中国区总经理陈伟认为,智能零售时代应该提升顾客体验并优化运营,通过不断加大在零售领域的研发投入,积极与像京东一样的行业内领先合作伙伴联手

一、前提

该技术由 Muratcan Cicek 领导的 eBay 实习生团队打造。Cicek
是一名软件工程师和博士生,他使用辅助技术对运动障碍疾病提供支持。从这个层面来说,HeadGaze,以及由
Cicek 打造的名为 HeadSwipe
的购物应用,对于那些正在寻找更易于使用的移动设备的残障人士来说,应该是一项非常有用的技术。

据介绍,双方合作的契机在于,英特尔可提供边缘计算与人工智能相结合的技术,京东在各种零售场景中加以使用,形成一套完整的解决方案,可以全面覆盖多种智能设备,涉及人脸识别、物品识别、自助收银机,柜员机,数字标牌等应用。同时,复杂零散的业务场景也得到了再次统一,无论是无人售货机,小型无人店还是大型生鲜超市,英特尔和京东携手打造的智能零售整体解决方案都可以进行匹配。

随着人工智能的兴起,机器人客服也开始成为互联网公司在线服务的标配前置。我所在公司当前的业务范围涵盖物业和业态(电商、到家、广告、保险等)多维的服务,原来APP端只接入了业态相关的在线,每天的会话量级只有几百左右。

“除了这种移动头部的体验,我们也正在探索眼球追踪体验,” Cicek 在一篇关于
HeadGaze
的博客文章中写道。“这些技术的融合为各种各样的免手势操作系统开辟了更多可能性,这将使得更多有趣的应用成为可能。”

英特尔公司物联网事业部副总裁兼零售解决方案部总经理 Joe D.
Jensen表示,数据和数据分析对于整个零售行业的改变,可以更好地帮助零售行业使用、管理和分析数据,我们能够提升整个消费者的总体消费体验,能够向消费者推荐更多相关性更强的产品,能够改善整个店铺的总体运营水平,从而最终提高运营效率。

物业服务在公司呼叫中心的占比大约是业态服务量的几十倍,因此业务方希望在APP端开通物业在线的功能,同时前置智能客服机器人,实现对呼叫中心话务量的分流,同时也满足部分习惯使用在线进行交流的用户的需求。

值得称赞的是,eBay 决定将 HeadGaze 和 HeadSwipe 作为开源项目发布在
GitHub 上,其他应用程序开发商可以将 Cicek
的技术应用到自己的产品中,帮助更多残障人士更便捷地使用各种设备。

“用人工智能的技术,通过线下实体店传感器的应用,能够让线上和线下的数据有一个有机结合。”翁志解释了目前人工智能、大数据、物联网与实体店应用场景结合的实际案例:比如可以通过店里的摄像头能够知道,整个客流的形势,顾客是什么样的年龄分布,顾客属于什么类型?是年轻人还是老年人?从而实现对数据进行精细化分析,可以使商家更加了解自己的客户。

1.1 价值预估

eBay 的 HeadGaze 技术让你在 iPhone X
上只用动动头就能购物动点科技。返回搜狐,查看更多

双方表示,英特尔和京东将在物联网解决方案领域展开持续合作,重塑实体店的未来,助力全中国超过680万家庭式零售商店有效满足客户的需求并消除目前的销售障碍。(杨波)返回搜狐,查看更多

通过下面的电话和在线的漏斗图可以看到期望的拦截路径。通过对工单频次进行分析,已经在电话端上线了高频分类的IVR功能,日均可以实现30-40%左右的人工拦截量。

责任编辑:

责任编辑:

其中门禁、代收包裹电话自助功能用户的使用黏性和评价都较高。对于在线服务,期望初期能分流20%的电话量,并逐步提升到50%。同时机器人能够实现40%左右的在线拦截率。

图片 3

电话漏斗图

图片 4

在线漏斗图

1.2 实现路径

先开通APP端物业在线服务积累用户语料,从电话端引流到在线端,培养用户通过在线进行物业咨询和报事习惯。后续通过灰度发布,逐步开通各个社区的智能客服,实现机器人的7*24小时服务。

图片 5

1.3 场景选择

智能客服应该优先解决哪些问题,支持哪些交互方式,用户有哪些高频的问题和场景,这些需要通过对历史的工单数据进行分析来提取。

从呼叫中心工单分类报表和APP端服务访问频次,我们提取出来四个高频操作场景:访问通行、园区报事、房屋急修(户内报事)、生活缴费。

物业咨询相关的问题通过QA和FAQ来实现:

图片 6

二、语料收集

物业相关的语料较为垂直,同时和自身的业务耦合较高,放弃了从公开语料库获取的思路,打算从积累的电话录音和在线的语料中进行提取。

2.1 在线语料

获取历史的在线会话记录,抽样进行语料标注,作为测试集。

2.2 语音标注

呼叫中心记积累了百万级别的通话录音,通过语音转写和人工标注,作为语料喂养给NLP训练使用。