微信扫一扫,关注公众号

  • 科技行者

  • 算力行者

见证连接与计算的「力量」

首页 阿里CCO:相比“双11”,我更关心“爽11”

阿里CCO:相比“双11”,我更关心“爽11”

2017-11-11 23:25
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2017-11-11 23:25 CNET科技行者

CNET科技行者 11月11日 北京消息 “让客户惊喜是所有阿里人的KPI。相比‘双11’,我更关心‘爽11’。” 11月11日21时40分,阿里巴巴集团首席客户官(CCO)、资深副总裁吴敏芝亮相天猫双11媒体中心互动大屏,与现场数百位媒体分享阿里服务人的“双11”。

天猫双11行进至第九年,覆盖全世界200多个国家和地区,全球十余万品牌,数十亿消费者及用户参与。如此庞大的经济体共振,一场牵动全社会商业资源的购物狂欢顺畅进行背后,是一张怎样繁密坚实的服务网络在承载?

“服务体系并非后台,我们需要也正在将很多工作前置。”吴敏芝介绍,为确保消费体验,一整套变被动为主动的服务工作早在“双11”开始前3个月就已展开。作为CCO,吴敏芝亲自带队对商家走访,倾听商家一线声音。期间,阿里服务小二作为客户代言人也深度参与到各类业务讨论中,辅助业务决策。

更重要的是,基于大数据和神经网络搭建,阿里的智能服务系统已能够快速预判并发现问题,在消费者发起咨询前主动服务。“在阿里,CCO体系的一切工作都必须围绕用户体验的优化和提升展开。”吴敏芝强调。

通过高科技及大数据应用,阿里巴巴自主研发的智能客服系统今年全面参战双11。不仅在淘宝天猫等数十个业务中作为官方客服主力服务消费者,天猫双11主会场商家中,也已有超50%商家成为“店小蜜”的客户。不仅是在线服务端,即便在热线端,今年双11也已首次实现了智能机器人服务窗口。基于一整套智能+人工的组合效能模式,即使在服务量集中爆发时,阿里服务团队也能保证实现三个1:客户请求1秒钟响应、风险发现1分钟布防、人工客服1次性匹配。

吴敏芝现场分享的一组双11最新服务数据作证了此点:截至11日19:00,阿里巴巴服务团队总服务量800万,30秒接起超过98%——其中智能服务占比更是高达95%。

吴敏芝强调,服务不是流水线,服务团队离客户最近,需要懂客户,有情感,提供有体感有温度的服务。尽管被称为柔军,但打起双11硬仗来却丝毫不含糊。无论是双11还是日常,她最关心三件事——消费者的体验提升了多少?商家服务能力提升了多少?我们还能创造哪些惊喜?

讲到服务抓手,吴敏芝说,在阿里巴巴,商家是跟消费者触达的第一窗口,因此,必须始终坚持携手商家。通过服务技术和能力输出,进而提升全平台的服务体验。阿里为商家自主研发的智能客服店小蜜就是这一理念的最典型印证。由于机器智能的加入,服务组织得以快速升级。“原来商家服务团队约有70%人力在售前,有了店小蜜,大量售前咨询改由机器人完成,商家售前客服占比降至30%-40%——人力被从重复的工作中解放出来,得以投入到售后等更需要情感和创造性的工作中,这是人和机器智能的最佳协作。”

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。

  • 香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。

  • 中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。

  • 字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。

----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-