未來客服就是作好預測 -...

未來客服就是作好預測

2017.6.6

李佳勳

1

※資料皆為臺灣客服中心發展協會所有，使用時，請尊重著作權，若需引用請註記資料出處/來源及作者，並符合著作權法第44條到第63條及第65條第2項「合理使用」，嚴禁抄襲仿冒。※著作權諮詢專線：8732-2983　8732-2792　8732-1452※經濟部智慧財產局：http://www.tipo.gov.tw/

2

書摘

這是什麼顏色 ?

3

再看一次，他們是什麼顏色 ?

4

哪一個比較長?

5

6

主題未來客服就是作好預測

簡介說明

─ 當工業4.0在全世界掘起，巨量資料、AI、智能機器人等議題也正影響服務業，客服管理階層逐漸發現數據分析能為管理決策帶來種種好處，也體會到只要我們對資訊的理解程度比不上資訊成長速度時，就會面臨危險。

─ 本次讀書會分享將透過巨量資料預測的數據分析概念來幫助我們探索客戶或客訴行為模式，從而建立客戶行為模型並以根本原因分析(Root Cause Analysis)發展解決方案後，達到維繫客戶與降低客戶服務的營運成本的目的。

參考書目

精準預測 The Signal and the Noise

作者 : Nate Silver

發行所 : 三采文化

Nate Silver

─ 席佛是美國當代知名的統計與預測鬼才。從小就對數字與思考展現興趣與天分，六歲便開始預測棒球賽事。他進入芝加哥大學主修經濟學，並在大三前往倫敦政經學院研修一年。大學畢業後，進入安侯建業事務所（KPMG）擔任顧問。在安侯建業雖然他有一份穩定高薪的工作，可是卻不是他真正想要的。

─ 席佛利用工作之餘，偷偷研發出一套創新的棒球賽事預測系統PECOTA，因為準確率不賴，Baseball Prospectus於2003年向他收購。席佛也將他統計與預測的天賦應用在玩德州撲克撈錢，後來玩到無心正業，乾脆辭職當起賭徒，直到那些遊走在法律邊緣的德州撲克網路被美國國會新立的法搞到關門大吉為止。

─ 他在2008年美國總統大選之前成立了「五三八」網站（FiveThirtyEight.com，五三八是美國總統大選的選舉人票總數），發表他的選情預測，獲得廣泛注意。他在「五三八」網站公布預測，成功預測歐巴馬勝選，而且是在50州的個別選舉結果中，49州預測正確，35名參議員選舉更完全命中。2009年《時代雜誌》（Time）並將他列入「世界最有影響力的百大名人」。「五三八」網站在2010年由《紐約時報》經營至今年中轉至ESPN。2012年的總統大選，他再度成功預測歐巴馬勝選，並且50州全部命中。 7

Source : 精準預測 The Signal and the Noise

http://fivethirtyeight.com/

章節重點

重點章節參考資料

判斷預測的問題

金融危機的預測失誤、成功預測則有棒球跟政治領域

1. 慘烈的預測失誤

2. 你比電視名嘴還聰明嗎？

3. 我在乎的只有輸贏

大到不能倒(電影)

大賣空(電影)

動態系統是預測的大挑戰，天災氣候、地震跟傳冉病

4. 多年來你一直告訴我們雨是綠的

5. 拚命找訊號

6. 要怎麼淹死在一公尺深的水裡

7. 模型的角色

救命大數據(公視影片)

探討與運用貝式定理的解決之道

靠貝式定理致富的運動賭徒如何知識變成知識

8. 錯誤越來、越來越少

9. 對機器大發脾氣

10. 撲克泡沫

雪球(書)

多變量分析(書)

統計學(書)

全球暖化、恐怖主義跟金融泡沫

11. 要是你贏不了他們

12. 有著健康懷疑態度的氣氛

13. 你不知道的東西可能會傷害你結論 8


9

❶

房裡的大象 ─ 房市泡沫，連小狗名字都可以申請房貸，無

償債能力可以擁多房

─ 槓桿、槓桿、槓桿，銀行的貪得無厭

─ 恐懼是新的貪婪，刺激方案無效，評等機構面對的是被評等還是收費客戶

他們不想讓音樂停下來 ─ 太好，屋主和投資人認為價格上漲就表示房

屋的價值會持續的攀升

─ 太新，評等機構不懂信用違約選擇權 Credit

Default Option.

