招商信诺在数字化改革的过程中，走在了很多企业的前面，如今已经搭建出一站式线上服务的营销平台，通过金融和科技的融合，帮助企业在销售质检和客户筛选上，完善定制化解决方案，为企业持续提高工作效率。在监管背景下，招商信诺针对智能机器质检系统升级，持续提升近40%的质检作业效率，为企业乃至用户提供更为完善的解决方案。
招商信诺致力于解决传统机器质检系统问题
过去几年，各大保险公司、保险中介机构纷纷部署了机器质检系统、双录质检系统，以期能够及时发现和纠正销售员与客户沟通过程的不规范之处，降低企业被投诉带来的合规风险。但企业渐渐发现，过去部署的传统机器质检系统效果无法令人满意。同时，在监管趋严的背景下，全行业纷纷开始向基于对话语义的新一代智能机器质检系统升级。具体来看，传统机器质检系统难满足需求的关键原因有二：第一，人与人沟通时讲的话是高度个性化的、表达方式是复杂多样，仅仅依靠“规则”进行穷举的传统机器质检方案，很难识别出真正的句子语义。第二，保险销售的业务流程、逻辑是复杂的，传统的机器质检，无法对包含多通对话、复杂逻辑和场景的质检项进行查找。
招商信诺形成新一代保险质检的“三级火箭”解决方案
为了破解这两大难题，循环智能(Recurrent AI)在与招商信诺人寿提供服务的过程中，逐渐形成了新一代保险质检的“三级火箭”解决方案：首先，从字和词级别的关键词+正则方式，到引入句子和段落级别的AI语义点方式;其次，引入企业自定义字段和逻辑规则判断，实现多通对话、多个语义点之间复杂的流程&逻辑判断;最后，在成功单质检场景，通过计算同一个保单涉及的多通会话违规的可能性高低，进行违规值排序，帮助人工复检员节省工作量。
从“关键词”升级到“一段话的语义”。从工作原理上看，保司和保险中介机构部署的初代机器质检系统，通过将录音转写成文本，然后借助“关键词和正则表达式”进行穷举，以查找其中可能涉及违规的会话。而新一代的AI机器质检方案则与之不同。新方案通过“喂”给机器足够多的违规实例片段和不违规实例片段(即经人工判断属于某项违规或不属于某项违规的对话语句片段，这个过程在AI领域被称为“人工标注”)，训练机器算法去“学习”违规对话片段的隐含特征，然后用“训练”出的模型识别更多对话片段的语义，看看是否命中这个“AI语义点”。
引入多通对话、复杂流程的逻辑关系配置。在真实的保险销售对话中，发现销售员不严谨或不规范的地方，例如“产品介绍遗漏”这样的质检项，通常会涉及多个标签(AI语义点或正则语义点)，因为先要判断当前对话的场景是否涉及某个长期险或短期险，然后再判断是否讲到了相应保险产品的所有五项或七项特点。再例如，在“保单递送对话场景”提及电子保单或纸质保单其中一个都算合规，但是关于“保单生效日”陈述的要求是，必须讲到生效日，同时提到“扣款不成功不生效”，才符合要求。新一代合规质检系统，支持企业自定义字段，以及复杂多样的质检项场景逻辑配置，对于包含多通对话、复杂流程逻辑质检项的支持更加精细化、更加完善。
招商信诺通过循环智能，节省40%质检工作量
成功单质检的违规值排序。保险企业在银保渠道销售的保险，需要对所有的“成功单”销售沟通过程(录音和文本)进行人工质检复核，这是一项非常耗时的工作。企业的一项核心诉求是，如何能把最有可能违规的对话给找出来，让人工质检员把精力花在可能违规的对话内容上。因为，循环智能创造了一种新的“违规值”算法，通过把整个对话(甚至同一个保单对应的多个对话)当成一个整体进行机器学习：在训练阶段，将“违规”的整体对话和“没违规”的整体对话输入算法模型，学习“违规”对话的隐藏特征;在执行阶段，将新的对话输入算法模型，然后计算该对话违规的概率。
在需要100%人工复检的保险成功单质检场景，如果在算法建模阶段经过了充足的数据训练，那么循环智能(Recurrent AI)的“违规值”排序功能，基本上可以在违规值前60%的会话中找到大部分违规对话，最高节省40%的成功单质检工作量。
招商信诺持续创新，提出精准销售方案
常规的网电销业务流程是，保险公司将不同来源的线索名单打包成专案，再分配给联络中心进行沟通。由于名单中客户的意向值是不同的，包含了相对的高意向客户和低意向客户，所以如果可以提前进行辨别和筛选，对于存量线索名单比较丰富的保险企业而言，就可以减少联络中心在低意向线索上浪费的精力，把有限的精力聚焦于相对高意向的客户，提升转化率。
目前，保险行业部分企业开发的目标客户筛选模型，主要是基于从用户的行为数据(访问了哪些页面)、业务数据(购买的保单字段)和属性数据(年龄性别等)中提取的客户标签等结构化数据进行建模，找出相对高意向客户的隐藏特性，然后筛选新名单中的高意向客户进行优先触达。由于企业与客户之间沟通时产生的对话数据，属于非结构化数据，常规模型难以纳入这些数据，所以这些数据一直没有在目标客户筛选模型中起到作用。
循环智能(Recurrent AI)以自然语言处理技术见长，与招商信诺人寿合作，创造性地提出了将结构化的客户标签数据与非结构化的对话数据进行组合建模的方式。双方在目标客户筛选模型上进行技术创新，形成新一代的精准销售(Target)解决方案。从实际效果看，在存量名单的翻打等目标客户筛选场景中，全新的组合模型方案，相比单独的结构化数据模型，成单转化率可以提升 30% 左右。
招商信诺如今在行业内已深耕了18年，并且一直在行业内保持着A级标准，持续为600万消费者提供更为优质的产品和服务，通过科技赋能，帮助消费者进行保险保障、健康管理、财富规划等方案等推进。如今招商信诺已进入了全新的数字化阶段，拥有着精细化管理能力，在行业内可谓是杰出代表。未来招商信诺也依旧保持着创新精神，持续走在行业前列。
