報告編委

張揚

愛分析聯合創始人&首席分析師

文鴻偉

愛分析高級分析師

王鵬

愛分析分析師

目錄

1. 研究范圍定義

2. 廠商全景地圖

3. 市場分析與廠商評估

4. 入選廠商列表

1. 研究范圍定義

研究范圍

在數字化快速發展的大背景下，隨著消費人群及其消費意識的轉變，客戶對服務體驗的需求持續升級，客戶服務從單一的售后服務，前置到品牌營銷乃至擴展至客戶生命周期的全鏈路，智能客服的邊界也在不斷拓寬拓深，在為企業提供客戶服務基礎上，更多地切入業務場景。同時，在新一代人工智能技術賦能下，創新的智能化應用在客服領域逐步加深。

從智能客服應用場景來看，最開始聚焦售后服務，后來延伸至智能外呼。隨著政策監管趨嚴以及人工智能等新興技術的快速普及，智能客服的范疇進一步延展至在線客服、坐席輔助、智能質檢等領域，以期通過底層技術的輔助，持續加深對客戶畫像及需求的理解，提升響應速度、服務效率、服務規范度。

從智能客服的發展路徑來看，尤其是隨著甲方對于客戶全生命周期價值（CLV）的日趨重視，客戶服務已不再只是成本中心，其定位也在不斷往“價值中心”加速演進。伴隨人工智能、云計算等新技術的不斷普及，加之新冠疫情的影響，通過智能客服平臺來破除傳統客服行業發展桎梏成為越來越多企業的必然選擇。智能客服，可實現全天候響應，通過替代部分人工或與傳統人工服務進行高效結合，提升整體的客戶咨詢匹配準確率及成功率，最大化客戶滿意度，為客戶的業務咨詢、復購、口碑傳播等提供支撐，幫助甲方降本增效，持續優化客戶體驗。

本報告重點選取智能客服一體化市場作為重點研究對象，對智能客服進行研究。

圖 1： 智能客服市場全景地圖

廠商入選標準

本次入選報告的廠商需同時符合以下條件：

廠商的產品服務滿足各市場分析的廠商能力要求；

近一年廠商具備一定數量以上的付費客戶（參考第3章市場分析部分）；

近一年廠商在特定市場的營業收入達到指標要求（參考第3章市場分析部分）。

（注：“近一年”指2022年Q1至2022年Q4）

2. 廠商全景地圖

愛分析基于對甲方企業和典型廠商的調研以及桌面研究，遴選出在智能客服市場中具備成熟解決方案和落地能力的入選廠商。

3. 市場分析與廠商評估

愛分析對本次智能客服項目重點研究的特定市場分析如下。同時，針對參與此次報告的部分代表廠商，愛分析撰寫了廠商能力評估。

智能客服一體化

市場定義：

面向企業的客戶服務中心等部門構建或升級客服服務能力、提升客戶體驗的需求，通過提供在線客服、云呼叫中心等SaaS層及智能機器人、智能質檢等智能層產品，幫助企業系統構建貫穿客戶服務的服務前、服務中、服務后的全流程閉環能力，提升企業客戶服務的整體響應效率、響應精準度、降低違規風險，提升客戶體驗。

甲方終端用戶：

客戶服務部門、市場部門、HR等部門

甲方核心需求：

隨著消費人群及其消費意識的轉變，終端用戶對企業客戶服務提出了更高要求。同時，疊加疫情因素，原本線下業務被迫遷移至線上，致使線上業務量陡增，企業現有的客服中心面臨多重挑戰。因此，企業需要利用人工智能等新技術系統化提升自身客戶服務能力，具體核心需求如下：

企業需要高效、精準地完成人員培訓，并賦能員工持續學習。首先，企業所需的關鍵知識、經驗大多存在于專家或優秀員工個人知識體系中，并未形成專業文檔或完成知識資產化，難以復用，可能造成客戶服務質量層次不齊。因此，企業需要將現有專家、優秀員工的專業知識和經驗進行梳理總結、系統提煉和資產化，以擺脫經驗驅動，實現規模化復用，方便業務人員對所需的專業知識進行快速查詢和學習。其次，企業之前的培訓方式基本為無差別授課式培訓，但員工學習能力各有差異，集中式培訓效率低，培訓效果較差，且效果無法閉環。尤其是對沒有直接管理權的經銷商員工，企業更需要更加靈活的學習方式供其選用。因此，企業需要針對不同學習能力的員工，基于其行為分析及能力畫像，精準推送更為合適的學習內容，并實現場景化、自動化學習過程，以練代培，促進員工持續成長。

