才博杨康在第十届中国数字服务产业发展年会上发表主题分享

原标题：
才博杨康：数智驱动客服跃升——数据解码客户心声，赋能企业经营决策

以“转型·创新·共赢——数字服务，全球共享”为主题的2025（第十届）中国数字服务产业发展年会开幕式&主论坛于11月20日在雄安新区顺利举行，近千位行业精英齐聚这座“充满数字基因的未来之城”，共话产业转型新路径。

现场，才博数智服务机构数据治理研究中心主任杨康围绕客服中心数智化转型带来深度分享，以下为分享全文：

图 才博数智服务机构数据治理研究中心主任 杨康

过往，大家对才博的认知多集中于培训、标准、咨询等业务，而我负责的模块，核心聚焦数据分析与数据治理，助力企业实现客服中心从成本中心到价值中心的转型跨越。

才博旗下的才博智慧治理研究院，在政务热线领域深耕多年。政务热线作为客服/呼叫中心行业中业务类型最复杂、诉求最多元化的场景，我们已开展了大量数据标准治理工作，更运用大模型完成了多维度的数据分析与治理实践。

今天，我将围绕“如何以数据驱动客服中心服务升级”这一核心主题，与大家展开深度分享。

1

新时代客服中心的新定位与核心价值

（一）战略定位的演化：从成本中心到决策智库

在新时代发展背景下，客服中心的战略使命正在发生根本性转变。

企业顶层设计对客服中心的定位，已从“保障渠道畅通、响应客户咨询、处理投诉反馈”的基础职能，升级为“汇聚全渠道客户声音、提供深度洞察支持”的决策智库。

通过挖掘客户心声中的核心价值，为产品迭代、市场拓展、营销优化、运营提升等关键环节赋能。

（二）业务需求的升级：精细化运营下的质效双高

当前，企业普遍追求“降本增效”与“客户终身价值最大化”的双重目标，这对客服中心的质效提出了更高要求。

客服中心不仅需要扎实做好客户满意度提升、服务效率优化、客户关系维系等基础工作，更要从海量互动数据中提炼可量化的商业洞察，让客服价值看得见、摸得着。

（三）技术赋能的重塑：从劳动密集到数智驱动

自DeepSeek等大模型问世以来，服务行业迎来了技术革新的浪潮。事实上，政务热线早在2016年就已启动数据分析探索——我们当年为广州热线提供了数据治理与数据分析服务，并初步应用小模型技术。

