江苏移动AIOps探索 ——“小信”智能运维助手实践

Posted 2021-04-24 IT运维新视界

“智能小信”完善了各类问题的处理流程，引入机器训练模型，结合专家经验，培养小信自主学习能力。使用更加自动化、智能化的手段替换人工工作，提升问题处理效率，进一步提升业务支撑能力，实现全省协同运营。

通过“智能小信”实现日常咨询类问题及常见问题由机器自动进行处理，降低对同类问题的人力成本投入，使得后台有限的运维人员能够聚焦于真正需要解决的系统问题。在提升IT运维效能的同时，更好的服务于一线人员，进而提升客户满意度。

智能小信具备哪些特点

---

为了实现上述目标，江苏移动从“自动、体验、智慧、学习”四个方面开展智能运维助手的建设，提升产品的服务支撑能力。

自动：智能小信具备问题自动收录、自动收敛归类、自动应答反馈等自动化能力。

体验：小信的交互体验较好，能够按照用户不同的角色、及处理的不同类型问题实现相关内容智能推送和智能化的搜索手段。

智慧：能够将业务操作步骤、业务规则、常见的问题及处理措施在小信中积累沉淀，形成有效的知识库，实现这类问题的自动应答。

学习：小信应具备自主学习能力，经过历史数据的训练，最终实现问题的智能化处理及应答。

小信如何支撑高效运维，提升一线人员满意度

---

引入人工智能技术进行智能小信的建设，将各类问题引流到智能小信入口，通过智能语义分析、相似度计算，结合对历史投诉数据的学习实现智能应答。功能架构如下：

通过智能小信的建设，主要实现以下功能： 

1）问题全面自动收集，充分挖掘投诉价值

集成web版到营业门户，直接对一线营业人员开放，对一线人员在业务办理过程中遇到的紧急问题提供快速便捷通道，全面收集一线投诉问题，挖掘客户投诉价值。

2）投诉自动分类汇聚，提升问题处理效率

智能小信后台对一线反馈的问题按语义识别自动分类、实时汇聚，生成汇聚后问题单，运维人员对同类问题统一反馈，提升问题处理效率，达到“解决一个投诉，消灭一类问题”的目的。

3）点对点自动应答，有效减少问题投诉

通过在线智能机器人即时响应，提供引导式服务，对一线人员提出的业务咨询、热点问题排行、报障问题收录、历史经验反馈、处理结果自动推送。及时响应，缩短沟通时间，减少咨询类、常见类问题的投诉。

4）通过历史数据的机器学习，提升智能应答

将频发问题的处理经验、业务规则、操作指导等知识沉淀收集至知识库集中管理，有效指导前台业务人员进行业务办理，提升业务办理效率，树立良好服务形象，塑造优质客户感知。

 

核心模块

---

• 投诉聚合装置

根据已收集到的近三年内的申告投诉数据文本，整理出特有词汇和典型的投诉信息文本，例如：中国移动、套餐办理、前台开户等，借鉴Jieba项目中词库功能，并将该词库导入到系统中。

当一线用户提出投诉信息后，借鉴Gensim对这些投诉进行相似度计算，通过计算结果合并同类。

该装置的重点是语义词库。该词库通过整合近三年客户投诉语句提炼出针对客户投诉的特定词库，相比于普通词库，关于投诉语句的相似度值分析更为精确。

定义相似度计算公式，其中P是相似度值，是关键词的字符串长度，是投诉语句的字符串长度。

与其他普通词库相比，本词库处理移动业务相关投诉时更具有针对性。通过该装置将海量投诉数据汇聚成少量投诉数据，通过词库和规范化的提问方式提高的汇聚的精准度。

• 投诉归类装置

借鉴开源的Jieba分词结合Fasttext项目的技术理念，实现投诉自动归类。

该投诉归类装置通过分类和厂家责任人配置关联关系实现自动派单功能，该功能逻辑如下图所示。一线营业厅人员提交投诉内容后，通过语义聚合装置进行投诉聚合，聚合后的投诉工单通过归类装置进行自动归类，再根据分类对应的运维责任人，将问题工单自动派发给该责任人。

应用效果

---

通过智能小信的推广应用，提升了后台运维人员的工作效能，降低了低效的人力投入成本，进一步提升了其服务质量水平。为一线业务人员提供了便捷的业务咨询、问题反馈渠道，有效支撑了前端业务办理。前后端人员高效协同，共同为客户营造了一个良好的业务体验环境，有效提升客户感知及其满意度。

1)猜你想问：根据用户在系统中处理的上下文状态以及目前系统中识别的上下文相关问题进行关联，预判用户可能会提的问题并给出解答。关联知识库中与用户相关的热点知识，并尝试解答用户问题。

2)小信有答案：通过语义识别和历史数据的机器学习，对已知问题自动应答。智能识别相似问题，并对同类问题进行归类处理。系统的汇聚能力和归类能力有效提升了问题处理的智能化水平。

3)小信告诉你：汇聚后的各类问题和系统消息小信会自动推送给用户，实现了系统变更及问题处理情况的广而告之，有效解决信息孤岛问题。

更多精彩热文：

•