─ 太有信心，經濟學家、決策者相信金融體系可以像以前一樣V字形復甦。


10

慘烈的預測失誤

【大賣空】The Big Short ─ 傳人避險基金Scion Capital「麥克貝瑞」本業是醫生，

性格不擅社交終日關在辦公室中大放金屬音樂，因逐一檢視幾萬筆資料後將基金押注在要求銀行賣給他的CDS(

信用違約交換Credit Defalt Swap) ，面對各家銀行的嘲笑與驚人的保費，向投資人解釋為何基金的資金部分為何不停地在虧損，不但不被理解，最後還要控告他，麥克貝瑞所操盤的傳人基金因金融風暴獲利超過400%。

─ 賈德佛奈特在投資業界找了道德感強烈的馬克鮑恩來攤平風險。當馬克開始去進行房市田野調查，發現房貸審查輕易過關，且讓不固定收入者擁有四五棟房子，購房出租者也不按時繳房貸，接著是CDO「擔保債務憑證」Collateralized Debt Obligation 是房貸市場的延伸性商品，被比喻為燉海鮮。

─ 無意間撿到麥克貝瑞計畫書的兩位投資界新手，一直想拿到ISDA，於是拜託退休銀行家的班來幫他們。這幾組人馬在金融風暴事件中獲重利。

分辨在人

資訊多雜訊多

關鍵指標

相關非因果

假設 – 驗證

懂得自己的偏見

樣本之外


11

❷

「刺蝟」與「狐狸」 ─ 「刺蝟」A型人格的人，相信有「偉大的想法

Big Ideas」──相信這世界上有像物理定律一樣的指導法則，社會上幾乎所有的互動都以之為基礎。想一想馬克斯和階級鬥爭，或是佛洛依德與潛意識。或葛拉威爾(Malcolm

Gladwell)與引爆點(tipping point)。

─ 「狐狸」是雜亂無章的生物，相信許許多多的小想法，對問題會用各式各樣的手段來處理。他們比較能包容細微差別、不確定性、複雜局面和異議。


12 12

狐狸的預測好很多刺蝟的預測比較弱

1. 跨學科：從不同的學科採納意見，不管意見來自什麼樣的政治立場。

2. 適應力強：如果不確定原來的方法有用，就會找出新方法──或好幾個方法同時進行。

3. 自我批判：有時願意（雖然很少樂意）承認自己的預測有錯，並承擔責任。

4. 能包容複雜狀況：認為宇宙是複雜的，也許複雜到許多基本的問題解決不了或本來就無法預測。

5. 小心謹慎：用機率的術語表達他們的預測，意見有所保留。

6. 以實徵為主：比較依賴觀察而非理論

1. 專科：大半的事業都用在解決一兩個大問題之上。對「外人」的意見持懷疑態度。

2. 堅定不移：堅持用同一個「包含一切」的方法──新的資料會用來改良原有的模型。

3. 毫不退讓：出錯就怪運氣不好或特殊狀況。

4. 尋找秩序：一旦從雜訊中找出訊號，就希望發現這個世界是在依照相對單純的從屬關係。

5. 自信：對他們的預測很少閃爍其辭，也不願改變自己的預測。

6. 以意識型態為主：期盼許多日常問題的解決之道都展現了某些偉大的理論或鬥爭。

「刺蝟」與「狐狸」


13

你比電視名嘴還聰明嗎？

庫克政治報告量化 ─ 民意調查

─ 選區人口

─ 過去選舉投票

─ 全國黨派傾向

─ 現任總統支持率

─ ………..

─ ………..

質化 ─ 訪談技巧，一開始自在友善，突然尖銳問題，主要去感

受風格與方法。

─ 有能力判斷評估不被媚力所惑

─ 尋找危險訊號,，例 : 幾歲了? Broken leg案例(有些東西太過醒目，不去解釋就太愚蠢

原則一：用機率思考

原則二：今天的預測就是你餘

生的第一個預測

原則三：尋求共識

小心萬靈丹式的預測

評估質化的資料

尋找危險訊號(斷了腿)