企業需要實現工單的全渠道統一接入，并通過智能工單管理，將接入的客服工單路由至最合適的員工。一方面，互聯網時代，企業觸客渠道越來越豐富多樣，流量分散導致客服渠道被同步拉寬。傳統模式下各平臺渠道相對獨立，客服人員在接待訪客時需不斷切換系統，影響接待和響應效率。另一方面，在某些高并發業務場景下，很容易出現回復不及時導致客戶體驗差甚至出現客戶流失等情況。因此，企業需要整合微信、電話、QQ、網頁、APP、微博、郵件、短信等多個渠道，實現多渠道信息互聯互通，便于客服人員統一接待，并能夠自動將客服工單匹配給最合適的人員進行處理，提升企業整體客戶服務體驗，降低客戶流失率。

甲方需要能夠通過文本、語音等多形態的精準語義理解，降低坐席接入。同時需要通過輔助工具賦能員工，提升員工響應速度、準確度與規范度，確保客戶溝通效率及服務質量。首先，客戶常常通過發送文字、圖片或者撥打客服電話等多形態方式進行咨詢，也會出現跳躍性較大的問題和各類非常規問題。因此，甲方需要通過智能機器人提升對客戶不同形態語義的理解，準確了解客戶需求并進行自動反饋，在提升服務質量的同時降低客服人力成本投入。其次，企業業務知識體系龐雜、業務流程長，單純依靠客服人員的記憶和習慣，很難達到合規和效率要求，必須有相應的系統輔助其按流程和話術要求高效完成客服工作。同時，客戶體驗還容易受到客服人員的情緒以及個體能力差異的影響。鑒于此，無論是一線客服人員還是客服管理人員均希望能有成熟的輔助工具來做輔助，提升客服工作的整體平均質量和效率。例如，在客戶咨詢時可通過輔助工具實時提供業務知識、話術、銷售策略、業務流程等方面的幫助，讓客服人員更好、更快地完成客服作業。

甲方需要實現低成本、全覆蓋、高質量的服務質檢甚至實時質檢，確保客戶服務符合流程與管理規范。傳統質檢主要以人工抽檢為主，難以覆蓋整個業務流程，質檢效率低且時效性較差，難以及時發現潛在風險和問題。并且，傳統質檢的質檢效果易受質檢員主觀影響，質檢質量難以把控，質檢員也無法對溝通數據進行全量分析，質檢工作覆蓋度較低。因此，甲方需要能夠覆蓋整個業務流程的全量智能質檢能力，甚至是實時質檢能力，提升客服服務內容的合規性并進行實時介入，確保服務合規，減少質檢人員人力成本投入。

甲方需要將服務前-服務中-服務后的全流程、全場景進行打通，克服不同服務商之間數據口徑不一、開發調優協調難度大等問題，確保客服體系的整體高效。首先，從需求角度出發，為滿足客戶越來越高的消費體驗需求，企業客戶服務中心也在不斷升級和智能化改造，企業需要在傳統客服中心基礎上陸續搭建智能機器人、智能培訓、智能輔助坐席、實時質檢等系統，以提升客戶服務能力。其次，從供給端來看，智能客服發展初期，很多廠商沿用前幾代技術，而現階段廠商更多是采用開源框架進行搭建，不同時期系統采用不同的技術架構，在一定程度上增加了系統融合的難度。經過多年的持續建設，企業內部形成了重重煙囪式系統，無法基于企業數據資產提供體驗趨于一致的客戶服務，致使不同渠道的客戶體驗層次不齊，對企業的品牌、客戶運營形成很大挑戰。因此，甲方需要打通客服業務全流程，破除不同廠商、不同時期的業務系統融合運行的障礙，實現全場景數據融合，提升企業客戶服務的整體性、協同性與智能化，從而大幅提高客戶服務的整體效率和質量。