如今，大模型的普及进一步加速了数据分析与治理的效能提升，推动客服中心从传统劳动密集型部门，向技术驱动、数据驱动的现代化客服体验中心转型。

数智化对客服中心的核心价值体现在三大倍增效应：

第一，提升服务效率与问题解决精度，优化全流程客户体验；

第二，深化客户需求洞察与风险预警，实现从被动响应到主动服务、商机挖掘的转变；

第三，推动数据跨部门流通与业务赋能，打破企业内部的数据孤岛。

2

客服数据应用的痛点与破局机会

（一）VOC（客户声音）洞察的核心痛点

客服中心的数据分散于各类业务系统与外部渠道：内部涵盖400热线、CRM系统、APP、官网等运营数据；外部包括微博、企业微信营销数据、垂类媒体及电商平台数据。

这些内外部数据本可为产品研发、风控管理、营销推广等业务部门提供重要支撑，但实际应用中却面临三大核心痛点：

图 嘉宾分享PPT

1.数据收集不全面：多以客诉、咨询类文字交互数据为主，对其他渠道数据的覆盖不足；

2.处理分析智能化不足：当前多数企业（包括政务热线）仍高度依赖人工分析，将工单数据导出为Excel表后手动处理，分析结果缺乏全面性与精准性；

3.洞察范围局限且缺乏闭环：仅能实现基础的客户反馈解读，缺少对行业趋势、竞品动态、用户潜在需求的深度洞察，且VOC应用流程尚未形成完整闭环。

（二）数据分析的深层瓶颈

除VOC层面的问题外，数据分析工作还面临更为根本的挑战：

1.数据来源分散：内外部数据散落于不同系统，难以统一整合；

2.数据质量参差不齐：部分数据缺乏标准化规范，可用性低；

3.价值挖掘滞后：数据处理与分析周期长，无法及时支撑决策；

4.工具方法落伍：缺乏智能化分析工具，难以应对海量数据处理需求。

（三）破局机会与核心路径

针对上述痛点，我们可通过三大路径实现突破：

1.构建数据分析中台：整合全渠道数据资源，建立标准化的标签体系，实现数据的统一管理；

2.借力大模型技术：提升数据标准化程度与标签质量，打造自动化数据流，减少人工干预；

3.强化实时化能力：实现数据统计、分析、监测的实时性，挖掘交叉影响因子，精准提炼客户声音的核心价值。

3

VOC洞察体系的构建：

感知-认知-行动

一套完整的VOC洞察体系，需经历“感知-认知-行动”三个层层递进的阶段，实现从“听见客户声音”到“读懂客户需求”，再到“驱动业务行动”的全链路闭环。

图 嘉宾分享PPT

（一）感知层：全域数据汇聚，解决“听见”问题

首要任务是打破数据壁垒，实现全渠道数据的全面汇聚。

无论是内部的热线通话、在线咨询、工单记录，还是外部的社交媒体反馈、电商平台评价等，都需纳入统一的数据采集范围，确保“不遗漏任何一个客户声音”。

（二）认知层：数据治理与智能分析，解决“读懂”问题

通过建立标准化的业务模型与标签体系，对汇聚的数据进行清洗、治理与结构化处理。

借助AI与大模型技术，将非标准化的文本、语音数据转化为可分析、可解读的结构化洞察，精准识别客户的核心诉求、情绪倾向、潜在需求等关键信息。

（三）行动层：洞察赋能业务，解决“落地”问题

将认知层形成的洞察，深度注入企业核心经营流程，针对性产出投诉趋势、产品需求、服务评价、舆情动态、竞品分析等多维度专题报告，为业务部门提供具体的改善建议，推动产品迭代、服务优化、营销调整等实际行动，形成“数据-洞察-行动-反馈”的完整闭环。

4

场景化实践：

政务热线与企业客服的落地案例

数据分析的核心是业务导向——当前大模型技术已广泛开源，技术实现不再是难题，真正的关键在于“懂业务”的人将技术与实际场景结合。

图 嘉宾分享PPT

（一）政务热线的场景化应用

目前，我们在政务热线领域形成了成熟的应用模式：

1.接诉即办与未诉先办双驱动：前端通过智能咨询、座席辅助、智能派单等功能提升响应效率；后端通过民意洞察、城市感知、智能报告等实现风险预警与主动服务，中间以政务热线专属大模型与多渠道融通数据库为支撑；

2.数据要素拆解与标签化：将市民投诉、咨询等文字类数据（如“光大花园物业公司不作为，车辆乱停乱放导致通道口堵塞，存在安全隐患”），按涉事地址、问题类型、问题行为、问题影响、问题源头等维度拆解，转化为标准化数据集，为后续分析奠定基础；

3.专题报告与舆情预警：针对领导关注的重点领域（如噪声污染），构建专题标签体系，自动产出专题分析报告；对高发、突发、苗头性事件进行聚类分析与预警，助力相关部门快速处置；

4.从“解决一件事”到“办好一类事”：以噪声污染投诉为例，通过数据分析锁定某施工单位为核心污染源后，判定为群体性事件，同步提供事件脉络、发展趋势、高发时段与点位等信息，支撑相关部门精准施策。

（二）企业客服的场景化实践——以广汽本田客服中心为例

我们为广汽本田客服中心构建了“客户声音洞察中枢”，实现了三大核心突破：

定位转型：从“被动响应”到“主动预见”，通过全渠道数据整合与智能分析，提前感知客户需求中的潜在风险；

架构升级：构建跨部门决策支撑系统，深度关联客服数据与产品设计、生产质量、市场策略等核心业务场景，提供全链路数据洞察；

价值落地：通过数字化手段助力产品迭代、服务优化与战略调整，形成四大赋能场景：

▪ 赋能产品与质量：精准识别产品时空风险；

▪ 赋能服务与品牌：主动化解品牌价值侵蚀风险；

▪ 赋能市场与战略：扭转战略与市场脱节风险；

▪ 赋能客户经营：阻断客户流失加速风险。

图 嘉宾分享PPT

具体来看，我们通过标签体系构建，将杂乱无章的语音转文字内容（如冗长的话务记录），转化为包含客户情绪意图、情绪倾向、情绪变化原因、事件核心描述等结构化信息的数据，让客服数据真正成为可驱动业务的核心资产。

5

客服中心的转型方向与未来展望

（一）核心维度的转型升级

战略定位：从“成本中心”到“客户体验中枢+决策智库”，成为拥有数据话语权的价值创造者；

核心驱动力：从“经验、人力、流程驱动”到“数据驱动”，服务模式从“标准化、统一化”升级为“个性化、主动化、全渠道无缝衔接”；

技术趋势：从“传统电话单渠道”到“全渠道整合+实时分析”，实现数据价值的快速释放。

（二）未来发展展望

分析时效：从事后分析转向实时监测，及时捕捉客户需求与市场变化；

数据形态：从单一模态（文本/语音）转向多模态融合（文本、语音、图像等），提升洞察的全面性；

价值定位：从部门级工具升级为企业战略资产，未来可探索将治理后的高质量客服数据在数据交易所上架交易，进一步释放数据价值。

客户的心声，是企业最珍贵的隐藏宝藏；数字化洞察，是打开这座金矿的唯一钥匙。谁能率先将服务数据转化为决策智能，谁就能在未来的市场竞争中占据制高点。

希望我们在数据治理与数据分析领域的实践经验，能为各位带来启发，未来也期待与大家展开更多场景化应用的探索与交流。