C114讯 4月8日消息（艾斯）来自市场研究公司Omdia的最新报告写到，电信运营商可通过人工智能（AI）技术优化客户服务交互，并辅助网络部署与优化决策。此类举措可有效提升客户体验，从而直接推动净推荐值（NPS）的提高。本报告深度分析了美国三大移动运营商如何通过部署AI技术来提升NPS表现。
AI对提高客户满意度影响日益攀升
Omdia北美市场首席分析师Kristin Paulin写到，AI已成为提升客户满意度的关键工具，进而成为提升NPS的战略抓手。NPS采用标准化度量体系，其评估公信力源自统一方法论：通过“以0-10分计，您愿意向亲友推荐X的可能性有多大”的单维度调研，将0-6分归类为“批评者”，7-8分为“被动者”，9-10分为“推荐者”。最终NPS分值计算公式为推荐者占比减去批评者占比，得分区间为-100至100。尽管该指标具有重要参考价值，但运营商通常选择不公开具体数据。
AT T：AI/ML技术贯穿全业务价值链
AT T将AI、机器学习（ML）与数据分析深度整合用于于客户交互、软件定义网络（SDN）及下一代技术架构：
网络规划与部署：AI/ML技术全面渗透到了AT T的网络设计、规划与建设周期当中。影响其频谱资源获取、基站选址等关键资产配置决策。同时也被用于流量预测、容量规划及新设备验证等环节。
网络管理与优化：基于AI的自动化创新确保AT T实现网络运维和服务效能最大化。AT T的AI创新运用ML与预测性分析优化客户体验，建立网络自愈机制；并通过实时动态调整网络容量分配，精准匹配用户需求。同时通过ML优化基站休眠策略，降低能耗与碳足迹。
客户体验升级：AT T正在使用基于ML的创新技术驱动服务体验革新。同时，AI/ML还被用于预测潜在服务问题并实施主动修复。此外，AT T也在使用AI/ML来智能调度现场维护资源，精准识别并阻断骚扰电话，以及自动化检测异常终端设备及账户欺诈行为。
在生成式AI（GenAI）的创新实践方面，AT T在光纤安装部署场景应用生成式AI提升了服务准时性与流程顺畅度。生成式AI技术通过路径优化算法，可使AT T的技术人员能够以最少的行驶里程为更多的家庭提供服务，从而最大限度地提高技术人员的能力和效率。AT T表示，其光纤安装服务NPS达96分，验证了采用生成式AI对提升客户满意度的实际成效。
AT T也在使用自主Agent（被其称为自主助手），这些Agent使用生成式AI帮助人工客服在客户服务与网络运维领域实现人机协同决策。通过对客户账户进行智能分析，可为客户提供更加个性化的服务推荐方案。
值得注意的是，AT T构建了自身的生成式AI工具：Ask AT T。该工具为其内部员工自研打造，初始应用聚焦于软件开发代码生成与优化。但该工具一直在不断进行能力扩展，现已拓展至网络数据流智能分析，从而实现对AT T海量运营数据价值的挖掘。
T-Mobile：以“人工优先”策略重塑AI赋能型客户服务
T-Mobile在客户服务中部署AI技术时采用独特路径：不同于常见的“AI客服优先响应+人工接管”模式，其系统通过实时提供上下文信息辅助人工客服解决问题。这一策略与其2018年推出的“专家团队”（Team of Experts）客户服务模式深度契合——该模式强调专属人工团队服务，标榜“无机器人、无转接、无冗余流程”。当时该模式实施两个月后，T-Mobile实现了NPS提升60%，验证了人工主导型客户服务的商业价值。
2024年9月，T-Mobile宣布与OpenAI建立战略合作，进一步利用AI在客户服务方面的优势，共同开发意图驱动型AI决策平台IntentCX（预计2025年上线）。该平台将整合海量数据池，实时解析客户意图与情绪倾向，并具备以下核心能力：深度理解客户查询语义，提供问题解决方案，构建预防性服务机制。
Mobile利用AI改善客户体验的另一种方式是通过所谓的“客户驱动的网络覆盖”来转化为NPS的提升。T-Mobile使用AI模型对客户体验进行监控，为其网络增强决策提供依据，从而最大限度地提高客户满意度。为此，T-Mobile正在利用数据和AI来打造“客户驱动的网络覆盖”。
该运营商将美国划分为数百万个“六边形单元”（边长约165米），并捕捉和记录每个单元内的每一次网络交互事件，从而形成数十亿级数据点，这些数据点可用于为AI模型提供信息。然后通过AI/ML模型分析掉话率、信号强度等指标，预判客户投诉风险与流失概率。基于AI模型的细颗粒度洞察，T-Mobile可以精准评估某个区域网络升级对客户留存的影响。这使得T-Mobile能够根据最大的客户影响和业务回报来做出网络建设决策。最终，T-Mobile能够实现频谱资源与资本开支效率最大化。
Verizon：已部署四款关键生成式AI工具
Verizon已部署四款关键的人工辅助生成式AI工具，以优化客户服务。AI技术的升级助力其超越客户期望。Verizon表示，其团队观察到各销售和服务渠道的客户满意度显著提升，客户互动效率持续改善。这些工具包括：
个人研究助手（Personal Research Assistant）：Verizon的个人助手技术可帮助一线团队快速查阅数千种资源，为员工提供所需信息，从而根据客户的独特需求进行个性化精准服务。目前，Verizon员工已能解答近乎全部（95%）的客户咨询，且回答准确率持续攀升。
解决问题的“快速通道”（“Fast Pass” to resolution）：Verizon利用AI将客户智能匹配至最合适的客服专员，以满足其特定需求。AI智能配对的优势在于，通过建立最佳人工服务连接并节省客户时间，客服支持团队可显著提升客户体验。
个人购物顾问/问题解决助手（Personal Shopper/Problem Solver）：作为客户的个人购物顾问与问题解决助手，该工具通过AI即时分析客户资料，帮助员工预先了解客户身份及其致电原因，从而轻松、精准、高效地提供契合客户需求的答案、优惠方案、体验及产品。借助该工具的后台支持，Verizon已将客户交易时间缩短了2至4分钟。
“专属客群”（Segment of Me）：AI助力Verizon以高度个性化的方式服务每位客户，为其定制专属优惠与产品——Verizon称之为“专属客群”。无论是新套餐、产品推荐还是服务升级，AI均能精准预判客户需求，并确保跨渠道体验的一致性。通过这一主动化服务策略，Verizon提升了客户互动率并降低了流失率。
结论
Kristin Paulin指出，从上述运营商案例可见，AI通过优化客户服务交互与网络决策，为客户体验提升创造了显著价值，且未来潜力可期。当前生成式AI仍处于发展初期，其动态化交互与个性化服务等优势才刚刚显现。从运营效率的提升到客户满意度的提高，都可能刺激运营商进一步采用该技术。尽管AI与生成式AI的发展之路需付出巨大努力，但与领先的AI供应商英伟达合作将有助于实现这一目标；同时，运营商亦可自主开发针对特定场景的小型语言模型（SLM），推动技术落地。
0 条