廠商能力要求：

為滿足甲方企業上述核心需求，需要廠商具備以下能力：

廠商需要強大的NLP、ASR、深度學習、知識圖譜等底層技術能力，賦能企業智能培訓、智能客服機器人、數字人、智能質檢等多業務場景。首先，廠商能夠通過自然語言處理、語音識別、知識圖譜等多項人工智能技術，快速識別并準確理解來自客戶的文字、語音、圖片等不同形態的語義以及對上下文的理解，通過語義分析其意圖，并進行結果智能匹配，甚至實現對客戶的跳躍性問題及非常規問題進行準確的結果匹配。其次，在底層技術基礎之上，廠商需能夠開發出多種開箱即用的模型，并且支持不斷地調優和自主迭代，以更好地賦能智能客服機器人、智能質檢等客服業務場景。

廠商需要具備豐富的產品線和一體化服務能力，幫助企業系統化構建覆蓋服務前-服務中-服務后的客戶服務體系。首先，廠商需具備一體化服務能力。廠商需具備從前期的方案咨詢，到中期的解決方案提供、設計規劃、行業know-how植入、產品選型部署、測試、調優，再到后期的運維支持等客服領域的全流程、全場景服務能力，為客戶提供端到端的閉環服務，幫助企業更好地構建、管理和運維其智能客服應用。其次，廠商需具備全面的智能客服產品體系。廠商需具備從全渠道接入、智能工單管理、智能客服機器人、數字人，到智能輔助、智能質檢、智能培訓、云呼叫中心等全場景覆蓋的產品體系，幫助客戶全面構建客服能力。

廠商需要深厚的行業know-how，為行業客戶提供高度場景化、高復用度的成熟解決方案，并支持定制化與可拓展，幫助企業持續創造業務價值。廠商需深耕智能客服領域，在多個行業具有智能客服項目落地經驗，具備豐富的行業知識與數據沉淀。首先，能夠基于對各行業智能客服業務場景的需求理解，將行業know-how與企業業務需求相融合，提供有針對性且高實用性的解決方案。如，智能投顧領域，廠商需要協助企業嚴格遵守國家監管要求，避免在產品宣傳側進行誘導或承諾收益而不明確提示投資風險等行為。其次，廠商不僅需要提供通用產品能力，也需要根據不同客戶需求進行快速定制。同時，廠商的產品需要具備可拓展性，為客戶新增業務或創新業務提供持續升級底座。

入選標準：

1.符合智能客服一體化市場分析的廠商能力要求；

2.近一年廠商在該市場的營收不低于1000萬元；

3.近一年廠商在該市場的付費客戶不低于5個。

代表廠商評估：

竹間智能

廠商介紹：

竹間智能科技（上海）有限公司成立于2015年，專注于自然語言處理(NLP)、知識工程和情感計算，以對話式交互Al、知識圖譜、情感分析及機器學習技術為核心，為企業提供端到端的Al數字員工，助其實現銷售、客戶服務、業務處理的智能自動化，以增加收入、提高效能、降低成本。

產品服務介紹：

智能客服方面，竹間智能依托自研的NLP（自然語言處理）、知識工程、深度學習、智能語音、多模態情感計算等核心技術，通過Service AI及Knowledge AI這兩大產品平臺，為企業提供對話機器人、智能陪練、智能知識庫、實時坐席助手、實時質檢、認知洞察等一體化智能客服產品，覆蓋智能客服的坐席培訓、全渠道接入與工單分配、機器人與人工接入、回訪及坐席考核等服務全流程場景。

廠商評估：

綜合來看，竹間智能在底層核心技術、產品組合、咨詢及系統化落地交付方面能力突出，能為客戶快速提供各類成熟的解決方案，實現業務價值。

竹間智能長期深耕NLP，圍繞智能交互與人機協同，以“NLP+機器學習”為底座，系統地構建起對話、知識、情感相融合的核心技術體系，為智能客服全系產品深度賦能。

智能客服的本質是交互，竹間智能經過七年開發，100%自研了成熟的自然語言理解技術，并且不同于多數廠商只專注長短文本中的某一個領域，竹間智能不僅精通短文本NLP，還具備突出的長短文本結合能力，可對復雜長句進行解析，因此不僅支持傳統的標準問答和FAQ，更可識別用戶的諸如倒裝、省略等復雜、非標難句，進行流暢的多輪對話，有效解決了傳統智能客服與用戶互動過程中的場景限制、答非所問能等業界難題，顯著提升了智能客服對話效果。

