招商信諾在數字化改革的過程中，走在了很多企業的前面，如今已經搭建出一站式線上服務的營銷平臺，通過金融和科技的融合，幫助企業在銷售質檢和客戶篩選上，完善定制化解決方案，為企業持續提高工作效率。在監管背景下，招商信諾針對智能機器質檢系統升級，持續提升近40%的質檢作業效率，為企業乃至用戶提供更為完善的解決方案。
招商信諾致力于解決傳統機器質檢系統問題
過去幾年，各大保險公司、保險中介機構紛紛部署了機器質檢系統、雙錄質檢系統，以期能夠及時發現和糾正銷售員與客戶溝通過程的不規范之處，降低企業被投訴帶來的合規風險。但企業漸漸發現，過去部署的傳統機器質檢系統效果無法令人滿意。同時，在監管趨嚴的背景下，全行業紛紛開始向基于對話語義的新一代智能機器質檢系統升級。具體來看，傳統機器質檢系統難滿足需求的關鍵原因有二：第一，人與人溝通時講的話是高度個性化的、表達方式是復雜多樣，僅僅依靠“規則”進行窮舉的傳統機器質檢方案，很難識別出真正的句子語義。第二，保險銷售的業務流程、邏輯是復雜的，傳統的機器質檢，無法對包含多通對話、復雜邏輯和場景的質檢項進行查找。
招商信諾形成新一代保險質檢的“三級火箭”解決方案
為了破解這兩大難題，循環智能(Recurrent AI)在與招商信諾人壽提供服務的過程中，逐漸形成了新一代保險質檢的“三級火箭”解決方案：首先，從字和詞級別的關鍵詞+正則方式，到引入句子和段落級別的AI語義點方式;其次，引入企業自定義字段和邏輯規則判斷，實現多通對話、多個語義點之間復雜的流程&邏輯判斷;最后，在成功單質檢場景，通過計算同一個保單涉及的多通會話違規的可能性高低，進行違規值排序，幫助人工復檢員節省工作量。
從“關鍵詞”升級到“一段話的語義”。從工作原理上看，保司和保險中介機構部署的初代機器質檢系統，通過將錄音轉寫成文本，然后借助“關鍵詞和正則表達式”進行窮舉，以查找其中可能涉及違規的會話。而新一代的AI機器質檢方案則與之不同。新方案通過“喂”給機器足夠多的違規實例片段和不違規實例片段(即經人工判斷屬于某項違規或不屬于某項違規的對話語句片段，這個過程在AI領域被稱為“人工標注”)，訓練機器算法去“學習”違規對話片段的隱含特征，然后用“訓練”出的模型識別更多對話片段的語義，看看是否命中這個“AI語義點”。
引入多通對話、復雜流程的邏輯關系配置。在真實的保險銷售對話中，發現銷售員不嚴謹或不規范的地方，例如“產品介紹遺漏”這樣的質檢項，通常會涉及多個標簽(AI語義點或正則語義點)，因為先要判斷當前對話的場景是否涉及某個長期險或短期險，然后再判斷是否講到了相應保險產品的所有五項或七項特點。再例如，在“保單遞送對話場景”提及電子保單或紙質保單其中一個都算合規，但是關于“保單生效日”陳述的要求是，必須講到生效日，同時提到“扣款不成功不生效”，才符合要求。新一代合規質檢系統，支持企業自定義字段，以及復雜多樣的質檢項場景邏輯配置，對于包含多通對話、復雜流程邏輯質檢項的支持更加精細化、更加完善。
招商信諾通過循環智能，節省40%質檢工作量
成功單質檢的違規值排序。保險企業在銀保渠道銷售的保險，需要對所有的“成功單”銷售溝通過程(錄音和文本)進行人工質檢復核，這是一項非常耗時的工作。企業的一項核心訴求是，如何能把最有可能違規的對話給找出來，讓人工質檢員把精力花在可能違規的對話內容上。因為，循環智能創造了一種新的“違規值”算法，通過把整個對話(甚至同一個保單對應的多個對話)當成一個整體進行機器學習：在訓練階段，將“違規”的整體對話和“沒違規”的整體對話輸入算法模型，學習“違規”對話的隱藏特征;在執行階段，將新的對話輸入算法模型，然后計算該對話違規的概率。
在需要100%人工復檢的保險成功單質檢場景，如果在算法建模階段經過了充足的數據訓練，那么循環智能(Recurrent AI)的“違規值”排序功能，基本上可以在違規值前60%的會話中找到大部分違規對話，最高節省40%的成功單質檢工作量。
招商信諾持續創新，提出精準銷售方案
常規的網電銷業務流程是，保險公司將不同來源的線索名單打包成專案，再分配給聯絡中心進行溝通。由于名單中客戶的意向值是不同的，包含了相對的高意向客戶和低意向客戶，所以如果可以提前進行辨別和篩選，對于存量線索名單比較豐富的保險企業而言，就可以減少聯絡中心在低意向線索上浪費的精力，把有限的精力聚焦于相對高意向的客戶，提升轉化率。
目前，保險行業部分企業開發的目標客戶篩選模型，主要是基于從用戶的行為數據(訪問了哪些頁面)、業務數據(購買的保單字段)和屬性數據(年齡性別等)中提取的客戶標簽等結構化數據進行建模，找出相對高意向客戶的隱藏特性，然后篩選新名單中的高意向客戶進行優先觸達。由于企業與客戶之間溝通時產生的對話數據，屬于非結構化數據，常規模型難以納入這些數據，所以這些數據一直沒有在目標客戶篩選模型中起到作用。
循環智能(Recurrent AI)以自然語言處理技術見長，與招商信諾人壽合作，創造性地提出了將結構化的客戶標簽數據與非結構化的對話數據進行組合建模的方式。雙方在目標客戶篩選模型上進行技術創新，形成新一代的精準銷售(Target)解決方案。從實際效果看，在存量名單的翻打等目標客戶篩選場景中，全新的組合模型方案，相比單獨的結構化數據模型，成單轉化率可以提升 30% 左右。
招商信諾如今在行業內已深耕了18年，并且一直在行業內保持著A級標準，持續為600萬消費者提供更為優質的產品和服務，通過科技賦能，幫助消費者進行保險保障、健康管理、財富規劃等方案等推進。如今招商信諾已進入了全新的數字化階段，擁有著精細化管理能力，在行業內可謂是杰出代表。未來招商信諾也依舊保持著創新精神，持續走在行業前列。