要客觀不容易


14

❸

「五大工具」&「五大工具之外」「五大工具」

─ 高長打率

─ 高打擊率

─ 跑壘速度

─ 傳球臂力

─ 守備範圍

「五大工具之外」球探預測球員的心理工具箱：

─ 『準備程度和工作倫理』：棒球賽制的比賽場數比其他運動都多。

─ 『集中與專注』：比賽中的表現。

─ 『競爭力與自信』：自我懷疑、對成功的渴望等等心理狀態。

─ 『壓力管理與謙遜態度』：如何處理自己的表現和外界的評論。

─ 『適應力與學習力』：腦袋如何。


15

❹

「雨是綠的不是藍的」 ─ 預測能力有很大進步的氣象預報，過去25年內氣象

預報的準確率已提高了350%！

─ 為何大家仍覺得氣象預報不準？這是因為美國商業氣象頻道，為了顧客服務的經濟動機，有時會在資料的呈現上做些操弄。預測者公佈的預測值太過於強調要「精準」而非「正確」，比如預報某地區降雨的機率是60%，但以統計機率來說可能是50% –

70%的範圍，給個看似糢糊的範圍有失「專業」的身份的包袱也讓預測者事後不願承認預測犯錯的事實。

─ 動態很挑戰，混沌原理的蝴蝶效應，我們可能無法正確測量初始值，例如氣象觀測站有限，所以無法精確得知目前每平方公分大氣的數據，即使我們有正確的大氣知識也無法預測颱風會怎麼跑。

─ 預報最重要的檢驗標準 – 校準 (calibration)


16

❺

「救命大數據」到「零傷亡」 ─ 大數據與災難之間的關係，就在分成四個階段

4R，首先是減災，再來是整備，應變及復原

─ 要減災，要把目前的氣候、地質等資訊收集起來，在研究出某些模式，根據這些模式就可以知道海嘯會淹到哪裡，或者是說淹水會淹哪裡，或者說那邊比較容易會發生地震，這可以幫助我們去做應變，這是減災的部分．再來要整備的時候，可能用line通報開始準備一個防災的隊伍等．在真正應變時，在搜救時，搜救人員所在的位置跟被救的人所在位置，被救的人在哪裡，都要這些數據，才知道怎麼去救，用什麼工具去救人，房屋的狀況怎麼樣都要去了解，最後當復原的時候也用了很多大數據，譬如有什麼救災的物品捐款，都是用數據搭構起來的．這也是大數據的一環。

─ 對災難來講很重要的事怎麼樣知道這個災難的原因，然後努力地在事後，想辦法找出各種可能的方式來協助。

資料出處 : 公視救命大數據影片

17


18


19


20


21

❺

─ 如果將來還有不只在日本，在別的國家，有沒有機會能夠透過大數據，能夠來提供更多的防治的一些對策 ? 救命大數據裡面，包括很多的科技人員，透過了各種不同的方式，把當時大地震發生的很多的數據，做了一些動態的整理，然後分析出很多的模式，最後告訴我們說，其實在數據裡面看到很多人性無私的那一面，但是這些無私的一面，其實反而在災難中造成很大傷亡。

─ V字型的移動叫撿人行為, 為什麼有這麼多人湧向危險的海岸？今村教授指出，大數據中一種特定類型的移動，他檢視了地震後車輛開往海岸邊的數據，許多人中途停下來再開往內陸，呈現一個V字型，這稱為撿人行為，民眾回家去接摯愛的家人，他們擔心家人的安危，這實際上是救援任務

─ 約三分之一的人，地震發生後十五分鐘內開始移動，他相信若他們不是去附近的疏散點，而是逃到高地，許多人應該可以獲救。


22

❺

─ Twitter 貢獻了在地震後發生的一周內，發送出的一億八千萬條推文

─ 本田汽車公司透過汽車導航系統資訊，提供一百四十萬輛車在地震當天的移動情形

─ 日本氣象協會再提供了大量關於地震海嘯的數據

─ 導航系統的數據顯示，許多駕駛人當時經歷了嚴重的堵車現象，狀況找到交通全面癱瘓車輛無法動彈

─ 救援隊可以利用大數據來救援，就可以知道有多少人被受困在不同的地點，可以改變一些事實！

─ 共同使用大數據，了解救援行動要如何快速展開，災難發生時各機構互相公開加速救援，即時掌握整體災難狀況！


23

❻

「貝式定理」 ─ 『貝式定理的特性之一，就是隨著時間的推移，我們看到更多的證據，

那我們的信念彼此間－－還有跟真理間－－應該要達成一致。』

─ 邏輯推理如下例，這位太太必須問自己：老公外遇的機率有多少？條件是你發現老公出現了無故晚歸的事實；這時候貝氏定理就能給出答案，前提是這位太太必須知道(或願意評估)三個數字：