復雜問題需要人機協同來高效解決，竹間智能擁有強大的知識工程技術，可對企業的海量結構化或非結構化數據進行挖掘分析、解析，自動進行文本解析和知識抽取并自動構建知識圖譜，實現認知搜索、智能問答、知識推理等多種知識應用，幫助企業快速構建起統一、強大的智能知識庫，向前端業務場景高效輸出業務及服務知識儲備，支持在線客服以及坐席助手等場景，大幅提升坐席的服務效率、質量和規范化程度。

人類的對話交流是情境、情緒、含義、形式的復雜綜合，在客戶服務場景下，還需要根據業務及用戶需求變化而不斷學習進化。竹間智能基于交互場景需要，自研了智能語音技術（ASR）、多模態情感計算、機器學習等核心技術，與NLP、知識工程一道，為全系產品和方案在知識儲備、溝通交流、持續學習等核心能力方面提供堅實技術支撐，并賦能前端交互、協同的持續進化，構建“業務應用-反饋-數據-模型優化”的良性閉環。NLP結合智能語音、多模態情感計算技術，可有效支撐實際業務中出現的文字、語音、圖片等多形式溝通交流以及上下文語義和溝通情緒的理解，以助力客戶向終端用戶提供更高效、更人性化的客戶服務。

圖 2： 竹間智能核心技術與智能客服相關產品示意

竹間智能堅持技術平臺化，通過豐富且功能強大的平臺型產品，可系統覆蓋客戶服務全流程全場景，并快速組合成適配企業需求的解決方案。

一方面，竹間智能擁有豐富多元的智能客服產品組合，具備強大的場景覆蓋能力，可為企業提供端到端的整套智能客服解決方案，為企業的客戶溝通提供全流程全場景賦能。竹間智能可提供包括智能陪練、對話機器人、實時坐席助手、智能質檢、知識圖譜與知識庫、智能外呼與智能IVR等智能客服場景全系產品。

1) 在智能培訓方面，竹間智能的智能陪練產品Emoti Coach，可實現以練代培，學練合一，打破傳統授課式、無差別培訓模式，開展一對一個性化、場景化對練，根據員工業務表現、學習的標簽畫像，對不同員工自動精準推送更適合其薄弱環節、能力成長的練習課程，形成千人千面的獨特學習成長路徑，大幅縮短員工上崗時間、不斷提升服務質量，實現員工的精細化管理，并且能夠與智能質檢搭配，形成質培一體，以實時質檢快速發現前端服務的不足，并進行實時反饋，有針對性地進行練習提升。

2) 在智能交互方面，竹間智能與金融、政企、制造、零售、醫藥等多個行業頭部企業長期合作，通過與客戶共創和抽象，積累了豐富的行業語料、場景know-how，打造出Bot Factory對話式AI平臺，可為不同客服任務定制AI對話機器人，提供30+行業機器人模板、70+已開發對話技能、17個領域300+意圖等豐富的標準化能力，通過Open API與企業現有系統無縫融合，企業可開箱即用，零啟動可達80%準確率，訓練后準確率超過90%；如需二次開發，企業可通過零代碼方式，在Bot Factory平臺上進行多輪對話流引擎、意圖引擎、情緒引擎、知識推理引擎等內置智能引擎的簡單配置，即可以極低成本快速定制、優化出符合自身業務需求的對話機器人，包括外形及風格千變萬化的多模態情感數字人；此外，Bot Factory具備AI自學習能力，可進行自動化學習與訓練，不間斷分析和挖掘服務內容，識別及優化未知問題，自動習得新知識，越用越智能。

3) 在智能輔助方面，竹間智能的Emoti Mate實時坐席助手，可為坐席人員提供實時的專家級知識推薦，并可實現客戶畫像提取、話術推薦、流程導航、實時語音轉寫等功能，極大提高坐席人員的服務效率和規范度，尤其是可對重點服務指標、業務流程、客戶及員工情緒的實時監測及預警，保證服務質量及規范，有效降低投訴風險，幫助客服主管人員分析和掌握團隊整體狀況，及時對服務和管理進行決策、調整和優化。

