“我想在两个月内考下雅思，7分以上。有什么课程推荐？”
“先生您好，我需要了解一下您现在的英语水平，现在是学生，还是已经工作了，每天能有多长时间用来学习......”
这是一组典型的课程咨询对话示例。每天，新东方在线都会接到大量的课程咨询电话和在线留言，关于英语考试、考研、考级等领域。
咨询者的状况各异：按身份，有学生家长、在校学生和在职人员；按备考周期，有人只有一个月，有人三个月，有人半年；按学习基础，有人已经很好，有人需要从头开始，还有人并不清楚自己的基础怎么样；按对价格的敏感程度：有人认为在线课程价格就应该很低，有人能接受与线下相同的价格，有人不太在意价格；按每天的学习时长，有人全职准备考试，有人只能用晚上的时间学习，有人每天最多能抽出一小时……但他们有一个共同点，希望继续提升自己。
他们中有些人经过与课程顾问的一次或多次沟通，获得有效帮助，选到了适合自己的课程，制定了学习计划。但也有些人，因为始终没得到有效帮助或其他原因而流失。
如何帮助更多想要提升自己的人，为他们提供相应的产品？对于新东方在线而言，这是一个关键问题，而这个关键问题的前提就是能够了解咨询者的真实需求，尤其是没有明确说出口的潜在需求——心声。
客户心声分析
对于不同咨询者的“心声”，优秀的课程顾问会从自己的经验中总结规律，比如在职人员更关心课程的单节时长和时间安排，应该多为他们提供时间相关的信息。但这些规律都藏在他们心里，难以验证，也难以变成整个公司、整个团队的公共知识。
因此，新东方在线找到循环智能（RecurrentAI），一起尝试通过机器学习的方式，从全量的、经过脱敏处理的客户沟通数据中，挖掘“客户心声”；从优秀课程顾问的对话数据中，分析让沟通更高效的规律方法。
在校生、家长、在职人员分别最在意的事情是什么，除了大家熟悉的因素，比如价格、课程时长或师资力量，是不是还有让所有人都意想不到，机器却能从微弱的信号中学到的某种因素？
了解到不同客户最在意的事情之后，应该在沟通的什么阶段提供什么样的信息，才能赢得他们的信任？从成功的沟通记录中，机器可以学到哪些“优秀课程顾问在使用但无法转述给其他人”的沟通技能？
循环智能为新东方在线提供的机器学习技术是这样工作的：首先，将通话录音转为文字（沟通文本记录可跳过这步）；之后，利用自然语言处理（NLP）技术分析文本语义，提取语义点形成画像标签；最后，对结构化的数据进行分析，拆解出丰富的数据维度，寻找沟通方式、沟通内容与服务效果之间的关系。
这个过程听起来很容易，但每一步做好了却很难，整合为一个系统，更难。
第一步的核心技术是语音识别。通用的语音识别引擎，识别字正腔圆的新闻节目和日常用语（早上好、午饭吃了吗、晚安）准确率很高，但是在特定的场景下往往难以招架：双方对话（需要分离两个人的声音），电话录音（常伴着杂音），说的不一定是普通话，以及经常出现行业术语（A-Level、托业）。于是，循环智能自研了自动语音识别（ASR）引擎，引入声纹识别、语气识别等技术。在合作伙伴进行的第三方测试中，准确率显著高于市面上的通用识别引擎。
第二步的核心技术是语义理解。循环智能采用了NLP领域国际热门的预训练模型XLNet，XLNet模型的第一作者正是循环智能（RecurrentAI）的联合创始人、AI和产品负责人杨植麟。语义理解的其中一个难点在于，大家讲话的时候往往是“话里有话”的，机器判断起来也很吃力。所以，循环智能在面对一个新领域时，会引入高效的人工标注过程，通过人机结合的方式做预训练，最后形成可靠的算法模型。
第三步的核心技术是数据分析和挖掘。在这方面，循环智能的CEO和CTO都是个中高手，CEO陈麒聪师从亚马逊AWS现任AI负责人、机器学习泰斗AlexSmola；CTO张宇韬师从清华大学计算机系副系主任、数据挖掘顶级专家唐杰教授，曾作为核心开发者研发了知名的科技大数据分析平台AMiner。
他们擅长发现数据之间的关系和隐藏的规律。举例来说，在线沟通时，关于客服回复客户的速度这个维度对于客户最终满意度的影响，通常企业会认为一定是越快越好。但是，循环智能帮助新东方在线分析了大量对话之后发现，数据揭露出的结果：并非回复得越快越好。当服务人员总是在几秒之内回复客户时，反而获得客户有效反馈的比例更低一些。经过对大量具体案例的进一步分析，循环智能找到了关键原因——快速的回复往往是被动的、过于简单的“是的”、“好的”、“对”，但客户更希望服务人员能主动提供更多与学习和课程相关的信息，而非被动的应付之语。
类似这样的客户心声分析维度，高达数百个。从不同维度得到的信息，经过进一步整合和验证，就能转变成新东方在线整个服务团队的公共知识（Know-How），进而提升服务能力和客户满意度。
对于管理层而言，如果能一目了然地“看到”整个业务流程中，每个节点的用户反馈，就可以有针对性地做出业务决策。循环智能与新东方在线合作，将新东方在线每个业务节点里用户最关心的问题和反馈进行整理，形成了可视化的“用户反馈地图”，这样管理层就可以知道用户在不同阶段最关心的问题是什么，进而对产品和业务进行相应的调整。例如，在课程咨询阶段，用户最关心哪些问题；在课后服务阶段，用户最满意和不满意的地方在哪里……
这是“客户心声分析”的方法和意义。
智能质检
“客户心声分析”，顾名思义，主要