导语
随着国家监管政策的一步步落实，互联网金融趋于健康良性发展，新业务需求不断增加，业务复杂度也在节节攀升，用户量更是持续增长，拍拍贷的客户服务部门承受着巨大的压力，由于服务应对方式比较单一，语音操作过于繁琐，很容易造成人工服务渠道的拥堵，等待时间过长，服务难以满足用户的需求、降低了客户服务满意度，而扩大服务人员，又会给公司增加额外的开销。
背景
传统客服已经不能满足公司正常的业务发展，甚至会因为客服应答不及时造成客户对公司的不良印象，影响了公司的业务扩张，并且随着智能设备的普及，人工智能的不断发展，人们越来越在意用户体验 ，所以能快速解决客户简单、重复、24小时在线的智能客服机器人—小娜就出现了。
猜您所想，知您所问
传统客服系统流程繁琐复杂，客户拨打客服电话，常常会在一连串的按键提示操作中晕头转向，如果遇到紧急情况，会让人有砸手机的冲动。
而我们的小娜就会贴心很多，作为小娜颜值担当的智能推荐问，直接关系着客户对小娜的第一印象，当客户打开借款APP，点击“在线客服”，客户甚至都没有想好问什么问题，智能推荐就会根据客户以往的标签数据，以及历史行为轨迹，利用先进的机器算法，快速的大数据计算，在客户进入之前就准备好了问题。如果客户想和我们可爱的小娜聊聊天，增加一下彼此的感情，响应速度也是不遑多让的，真正做到了有问必答，有求必应。
核心技术，保驾护航
小娜拥有诸多核心技术傍身，帮助机器人完成多种复杂任务：
- 丰富全面的标准问答
小娜与其他通用聊天机器人最大的不同就是在于健壮、丰富的知识库系统，而智能推荐问的基础数据就是基于在这几十种分类、各个复杂场景中几万条数据的知识库中，分别、分类的提炼出几千条标准问题，形成了首页推荐问的基础数据保障，基本涵盖了客户的方方面面，如充值、体现、借款、额度、账户、投资等等，可以解决客户90%以上的问题。
- 一站式框架
智能推荐的健康良性运行，离不开稳定持续运行的后台框架，框架结合ETL、工程计算、机器学习、前端展示、日志反馈等一系列高可用模块，形成了一个健康良性的客服推荐计算框架，为小娜的成长添砖加瓦。
- 个性化推荐
小娜的个性化推荐引擎在个性化先进算法框架基础上，还引入了场景引擎、规则引擎、展示引擎、大数据快速计算引擎等等，形成全新的点到点的推荐引擎技术框架，系统利用用户的兴趣偏好、个性标签、行为记录对进入的用户进行多方位分类判别，从而给用户推荐最合适、最感兴趣的问题。
- 大数据量快速计算力
拍拍贷有几千万的用户量，在构建智能推荐的特征变量时，结合用户的个人标签、行为记录、历史点击等相关数据，数据会扩大到好几十亿，并且特征稀疏化之后，维度更是达到几千个，这样的数据计算往往本身就是一个瓶颈，但是依靠着拍拍贷业界顶尖的大数据计算能力，给与了客服数据每天快速迭代更新的能力，并且强有力的保证了客服机器人的用户体验。
- 主流学习模型
在智能推荐模块中，采用的是GBDT+LR的融合模型方案，不仅仅解决了线性模型学习能力有限问题，而且实现了有效特征、特征组合的自动发现，这种融合对人工来说就是一个黑子，只要简单得把特征丢进去就可以了，这样大大弥补了人工经验的不足，间接增强了LR的非线性学习能力。
在实际模型训练过程中，也验证了融合模型的优点，并且模型的泛化能力也在客户的具体点击数据上得到验证：模型组和对照组的区分度达到10个点左右。
硕果累累，成绩喜人
拍拍贷智能客服机器人，虽然才历经短短的一年时间，但是给大家带来了太大的惊喜，为公司节约可观的人力和资金成本。
智能推荐和客服机器人还有很长的路要走，也许有磕磕绊绊，但是有着拍拍贷人的一路保驾护航，相信会在以后的日子里不断给人们带来惊喜，甚至成长为业界标杆也不在话下，让我们一起期待吧。
蠢爸萌娜