4) 在智能質檢方面，竹間智能的Emoti ICA產品，積累了豐富的行業質檢規則模型庫，企業可一鍵獲取，簡單培訓后即可啟用，支持語義維度規則邏輯的圖形化配置，可實現常規業務、致命項、累計加、累計扣、階梯計分等模式；Emoti ICA具備實時和離線質檢的雙重能力，并可對文本、語音、視頻等多模態資料進行情緒識別，實時提取客戶的關注熱點，可廣泛應用于電話錄音質檢、電話回訪質檢、貸款催收、風險預警、話術挖掘、商機挖掘等眾多場景。

5) 在知識庫管理方面，竹間智能依托功能強大的Gemini 認知智能平臺，可快速構建知識圖譜和知識庫，幫助企業實現認知搜索、智能問答、知識推理等多種知識應用，為智能客服全業務場景提供扎實的底層知識支撐。Emoti KG作為其中的知識圖譜產品模塊，可幫助企業自動構建金融、醫療、工業、司法等眾多行業圖譜，賦能智能培訓、風險控制、智能問答等客服場景；另外，Emoti KM智能知識庫模塊，可解鎖企業海量非結構化文檔和數據，將文檔、流程、圖譜等多種知識源匯聚在同一平臺，促進企業知識資產沉淀，讓企業知識通過自然語言即可查詢和應用，打通對內服務和對外產品，實現知識聯動，賦能企業知識門戶、坐席輔助、對話交互、智能培訓等場景。

6) 最后，竹間智能還有Emoti Insight認知洞察、Emoti Voice智能語音、Emoti ASR/TTS等多款標準化產品可應用于智能客服相關場景。以Emoti Insight認知洞察產品為例，它可將企業非結構化數據經過標簽分類，自動生成諸如用戶畫像、情緒、觀點、基于上下文的話題分析等洞察，并通過Open API與企業各類應用直連，幫助企業豐富行業標簽庫和知識圖譜。通過用戶畫像的不斷豐富，提升對話機器人、智能輔助千人千面的服務能力。

另一方面，竹間智能從企業的全周期能力構建及成本視角出發，將產品平臺化，便于客戶快速配置上線、二次開發、運營維護及能力拓展。竹間智能產品支持私有化部署，并提供SaaS和PaaS服務，便于不同規模企業進行選擇。以對話機器人為例，竹間智能將對話式AI相關的各類引擎、能力平臺化為Bot Factory對話式AI平臺，方便企業對接自身各類系統并進行快速部署、調優上線，同時提供強大的運營工具，可生成日志和各項報表分析，便于企業進行系統及產品運維；此外，Bot Factory作為開放式云平臺，也便于企業根據業務發展來進行AI拓展，增加對話機器人覆蓋的場景，以及升級機器人的各項能力，伴隨業務共成長。

竹間智能具有強大的咨詢服務能力及系統化落地實施能力，能夠幫助客戶設計和優化智能解決方案，推動項目快速實施上線。

一方面，竹間智能依托成熟的項目方法論與管理體系，在服務過程中不局限于產品層面，而是向客戶提供“科技咨詢服務”。基于行業Know-how與AI領域的發展現狀與動向，竹間智能幫助客戶根據自身需求共創技術方案，明確最終的預期效果，同時對客戶的數據及語料準備提供詳細畫像建議，以便在后續的模型訓練中取得更好效果，幫助客戶更好地完成產品開發與迭代優化，在資金預算內達成業務應用效果的最大化。

另一方面，竹間智能系統化落地能力突出，有統一的交付平臺，有專為交付開發的低代碼開發工具，有完整的交付和運營團隊。竹間智能始終堅持自主交付，確保客戶所見即所得。在知識運營方法論及項目管理保障體系的保障下，進行需求梳理、產品部署、客戶知識數據梳理、客戶內部系統對接、調優、上線。大部分客戶需求通過竹間產品的標準化功能即可滿足，只用完成少量的定制化模塊開發。當然，對于目前越來越旺盛的信創需求，竹間也完全能支持并滿足。另外，為客戶問題分級，按照項目管理流程，根據對應的問題級別去響應客戶需求直至解決，重大問題快速撲滅，確保項目準時上線和價值實現。

典型客戶：

比亞迪、上海銀行、華泰證券、同程旅行、碧桂園

4. 入選廠商列表

免責聲明：市場有風險，選擇需謹慎！此文僅供參考，不作買賣依據。

關鍵詞：