─ 首先，以老公無故晚歸不回家的行為作為假設為真──也就是說，老公確實有出軌的行為──的條件，評估這樣的機率是多少。假設在老公外遇出軌的條件下，無故晚歸的機率有多少？我們給定是百分之五十。

─ 第二，以老公出現無故晚歸的行為作為假設為偽的條件。如果他沒有不忠，那無故晚歸不回家的行為有沒有什麼合理的解釋(在電影情節中，老公是去參加舞蹈課程)？當然，也許澴有其他的各種理由/事件是有可能發生的。這位太太也許不會滿意這些解釋，我們給定這些事件發生的機率是百分之五。

─ 第三，也是最重要的，這位太太需要貝氏學派所說的『先驗機率』：這位太太在老公出現了無故晚歸的跡象之前，認為老公可能出軌的機率有多高？當然，既然已經懷疑老公有可能外遇，這點就很難完全客觀了。理想上，應該在開始檢視證據之前就要建立先驗機率了；但有時候仍有可能從經驗上來評估像這樣的數字。例如，假設在本國，研究發現在特定的任何一年，大約有百分之四已婚的夫婦會對另一半不忠，那我們就可以給定先驗機率為百分之四。

─ 如果我們估計過這些數值，那麼就可以運用貝氏定理來建立『後驗機率』，這才是我們追尋的答案：根據老公出現了無故晚歸的事實，老公外遇出軌的機率有多高？計算結果仿Nate Silver在書中的例證，以下圖說明：


24

❻

「貝式定理」先驗機率與三個已知+一個未知

先驗機率

丈夫外遇出軌的可能

性初始估計

x 4%

新事件發生：發現老公無故晚歸不回家

以他出軌為條件，出

現無故晚歸行為的機

率

y 50%

以他沒有出軌為條件，

出現無故晚歸行為的

機率

z 5%

後驗機率

已知丈夫無故晚歸，

修正後他確實出軌的

機率

xy

xy+z(1-x)

29%


這是什麼顏色 ?

25

再看一次，他們是什麼顏色 ?

27

球王不靠踢球 ?

28

但..…..

我沒踢過球

號稱「卡洛斯凱撒」(Carlos

Kaiser)

29

預設立場或過度自信, 是非常可怕的事

預測不在追求是與非, 而是估算機率. 有精確的機率, 才能做出有利的決策.

預測時不能忽略誤差, 並要勇於承認有不確定性. 不然你會過度解釋, 變成不精準的預測.

做預測時, 最怕一看見有相關就解釋成因果關係.

根據預測的機率, 做了最有利的選擇, 即使結果不好, 仍是好預測.

不是一定要追求完美的預測, 只要預測比對手好, 你就贏了.

當大家不免被雜訊迷惑時, 問問自己, 你有什麼法寶, 能讓自己更接近真相? 跟著法寶走, 不要

跟著群眾走.

保持客觀, 隨時根據訊息而更新的預測, 才有可能是精準的預測.

最後提醒


30

AI

認知科學

31

類神經網路

突觸學習/權重

監督式學習

GPU

龐大有標資料集

語意處理

深層學習

32

實例

33

「暢銷書密碼」一書

文字探勘

斷字、認詞、詞性標記、依存句法分析

機器分類

KNN、SVM

驗證

十折交叉驗證

留一驗證 Source :暢銷書密碼

34

暢銷書密碼模型

Source :暢銷書密碼

客戶抱怨模型

Example

35

工具

Example

36

Thank you

38

˛ˬ α ˣ ˝ Ȉ Ȉ˘ Ȉ˟

牙膏、氛香劑與員工積極性

許乃威老師

新世代團隊的動態管理心視界系列

姚能筆老師

創新服務極緻感動－巧思服務讓您無往不利

周純如老師

說出人緣講入人心-與客戶的溝通巧實力

王東明老師

翻轉顧客情緒的魔法-客訴談判的策略與實戰

胡權定老師

如何成為客服伯樂高手-情境領導模式實務

蘇娉玉老師

決戰講師擂台-全面啟動講師思維與技巧

游淑玫老師

以KPI為核心的人性化管理

楊致文老師

客服團隊的激勵與領導－高績效團隊的DNA

鄭均祥老師

讀人讀心-好服務贏得顧客心(進階課程)

王東明老師

LINE出你的好服務－無所不在的服務新概念

許景泰老師

移動互聯網時代下客戶與員工管理

許乃威老師

Facebook－讓客戶非您不可的服務上癮技巧

許景泰老師

未來客服就是作好預測 -...

Documents